1703587790
1703587791
有人曾就能否设计一个交易系统模拟工具提出疑问，但我们没有选择这么做。对于使用交易系统的人而言，他们可能并不清楚或没有完全理解上述所有问题。
1703587792
1703587793
1703587794
1703587795
1703587796
范·撒普的超级交易员训练法 [:1703584360]
1703587797
范·撒普的超级交易员训练法 避开模拟交易的问题
1703587798
1703587799
为了避开模拟器的问题，我开发了系统优劣指数（SQN）。一般来说，SQN值越高，通过头寸调整策略实现目标的空间就更大。也就是说，SQN值越高，实现目标的难度就越低。以前文提到的那位外汇投资者为例，他声称自己的外汇交易系统风险倍数期望值与标准差之比为1.5，该系统每天产生近一个交易信号。
1703587800
1703587801
尽管我不知道是否有可能开发这样一个不可思议的系统，但我对他的交易结果毫不怀疑：在四个月多一点的时间里，他的账户资金规模从1300美元增至200万美元，而与此同时全球大多数市场都在经历严重的经济危机。
1703587802
1703587803
在《头寸管理权威指南》一书中，我对如何轻松地通过31种头寸调整模型（其实一共只有93种，因为每种模型都可以分别和三种资产计算方法结合）、运用SQN指标实现目标进行了介绍。但出于以下原因，我们仍然必须谨慎行事：
1703587804
1703587805
你永远无法知道自己的风险倍数分布数据是否准确。
1703587806
1703587807
你永远无法把握市场类型具体将做何改变，但这往往会对SQN造成影响。
1703587808
1703587809
你必须考虑到多笔关联交易的影响。我曾经通过利用SQN指数，假设最大风险是针对整个资产组合而非单个头寸而言做到这一点。
1703587810
1703587811
因此，如果交易系统为普通系统，期望值与标准差之比在0.16左右，则最佳风险比例为1.7%。但如果同时进行五笔交易，每个头寸的风险可能必须下调至0.35%左右。尽管如此，如果采用“圣杯”系统，每个头寸的风险敞口可以达到5%及以上。
1703587812
1703587813
1703587814
1703587815
1703587816
范·撒普的超级交易员训练法 [:1703584361]
1703587817
范·撒普的超级交易员训练法 第五部分 减少犯错，获得更多持续收益
1703587818
1703587819
范·撒普的超级交易员训练法 [:1703584362]
1703587820
零失误交易
1703587821
1703587822
如前文所述，我们处理信息的能力是有限的。事实上，我们的意识层面只能储存七个（可能再多两个或少两个）信息组块。在压力下，人脑的信息容量会急剧缩减，人体血液会从大脑转移至身体的肌肉，以应对不断临近的危险。然而在当今社会，危险往往是精神层面的，跑得更快、身体更壮无助于应对交易危险。
1703587823
1703587824
1703587825
1703587826
1703587827
你能玩转的信息只有这么多
1703587828
1703587829
交易员必须处理的信息量每年都成倍增长，处理信息的能力却在原地踏步。所以，我们发明了很多捷径来处理信息。实际上，近年来心理学家一直在对这些心理捷径进行记录与归纳，并称之为心理启发术。
1703587830
1703587831
专家们得出的总体结论是：人类在处理信息方面效率低下，甚至连部分经济学家都开始从高效市场阵营转移至低效市场阵营。市场是低效的，因为人类是低效的市场决策者。
1703587832
1703587833
专家们得出的结论是高明的，但针对该结论的反应差强人意。其结果是出现了一个新的经济学派——行为金融学派。这些经济学家发出疑问：“既然人类的低效导致市场的低效，那我们该如何利用我们对人类低效性的了解预测市场呢？”在我看来，这种想法愚不可及。
1703587834
1703587835
对此，我采取的应对方法全然不同，你们或许会称之为“应用行为金融学”。我认为，既然大多数人在处理信息方面效率低下，如果他们的效率提高，结果会是怎样？例如，假设一个人处理市场信息的效率为5%（当然，大多数人的效率应该高于这一水平）。那么如果这个人的效率提高至25%会怎样？如果将他的效率提高到50%甚至100%又会怎样？结果肯定让你们大为震惊。
1703587836
1703587837
前文曾经提到，我们可以将交易系统视为风险倍数的一种分布形态，期望值与标准差决定了分布形态的特征。让我们来看，低效可能对交易系统的交易结果产生怎样的影响。以期望值为0.8R、每年发出100个交易信号的系统为例。该系统的质量算不上过高，实际上，样本系统的质量非常勉强，我见过很多更好的系统。但平均来看，该系统每年能创造80R的回报。
1703587838
1703587839
如果决定每笔交易承担1%的风险，你每年或许可以赢得100%的收益（随着资产净值的增加，1%代表的资金规模也不断加大，受此推动，你可能获得100%而非80%的回报）。但受行为上的低效所限，大多数人会频频犯错。而每次犯错都意味着既定的交易规则被打破。犯错会带来多大的损失？我无法准确估量。我们需要搜集大量数据来得出这一答案，而且每个人的情况都有所不同。让我们暂且假定犯错一次平均带来4R的损失。