5.6 神经系统网络
我四处寻找着一个专家来为本书写关于神经系统网络这部分的内容。神经系统网络的一个问题是它们很复杂，一般都接近曲线拟合程度，并且仅是猜测一个市场的价格明天是否会更高或更低就可能费掉你好大的功夫。并且还只有55%的准确率，这是很令人沮丧的一件事，非凡是当我觉得用神经系统网络可以做得比这更多时。
最后，我碰巧在路易丝·门德尔松（Louis Mendelsohn) 的网页上发现了他并且对自己的所见印象非常深刻。他所写的文章（至少超过50篇）都全部在网页上列出。门德尔松远不止猜测明天的价格，他实际上是以一些非常有用的方式使用了神经系统网络。因此，当他同意为本书写理念这部分章节时我非常兴奋。他是一个在国际上被称颂的技术分析家、投资软件开发者和金融方面的作家。
路易丝·门德尔松：神经系统网络简介
跨市场分析和传统的单个市场技术分析的整合在2O世纪90年代及以后对有利润的交易来说是必需的。在今天，有限的单个市场聚焦必须让位于一种更广泛的分析架构，这种分析架构能够致力于当今金融市场的非线性相互依靠关系，1991 年，我首次撰写这个架构时，把它称作“协作市场分析” 。这个方法可以让交易商量度复杂的跨市场关系。评价多个相关市场对一个给定市场的同时冲击，以及度量存在于这些关系中的领先程度和落后程度。
神经系统网络是实现协作分析的一个很不错的工具，它们能用来合成迥然不同的数据并发现隐藏在背后的模式和市场间复杂的关系，神经系统网络是真实的，并且确实是有用的。事实上，它们在处理跨市场间大量数据方面能非常出色地工作，神经系统网络在金融领域中，由于其具有的量度微妙关系的能力和探察隐藏在无数相关的市场间的模式的能力而成为一个重要的数学工具。没有它，一个交易商怎么可能同时检查过去10年5个、10个或者15个相关市场的价格数据以辨明这些市场对某一特定市场的影响效果呢？
此外，通过对神经系统网络的使用，金融猜测就变得可能，交易商在金融市场中就能够得到一个可以预期的，而不仅仅是回顾性的有利地位。任何人只要看一下价格图表就能够告诉你市场过去是在哪里，但真正的利润则在于正确地猜测市场未来的方向！通过把神经系统网络应用到跨市场分析中，交易商就可以真正地猜测金融市场，就像气象学家猜测飓风可能会有的路径一样：猜测永远不会100 ％正确，永远不可能。但是从在不确定的情形下做决定的立场看，它是迈向正确方向的主要一步。
要把跨市场分析包含进你的交易计划并不需要改变你的交易风格，或者停止使用工作得很有效的单个市场指标，跨市场分析可以用来增加存在的单个市场途径。
为了帮你识别单个市场分析和跨市场分析，请把你的一只手盖到一只眼睛上。忽然间，你四周的视线就缩小了很多。并且你对整个环境的领悟能力也大大降低，这就是单个市场在今天的金融环境中的情形。现在把你的手移开，那么你四周的视线马上就恢复过来：这正是跨市场分析能做的：开阔你的视野。
1．神经系统网络启蒙
我想粗略地介绍一下什么是神经系统网络以及怎样把它们应用到金融市场中去。这里着重要讲的是神经系统网络应用于金融猜测的范例、体系结构，以及对练习和测试制度的作用。
神经系统网络通过在神经元之间传输信息来“学会”解决问题。这些神经元都是神经系统网络中的基本处理单位，一个神经系统网络一般都包含几层神经元。由网络体系结构确定需要几层神经元、每层需要多少神经元、它们是怎么联系起来的、需要使用什么样的传递函数等等。存在着无数的学习范例，包括金融分析中很流行的两个。第一个流行的范例是周期性发生的向后传播网络，它通过带有事实的指令得到暂时的信息。第二个范例是向前供给向后传播网络，它通过向后传播误差来进行练习。在这些误差中，暂时的信息通过使用一张预先处理过的数据“快照”译码成输入的数据。典型的向后传播网络体系结构如图5-7所示。这个范例在这里用来解释网络体系结构。
向后传播网络由一个输入层、一个或以上的隐藏层和一个输出层组成。输入层含有与每个独立的输入变量相关的神经元；输出层对每个将要猜测的相互依靠的变量都有配套的神经元；而隐藏层则含有把输入层和输出层连接起来的隐藏神经元。各层之间一般都是完全连接的，一层中的每个神经元都与邻近层的神经元相连。
与每个输入神经元相关联的值被向前输入到第一个隐藏层的相关神经元，然后乘上一个适当的权重，加总起来，经过一个传递函数产生一个输出。来自第一个隐藏层的输出接着就要么被向前送入第二个隐藏层，要么就直接被送入只有一个隐藏层的网络的输出层。输出层的输出结果就是该网络做出的猜测。
隐藏层的神经元数是通过实验确定的，对任何一个类似股票或期货价格猜测的非线性问题，网络至少需要有一个隐藏层．此外，传递函数应该是一个非线性的、可以不断微分的函数，比如 s 形的，答应网络执行非线性的统计模拟。图 5－8 介绍了一个隐藏神经元的例子。
输入数据选择和处理 神经系统网络建立在开发者对现实世界的输入和输出之间关系的理解的基础上。作出的决定必须与将要猜测什么以及网络需要什么样的输入数据有关。“无用输入，无用输出”也同样适用于神经系统网络对金融市场的熟悉以及对各种工其的使用，比如寻找各相关市场间的关联的基本成分分析，对于正确地选择输入数据都是必需的，一旦输入数据被选出后，就必须进行加工。通过减小网络的输入，可以使熟悉变得更简单。两种被广泛使用的加工方法就是我们所知的“转化”和“统一化”：转化是通过对原始数据输入的操作，向网络产生一个单精度的输入，统一化则把输入的单精度数据转化，均匀分布，并把这些数据缩放以匹配输入神经元的范围。
在神经系统网络的许多应用中，转化包含着对输入数据的代数的和统计的操作：在金融猜测应用中，有着各种各样的用来解释市场行为的技术指标，这些指标都可用作转换的工具。预处理后的输入可能会含有差别。比例，以及开盘、最高、最低、收盘、成交量及开盘利息原始数据的移动平均等。输入层中的每个神经元都代表着一个经过预处理后的输入。
既然对于某些特定的应用来说，肯定存在一些更好的转化和统一化方法，我们就可以自己探索各种各样的方法。一旦选定了网络体系结构，并且输入的数据经过选择和预处理后，就必须选择数据事实。
事实选择 事实是以一行相关的数字表示的，在这行数字里，第一个i数字与i网络输入相关，第j个数字与j网络输出相关。一堆相关的事实组合就叫做“事实集”。假如两个事实有完全相同的输入和输出值，那么就只能有一个事实被归到事实集中。一旦定义了这个事实集，在大多数金融应用中，它就会被分成一些相互排斥的练习和测试子集。
向后传播的网络以两个模式运作：一个是学习模式，网络使用来自练习集的事实，通过改变它们的权重来更改它的内在表达：另一个就是回忆模式．网络处理来自测试集的输入。并利用先前学会的表达产生相关的输出。应该把测试集对各种练习网络的相对表现用来决定哪个网络包含进金融应用中。
练习和测试 一旦事实被选定后、就在练习期间把它连续地引入网络。答应网络在模拟一个问题时采用内在表达的权重，这些权重一般都初始化为一些比较小的随机分配的权重。假如初始的权重被设置成相同的值．网络可能就永远无法学习了，因为误差的改变与权重值是成比例的。每次通过练习集时，网络都对每个输出层的输出计算实际输出与理论输出之间的误差大小，然后这些误差就通过网络一层一层地向后传播，并且为了使与每个输出有关的整体误差最小化，还需要不停改变神经元之间的权重关系。
每次权重改变时，网络就在表示整体误差空间的多维表面上迈一步：在练习期间，网络就在表面上穿行，力图找到最低点或者最小误差点、权重的改变与被叫做“学习速率”的练习参数成比例，在练习过程中可以调整的其他练习参数包括温度、收入和噪音等。
有了各种练习参数、预处理方法和可以探索的体系结构的配置，就需要一个结合了测试和练习的自动的练习和测试制度。类似于遗传的运算法则和模拟退火工具。这个制度可以加速对这些参数空间的寻找过程。遗传运算法则对很多参数优化任务来说都是很有效的。在练习期间，模拟退火通过引入一个影响学习速率的变化的温度条件来使学习速率的调整自动化。温度高时，学习速率就很快，而当温度降下来时，由于网络要了结一个解决方案，学习速度就降下来。
过度练习 过度练习与基于惯例的交易系统曲线拟合类似，是开发神经系统网络时必须避开的主要缺陷之一。过度练习在网络存储细微差别和练习集合的特质时发生，会减弱综合新数据的能力。当过度练习发生时，虽然网络在练习集的表现比较好，但在样本外的测试集以及之后的实际交易期间的表现就会比较差。为了避免过度练习，网络练习应被预定的间隔周期中断一下，以回忆模式继续运行测试集，并根据预定的误差标准来评估网络的业绩。然后练习再从原来的中断点开始重新进行。这个自动化的过程不停地反复，直到测试集的表现开始下降。意味着网络开始过度练习了。之后再进一步评价所有符合误差标准的中间结果。
误差统计 另一个重要的网络设计决策关系到使用哪种误差统计方法进行练习和测试。一种测度方法可能是类似移动平均值的实际统计计算与网络输出之间的差别。对测试集中的每个事实都要进行这种差别的计算，然后对结果求和，并除以测试集中的事实总数，这是一种标准的误差测度方法，叫做“平均误差”。各种误差测度包括绝对值平均误差、平方和误差和均值平方根误差。选定了一个网络模型后，就需要进行周期性的再练习，利用正在进行中的研究来修改输入、输出、体系结构和测试练习过程的全部工具，以便提高网络表现和猜测的正确性。
一个有效的神经网络金融猜测应用的设汁是无法预料的，除非你有相当多的交易经验、编程和数学方面的专门知识，以及能够投入到这个任务上的时间。成功的神经系统网络开发是对“艺术”和“科学”两者的结合。即使是对于一群共同工作的专家来说，这种努力也是极其耗费时间和体力的。
以我的经验来说一下。1991年，我公司的研究开发部门技术猜测群在进行了20世纪80年代中期开始的跨市场分析实验后，引进了跨市场分析的优势软件。为了猜测市场走势、移动平均和第二天各种金融期货市场的价格，该优势软件把神经系统网络应用到了跨市场分析中。目前，交易商可以从跨市场分析受益的通货、利率市场、股票指数和能源组合有21种惯例定制优势程序，不需要我们再另外去发明车轮或者必须成为一个尖端科学家了。
2. 实际应用
被交易商广泛用来识别走势的简单移动平均。由于其数学结构而被作为一个滞后指标、几十年来这个限制都向技术分析家们提出了挑战，针对减小滞后的不断研究形成了对这个相对简单但有效的技术指标的稳定的修改。（这些在第 8 章进行了具体介绍）
移动平均启蒙 移动平均使价格的波动变得平滑以展示潜在的走势方向。在一个典型的移动平均系统中，会产生一个包含有两个移动平均或者一个价格一个移动平均的交叉振子。当一个指标越过或者跌破另一个指标时，入市和离市点就得到确定。例如，交易商可能会依据道氏的5日移动平均和20日移动平均方法来确定入市和离市点。
移动平均在突破点时反应仍然比较慢，传统的移动平均系统一般在市场方向的变化发生后进入或退出交易，通常是在几天之后给你利润．但也可能把盈利交易变成亏损交易。此外，交叉系统在盘整的或者没有走势的市场中一般都会产生错误的信号，在移动平均线互相交叉因而改变买卖信号触发时造成双重损失。
移动平均值的大小可以通过系统测试进行优化以使它们配合每个市场的价格行为，并找到可以捕捉该市场“突破点”的最佳交叉点以及减小滞后。另外，其他的平滑方法可以在连接移动平均线以进一步减小滞后时使用，从而使交易策略对市场中的忽然变化更有响应性、这些方法包括使用价格过滤方法，或者移动平均线四周的敏感带和增加第三条移动平均线，这两者都是获利者的最初系统体系结构的一部分。其他广泛使用的方法包括 Bollinger 带和流行的4-9-18日移动平均结合。
移动平均的猜测 逐渐发展起来更新取代移动平均线的所有关于简单的移动平均方法的变更都已最大程度地接近了我们想要的结果，因为人们试图把它们转换成“预料的”技术指标。然而，即使是更新后的移动平均线也有一个显著的弱点：它的假定过分简单化，就是移动平均值在未来某个时间将会与它今天计算的值一样。基本上说来，这比对移动平均值在未来某个时间段内的简单猜测没有高出什么。在这个猜测中，该值被假定为与今天计算的移动平均值相等，这在真实世界的交易情形中是极不现实的。为什么不把这个观念再推进一步，从而能真正地猜测移动平均值呢？那样的话，它们的平滑优势就能保留，而且它们的滞后就可以被一次性地全部消除。
相关市场 另外，通过把跨市场输入引入神经系统网络的设计中，移动平均猜测就不受单个市场输入的限制了。比如对中长期国债优势程序的情形来说，移动平均猜测的输入考虑了实际中长期国债合约在它们交易最活跃期间的过去 10年中的开盘、最高、最低、收盘、成交量和开盘利息，加上确实对国库券有相当影响的九个相关市场，即中长期国债兑现、纽约轻原油、CRB指数、德国马克、美国美元指数、欧洲美元、纽约商品交易所的黄金、日本日元和标准普尔500指数。
既然正确识别走势方向对交易的成功来说很要害，那么走势预洲与走势跟踪相比，为交易商提供了一种新的更有前途的识别走势和方向变化的方法。并且是在它们发生的时候，而不是这个事实之后。把神经系统 网络与跨市场分析结合后，优势通过猜测未来4天以上的移动平均进行走势预侧，为达到这个目的，优势需要由五个分立的神经系统网络组成。每个都针对特定的输出变量的猜测。一个神经网络猜测明天的最高点，第二个猜测明天的最低点，第三个猜测指示市场什么时候将要有一个最高点和最低点的“神经指数”，第四个网络猜测两天后一条收盘时的五日移动平均线的外形，而第五个网络则猜测4天后一条收盘时的10日移动平均线的外形。
移动平均猜测被用来确定走势方向，猜测的最高点和最低点则被用来设定入市和离市点以及止损点。这些猜测的高-低幅度与传统的单个市场技术分析中的支撑和压力线类似，除了优势对每日幅度的猜测是建立在神经网络的识别能力模式与10个相关市场的跨市场分析结合的基础上之外。
头寸交易商利用猜测的高低点来设定入市点．然后利用随后每一天猜测的高-低幅度来紧缩止损。例如，若你作了国库券的多头，而且预期明天市场将会继续上涨。你可能就会设一个跟踪止损，因为明天可能会有一小部分记号会在猜测的作为支撑水平的最低点以下，这就降低了过早地由于市场中一天内的波动性而被停出场的可能性，而且仍然能在突发的市场低迷时期保住利润。这种情形发生时，猜测的最低点就被跌破了。
对第二天的高低点的猜测对于每日交易的入市和离市点的确定也很有用，假如猜测的指标指示明天市场将会看涨。那么交易商就会一直等到市场向下交易到猜测的最低点，然后入市持有一个高出猜测的最低点几个记号的多头头寸，收盘时刚好在猜测的当天最高点之下。反过来就是进入一个当天看跌的市场持有一个在猜测的最高点之下的空头头寸并在猜测的最低点之上几个记号时把头寸脱手。这种作法在一天内重复多次。
编者的评论 显然，可以多次操作神经网络，门德尔松所说的“你必须完全理解自己所做的一切”这句话完全正确，既与神经网络有关，也与金融模拟有关，当你阅读并且完全理解了随后的章节后，可能就会熟悉到还有大量未使用的领域可以应用神经网络，比如离市和头寸调整等。
5.7 万物皆有序
万物皆有序这个观点是非常流行的。人们想要知道市场是如何运作的，因此对他们来说很希望能够找到一些基本结构。当然他们相信，一旦知道了基本结构，就能够猜测市场运动，在很多情形下，这种理论还会更精确，因为他们试图猜测市场突破点。这自然对大多数人持有的力图准确和控制市场的心理偏向很有吸引力。因此，他们想要捕捉市场突破点。此外，这对公众来说是一个高度适于销售的观点。关于市场秩序方面存在着大量不同类型的理论，包括甘氏理论、Elliott波动、占星术理论等。
我自荐来写本章的这部分是因为：(1)某一市场秩序理论的专家在另一个市场中并不一定是专家； (2）专家们看上去似乎更关心怎样证实或者反驳他们的理沦，而不是是否可将这个理念用于交易的问题。因为我相信，几乎任何一个理念都是可交易的，所以我认为让我自己概括性地来讨论这些理念并指出怎样交易它们会更简单。
从基本上说，有三个理论假定市场有一定程度的秩序，所有这些理念的功能都是猜测市场的突破点：在讨论它们时我在整体上做了一些过度简化，要求每一个专家在所描述的各种理念中都可以付款延期。
5.7.1 人类行为有一个周期
第一个理念认为市场是人类行为的一个函数，并且人类的动机可以用一个特定的结构来描绘。这个类型最闻名的结构是 Elliott 波动理论，这个理论假定惧怕和贪婪的冲动遵从一个特定的波动模式，市场基本上被认为是由五个向上的波浪和其后的三个修正性波浪组成。例如，市场中主要的上冲波浪是由五个向上的波浪（波浪2和波浪4以相反的方向）和随后的三个向下的波浪（中间一个波浪以相反的方向）组成的。每个波浪都有其独特的性质，五个波浪系列中的第三个大波浪是最可交易的。然而，理论变得越来越复杂， 因为波浪中还可以有波浪。换句话说，存在着不同量级的 Elliott 波浪。比如，大变动的第一个波浪是由另一个有五个波浪和随后的三个修正性波浪组成的整个序列构成的。Elliott实际上确定了九个种类的波浪大小，从庞大的超周期波浪到亚微级的波浪。
某些规则有助于 Elliott 波动理论家作市场决策。因为波浪可能被扩大或压缩并且存在着一些模式差别，规则也有差别。这些规则和差别的本质超出了本书讨论的范围，但这些规则确实能让你接近那些可以交易的市场突破点。
5.7.2 物质系统在可预知的模式中影响人类行为
第二个认为市场有秩序的理念建立于宇宙中物质系统的各个方面。着眼于物质系统的逻辑有以下假定： (1)市场运动建立在人类行为上； (2)人类行为在物质上和情感上同时受到各种物质系统和它们释放出的能量的影响； (3)假如这些物理能量模式是合理的话，那么它们对市场应有强烈的可预见的影响。
例如，科学家已经证实太阳黑子有周期性运动。太阳黑子实际上是来自太阳电磁能量的释放，并且对地球可以有很深刻的影响。
大量的太阳黑子活动会造成大量带电粒子受地球磁气圈的控制，这看上去似乎是保护了地球免遭来自太阳的一些有害影响。此外，你可能会发现，假如这个理论是真的话，太阳黑子活动最剧烈的期间看上去好象与文明的最高程度有关。我们目前就处于其中的一个。对比起来，太阳黑子活动微弱期间则似乎与被冠以的文明退化相关。显然，假如这样一个理论是正确的，而且假如太阳黑子活动是可预见的话，那么我们就会期望太阳黑子活动对市场中发生的行为有强烈的影响。
人类多次试图通过建立在类似太阳活动的物质系统基础上的努力来把市场联系起来，并籍此猜测市场。把许多最佳情形的例子集中起来向他人或你自已证实理论的正确性是非常简单的。我已经看到这种情况发生了上百次。因为存在着一种简单的知觉偏向，仅仅通过几个精选的例子就可以说服人们某些关系。然而，理论和现实之间通常存在着非常大的区别。
约翰·内尔森(John Nelson)是一个无线电传播方面的专家、他能够以88%的准确率猜测 6 小时间隔的无线电传播质量。他是通过行星的校准做到的，几个市场研究人员曾经经历过1940年－1964年间最槽糕的暴风雪日子，并对暴风雪开始的前10天到后lO天内道琼斯工业平均指数变化的百分比进行了统计，他们发现这一指数在暴风雪开始的前两天一直到后3天在统计上显示出显著的下降而且在新月和满月期间。这个影响更是被放大了，这期间的大部分时间，股票市场在已经有下降倾向时的表现是看跌的。
1989年3月5日，一次巨大的 x 射线闪耀在太阳表面爆发，并且持续了137分钟、使监控它的设备的传感器超负荷，而且在它发生的范围内，明显可见一束太阳黑子。3月8日，太阳质子流动开始，并且大量的这种离子开始以太阳风的形式流向地球，一直持续到3月13日。地球在设得兰群岛的磁性监控器记录了每小时 8 度之多的磁性变化，而正常的偏差只有0.2度，电源线、电话线和电缆网络都有巨大的波动。无线电传播和人造卫星之间的通信也被严重破坏。加拿大的变压器超负荷，并且百万多人在忽然间被断了电然而这种非凡的闪耀对太阳来说决不是一个非凡的事件。
1989年3月5日－3月13日之间的太阳闪耀相对于太阳的能量来说还是小的，但确实是本世纪记录中最大的一次，比内尔森记录的任何一次暴风雪都要大。因此问题显然就在于，它对市场有什么影响？我能给你的最好的回答是，它对市场根本没有影响。
然而，尽管存在着一些相反的例子，还是让我们假定这些物质实体的活动有一些节奏。并且它们确实对市场有稍微的影响。例如，也许它把对市场的“正确”几率从48%提高到了52%。这大概与拉斯维加斯的纸牌计数器得到 21 点的几率相同，而卡西诺纸牌游戏却踢出了计数器。因此，物质系统对市场中的秩序的解释也是一个可交易的理念。
5.7.3 宇宙有一种神秘的数学秩序
第三个认为市场有秩序的理念为了寻找答案而探究了数学方面的内容，它断定存在着一些“有魔力的”数字，并且这些数字之间的关系会影响市场。例如，谣传毕达哥拉斯是在一个古老的“神秘学校”受到“宇宙中所有的规律都是建立在数学和几何学的基础上”这种教育的。甚至，某些“有魔力的”群体和宗派似乎一直在传播着这种观念：当前正被很多追随者推崇的甘恩(W.D.Gann)的工作，也是建立在数学秩序上的。
基本上说来，数学秩序理论是建立在以下两个假定基础之上的： (1）某些数字在猜测市场突破点时要比其他数字更重要；(2)这些数字在价格水平方面和时间方面，比如什么时候该猜测市场有一个变化，都很重要。举个例子：假设你相信45,50,60,66,90,100,120,135,144,618 等数字是有魔力的数字，你要做的事情就是找到那些”有意义的”最高点和最低点。并把这些数字应用到其中，当然，同时还要着眼于时间和价格，你可能会预期市场有比如 0.50，0.618 或 0.667 这样的修正。此外，还可能预期你的目标价格会在45天内或 144天内或者一些其他有魔力数字的日子内达到。
假如你有足够多的魔力数字，就可以在既定的事实之后计算并效验出很多猜测。然后你就可以把这些猜测延伸到未来，有些可能真的会产生效果。这种情况有时是会发生的，假如你有足够多的魔力数字可用的话。比如，假如你的房子里至少有33人，那么找到两个有相同生日的人的几率是相当大的。尽管有些人可能就会得出那样的结论，然而，这并不一定表示这个共同的日子就是一个有魔力的数字。
就让我们假定这些数字确实是存在的。也让我们假定它们是不完美的，但是它们确实能提供你猜测的可靠度．只是这种情沉要比正常几率还少、例如，有了魔力数字后，你可能会猜测道琼斯工业平均指数可能在7月23日有一个大的突破，你估计这个猜测的可靠度是 55 % ：假如你有这样的优势，那么就“可以产生一个交易事件。
5.7.4 小结
这三个关于市场秩序的理念的相同点是什么呢？它们猜测的都是突破点，突破点在大多数情形下，都能给交易商进入市场的准确信息。在某些情况下，它们也能给出利润目标和什么时候离开市场的指示。在第8章你会学到在一个入市是完全随机的交易系统中也可能赚到钱。因此，假如有任何一种猜测方法给了你比正常几率预期高的猜测市场的结果，那么进行这个交易就有一定的优势。
我们应怎样用这类猜测来进行交易呢？首先，你可以利用预期的目标日期作为入市的过滤器，而不去管你给这个日期多大的时间偏差。因此，假如你的方法猜测了在7月23日市场有一个突破点，并且可能的日期偏差是1 ，那么你就应该在7月 22日和7月24日之间寻找入市信号。
第二，你必须指望市场告诉你在你入市之前市场正在变动。这个变动本身应是你的交易信号。最简单的交易方法就是在你预期有变动的窗口中寻找一个波动性的突变信号。例如，假设过去10天中的每日平均价格幅度，比如平均真实幅度是4个点；你的信号可能是1.5倍于这个幅度，也就是6个点。那么，从昨天的收盘起你就会开始占有6个点的变动。利用适当的止损、离市和头寸调整就可以控制此次交易。这些在随后的章节里会有讨论。
交易这类市场秩序理念获利的要害与正确交易任何理念的要害是一样的。首先，在你的理念并不起作用时，需要好的离市来保护自己的资本，并且在它起作用时创造一个高的回报。其次，你需要适当地调整头寸以配合你的交易目标。因此，即使此类理念只帮你提高了1%的正确率，你仍然能够通过交易它们来获利。然而，假如你不重视这类系统的猜测部分，就是说放弃了控制和正确的需要，而只关注离市和头寸调整，也应该能达到不错的效果。
5.8 总结
本章的目的是向你介绍一些不同的理念，你可以根据自己的信念用它们在市场中交易或投资。我并没有说这些理念中有哪一个比其他理念更有效或更有价值，此外，我对这些理念也并不表示任何个人偏向。我总结此章的要点只是为了向你们说明这里有多少种不同的观点[6][1]。
以汤姆·巴索开始，通过对走势跟踪的讨论，他简单地发表了自己的看法，市场偶然会长时间地朝一个方向或走势变动。这些走势可被捕捉并形成了一种交易类型的基础。其中的基本哲学是要找到一个标准来确定在市场开始有走势时沿着走势方向入市，然后在走势结束或者信号被证实是错误时离市。这是一种很轻易遵循的技术，假如你理解其后的理念并始终如一地跟随就能赚到不少钱。
查尔斯·勒博讨论了第二个理念：基本面分析。这是对市场中供求关系的真正分析，而且很多学术界人士认为这是能用于交易的惟一一种方法：这个理念一般确实能给你一个价格目标，但你的分析或者一些专家的分析可能与价格的真正行为没有任何关系。
然而，有些人用基本数据交易得很不错，这是另一个你可以选择的方案、，假如你想遵循这个理念，查尔斯给了你七条可以遵循的建议。然而，他只讨论了基本面分析在期货市场中的应用，而未讨论其在股票权益方面的应用，这在后边的章节中有所涉及。
接下来，杰里·托普克讨论了季节性走势的理念。季节性分析是建立在某些产品的基本质量在一年中的一些时期标价会较高，而在另一些时期标价会较低的基础上的。结果．形成了一个结合了基本面分析中的供需分析和走势跟踪下的时机选择价值的理念。假如你确信对任何已找到的季节性走势有一个可资利用的理由，那么它就是另一种入市方法。
? 凯文·托马斯是国际金融期货交易所的场内交易商，他谈论了期货价差。价差的优势在于，你是用产品之间的相关性做交易而不是产品本身。因此，你可以获得那些通过其他方法不可能得到的新机会。凯文在他的讨论中给出了一些奇妙的有关价差的例子。
? 雷·凯利以一种非常幽默和巧妙的方式介绍了套利。就是寻找有限的机会窗口。当这个窗口开着的时候，机会就像是“天上掉下的馅饼”。然而，这扇窗户迟早是要关上的，套利者必须寻找新的机会。雷给出了很多有关这类窗口的例子，还讲了一些他寻找这类窗口时经受挫折的幽默故事。
? 神经系统网络在某种程度上还代表着一种技术而不仅仅是一种理念、．我们可以练习计算机．让它们来进行猜测，就像路易丝·门德尔松专家向我们证实的那样。正如门德尔松所建议的，假如这个猜测与其他一些交易技术结合起来的话，就可以进行一些很有意思的交易。然而，我认为神经系统网络的重点一定是在能使人们赚钱的领域内，比如离市和头寸调整，而不是在刺激人们偏向的领域。
? 最后介绍了很多市场有秩序这样一种理念。很多理论宣称能知道市场的某些秩序。主要存在三种类型的秩序理念： (1）依据人类情绪的波动； (2）依据大的物理事件影响人类的行为； (3）依据数学秩序。这些理念中有很多可能只有一点点或者根本没有真实性，但是它们都可用来在交易中获利，正如随机的入市交易也可能获取利润；在最后一部分讨论中，假如有哪个秩序理念吸引你的话，你就应该学会怎样使用它并发挥你的优点。这样的理念对那些觉得在他们决定交易之前必须首先知道市场怎样运作的人来说可能是极有用处的。
--------------------------------------------------------------------------------
[1][1] “止损”这个词用在这里是因为大多数人通过在市场中提交一个“止损”指令来执行这类止损：它的意思是“一旦到达那个价格时就把我的指令当做一个市场指令来执行。”
2[1] 期望收益在下一章会具体讨论。它是你作为一个交易商或投资者必须知道的最重要的专题之一。
[3][2] 可以通过以下地址找到汤姆·巴索: tom@trendstat.com
[4][3] 商品期货贸易治理委员会要求商品交易顾问在其广告或公开性文件中做出过去的结果不影响将来结果的声明。
[5][4] 你可以打下述电话联系到查尔斯·勒博：310-791-2182
[6][1] 我并没有介绍很多理念．比如转手倒卖、统汁交易、逆走势跟踪、套期保值等，仅仅是因为这样做会使本章涉及的内容比计划的更多。