如何设计适合期货投资管理的交易系统模型.docx
《如何设计适合期货投资管理的交易系统模型.docx》由会员分享，可在线阅读，更多相关《如何设计适合期货投资管理的交易系统模型.docx（14页珍藏版）》请在冰豆网上搜索。
如何设计适合期货投资管理的交易系统模型
如何设计适合期货投资管理的交易系统模型
一、交易系统模型的选择
（一）、分析型交易系统和操作型交易系统
根据使用者的不同需要，模型设计的方法各不相同。
但从使用角度进行分类，主要有以下两种：
一种是分析型的交易系统模式，另一种是操作型的交易系统模型，两者之间有着相当大的区别：
1.分析型的交易模型侧重于预见性，对于市场的走势分析具有提前性；而操作型的交易模型侧重于反应式，当市场已出现某种价格应该采取的交易决策。
2.分析型的交易模型侧重于个别效益，对某段市场的行情要求高准确度，忽略对不利市场情况的分析；而操作型的交易模型着重于实战中的整体效益，要求交易模型对市场的所有情况产生的收益结果作出整体评估。
3.两者最大的区别在于实际操作者要面对来自各方面的压力，包括市场、投资者、操作者自己等的压力，因此在模型上的设计还应包括如何通过某种方法去控制心理压力的因素，有效执行交易模型发出的信号。
（二）技术分析模型、基本分析模型和数学计量模型
交易模型理论是交易模型设计中最重要的环节，它与交易模型设计者自身的理论基础、投资哲学以及个人生活习性有着紧密的联系。
目前，国际上期货基金的主流交易模型有以下三种：
技术分析模型、基本分析模型、数学计量模型。
上述三种交易模型，国际投资界均有比较成熟的理论基础和比较完整的学术体系，投资者可以据此设计出一套适合自身使用的交易模型。
由于各种交易模型又各有所长，所以投资者还可以根据交易模型的不同特点，设立不同的投资组合。
1、技术分析模型
技术分析交易模型是指使用市场交易数据如开市价、收市价、成交量等，并通过计算机交易指标，经过系统化搜索检验，并进行优化处理的交易模型，其理论基础主要建立在已有的传统技术投资理论如图型分析、均线理论等基础之上，并经过大量统计学分析检验。
该模型最大的优点在于：
消除了投资者的情绪在交易决策中的影响，特别是在对重大事件中判断的主观性和盲目性；避免了由于信息不对称性造成的分析失误；保证了交易分析中的连贯性；给投资者提供了风险控制的方法。
下面简单介绍一下技术分析交易模型中的三个交易模型：
（1）、以图形形态识别为基础的交易模型
该类模型主要是依据传统的经典图形如头肩顶、双底、三角形等，进行行情趋势捕捉，进行建仓交易的系统。
但在实战中，它还存在许多问题：
风险控制方面，像头肩顶、双底、三角形等交易图，根据传统的交易观点，投资风险/报酬比一般为1：
1，实战中管理者将面对巨大的基金净值风险；分析上多以主观判断为主，缺乏客观判断标准；目前国内期货市场的技术分析使用者增多，导致经典的图表形态假信号随之增多；国外经典的图表分析理论在国内存在相当大的差别；缺乏统计学数据。
（2）、趋势跟踪为基础的交易模型
该类模型主要是根据设计者的数据统计，捕捉价格的转折点，然后假定趋势会继续，并按趋势方向建仓交易的系统，如MACD、SAR、移动平均线等。
该交易模型的特点是不会在最低价处买入，也不会在最高价处卖出，放弃行情前后一段的利润，利润主要来源于捕捉一波大行情的中间部分。
其捕捉行情的转折点的能力根据设计者设计的灵敏度不同而不同，灵敏度强的交易模型对趋势反转反应迅速，但假信号也多；灵敏度低的交易模型对趋势反转反应慢，假信号也少，放弃的前后部分的利润也多。
该类交易模型的缺点是在盘整行情时产生连续亏损，使投资者不能接受。
所以设计趋势跟踪交易模型的难度不在于寻找捕捉趋势方法，而在于要有一套完善的趋势确认和过滤原则，才能回避风险。
另外，趋势跟踪交易模型要求期货基金管理者的持仓时间比较长，一般都有2－3个月以上，所以要求期货基金管理者要有一套与趋势跟踪交易模型相适应的心理控制方法。
（3）、反趋势为基础的交易模型
该类模型是根据设计者的数据统计，然后假定市场需要调整，并在相反方向建仓交易的系统。
它与趋势交易模型的区别在于，趋势交易模型可以自动调整，而反趋势交易模型由于与主要趋势相反操作经常会带来不可估量的风险，所以该类交易模型必须带有一套止损条件。
2、基本分析模型
基本分析交易模型是指交易者使用市场外的数据信息，通过对所有影响基本经济关系的信息进行考察，并对这类因素进行量化分析，建立数据库，从中判断市场的均衡价格而进行投资的模型。
该模型的特点主要是：
为大规模资金进场提供良好的分析依据；理论基础雄厚，容易为投资大众接受；对于短线和时机把握帮助不大；信息收集难度大；分析滞后于市场价格；分析主观性强。
下面介绍“价值评估”和“评估积分”两种基本分析交易模型。
（１）、价值评估交易模型
期货价格与现货价格之间产生相互牵引的作用，据资料统计，我国大豆期价与现货价格的相关系数为0.9。
而对于期货市场产生的期货价格，期货市场的参与者包括现货商和投机者，对同一商品的期货价格有自己的判断，而由于成熟的期货市场绝大多数的参与者是投机者，期货市场的成交量往往是现货贸易量的数倍或数十倍，所以期货价格不单是由现货价格和仓储成本决定的，除了成本定价还包括资本定价部分。
所以，作为期货基金的基本分析交易模型，还要包括期货市场的投机因素：
期货价格=（现货价格＋仓储成本）×投机系数，投机系数根据突发事件、市场投机资金等情况确定。
（2）积分评估交易模型
基本分析交易模型的主要缺点是信息收集难度大造成的信息不对称，分析滞后于市场价格且分析主观性强，但随着信息科技的发达和交易制度的完善，信息的公平共享将进一步缩小信息不对称，最新信息的获取也相对容易了，困难的是如何去辨别信息真伪、主次和克服信息处理中过分主观判断的影响。
积分评估交易模型的主要步骤如下：
a.确定分析因素
为了使分析统计因素保持全面，多空两方面分析因素的数量不能过少，一般不少于5个。
如供求分析因素，以大豆期货为例，供求类因素包括：
预测种植面积和实际种植面积因素；预测产量和实际产量因素；大豆进出口量；大豆压榨加工量；库存因素；突发事件因素等。
再比如周期性分析因素，还以大豆为例，周期性分析因素包括：
3－4月份左右——中美大豆播种期，种植面积预测因素，同时南美新豆开始上市，价格处在谷底。
5－8月份左右——中美大豆的天气与产量为主要分析预测因素，消费旺季到来，价格从前期的缓慢上升，至7、8月份大豆受青黄不接和天气炎热等波动因素的影响，价格达到年度高峰。
9－11月份左右——中美大豆实际收成因素、南美大豆播种面积预期因素，10月份后由于中美新豆上市，价格再次回落至当年的最低价区域。
b.确定分析的时间段
无论何种交易模型的分析方法，都需要足够统计分析样本数据，才能保证统计结果的可靠性，因此要经历一个以上的循环周期，如农产品的生长周期、金属的经济周期等，其中更应该包含突发事件或政治的因素，以检测交易分析模型应对的能力和控制风险能力。
c.确定分数值
确定分数值的方法可以使用普通正负分数法、权重分数百分比值法等，利多因素的分值为正值，利空因素的分值为负值，无明确利多、利空倾向的因素取为0分。
d.计算分值结果
将各影响因素的分数值累计，得出分值结果，分数为正数，则市场的趋势以上升为主；分数为负数，则市场的趋势以下跌为主；分数为0或接近0分，市场将处于盘整。
e.分值跟踪系统
不同事件的发生和时间的推移变化，各因素对价格的影响不一，如突发事件对价格的影响随事件的变化影响力会逐渐消退，所以要对各因素分数值不断调整，确定分数结果，调整对交易模型的决策结果。
3、数学计量模型
数学计量模型是指设计者根据现代投资理论，对历史交易数据进行大量的统计学分析，从中找出一定规律，在市场出现偏差时或特定情况时进行投资的模型，如套利交易模型、跳空交易模型等。
（1）、套利交易模型
套利交易一般来说，就是同时买卖同类或不同类期货品种的不同交割月份合约，因为不同交割月份的两个期货合约价格在运动方向上是一致的，买入期货合约的损失会因卖出合约的盈利而抵销；或者卖出合约的损失会因买入合约的盈利而弥补。
套利交易可以为避免价格剧烈波动而引起的损失提供某种保护，其承担的风险相对于单方向的投机交易来说是相当低的。
套利交易在期货市场主要有两方面作用：
使扭曲的期货价格回复到正常水平；为投资者提供了获利机会。
（2）、跳空交易模型
该模型是根据期货合约跳空高开或低开若干点进行交易的模型，其理论基础在于通过跳空开盘对后市影响的统计学意义。
一般在依据该模型交易时，利润达到一定值时即平仓或当日收盘平仓，亏损达到一定值时即止损。
在使用该交易模型时，交易者应该对拟进行交易的品种事先进行评估，不是所有品种都适合的，如上海铜、铝，该品种的市场特性和参与者结构导致了交易数据跳空较多，因此不能简单套用，一定要在大量的统计学基础上进行修正后才能使用。
（三）、不同的投资者如何确定使用何种交易模型
交易系统必须契合使用者的性格、风格和习惯，否则很难获得有效执行。
一套系统虽然盈利能力不会因为执行者的不同，而呈现不同的结果，但是如果该系统无法得到执行者的认同，从而无法得到贯彻执行，那么该系统也就失去了指导交易的意义。
每个投资者的理念和偏好都会不同，有些人习惯短线交易，而有些人更倾向于中线持有，一旦习惯确定后很难改变。
交易系统必须让使用者执行起来觉得自然，这才会使使用者信任系统提供的讯号。
为了达到这样的效果，必须先清楚系统使用者的交易理念是什么，属于哪种类型的交易者，其交易中的弱点在哪里，系统能否帮助其改正缺点。
通过以下问题的回答基本上可以判断出投资者适合何种交易系统：
二、交易策略的提出
交易系统的策略应该尽量保持简单，过度的复杂不仅不会使系统表现提高，反而会使交易出现不稳定。
从系统的构建和分析研究的长期经验中发现，表现最佳的最稳定的系统其规则是最简单的。
目前，市场上的技术指标和方法纷繁复杂，但实际上这些指标和方法都是由同样的数据衍生出来的，事实证明原始数据，比这些经过复杂加工后得出的指标更具备价值。
事实上，一个成功的交易系统，资金管理方法远远比进出场依据重要的多，因此进出场依据尽量保持简单原则，只要运用几个你熟悉的简单指标就可以了。
交易系统使用的指标和参数越多就越可能在日后实盘检验和交易中出现问题，同时出错后由于系统设计烦杂而很难找到症结所在。
同时由于规则太多，容易造成拟合历史曲线的问题，从而使系统的未来指导意义大大下降。
事实证明，过去有效的简单系统相对于复杂的系统，未来继续表现优越的可能性更高。
交易策略可以通过两种方式提出。
一种是通过对市场的观察和理解形成了一种认识，进而根据这种认识提出交易策略。
例如，通过对均线系统的认识和使用方法的摸索，提出以均线系统的不同均线作为进出场的交易依据。
另一种则是从市场的数据出发，通过统计分析结果提出相应的交易策略。
例如，根据价格跳空高开若干点后买入，收盘价卖出的策略，即跳空高开后价格上升的概率很高。
三、交易对象选择
基金管理者和投资者对交易对象的选择非常重要，应根据资金的规模、风险度等因素来确定，尤其应该关注下述几个环节：
1.市场信息
在使用基本分析的交易模型时，迅速收集各方面的信息对于分析起着决定性的作用，特别是对于有时效性的数据，如产量、天气、经济数据等信息，一定要经过加工筛选，才能产生分析效果。
对于技术分析的交易模型，收集市场价格数据相对而言就比较简单。
对于使用数学计量模型的，则必须进行复杂的数学分析。
2.市场参与者
期货基金参与的交易对象一定要有相当的数量，这样交易对象才能基本遵循经济规律，有效防御政策性的干扰和极个别的市场操纵者的影响，使期货基金能有效地控制风险，减少由于非市场性因素带来的无法控制的投资风险。
一个市场拥有大量的市场参与者，可以有效抵制个别投资者企图操纵市场的企图，可以减少若干政策性因素对市场运行的干扰。
当一个市场能够有效的排除非市场因素的干扰，而主要地遵循其基本经济规律运行时，才可以作为一个合格地投资对象。
在国外成熟的期货市场，信息公布较国内完善，各方面的信息都是定期公布，增加了市场透明度。
其实，国内期货信息这方面也正在逐渐完善，像每天公布的交易所持仓信息等就比国外的透明度要高。
3.交易对象是否有足够的交易时间
无论何种交易模型，都需要足够的统计样本数据，才能保证统计结果的可靠性。
对于使用技术分析交易模型的期货基金来说，使用市场交易价格数据一定要有相当的交易历史，时间低于1年的交易对象不适合选取；而对于基本分析交易模型的市场分析数据则要求要经历一个以上的循环周期，比如经济周期（包括经济的扩张期和收缩期）、农产品的生长周期等。
4.市场的流动性
流动性是指交易对象是否具有足够大的流通单位，从而使大额交易发生时不致发生显著的价格波动。
流动性的高低直接关系交易成本的高低，直接关系交易方法的选择范围，直接关系风险管理的效率高低，流动性低的市场成交比较困难，行情突破后难以建立足够头寸，难以在设定条件下迅速安全离场，从而使交易模型在理论和实战中产生差异，丧失了交易模型的实际价值。
市场的流动性强弱可以通过检查价格运动的连续性、买卖差价的大小、成交量大小判断。
价格运动的连续性，是指平均实际成交价格间隔与市场规定的最小变动价格之间的偏离程度。
偏离程度越高，连续性越差。
买卖差价，是指同一时点实际买入价和实际卖出价之间的差值与市场规定的最小变动价格之间的偏离程度。
偏离程度越高，市场的流动性越差，交易者的成本越高。
成交量，是指交易对象在规定期间内标准交易单位的流通总量。
一方面，成交量不但要有规模性，而且要具有均匀性，即总成交量要达到一定的数量规模，而且要分布均匀，便于系统在任何价位都可以有成交的可能，另一方面，成交量要满足投资人的交易金额，一般认为，如果投资资金占有的市场份额大于10％，则会显著改变原有市场交易的均衡水平，而保持在1％水平以下则不会产生明显的回波效应。
对于国内的投资者而言，目前在国内三家期货交易所的上市品种中，大连大豆、大连玉米、大连豆粕、上海铜、上海天胶、上海燃料油、郑州白糖较为活跃和成熟，适合作为基金投资的品种。
预计随着金融期货品种的推出，将会拓展投资者的投资领域和增加分散风险的渠道，有利于降低风险，扩大投资规模，提高资金回报率。
四、交易策略的系统程序化
交易策略的系统程序化是指将交易策略思想转化为精确的数学公式或者计算机语言，使之成为计算机可识别并可检验的系统。
作为专业投资者，其投资行为必须具有一定的逻辑性和科学性，投资决策要求客观、迅速，不能带有模糊不清的分析和主观判断，而系统化的交易决策模型可以通过现代计算机技术将传统的交易方式转换成为数学模型，并通过大量的信息和数据进行检验分析，评估交易模型的可行性，从而做到严格的定性和定量，保证了投资决策的科学性。
交易模型系统程序化的步骤：
a.确定交易模型的交易原则，交易对象的选择、资金使用比例、风险控制原则等。
定义交易规则，是指将交易策略思想归纳成明确的交易规则，此规则可以通过数学表达式让电脑识别。
以简单的平均线交易系统为例，如果交易策略是10日平均线向上穿越30日平均线为买入信号，而10日均线下穿30日均线为卖出信号，则该交易策略可以定义为以下交易规则：
10日均线上穿30日均线发出作多信号，当10日均线下穿30日均线，平多仓反手做空。
交易对象的选择,是指投资者根据投资规模、品种相关性和组合搭配需要决定投资品种。
例如，10万元的投资规模一般只能选择农产品进行投资，不宜考虑风险高、单位头寸保证金占用高的品种，而大资金在选择时也应考虑投资品种的市场流量，不宜选择交易时易受冲击的品种。
因此，在具体程序化过程中，可以对成交量、持仓量规模进行明确规定，从而决定其是否入选交易。
资金使用比例，是指交易持仓过程中根据帐户以及市场的信息决定持仓的比例。
例如，在建立初始头寸时以20％的资金入场，当盈利达到价格幅度的5％时加仓10％资金，当盈利达到价格波动幅度10％时加仓5％资金，当盈利达到价格波动幅度的15％时了结50％的头寸，如果价格回吐2％全部头寸离场。
风险控制原则，是指整体帐户和单次交易所能允许承受风险程度的规则。
例如，单次交易亏损幅度不能超过帐户总权益的4％，整体帐户的累计亏损风险不能超过权益最高点回吐20％的幅度，那么就要从程序规则上对交易头寸数量和止损幅度上进行设计。
b.确定交易模型中的参数和自变量。
在交易策略思想明确为交易规则体系后，还必须进一步对其中包含的变量和参数做出明确的规定。
例如简单平均线交易系统中，中期均线和短期均线的时间为参数，当短期均线参数设定为10日，长期均线参数设定为30日，那么交易系统才从量上确定了交易的具体时点和结果。
c.将交易模型程序化，按计算机语言将交易模型转换公式，使交易模型的检验过程能通过计算机进行客观的检验。
五、交易模型的模拟检验
模拟是对建立的系统或决策问题的数学或逻辑模型进行试验，以获得对系统行为的认识或帮助解决决策问题的过程。
模拟的主要优点在于检验交易模型中的问题或系统的任何假设模型化的能力，使它成为最灵活的工具。
判断交易模型是否有实用价值，最简单、最可靠的途径是通过在尽量多的市场里，进行长时间的测试。
为了减少交易模型的检测成本，检测先从模拟开始。
交易模型检验的基本原则是“模拟实战”，一切条件都要比实战条件更为苛刻，使检验结果尽可能真实可信，因为只有这样才能使交易模型有真正的使用价值。
1.突发事件
在检验过程中一定要包含有突发事件（包括涨跌停板），因为除了要检验交易模型在正常情况下的运作情况，还要有应付突发事件的能力，不能因为是“小概率”事件而忽略了突发事件的影响，应遵循“模拟实战”的基本原则。
一个成熟的交易模型，即使不能捕捉到突发事件带来的超额利润，也应该有能力抵抗突发事件带来的风险。
2.检验的信息和数据
对于基本分析交易模型，需要有完善的信息数据库，信息的来源随着科技的发达，互联网的不断应用，信息的收集比以前方便了许多，因此要整理完善好信息数据库相对较容易。
对于技术分析交易模型，由于期货基金运作的是期货品种，期货品种的数据有它的独特性，欧美期货的数据有各自不同的特点，如伦敦金属的期货数据没有出现“断层现象”，使用计算机检验就不会有问题，而国内的期货数据源袭了美式期货数据，不同的交易合约换月时会出现“数据断层”，不能像股票一样使用简单的除权处理，因此要通过交易模型的检验首先对数据进行处理。
实际合约数据：
按照实际的合约交易数据，缺点是十分明显的，因为国内期货合约目前只有1年的周期，因此在检验时数据周期就显得太短了，而且在相当长的交易时间内合约的成交量并不活跃，流动性小，不具有代表意义。
即月连续数据：
按合约交割日连接，连接起来形成连续数据。
这样产生的连续数据优点是具有实际交易性，但在实战交易中会产生差别，交割前成交不活跃，缺乏代表性，像上海铜一般都是交割月后第四、五个合约成交活跃；缺点则是会产生“断层现象”，对检验结果产生重大的失真。
价差调整连续数据：
按照一定的规则，在进入交割前一定时间内连接随后的合约数据，这里的时间参数X，要根据不同品种来确定，上海铜要比大连大豆和郑州小麦的时间参数X要大，将调整时两个合约的价差累计下来，最后将累计价差加减到数据列中，得出最终的期货数据。
特别注意的是，经过调整的期货数据可能会出现负值，要做相应的数据调整，但这不会影响使用计算机检测的交易结果。
优点是能长时间反映价格变化水平；缺点是数据不能直接应用于实际交易中，需要通过转换。
权重连续数据：
按照固定的时间连接随后的合约数据，同时按近月大、远月小或是按成交量与持仓量的比重计算连续价格，随着时间的推移，较近的合约的权重越来越小，而远月的权重越来越大。
优点是消除了数据“断层现象”，可以选取多个活跃月份，这样就可以更真实地贴近实战交易；缺点也是数据不能直接应用于实际交易中，需要通过转换。
以上四种数据处理方式各有所长，要根据使用者的情况选用。
对于短线使用者，实际合约数据较好，而对于中长线的使用者连续数据才能真实反映实际中长期的盈亏情况，并进行计算机的检测。
在对交易模型的检测中，为了保证检验结果的可靠性和稳定性，需要足够的统计样本数据，按照统计学的大样本要求，样本数量要多于30个。
以短线为主的交易模型，数据时间不能短于1年的分时数据，使用日线数据检测的不能少于3年以上，基本分析交易模型的数据要求要经历一个以上的循环周期。
3、交易成本
交易成本是指执行进出场指令所发生的直接成本。
交易成本包括两部分，一部分是不变成本，即手续费，另一部分是可变成本，指指令执行价差。
手续费是指经纪公司对执行交易指令收取的交易费用。
指令执行价差是指预期交易价格与实际交易价格的差。
在系统检验过程中，手续费应按照“就高不就低”的原则设置。
执行价差由买卖差价和市场流动性因素造成的，指令执行价差变动范围大，通常为手续费的一至两倍。
国内期货市场目前进出场指令单一，通常只接受限价指令，因此不存在明显的指令执行价差。
但是投资者还应考虑隐形执行价差，即当同一价格位置无法成交希望的规模，可能就将选择其它价位交易，整体成本也会提高。
交易成本对测试结果存在较大影响。
交易成本是决定交易系统表现的重要条件之一，是决定交易系统类型的重要条件之一。
任何交易系统都存在一个临界交易成本。
一个优秀的交易系统应当有能力在任何波长上交易，按照混沌理论，模式结构在任何一个层次都是相同的。
从单纯的交易信号角度评价，交易波长应当不影响交易信号的成功率。
如果一个交易系统的成功率在各层次波长上保持稳定，则可认为是一个稳定的系统。
这时，该系统的最小交易波长由交易成本决定。
从实践经验来看，最小波长应当大于交易成本的5倍，否则结果必然亏损。
例如大豆手续费双边30元一手，相当于价格波动3点，那么我们要求最小交易波长为3×5＝15点，假设大豆1小时线上平均波动为15点，那么由交易成本决定了大豆的最小交易波长应大于1小时线。
一般情况下，交易波长越大，交易成本越低，单次交易风险越高，交易波长越小，交易成本越高，单次交易风险越小。
交易成本的分析可以帮助投资者确定交易系统的最小交易波长，帮助投资者在交易成本和交易风险间寻找到动态平衡点。
4、确定检验的统计学标准
（1）、统计误差。
交易系统检验中应尽可能减少统计误差，根据统计标准差和统计样本数目间的反比关系，统计数目越大则统计标准误差越小，检验结果可靠性越高。
为了保证统计检验结果的最低可靠性，一般要求统计样本交易数目不低于30。
（2）、自由度。
自由度是指统计学所讲对检验结果置信度的衡量尺度。
自由度为检验信号发生数目与交易规则数目之差。
在检验信号发生不变的情况下，交易规则数目越多，则检验结果的置信度越低。
自由度是对系统检验的一个重要概念。
由自由度概念出发我们可以再次强化交易方法越简单则交易结果更可靠的概念。
系统研究者在对交易系统进行检验时，必须检查系统的自由度水平。
在交易系统的设计过程中，研究者必须尽可能减少所用变量的数目及对变量的限制条件。
因为每增加一个所用变量或对变量的限定条件，在其它情况不变的情况下，系统检验的自由度就会相应降低，从而降低检验结果的置信度。
（3）、稳定性。
稳定性是指系统交易结果的一致性。
系统交易结果的一致性越高，系统的稳定性越高，系统在实际使用中的可靠性越高。
系统的稳定性可由系统仿真的统计分布参数来确定。
系统仿真结果的标准离差越小，则系统的稳定性越高。
由系统统计稳定性的要求出发，同样引发出一个重要的投资学理念问题。
一派投资家认为应尽量追求盈利的幅度，即应以个别交易的巨大盈利来补偿多次小额亏损交易的损失，另一派认为应尽量追求盈利的频率，即以盈利次数的压倒多数来保证补偿亏损交易的损失。
单纯从统计学的观点看，后一派投资理念所指导的交易方法一般具有更高的统计稳定性。
系统研究者在系统设计和检验之间，必须明了自己适合采用哪一种投资理念。
不同的交易理念追求的目标不一样，从而导致使用的交易规则和
升级会员 