前言
已经有两个多月没有对教材《外汇交易指南》进行更新，其中缺少了「交易系统」这个章节的重要内容，乘着这个机会，补齐这块知识点。
目录：
- 第一节：什么是交易系统
- 第二节：交易系统的建立
- 第三节：交易系统的测试
- 第四节：交易系统的优化
- 第五节：交易系统的更新
第一节：什么是交易系统
金融市场已经被无数证据表明，有着高度的随机性，这种随机性使得任何交易者都能在短期和局部交易中获利，但我们要明白，赚钱的经历并不代表赚钱的能力，要想长期、持续的从金融市场中获利，就需要整体的、系统化、科学的交易方法，交易系统就是这种整体的、系统化、科学交易方法的物化产物。
一个完整的交易系统包含整个交易决策周期中的所有规则，这些规则相互关联彼此构成决策链的闭环：
- 参与市场
- 开仓规则
- 加仓规则
- 止损规则
- 头寸规模
- 平仓规则
- 减仓规则
传统的交易计划会在一天收盘后或者在第二天开盘前的某个时间进行前瞻式交易安排，与之不同的是，交易系统已经安排好了所有未来的交易模式，没有临场性和随意性，取而代之的是可重复性和客观性，正因为此，交易系统可以避免自身心理弱点导致的非理性交易。
虽然金融市场有着高度随机性的特质，但是其中也有一部分非随机性走势的存在，交易系统就是通过识别这些非随机性走势（统计特征）而获利的，交易系统对这些非随机走势的把握越大，其正期望越大，反过来说，如果市场是完全随机的，那么长期、持续的获利是不可能的。
通过交易系统，交易者可以从整体的角度看待交易，交易者知道，由于价格随机性的存在，单次交易的结果是不确定的，但是长期来看，盈利会覆盖所有的亏损，产生整体的正期望，因此，对于使用交易系统的交易者而言，一次正确执行交易系统规则的亏损交易，也是成功的，一次错误执行交易系统规则的盈利交易，也是失败的，交易者将完全从系统的执行情况来评价自己的能力。
同时，交易系统可以帮助交易者在实盘之前就测试出系统的盈利能力、风险控制能力，大大降低了成本。
从分析方法的角度，我们可以把交易系统分为三个大类：
- 以基本面分析为分析方法的交易系统
- 以技术图形、技术指标为分析方法的交易系统
- 以数据统计分布为分析方法的交易系统
从主观参与程度的交易，我们可以把交易系统分为两个大类：
- 机械交易系统（没有主观判断参与）
- 非机械交易系统（有主观判断的参与）
第二节：交易系统的建立
交易系统的设计有 5 个基本步骤：
- 形成交易策略
- 明确交易规则
- 交易系统数据内推测试
- 交易系统优化
- 交易系统数据外推测试
一、形成交易策略
在市面上，交易策略的形成主要有两种基本方法：自上而下法和自下而上法，自上而下法是基于对市场长时间观察总结并形成客观化的交易策略，自下而上法是从市场统计特征出发, 以观察系统在历史行情中的表现，从而形成的交易策略。
举个例子来，A 交易者通过长期观察，发现价格是呈现波峰波谷的 N 字形式运行的，从而开发出一套 N 字形态趋势交易系统，这就是一个自上而下法，这种交易方法交易逻辑性强烈，规则呈现的通常是对市场本质性的描述。B 交易者通过市场数据统计，发现价格在开盘高开 1 %以上的股票通常上涨的更加强烈，开发了一套高开买入系统，这就是一个自下而上法，这种纯粹是从数据出发的方法逻辑性较弱，当未来发生变化，描述可能就会失效了，同样也非常容易产生曲线拟合，一些 EA 系统开发者常常完全脱离实际的交易逻辑而使用纯粹数学结果，使得未来再现历史的可能性接近为零。
交易策略的提出建立在自己所持的交易理念和扎实的交易基本功上的，这需要实践经验和理论经验，交易策略要能够反映市场的规律性和逻辑性，比如 C 交易者基于对市场的两个现象提出了一个趋势交易策略：
- 市场是有趋势的，这就是价格非随机走势
- 趋势不是一路向前，而是波浪式发展，这使得我们可以通过回调，顺着趋势的方向进场
二、明确交易规则
交易系统之所以拥有客观性，原因在于其内在规则的明确性，在这一步上，我们将之前模糊的交易理念转化为明确的交易规则，定性定量，客观可重复。
举个例子来讲，「大阳线突破阻力线开多」，这里我们就要对「大阳线」、「阻力线」进行进一步的定量化定义，尽量避免歧义和主观性。
一旦我们对系统中所有规则都进行了定性定量化的定义，我们的系统就拥有了数学上的精确性，拥有了操作上的可重复性，从理论上讲，无论谁来操作这个系统，将会得出同样的交易结果，这给交易系统的测试提供了温床，测试结果也有了实际的统计意义。
在这一步骤上，有条件的朋友还可以对交易规则进行程序化编程。
第三节：交易系统测试
到了这一步就说明你已经有了一个初步的交易系统，是可执行的，我们将用复盘软件进行测试（如果你可以把系统程序化的话则更加简单），这里面有几个要点：
- 以交易周期为基准点，提供足够的历史数据和交易数据，确保样本数据的有效性
- 对同一个系统进行多周期测试，举例来说，如果一个系统在 H1 周期上可以获利，但是在 H4 周期上不可获利，说明这个系统是非常值得怀疑的，在 H1 周期上的获利可能并不能代表系统盈利的本质性，换句话说，优势不显著
- 对同一个系统进行多市场测试，每个市场都有自己的特性，这个不假，在一个市场中获利颇丰可能在另外一个市场并不是如此，但是如果差距太大，说明这个系统也是非常值得怀疑的，优势不显著，一个好系统，微调规则后，就能适应不同的市场
系统测试的重要参考数据：
- 盈利，负盈利的系统是不能采用的
- 交易次数
- 胜率，胜率过大的系统往往采用了「让亏损奔跑，截断利润」的策略，或者系统对亏损交易进行了强过滤，属于曲线拟合，胜率过小的系统往往缺乏稳定性
- 平均盈利和平均亏损，盈亏比，盈亏比过小的系统一般是负期望的，盈亏比过大的系统的盈利往往来源于寥寥几笔大盈利，这是需要我们重视的，这样的系统有极高的心态素质要求，其次，这样的系统常常缺乏稳定性，从理论上来讲，我们可以通过一次巨大盈利冲销多次小幅亏损，但实践表明，中等的胜率和中等的盈亏比的系统，更加具有统计意义上的稳定性，换句话说，这样的系统更加优秀
- 最大连续亏损（盈利）次数（额度），如果实盘连续亏损次数小于测试，我们应该坚定不移执行策略，如果实盘连续亏损次数大于测试，我们应该警惕系统失效（假性失效）和市场变化的可能性
- 最大盈利和最大亏损，如果最大盈利和平均盈利相差太大，则应该剔除这次最大盈利，一般不具备再现的可能性，如果最大亏损和平均亏损相差太大，则应重新考量资金管理策略对风险的抵抗能力
- 最大回撤，历史数据测试会低估最大回撤，如果最大回撤过大，系统也是不稳定的，对心态要求极高，是不推荐的
第四节：交易系统的优化
对交易系统的优化是历来争议最多的地方，一方面优化可以增加系统未来的表现，一方面优化会降低再现历史的可能性，实际上，最优化是必须的，了解参数变化的影响总好过稀里糊涂选择一个参数，被纯粹的运气左右命运。
系统优化有两个方向：定性规则的优化，和定量规则的优化（参数）。
定性规则的优化指的是在原有系统基础上，对某些规则进行微调处理（甚至删除一些多余的规则），比如本来是收盘价开仓的，现在改为挂单开仓，这种修改不会改变整个系统的策略思想和逻辑。
定量规则的优化指的是以原有系统参数为核心进行微调，比如原数据均线参数为 20，我们会在优化过程中，参考 10-30 之间的参数对应的系统成绩变化进行遍历，在这个过程中，一方面可以通过这个过程发现参数对系统的影响变化，加深对系统的理解，一方面可以寻找稳定的最优参数，一个稳定的最优参数周边的参数不会出现跳跃式的成绩变动，或者说，一个稳定的交易策略，参数应该可以取一个范围。
在系统优化中，我们需要警惕曲线拟合，一方面我们要控制系统规则数量，一个多规则的系统是一个多自由化的系统，随便一优化就会掉入曲线拟合中，另一方面我们应该从多市场、多周期、样本内数据和样本外数据分别测试考验（比如用 2010-2016 年的数据进行内推，用 2017 年的数据进行准外推，如果两者间的成绩相差太多，基本上是拟合了）。
第五节：交易系统的更新
交易系统运用于实盘后，我们要对系统成绩进行跟踪，这也是交易日记重要的原因，当发现交易系统对市场特性偏离时（实盘数据超过历史数据），我们就有必要对原有系统进行更新，优化方法和测试方法相同，就不再阐述。 | 
转播
