期货参数优化（期货趋势度指标）

统计假设检验在期货交易中的应用思考

假设检验的基本思想：

假设检验的统计思想是：概率很小的事件在一次试验中可以认为基本上是不会发生的，即小概率原理。例如，某一事件出现的概率是0.001时，那么平均在1000次重复试验中可能才出现一次。因此，概率很小的事件在一次试验中几乎是不可能发生的，于是，我们把“小概率事件在一次试验中发生了”看成是不合理的现象。

为了检验一个假设是否成立，我们就先假定这个假设是成立的，如果根据这个假定导致了一个不合理的小概率事件发生，那就表明原来的假定是不正确的，我们就拒绝这个接受这个假设。如果由此没有导出不合理的现象，则不能拒绝接受这个假设。

这个小概率到底多小才算是不合理的小概率事件，一般统计学用的最多是0.05，也有更严格的用0.01的，也有宽松的用0.1的，这个可以试个人对于风险的偏好，风险偏好高的朋友可以用0.1的标准，这样的好处就是可以比较容易拒绝原假设，代价就是发生错误的几率也增大。风险偏好低的朋友可以用0.01的标准，这样的好处就是可以不易发生原假设被错误拒绝的情况，代价就是发生拒绝原假设的难度大大增加，可能会发生原假设实际上不成立但由于拒绝假设的标准过于严格导致无法拒绝原假设的情况。

实际应用举例：

上面说的很是抽象，下面我们说个具体的例子来看一下假设检验如何应用。

问题：一枚来历不明的硬币，据说硬币的某一面可能掺加进去了某种密度不同的杂质导致硬币两面的重量不一致，现在在不使用任何检验仪器的情况下，如何判断这个消息的真伪性？

统计学解决方案：反复的随机抛这枚硬币，统计其正面朝上和朝下的次数，通过此数字来判断。

具体步骤如下：

1.假设硬币没有问题，是标准的硬币，那么硬币随机抛后每次正面朝上和朝下的概率是各50%，多次随机的抛硬币n次后，正面朝上为m次的概率是可以计算出来的。具体而言，比如连续随机抛10次硬币，那么出现正面朝上的多少次的概率如下：

0次，概率为1/1024;

1次，概率为10/1024;

2次，概率为45/1024;

3次，概率为120/1024;

4次，概率为210/1024;

5次，概率为252/1024;

6次，概率为210/1024;

7次，概率为120/1024;

8次，概率为45/1024;

9次，概率为10/1024;

10次，概率为1/1024;

从以上数据可以看出，如果硬币是标准的，那么连续随机抛十次硬币后，正面向上的次数为｛0，1，9，10｝ *** 中的某一个数字的概率均低于5%（即0.05）。如果我们选取0.05的显著性检验标准，那么如果连续抛10次硬币后硬币正面朝上的次数为｛0，1，9，10｝ *** 中的某一个数字，那么，我们可以说在0.05的显著性水平下，这枚硬币是标准硬币的假设不成立。

2.连续的抛10次此枚硬币，观察其正面向上的次数，如果其次数为｛2，3，4，5，6，7，8｝ *** 中的某个数字，则我们无法拒绝标准硬币这一假设。如果其次数为｛0，1，9，10｝ *** 中的某一个数字，那么，我们可以说在0.05的显著性水平下，这枚硬币是标准硬币的假设不成立。

以上便是假设检验的基本流程。

接着这个话题我谈谈样本数对于假设检验的影响。抛10次硬币必须得8次以上或2次以下才能拒绝标准硬币的假设，那么抛100次硬币是不是必须得80次以上或者20次以下才可以呢？不是的。有兴趣的朋友可以自己去计算或者用统计学的假设检验分布表，我用分布表计算出来的数据如下：

20次时，15次以上或者5次以下即可拒绝假设；

50次时，32次以上或者18次以下即可拒绝假设；

100次时，60次以上或者40次以下即可拒绝假设；

1000次时，531次以上或者469次以下即可拒绝假设；

从上面的数据可以看出，随机抽样的样本数越大，偏离均值的难度越高，也越容易做假设检验，比如扔一个硬币10次，即使8次朝上仍无法拒绝硬币是标准硬币这一假设，但是，扔100次，只需60次就可以拒绝了。

小结：

假设检验的基本原理：如果假设A成立，那么事件B发生的概率低于5%(当然也可以用10%或者1%等标准）。实际随机抽样检测中B发生了，我们可以在0.05的显著性下认为假设A不成立。在实际应用中我们要注意的是，之一，样本书越大，越容易验证条件A是否成立；第二，观察事件B是否发生时，一定是要随机抽样的。比如上面那个硬币的例子，如果不是随机抛硬币，而是由一个硬币抛掷高手来有认为控制硬币抛掷后的结果，那么得出来的结论对于硬币是否标准这一假设是没有参加价值的。为什么很多历史数据中表现很好的交易系统在后期的实盘时效果很差，很大一个原因就在于针对历史数据所设计的交易系统不符合抽样随机性。

交易应用示例：

写了这么多，还没有写到交易上，可能有些朋友急了。稍安勿躁，有了上面的基础，再来谈交易模型的假设检测，就很容易了。

先看一种最简单的交易模型，就是止盈和止损是同样比例的模型。比如西蒙斯曾经谈到过八十年代他们曾经靠一个很简单的模型赚过很多钱，就是跳空高开（或低开）后短时间内价格反向运动的概率很高，他们的交易策略就是高开后做空，低开后做多。现在我们来根据这个思路尝试做一个交易模型：跳空高开（或低开）x%后开盘入场做空（或做多），盈利或者亏损y%后就出场。为了便于讨论，我们先假设不存在滑点、手续费等问题，同时假设当天价格日内离开盘价的波动幅度必然会超过y%，也就说日内该笔交易一定会结束，要么是盈利y%后出场，要么是亏损y%后出场。这么简化后，大家再拿这个和抛硬币的例子对比，是不是完全一样了。

现在来运用假设检验的 *** 来验证这个模型。如果这个交易模型是无效的，那么交易盈利或者亏损y%的概率应该是各50%（如果亏损大于50%可以反向做的），和硬币的例子中两种结果的概率完全一样。现在我们拿检验硬币的思路来检验这个模型到底是不是无效的。我们拿这个交易模型去历史数据中测试，假如总共有50次交易记录，其中盈利的次数达到了32次以上或者18次以下（这样情况就把模型反着写，即高开后做多低开后做空），那么，在5%的显著性下我们可以拒绝模型无效这一假设，这个交易模型是有效的。

有的朋友可能会问了，这个模型中的x和y这两个参数到底取什么值呢？这就涉及到模型训练的问题了。x和y具体取什么值最合适，不通过数据测试，我们是无法知道的。通用的统计学 *** （通讯、搜索引擎等领域也是这个 *** ）是，选取大量的训练数据，对模型各个参数运行测试，选择表现更佳的参数。具体到交易上，就是选取足够多的历史数据，运行参数优化，综合考虑收益率、更大回撤、稳定性等因素，选择相对最合适的。不同参数之间的好坏差异的比较在统计学上也是有 *** 的，相对复杂一点，以后有机会再写一篇详谈这个。

既然是模型训练后的更佳参数，问题也就来了，这个更佳参数是非随机产生的，而是人为训练选择的，这违背了我们在做硬币检测时所强调的随机抽样。那么，如何验证这个模型的有效性呢？统计学的 *** 是拿这个模型对新的数据（与原有训练数据完全独立）做测试，如果测试的结果仍然拒绝模型无效这一假设，那么，我们可以认为模型在很大的概率上是有效的。具体到交易而言，就是把历史数据分为训练数据和盲测数据两部分，训练数据用于模型训练，如果在训练数据上训练好的拒绝无效假设的交易模型在盲测数据中仍然表现为拒绝无效假设，那么，可以认为模型在很大的概率上有效。当然，还有进一步更严格的方式是，让模型继续在未来的新的数据上测试，如果表现仍然很好，则再可以考虑分配一定比例的资金开始实际运作。

我们在做程序化交易中经常谈到模型的衰败。那么，用什么标准来判断模型的衰败呢？我的个人思路是：继续用假设检验这个 *** 来检验。就是如果你在不断的交易过程中你的后期的一系列交易数据已经无法拒绝交易模型无效这一假设了，那么，这个时候即便你的交易模型仍然还是盈利的，你也要小心了，至少应该降低仓位了。

这个高低开的日内交易模型是很简单的一种模型了，止盈止损都是一个额度，50%对半开的随机假设，这个直接套用硬币的例子就可以。还有更复杂一点的，比如趋势交易模型，这种模型由于其趋势交易追求高盈亏比的理念，这种模型的胜率是低于50%的，一般在35%左右，但是盈亏比可能高于3：1。这种模型就不同于硬币的例子了，无法直接套用硬币的计算结果，但是思路是一致的，有兴趣的朋友可以自己思考一下这种情况下应该如何计算。

注意事项：

1.不可忘记或者因为某些利益因素故意忘记抽样统计中的随机原则。概率法则有效的前提是随机抽样。如果人为影响样本的抽取过程甚至制造假的样本，则样本对于总体的预测价值是0甚至是相反的。在做模型测试时，务必至少要有训练数据和盲测数据，在训练数据上表现优异的模型必须在盲测数据上也能足够优秀到可以拒绝模型无效的假设，才可以考虑将模型运用到实战中。网上有不少卖模型的人，给出的模型在历史数据上的交易曲线几乎是一条无回撤的上涨直线，但是，一旦实盘交易，就开始大幅度回撤，很大的可能就是在于这个模型针对历史数据做了非随机性的定向优化，同时因为利益的关系模型开发者故意没有做盲测这一个过程。

2.牢记假设检验的原则，宁可错过，不可做错。任何一个模型，在没有足够的数据证明这个模型是有效前，均假设该模型为无效的。这就是量化交易的痛苦的地方，量化交易者最容易出现的情况是，花了很多时间，在训练数据上挖掘出了一系列的可以拒绝无效假设的交易模型，跑到盲测数据上一一测试，均无法在0.05的显著性水平上拒绝模型无效的检验，心拔凉拔凉的，感觉这么多时间的付出浪费了，心有不甘。再怎么心有不甘，也不能自欺欺人的把没有拒绝无效假设的模型上线，心有不甘总比亏钱好。

3.要存在风险意识。即便是在0.05的显著性水平下在训练数据、盲测数据甚至是新的实盘交易数据上全部拒绝无效假设，也不代表这个模型一定是永远有效的。一方面，这是由于这种将低概率事件近视为“不可能事件”的假设检验方式决定的。另一方面，也是很重要的一方面，就是可能随着时间的变迁，市场本质特征发生变化了，你这个模型背后所体现的那个影响市场的因素发生变化了。

说到模型背后所体现的因素，我展开多说一点。近几日和小鱼在微博上讨论了概率是否在金融市场上可以运用和市场是否可以预测的问题。否认市场可以预测的一个很有力的论据就是影响市场走势的因素千千万，交易者根本无法一一识别这些因素，更加难以识别这些因素中每个因素的权重影响，故无法预测。那么，有没有可能存在这样一种情况，就是我无法直接知道是哪些因素影响了市场，但是我可以间接的通过一种方式预测市场会以什么样的概率运动。我先说统计学上一个有趣的例子。

在美国的中西部的一个小镇上，人们发现一个很有趣的不合逻辑的现象，就是冰激淋的消费量越高，犯罪率越高。这个具体的两个变量间的线性相关程度统计学里面是有专门的公式的。总之，就是经过统计发现，犯罪率的高低与冰激淋的消费量存在强的正相关，即冰激淋销量高时犯罪率高，冰激淋销量低时犯罪率低。

现在两个问题：1.冰激淋销量是否可以预测犯罪率；2.如果人为控制改变冰激淋销量，是否可以改变犯罪率。

对于第2个问题，我想任何一个有生活常识的人都会知道，犯罪率与冰激淋销量完全无关，人为改变冰激淋销量并不能改变犯罪率。对于第1个问题，就会比较困惑了。因为常识告诉我们，冰激淋与犯罪无关，但是统计学的数据又表明二者是正相关，那么到底是什么原因呢？慢慢的，人们终于想到了天气这一共同因素。冰激淋的销量与天气紧密相关，天气越热销量越高，同时，天气越热，人越容易在室外活动，越容易开窗（导致偷盗概率增加），女性越容易穿着暴露（导致性犯罪增加），人的心情也越烦躁（导致冲动型犯罪增加）。于是，我们知道了，因为天气这一共同因素，只要没有人为的刻意影响冰激淋的消费量，冰激凌的消费量是可以预测犯罪率的。其实，只要我们没有人为的刻意影响冰激淋的消费量，即使我们不知道是因为天气这一共同因素，我们也可以用冰激淋销量来预测犯罪率。

现在说回到交易。假如，有这样一个量化模型，无论是在训练数据上还是盲测数据上还是在新的实盘交易数据上，均可以在0.05的显著下拒绝模型无效的假设，那么，我们有必要认为，在95以上的概率上，这个量化模型背后存在一种共同的影响因子能够较大的影响市场的短期走势，尽管，这个影响因子到底是什么我们不知道，但只要这个因子在，这个量化模型就仍然有效。因为我们不知道这个因子是什么，所以我们更加不可能直接的发现这个因子是否已经变化了，我们仍然只能通过这个量化模型的之后的表现来间接预测。如果量化模型一直在0.05的显著下拒绝无效的假设，那么可以认为这个因子仍然存在，如果无法拒绝了，则可以认为这个因子可能消失了或者至少没以前那么重要了

通过上段分析，可以看出时间对于模型有效性的重要性。我想这也是高频交易开始流行一个很重要的原因。因为高频交易的模型，训练和盲测所需要的时间周期很短，那么模型背后的那个影响因素仍然存在的概率很高，而低频交易，训练和盲测所需要的时间可能需要半年甚至更长时间，很可能那个影响因素已经变化了。

不知不觉，写了这么多了，回头看，尽管为了这篇文章做了几天的准备，以至于这几天梦里都是概率的事，仍然写的非常混乱，有看不明白的朋友请留言我会一一解释。我本人并不是数学专业的，对于概率也仅仅是个人的片面理解，概率如何应用到金融交易中，现在市面上的书几乎没有，我是一本都没有找到，以上所写全部为个人的一次尝试，肯定有不少错误的地方，欢迎大家猛拍。

在期货交易中，如何避免交易系统的过度拟合？

在期货交易中，什么叫“过度拟合”？

举个量化的例子。你建立了一套期货交易系统，你需要进行 历史 测试。

你的交易系统中，有一个参数。什么叫参数？比如，海龟交易法则里的突破20日的更高点开仓。这个20，就是参数。

你为什么选20？你为什么不选21,34,15或者28？

这就叫参数的选择。

所谓的过度拟合，就是你用这套策略，经过 历史 回测之后发现，如果我把参数变成24的话，那么我的系统，在过去的这段走势中，收益是更高的。

所以，我就采用24。我交易系统中，所有的参数，都要选 历史 表现更好的那个。这就是过度拟合。

这样做的坏处是什么？因为它的效果是 历史 走势中更好的，但是 历史 走势更好，不代表未来依然会更好。可能你过了一年之后回来测试，发现现在更好的参数是32了。因为未来这一年的走势融入了 历史 中，改变了 历史 。

而如果你过度的拟合出了一个 历史 测试结果，比如，你发现你用100万交易螺纹钢期货的 历史 走势，你的更大回撤仅为10万，你的更大连亏次数仅为5次。于是，你基于这个优化过的数据来设计了你自己的仓位。

结果呢？未来的行情走势，这个参数忽然就不如想象中的那么好，节奏变了，导致你直接亏损到清盘线。

这就是过度优化的危害。

实际上，能走到优化参数的这一步的期货交易者，一般而言，不会爆仓，更大的风险是亏损超过预期，进而导致的一系列信心的挫败，意志的动摇而已。

很多期货交易者都会对系统进行参数的优化，但是他们往往不知道，优化到什么程度算没有过度拟合。实际上，我也不知道。

过度这个词，很明显，是一个没有范围的词。什么样叫做过度，这不是我能够说的算的。

那么，我采用了什么方式去避免过度拟合？

我采用的是，强行拔高，站在另一个维度来看待这个问题。

拟合，参数优化，说白了，都是些小细节。不同参数的背后，代表的是不同的盈亏比。比如，20日均线和50日均线，你承担的单次亏损额度，和在一波行情中的收入肯定都是有大小之分的。但是，行情走势是不确定的。

这一点很重要。既然我们都不知道未来行情会走成什么样子，那么，我们在这里纠结我选择哪个数字，有意义吗？你选21，你选15，你选45，这是不是拟合，这有没有过度拟合，是由未来的行情告诉我们的，我们没有办法走到未来，纠结这个就没有什么意义。

所谓期货交易大道至简的原因就在于，有些时候，你的想法必须要简单，简单到别人觉得太特么的粗暴了。

我站的维度，是直接看系统。

20日均线，和50日均线有区别。突破10日的高点，和突破20日高点也有区别，前者信号更多，止损次数更多，但是前者的入场位置可能某些时候有优势。

你喜欢做短一点的趋势，你接受不了大的利润回吐，那么你就选择小参数。你不喜欢经常出信号，你想要拿超大的趋势，那么你就选择大参数。

至于小参数中，是20更好，还是18,21?纠结这些，完全没有意义。

除此之外，仓位的设计，也不应该参考所谓的 历史 。有些人对策略仓位的设立，是非常的依赖其 历史 测试的。包括， 历史 更大回撤， 历史 更大连亏，平均亏损等等。可以不可以？可以。但是，如果处于绝对的安全角度，更好打个对折，再配合上赢冲输缩。

在期货交易中，因为走势的不确定性，仓位的管理，实际上也没有完美的方式。可能你按照策略 历史 回测的仓位来设计，根本一点事都没有，而且还有点偏低。但是也可能，你保守到只开一半的仓位，这个策略依然给你干清盘了。

走势的不确定性，它让一切都有可能。

一套策略，它被清盘了。它是本身有问题？那可不一定，有可能仅是因为这段时间的行情神挡杀神，佛挡杀佛，你之所以被清盘，不是逻辑的问题，是资金管理的问题。

资金管理的方式，是一个很长的话题。如果你基于对一套策略负责的角度，更好是安全垫+保守仓位+赢冲输缩。

所谓的过度拟合，其实本质就是让一个期货交易者，过分的自信了。他觉得他的策略很好，他觉得他的参数好，他觉得他的仓位好。

结果行情忽然变了节奏，把他打懵了之后走的极度流畅。这种事情说白了，根本就不可能100%解决。因为啥？

因为走势是不确定的。 你做趋势，就是不来趋势。你做震荡，趋势一直不见停止，你做日内，无数杂波…

因此，我们如何尽人事？

做好资金管理规则。账户没有收益之前，尽量保守，如果保守依然还在亏，那就继续缩仓。如果你缩仓到了只开一手，依然是停不住亏损，那么，你就只能停止开敞口，或者，只能清盘。

你确保了自己的交易逻辑没问题，你的资金管理做到了极限依然止不住亏损，那么只能说，你的运气简直背到了买了10次彩票全是一等奖……

市场让我死，我不得不死。

最后，总结一下。过度拟合这件事情，没有什么标准，也没有什么好的 *** 。它也根本就无法彻底解决。

我建议，忘记这件事情。你要从自己执行，自己的偏好的角度来设计交易系统。如果20这个参数对于你来说很合理。那么21和18，根本就没有区别，因为你不知道未来。

如果你怕过度拟合了。那么你就把资金管理规则给设计完善了。资金管理规则完善了，你拟合没拟合都无所谓。

使用同一组数据，不管用什么算法，结果相同。路途也相似

1:尽量减少参数的使用

2:同一个参数用多品种多周期测试

3:测试时间尽量用更长的时间

4:制定一个规则，比如回撤多少有代表策略目前已经失效

优化参数控制在4个以内

区分实与虚，光与暗

可以多测试不同的商品。比如你的系统是为股指设计的，可以拿去测试螺纹钢，铝，外汇。另外时间段足够长。起码要50次以上交易数。如果调整参数数值，比如两个参数，随便改改。都能正收益，就是可靠的系统

这个无解，用多策略多品种多周期做组合来规避。没有完美的策略，因为市场结构本身就一直在变。

在期货交易中，如何避免交易系统的过度拟合？

题主的烦恼李股涨可以理解，题主是学习的理论太多，交易 *** 太多，交易系统还没有确立，尚在测试阶段。李股涨建议之一主观臆断是交易系统的天敌，建立交易系统的目的就是克服主观意识，成熟的交易者凭交易系统发出的交易信号操作，无论对错均按系统信号执行；第二交易系统设置原则是简单明了，易操作，能重复操作；

可以多测试不同的商品。比如你的系统是为股指设计的，可以拿去测试螺纹钢，铝，外汇。另外时间段足够长。起码要50次以上交易数。如果调整参数数值，比如两个参数，随便改改。都能正收益，就是可靠的系统

我的经验是，减少参数的个数。比如说，两个参数的交易系统就比是10个参数的更加不容易过拟合。如果参数太多，在调整的时候就会忍不住一直调整到更好的回测结果为止，过拟合了，自己也不知道。如果参数少一些，更能拿到接近普遍规律的结果。

其实想要做好期货也没有这么的难，找到有效的 *** 和工具可以帮助交易者。

我们的策略在逻辑编程完成后，总要进行定量的数据确定，通过对 历史 数据的测试，找到适合的数据范围。

但是，往往，有很多量化者朋友喜欢拟合出个最牛 的数据组，实现高胜率低回撤高收益。这样的称为过度拟合。

我们都知道，所有的测试都是用 历史 来验证思路。数据在 历史 上表现好，在未来却不一定适用。就好像，你拿着北京的地图在上海找路，能行么？

一个好的策略，在选择数据时有这样的特征。

1.数据在合理的范畴内变化时，结果不会有性质的差别。就是说，数据组的数值在合理范围变化时，结果仍然是盈利并且回撤不大的。如果小小的变化都会造成亏损的结果，那么策略不成功。

2.不同的测试品种，不应该产生相反的结果。

不管是股票还是螺纹或者豆粕，不能通用的策略也不是成功的策略。

别搞那么复杂，越简单月有效

期货MACD优化参数

相信我!!!

一个成熟的交易者谁看指标啊!!!!什么基本面啊!!!

短线是个宽泛而相对的概念，是指完成一个建仓平仓回合时间很短的操作方式。其实似乎也并无严格的时间标准，日内交易算短线，一周完成个回合似乎也能叫短线的。我这里不用时间，而用操作理念来作为划分标准。换句话说，我采用狭义的短线定义。

所谓短线，是一种不依据基本面，只依据短期市场状态进行交易的操作方式，其操作依据在于市场的惯性和自我验证，而操作回合时间较短只是这种操作自然而然的必然属性。按照这种定义方式，市场中绝大多数短线交易者都不是短线手了，我在这里只说我所定义的短线交易者的几个重要特点或属性：

·短线交易者不关心基本面： 依据基本面的操作实质上是因果逻辑在市场和操作中的运用。而短线交易者依据的不是因果逻辑，他早已抛弃了这种似乎已经被人类社会反复证明的通用逻辑方式，再说了，从时间上来看，较大时间跨度的基本面变化对日内反复双向操作也根本无意义。

·短线交易者不依赖预测或预期为操作依据：短线交易者只关心现在，并不认为有必要去关心过去和将来，而且也并没有狂妄地觉得自己能知道太多的东西。他只知道现在，也只把握现在，所有让他脱离现在的操作处境都是他所一定要避免的。预测与预期的本质基本上也是因果逻辑式的，或者是别的无法找到真实依据的玄学基础的，而因果逻辑和玄学都是短线交易者所回避的。

·盘感是内化的市场，而不是说不清道不明的无法稳定的某种感觉：盘感在所有类型的操作中都占据很重要的位置。可惜的是，几乎所有人都说不清盘感到底是什么东西，又如何可以有效地进行培养和训练。对于短线操作者而言，盘感的真实含义是在长期正确的市场观察和交易基础上，充分放松自己，慢慢内化并稳定了的市场。换句话说，盘感的来源和基础都在于，将外在市场内化于自己的身体（注意，不是大脑），将对外在环境的反应慢慢转化为身体的本能，并通过解放或释放本能的灵敏而得到稳定放松的交易基础。

·短线交易者虽然看起来也常在方向上交易，但却没有真正的多空概念或意识：多空概念或意识其实大部分也是建立在预期基础之上的，因此多数短线交易者实质上都是在阶段性的以单一方向为主的波段上进行交易，换句话说：他们依据阶段性的多空判断进行交易。水平的高低主要体现在阶段多空意识的及时转换上，多数交易都是在阶段性的单一方向或所谓震荡阶段箱体范围内的迅速切换。而短线交易者没有多空意识，他依据市场惯性和市场的自我验证进行交易，每个行情阶段都是双向的，多数入场点还往往在逆市的高点或低点上。

·短线交易者不关心市场人群划分：短线交易者将所有交易者的类型全部过滤了，他眼中只有一个统一的市场，不再关心从主力到散户的各种类型的交易群体。

·短线交易者不依赖技术指标，只判断作为整体的市场演化阶段：技术指标先天就是描述性的，换句话说，是一种滞后的描述性。运用技术指标虽然可以通过缩短时间层次，并在不同时间层次上进行相互校验来降低滞后性，却改变不了本质。在短线交易者眼中，时间常常是一种错觉，虽然他似乎在时间内交易，其交易依据却在时间之外，时间只是行情展开和演化的形式而已。

·短线交易者不存在市场和品种的区别，只选择最适合短线交易的类型：在短线交易者眼中，世界上只有一个市场，也只有一个产品，那就是：聚集在一起交易的人群。而诸如不同市场的空间、节奏和韵律等区别，都是表面性的。短线交易者更大程度地过滤区别。如果实在要说市场和品种的区别的话，那只是短线交易者更喜欢交易量较大、演化韵律较平滑、更容易进出和隐藏自己的市场和品种而已。

·短线交易者只运用最简单的操作：那些套利、锁仓、仓位和资金管理、操作纪律、止损、操作计划等等诸如此类的东西，除了降低他的操作 *** 和效率之外，没有其他任何作用。

·短线交易与其是种技术，不如说是一种修养：短线交易者的交易基础不在任何外在的分析、技术和技术组合之中，而在于将市场内化、操作具备本能化基础、依据观察市场惯性和自我验证的修炼之中，并由之获得了极强的处理单子的能力，连判断的对错都不是最重要的。至于风险嘛，他要么是比风险更快，要么就是不会将自己置于无法操作与反应的境地之下。

·短线交易是快乐者的游戏：短线交易的心理和生理基础是快乐的，而绝对不是那种火中取栗刀口上舔血的游戏。他的快乐来自几个基础：对盈亏的漠然并在这种漠然中保持非常好的心理与生理弹性、敢于盈利（与大家的想法不同，不敢盈利是这个市场中比不敢亏损更大的问题）、没有任何附加功课的交易方式（一离开市场之后，他的心中就不再有市场存在了）

其实，以上短线交易的基本属性也完全适用于所谓中线、长线交易，掌握这些内容的交易者，已经跨越了时间的层次，在任何时间层次上都一样地交易，之所以选择短线，只是因为短线更 *** 、效率更高、所需要采用技术组合更单纯而已，倒不是短、中、长线交易有什么真正不同的内涵

有什么问题可以加我

投资者控制风险的手段

作为期货市场的投资者，特别是新进入期货市场的新手，在进行期货交易时，最主要的要注意几个方面。

量化交易怎样做新上市的期货品种？有什么策略？

量化交易是利用计算机技术分析海量历史数据，通过分析数据总结出 "大概率 "盈利策略的交易方案，其更大的优势是减少人的情绪对交易策略的影响，特别是当市场狂躁或悲观时，量化交易可以避免很多不理性的投资决策。例如，大多数人都有追涨杀跌的倾向，与主观交易相比，可以在一定程度上降低风险。在做量化交易时，很多人容易犯一个错误，就是拿过去很长一段时间的历史数据做回测，优化参数，优化的目标是利润更大化。这种优化参数的 *** ，往往在你运行实盘后，会发现，与你过去回测的结果相差很大，为什么过去回测那么赚钱，而一实盘就亏钱呢？

其实你用的是历史数据，你过去可以赚很多钱，在未来很长一段时间内可能不会出现。过去，你可以在一个趋势中优化你的策略，使利润更大化。因为计算机匹配了所有的参数组合，在运行这些参数组合后，它计算出最有利可图的参数组合。计算机倾向于优化一个趋势，使你的利润更大化。

量化基金是利用数学、统计学、信息技术等量化投资 *** ，进行选股、择时、对冲等一系列操作，进而获得投资收益的一种基金。投资者在日常工作中经常会接触到主动管理型基金。例如，主动管理型基金通过对上市公司的财务分析和实地调研，决定对一些公司进行投资。这些基金的创始人和基金经理往往有数学、计算机和其他学科的背景。对上市公司的研究主要是研究一些特定指标对股票价格的影响，建立模型，通过计算机自动下单，从市场波动中获得超额收益。

小编针对问题做得详细解读，希望对大家有所帮助，如果还有什么问题可以在评论区给我留言，大家可以多多和我评论，如果哪里有不对的地方，大家可以多多和我互动交流，如果大家喜欢作者，大家也可以关注我哦，您的点赞是对我更大的帮助，谢谢大家了。

网站首页：期货手续费网-加1分开户（微信：527209157）

本文链接：http://52ol.cn/post/86076.html