威廉·艾克哈特：交易地海洋没有海岸线.doc

《威廉·艾克哈特：交易地海洋没有海岸线.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、威廉·艾克哈特：交易的海洋没有海岸线《FUTURES》杂志(以下简称FM)：传统的投资策略都坚持了市场有效的观念。在有效市场假说(Efficientmarkethypothesis，EMH)的理念下，趋势交易策略并非有效，请您分析一下为什么在30年后的今天，有效市场假说依然得以坚持？是什么造成了这样的异常现象呢？　　威廉·艾克哈特(以下简称WE)：测度价格变化的随机游走模型(Randomwalkmodel，RWM)已经历时良久，因为就目前而言该模型理论业已成熟。传统的时间序列分析方法很难测度期货价格和特定随机游走模型生成值之间的细微差异。但令人难以置信的是，通过使用交易系统便可以测度这

2、样的细微差别。　　　　FM：交易系统是如何做到这点的呢？　　WE：交易系统对价格序列的非线性关系高度敏感。那么，为什么此特性没有彻底变革价格序列模型的拟定呢？统计估计值已经探究了时间序列的诸多特征，在不同的置信水平下，结合可能匹配模型的相关信息，便可以有力提高模型的预测能力。依据模型设计者的设计理念，交易系统不会找出价格序列的特有特征，模型也不涉及置信水平，并且不进行预测。更为糟糕的是，这些交易系统不会筛选出任何可能的模型，实在让人无奈。尽管如此，交易系统却能够实现很高的投资回报率，令人感到遗憾的是，交易系统并不能够向模型设计者提供相应的提示建议。此外，尽管模型在很多方面都会有利可图，

3、但并不有助于设计交易系统。　　　　FM:这么多年来，您一直投身于交易业务和科学研究，有没有一些对您影响颇深的简单的交易理念呢？　　WE：提高你的交易水平，不然你就会被淘汰。交易的海洋，没有海岸线。在科学研究中，你可以无限发散思维，然而在实际交易中，切莫恣意妄为；换句话说，你必须恪守交易系统的交易法则，并做出相应的投资决策。投资交易有一点像道德观念，知之易，行之难。最后，只选用可靠的影响因子和足够多的样本数据，几十个数据绝对不行，至少要有上千个样本数据。　　　　FM：对系统交易者而言，恪守交易模型并取得稳步提高和进展，这似乎是一场长久博弈。当这两者发生冲突时，若想对其进行平衡，其难度会有

4、多大呢？　　WE：如果你的交易系统是不完备的，那么就不要用它；相反，如果你的交易系统非常合适，那就应该坚定不移地恪守其交易法则。与此同时，积极寻求自我提高，一旦新的交易系统准备完毕，你就能够迅速适应它。因此，坚守与变通之间并没有冲突。　　　　FM:请您谈谈最优化与曲线拟合(curvefitting)之间的分歧吧？　　WE:如果你想提高自己的交易系统，就有可能会适得其反。因为你有可能会过度拟合(over-fit)过时的数据或者做一些无统计意义的事情。有这样一种观念，尽管现在还没有普及，但也有大多数人意识到或许没必要最优化交易系统。或许，投资者也可以找出相应或多或少的理由，并且我个人也不赞

5、同最优化的。我们一直都在进行最优化处理，但是市场普遍认为如果过度最优化，就有可能伤及自身。有些时候，最优化是一个风险进程，交易同样如此。投资者必须小心谨慎，以确保没有过度拟合过时的数据。　　　　FM:您是如何避开曲线拟合的呢？　　WE:大多数人都会选择样本内和样本外数据技术来避开曲线拟合问题，该方法是将一半数据用于最优化，另一半用于检验。该方法是行业标准方法，但我们并不这么做，因为这样会浪费一半的数据，太可惜了。我们有自己的一套专利技术用于处理过度拟合问题，事实上该技术在一年前方才升级了。众所周知，处理过度拟合检验极为重要，如果投资者没有自己的专利技术，可以采纳标准的样本内样本外技术。

6、　　在过度拟合方面，我还想谈以下几点。首先，相比之下我更倾向于过度拟合，因为曲线拟合是非线性回归分析衍生的情形，该方法在于将大量的现有数据拟合到可能的曲线当中去。然而，你不能对期货进行类似的操作。从技术层面上来说，这里并不涉及曲线拟合，因而曲线拟合并不适用。但是，你可以进行过度拟合操作。我之所以倾向于过度拟合而非曲线拟合的原因在于，过度拟合显示出投资者也可以得到拟合不足的情形。那些非最优化情形都处于拟合不足状态。　　系统的自由度和交易数据共同决定了模型是否处于过度拟合状态。一方面，例如滞后期、价格区间、初始价格等决定系统的数据都是自由度问题。自由度越高，投资者面临过度拟合状态的可能性就

7、越大。另一方面，交易数据同样影响模型的过度拟合状态。如果投资者拥有的交易数据越多，过度拟合的可能行就越低。在所有的交易系统中，我们允许的最大自由度为12。如果投资者在交易系统中设置更多的限制条件，就很有可能使得自由度达到40，但我们坚持将最大值设置为12。另外，在进行交易之前，我们至少会收集1800个样本数据，否则我们不会轻易进行交易，1800个样本数据绝对是我们的最小值。面对特定的交易，我们甚至会收集15000个样本数据进行投资决策。　　我们