金融市場是典型的耗散結(jié)構(gòu)——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(jié)構(gòu)，稱為耗散結(jié)構(gòu)。純技術(shù)分析研究的只是經(jīng)過內(nèi)部紛繁復雜的相互作用之后，所形成的宏觀時空有序結(jié)構(gòu)，原因有二：一是內(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。二是宏觀時空有序，即模式的存在性。本文僅在純技術(shù)分析框架內(nèi)討論系統(tǒng)化交易，這里的系統(tǒng)化包含主觀系統(tǒng)化和程序系統(tǒng)化。

系統(tǒng)化交易本質(zhì)

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。每個理論都是從自身角度從一個側(cè)面去詮釋這個世界，它們之間可以沖突，但是沒有對錯，因為都是盲人摸象。對于系統(tǒng)化交易筆者持同樣看法。筆者所理解的系統(tǒng)化交易的本質(zhì)是：歷史和未來市場存在一種模式，將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。

尋找模式的關(guān)鍵

周期：對于周期，筆者理解為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。它們都有各自的特點，但是具有共同的目的。一是降噪，即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(jié)論。二是對應不同的行情，即交易方式無非兩個方面。一方面是趨勢跟蹤，另一個方面是逆趨勢跟蹤。解決方案也有兩種。一種是事前識別行情隸屬于哪種行情，并采用對應的策略。另一種是將二者統(tǒng)一，即市場中沒有逆趨勢行情，只有大行情和小行情之分，因此需要采樣來應對，例如日線對應大行情、分鐘線處理日內(nèi)小行情。三是通過多周期可以精確定位入場點，提高勝率。例如，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。如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線均值大于20根k線均值并且滿足15分鐘條件時做多。

指標：筆者從兩個方面進行闡述，一是指標的作用。待處理的數(shù)據(jù)包含各種信息，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。以雙均線交叉為例，上交叉是行情上漲帶來的必然結(jié)果，但是上交叉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次成功預示后續(xù)行情是上漲的，并且10次綜合結(jié)果是盈利的，那么這個指標就成功描述一種可盈利的模式。二是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：基本含義是n個數(shù)值的平均值。從幾何角度看，n個數(shù)值和對應每個值為一的列向量的內(nèi)積。從時間序列分析角度看，當前降噪值等于前n個值的迭代輸出。

泛化能力：在系統(tǒng)化交易中，假設歷史和未來市場存在一種模式，可是未來我們并不知道，那么僅僅是通過歷史尋找模式，并以此去賭未來嗎？當然不是。這里就需要理解泛化性即普適性的意義。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。

如何檢測模型普適性

模型具有泛化能力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。所以必須要保證模型具有普適性，并且盡可能增強這種普適性。那么如何檢測普適性呢？

一是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——適應的遞推周期數(shù)量，越大越好。二是檢測適應的品種數(shù)量和不同周期的數(shù)量，同樣是越大越好。三是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。

這里有個問題，就是普適性和高利潤不可兼得。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。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，以至于在未來難以通過以往的經(jīng)驗，繼續(xù)獲取高額收益。

系統(tǒng)化與程序化的區(qū)別

程序化是系統(tǒng)化的子集。人腦綜合了二值或多值邏輯、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(shù)分析方法，但是可以利用其嚴格的執(zhí)行力和快速的運算能力。

需要注意的是，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。如果這個東西可以帶來盈利，筆者認為可以劃歸到系統(tǒng)化范疇。盤感就是定義了一種難以描述的模式，并且通過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。

筆者認為，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。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，而不是直接當作工具簡單粗暴地使用。它們只是教會我們?nèi)绾纬橄蟪瞿Ｊ?，如何去描述出模式，僅此而已。

系統(tǒng)化和程序化是否只是簡單地機械式執(zhí)行，沒有技術(shù)含量呢？這里面需要理解的是，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羅市場。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、大智若愚的境界。在這個意義上，系統(tǒng)化是一種對市場深刻理解前提下的完美提煉。