2. 离场策略

由于离场策略更为重要, 所以定下3种不同离场策略同时考察

首先, 初始止损都为25-35点+手续费. 4小时点位25点, 日线图点位35点.

在进入盈利后, 依离场策略不同分为三种: (以下使用的1R=初始止损的点数)
关于R乘数的解释:　http://www.youtube.com/watch?v=JFuF6M7z1jg

1. 在盈利1R时离场.

2. 盈利1R时一半头寸离场, 另一半浮盈2R后开始追踪止损直道被带出.

3. 浮盈2R后开始追踪止损直道被带出.

将交易结果收集如下：
这个系统在２０１１年前三个半月里对１１个汇率对收集了１１０笔交易．　　理论上，至少５０笔以上的结果才足够分析系统特征．


对交易结果进行统计，得出期望收益，夏普比率，成功率，交易频率，和系统概率分布：


系统概率分布的图表：

这一步由于系统未定下离场策略，所以特别写出来。 对于已经定下离场策略的系统可以滤去对比的部分，只需判断系统质量。

首先，三个策略都提供盈利的能力。

1. 成功率
策略1成功率最高（63%），策略3失败率最高（46%）。但这个参数本身不是很重要，再差别不大的情况下不予考虑。

2. 夏普比率
三个系统夏普比率分别为0.24，0.44，0.46. 夏普比率越高，系统质量越好。所以抛弃策略1，留下策略2，3继续对比。

3. 期望收益
策略2，3的期望收益分别为0.86，1.48. 明显策略3更好。所以最后选择为策略3.

4. 交易频率
系统的交易频率为1.6次/天。 按一年200个交易日来算，平均有320次交易机会。这个频率配合系统的期望收益和夏普比率足够提供很强的盈利能力。

5. 系统交易结果概率分布：

图里是三个策略的结果概率分布．横轴是交易结果的R成数, 纵轴是结果发生的概率.
总的来说，一个好的交易系统的结果概率分布应该是大量集中在'0'附近(大量的小额盈利和小额亏损), 但具有右偏度的长尾, 尾越肥越好,越长越好 (极少数的大额盈利).
但也有些只追求高成功率的交易系统没有长尾, 那些比较特殊, 暂不予讨论.

可以看出, 策略1完全没有右尾, 成功率只在一半多一点, 不可取.
策略3的右尾最长最肥, 质量最好.
策略2处于前两者之间, 降低了'3'的亏损风险, 但同时右尾比较短而窄.

从结果概率分布综合来看, 仍然是策略3最好.

最终结果, 选择策略3作为系统的离场策略.

使用系统的概率分布，通过写程序或模型来模拟生成系统交易结果，并使用结果进一步分析系统的性质。

1。引入非系统属性

这里首先要将理论的系统在实际操作中做一个延伸。对于全智能系统，需要考虑手续费用。 对于手动交易的系统，则还需要考虑人的交易效率，和平均错误成本。

定义：
错误指偏离系统的操作。
错误成本指偏离系统操作所造成的相对损失。
交易效率=（交易次数-发生错误次数）/交易次数*100%

这一组数据需要自己在实盘操作中收集，它们是交易者的参数，虽然与系统无关，但却会作用在系统结果上。

我的系统还未实盘，所以先近似使用一组我在其它系统的实盘中收集到的数据。由于参数跟人有关，所以照搬过来近似使用，等以后交易一段时间再做更改。如下：

非系统属性 (暂为假设值）
交易手续费( R)	-0.15
交易效率	61.90%
平均错误成本( R)	-1.9

关于错误和错误成本的解释：http://www.youtube.com/watch?v=HGtpQfZ7sfc

交易效率反映一个交易者的成熟度，往往跟交易心理，经验有关。一个极好的交易者的交易效率应该是在80%之上。提高交易效率需要很多年的不断练习，主要是心理上的。

2。生成模拟交易结果

交易的结果，应该由三部分组成：

系统概率分布生成结果 + 错误概率生成错误成本 + 手续费用

依据这个结构，可以使用各种程序语言编制模拟器来生成交易结果。我自己在这里没有使用程序语言，只是excel里面将rand() 和lookup()两个函数组合了一下，就做出了模拟器。

下接第10楼.