金融市場是典型的耗散結構（在開放和遠離平衡的條件下，在與外界環(huán)境交換物質(zhì)和能量的過程中，通過能量耗散過程和內(nèi)部非線性動力學機制來形成和維持的宏觀時空有序結構稱為“耗散結構”）。純技術分析研究的只是經(jīng)過內(nèi)部紛繁錯雜的相互作用之后所形成的宏觀時空有序結構，原因有二，一，內(nèi)部是隨機的或是混沌的，實在難以以目前的知識進行描述。二，宏觀時空有序（及模式的存在性）。因此本文只在純技術分析框架內(nèi)討論系統(tǒng)化交易，而系統(tǒng)化又包含主觀系統(tǒng)化和程序化系統(tǒng)化（至于區(qū)別我將在后面加以討論）。

一、系統(tǒng)化交易的本質(zhì)（或者基于的假設）

現(xiàn)代科學逐漸向相對性邁進，漸離絕對性，是基于公理化定義（假設）的自洽邏輯體系而已。每個理論都是從自身角度從一側面去詮釋這個世界，他們之間可以沖突，但是沒有對錯，因為都是盲人摸象，窺見上帝身后的一點點秘密而已。對于交易我持同樣的看法。系統(tǒng)化交易亦是如是。而下面就是我所理解的系統(tǒng)化交易的假設（或者可以引申為本質(zhì)）：

歷史和未來市場存在一種模式，并且依據(jù)該模式作為交易依據(jù)，所得的勝率（概率）和收益率（隨機變量）計算得到的期望值為正值（也就是我們可以獲取正的收益回報）。（此文暫不討論資金管理和風險對沖）

二、尋找模式的關鍵

我覺得關鍵在于弄清以下幾個概念。

1.周期

對于周期我的理解它是一種特殊的采樣方式，即等時間間隔采樣。與之對應的有等價格間距采樣，特殊價格點位采樣，特殊形態(tài)點采樣等等。他們都有各自的特點，但是具有共同的目的，可以概括為：

1）降噪：市場中信息紛亂繁雜，我們要提取自己認為有用的信息以抗擊各種干擾，有助于得出正確的結論。

2）對應不同的行情：交易方式無非兩方面。一個是趨勢跟蹤另一個是逆趨勢跟蹤。解決方案有二，一是事前識別行情隸屬于哪種行情并采用對應的策略。二是將二者統(tǒng)一，即市場中沒有逆趨勢行情，只有大行情和小行情之分，于是我們就需要采樣來應對，例如日線對應大行情，分鐘線處理日內(nèi)小行情。

3）通過多周期可以精確定位入場點，提高勝率。

例如，單單以15分鐘5根均線上穿20根均線為入場點，那么勝率會很低，并且受噪聲影響嚴重。若果此時，基于大周期上漲時小周期只做多的思想做如下改動，勝率可能就會變高，期望值也可能變大，方法就是只有在30分鐘 5根k線均值大與20根k線均值并且滿足15分鐘條件時做多。

2.指標（算法的特例）

關于指標需要重要的東西要理解的是：

1）指標的作用（系統(tǒng)化中的概率思維描述）

待處理的數(shù)據(jù)包含了各種信息，每個指標都是從某一個方面?zhèn)让嫒ッ枋瞿骋恍畔⒒蚴悄承┬畔⒆饔脙r格之后產(chǎn)生的必要條件（注意不是充分條件，更不是充要條件）。以雙均線交叉為例，上交叉是行情上漲帶來的必然結果，但是上交差并不一定導致行情進一步上漲，這是就要引入概率思維，只要10次上穿有6次成功預示了后續(xù)行情是上漲的，并且10次綜合結果是盈利的。那么這個指標就成功描述一種可盈利的模式。這就是我所理解的指標或是算法的作用，幫助尋找出一種可以配合勝率得到期望值（收益率）為正的一種模式。

2)理解各個指標的具體意義

以均線為例可以從三個角度去看：

a.基本含義：n個數(shù)值的平均值。

b.從幾何角度：n個數(shù)值和對應每個值為一的列向量的內(nèi)積。

c.從時間序列分析角度：當前降噪值等于前n個值的迭代輸出。

3. 泛化能力（普適性）

在系統(tǒng)化交易中我們假設了歷史和未來市場存在一種模式，可是未來我們并不知道，那么我們僅僅是通過歷史尋找模式，并以此去賭未來么？當然不是，這里就需要理解泛化性（普適性）的意義。泛化能力就是通過樣本內(nèi)數(shù)據(jù)學習得到的模式對樣本外數(shù)據(jù)的適應能力，也就是基于歷史數(shù)據(jù)得到的模型有多大的可信度可以用于未來數(shù)據(jù)（即未來實盤交易中）。

三、如何檢測模型的泛化能力（普適性）

模型具有泛化能力和普適性是我們敢于將通過歷史數(shù)據(jù)得到的模型用于未來實盤交易中的前提。所以我們必須要保證模型具有普適性，并且盡可能的增強她的普適性。那么如何檢測普適性呢？

1、檢測模型在同品種同周期遞推回測（這個主要針對含有資金管理的模型的回測）中適應的遞推周期數(shù)量（越大越好）。

2、檢測適應的品種數(shù)量和不同周期的數(shù)量（同樣是越大越好）。

3、計算該模型單手回測的收益與該周期數(shù)據(jù)的折線路程長度的比值。

這里面有個問題就是普適性和高利潤是不可兼得的。以日線收盤價類模型為例，一年中的折線路程長度是該年中該類模型可獲得的最大利潤。而模型的單手回測利潤等于這個最大或是接近這個總長度導致的必然是擬合，而喪失普適性。這也可能是為什么市場上炒單新星總有，但是壽星罕見的一個重要原因之一。炒單新星在獲取高額利潤的同時過度擬合了所交易數(shù)據(jù)曲線，而喪失普適性，以致于在未來難以通過以往的經(jīng)驗繼續(xù)獲取高額收益。

四、用人工智能自動尋找模式，這個市面上吹捧的方法真的那么神么?

這些東西(人工智能算法)的作用僅僅是錦上添花，而不是雪中送炭，倘若直接使用諸如svm，lstm等算法基于歷史數(shù)據(jù)訓練去尋找模式，無異于緣木求魚，水中撈月。

人工智能算法和其他數(shù)學算法，或者物理公式模型，應重在理解其思想，而不是直接當做工具簡單粗暴地使用。他們只是教會了我們?nèi)绾纬橄蟪瞿Ｊ?，如何去描述出模式，僅此而已，無他。例如混沌（水文）中的hurst指數(shù)給我們?nèi)绾稳ザ攘恐付▍^(qū)間的趨勢性（混亂程度）指出了一條思路。

五、系統(tǒng)化與程序化的區(qū)別

程序化是系統(tǒng)化的子集。人腦綜合了二值（多值）邏輯，模糊邏輯，概率邏輯等多種邏輯，而計算機是基于經(jīng)典數(shù)理邏輯中的二值邏輯，在能力上與人腦還是相去甚遠的。我們利用計算機程序化交易并不能替代所有技術分析方法，但是我們可以利用他嚴格的執(zhí)行力和快速暴力的運算能力。

順便說一下，雖然存在尚不能通過計算機描述的東西，但是也不能過分去神話一個被叫做盤感的東西。如何這個東西可以帶來盈利我認為它必然可以劃歸到系統(tǒng)化范疇。那么盤感就是定義了一種難以描述的模式，并且通過了大腦的快速歷史回測和泛化，而產(chǎn)生交易信號的一種方式而已。

如果，大腦真的不是三維空間的產(chǎn)物，它連通著某個維度，某個世界可獲取特殊信息（未來信息），那么請原諒我的無知。

六、系統(tǒng)化和程序化只是簡單的機械式執(zhí)行，并無技術含量么？

這里面要理解是，這個簡單是形式本身的簡單，但是形之上的思想內(nèi)涵是復雜，是以高度的抽象性包絡市場。因為人腦對事物的認知過程是，由少到多，再由多到少的過程，以致到達所謂的大巧不工，大致若愚的境界。是一種對市場深刻理解的完美提煉。

最后總結一下，在市場面前我們每一個人都是牛頓口中的在知識海洋邊上撿貝殼的孩童，應對市場懷敬畏之心。而“判天地以吾法，析萬物以我道”是我從事系統(tǒng)化交易的原因（我喜歡，我選擇，僅此而已），對此我不神化，也請莫丑化。