海龟交易法则11.2:随机效应
大多数交易者都想不到纯随机性的因素对他们的交易结果可能有多大的影响。在这一点上，一般投资者的认识甚至还不如一般的 交易者。包括退休基金和对冲基金的那些决策者在内，就连经验非 常丰富的投资者通常也不知道这种效应能大到什么程度。事实上， 单是随机性事件的影响就有可能造成交易结果的天壤之别。假如把 随机事件包含在内，一系列历史模拟检验的差异水平会高得惊人。 本节将谈一谈与长期趋势跟踪策略有关的纯随机效应问题。
我在提到优势率这个概念的时候说过，我曾对一个随机性入市 策略进行了模拟检验，这种策略仅根据电脑模拟的掷硬币结果来决 定在开盘时做多还是做空。当时我设计了一个完整的系统，采用以 掷硬币结果为基础的进入策略和定时退出策略——在入市之后的若 干天后退出，天数从20天到120天不等。然后我对这个系统做了 100次测试，所用数据就是我们在第十章中用于比较不同趋势跟踪策 略的那些数据。在这1〇〇次测试中，最好的一次获得了 16. 9%的年 均回报，在KX 5年的测试期内把100万美元变成了 550万，但最差的 一次却年均亏损20%。这说明，纯随机性事件可以导致巨大的差异。
如果我们加人一点优势因素，结果会怎么样？如果我们加人唐 奇安趋势系统中的那种趋势过滤器，把这个系统变得类似于一个趋 势跟踪系统，结果会怎么样？这样一改，我们的人市决策还是随机 性的，但前提是入市行动只能与大趋势的方向一致。这是个有趣的 问题，因为无论你观察哪些趋势跟踪基金的表现，你都会发现它们 良莠不齐，差异极大。如果某个基金表现得髙人一筹，它的管理者 当然会说这是卓越的交易策略和执行能力的结果。实际上，超常的 表现也可能源于随机效应，而不是什么卓越的策略。如果你考虑一 下这样的随机效应在系统有优势的情况下还能有多大的影响，你就 能更好地理解这一点。
如果我们在这个完全随机性的系统中加入一个有正优势的趋势 过滤器，那么100次测试的平均表现会显著改善。根据我的测试， 平均回报率上升至32. 46%，平均衰落幅度下降至43. 74%。但即使 加人了过滤器，各次测试之间仍有相当大的差异。在100次随机测 试中，最好的一次达到了 53. 3%的年均回报率和1. 58的MAR比率， 最大的衰落只有33. 6%;但最差的一次只有17. 5%的回报率，最大 衰落却有62. 7%之大。
运气或者说随机性因素对交易者和基金的表现有举足轻重的影 响，尽管那些交易精英们不愿意对他们的投资者们承认这一点。历 史表现在投资者眼中就是响当当的硬证据，但实际上并没有那么硬。 比如，如果你投资于某个基金，你一般希望这个基金的未来表现仍 可以像过去一样好。问题是，历史表现的好坏也是有运气成分的。 有的基金管理得确实很出色，但运气一般；有的基金管理得很一般， 但运气很好。如果只盯着历史记录，你是分不清实力与运气的。随 机效应太大，太普遍，所以你不可能得出确凿无疑的结论。
考虑一下上面所说的100次测试中的最佳结果。假如你的交易 风格比较保守，比如说你的风险水平只有海龟们的25%，那么其中 的一次测试将得出10年内25. 7%的年均回报率和仅仅17. 7%的最大 衰落。我们都知道，一个随机性人市的交易者在未来的表现不太可 能达到这个水平，因为随机性策略是没有优势的。遗憾的是，对一 个只相信历史记录的人来说，诸多交易者之中总有某些看起来技高 一筹但实际上极为平庸的幸运儿。
幸运基因
我们也可以从自然现象中认识随机效应。人类的智力、身高、体育能力、歌唱能力等素质都是随机效应的产物。如果你在某种特 征上拥有良好的遗传基因（也就是说，你的父母都有这种特征），那 么你比大多数人都更有可能拥有这种特征，尽管你的这个特征可能 达不到父母那种程度。假如你的父母都很高，你也很可能是个大高 个儿，但你的父母高于平均身高水平越多，你比他们矮的可能性就 越大。
在遗传学和统计学上，这种规律被称做均值回归或回归效应。 你的高个子父母也拥有高个子基因，而且拥有从身高角度看非常幸 运的基因组合。但是，一个幸运地拥有高个子基因组合的人可以把 基因传给后代，却无法将运气传给后代，所以他们的孩子更有可能 接近于平均身高水平，因为这个孩子不太可能拥有父母那样“幸运” 的基因组合。
投资者们的坏消息
当你用业绩衡量指标去区分好基金和坏基金的时候，你很容易 遭遇随机效应问题。因为运气好的平庸交易者要多于运气不佳的 优秀交易者。假设有1000个交易者，其中有80%接近于平均水 平，只有五六个真正的高手。那么，只有五六个人有可能成为运气 不佳的优秀交易者，却有800个平庸的人有机会拥有好运。如果这 800个人里有2%能幸运地拥有10年的良好记录（从前面所说的测 试中可以看到，实际比率甚至可能高于2%),这意味着，拥有良好 记录的固然有21个人左右，但其中只有1/4是真正的优秀交易者。
运气和时间
时间更加垂青真正的优秀交易者，而不是那些平庸的幸运儿。
即使那800个人里有16人能有10年的好运，他们的表现也很有可 能在接下来的15年中趋于平庸。相反，如果你仅仅考虑过去5年的 记录，那么看似优秀但其实只是运气好的人将急剧增多。这是因为 随机效应的影响在短期内更为显著。
在我们的测试中，假如我们把测试时间缩短，比如说只看 2003年1月到2006年6月的情况，差异水平会有什么变化？根据测 试结果，随机入市系统在这段时期内的平均表现普普通通，回报率 是35%，MAR比率是1.06。这个成绩远逊于那些真正的系统。三重 移动均线系统的回报率是48. 5%，MAR比率是1.50。布林格突破系 统的回报率是52. 2%，MAR比率是1.54。双重移动均线系统也有 49. 7%的回报率和1. 25的MAR比率。
那么，有多少幸运儿从那100次随机测试中产生呢？有多少人 仅凭好运就击败了我们的最佳系统呢？在100次测试中，有17次的 MAR比率高于1.54;在这17次中，有7次的回报率超过了 52.2%。 最好的一个随机交易者获得了 71. 4%的回报率、34. 5%的最大衰落 和2. 07的MAR比率。如果你还想靠3年历史记录寻找优秀的交易 者，请想想这些数据吧。
在你看短期历史记录的时候，你应该明白你所看到的表现有很 大的运气成分。如果你想知道某个交易者究竟只是幸运的平庸者之 一，还是少数真正的高手之一，你应该透过表面记录作更深入的分 析，好好研究一下记录背后的人。
好的投资者投资于人，而不是历史记录。当他们观察交易者时， 他们知道哪些特征预示着未来的优异表现，哪些特征反映了平庸的 能力。这是克服随机效应的最佳方式。有个好消息可以告诉那些正 在作历史测试的人：如果测试结果有可能源于随机效应而不是系统的优势，你是很容易发现这一点的。我们会在第十二章讨论这个问 题，但现在，让我们先来看看历史测试结果与实际交易结果不符的 另外两个原因。
