北交所准入门槛50万，泰达公司和币安可能都会遭美国当局调查。

本来走的好好的市场，现在又出现了摇摇欲坠的感觉，消息面上监管铁拳一直都存在，据彭博社报道，美国财政部官员表示可能会对泰达公司稳定币USDt进行更严厉的监管。

另外美国针对币安的内幕交易也会进行调查。

前几天闹得沸沸扬扬的内幕交易OpenSea产品负责人NateChastain涉嫌高管已离职，本来这个结果也是预料之中的事情，可是，网友们却担心他太太的男朋友的狗兽医费用又怎么办呢？唉，这一届的网友真是操碎了心。

北交所的投资者准入资金门槛是50万，这和其他的准入资金基本上是差不多的，这也在意料之中，以后咱们A股市场的交易所就正式成为了三足鼎立，上海，深圳和北京。

找素材的时候看见霍尊的现任女友找了一帮水军写手来卖惨博同情，装深情还不是利益驱使。

可怜之人必有可恨之处，打败霍尊的不是他的前女友，而是他自己的言行，一切不以结婚为目的的感情都是耍流氓。

他一生只钟情一人，又怎么会身败名裂呢？每个成年人都要为自己的言行负责任，做错事情了，就要承担后果，一切都咎由自取，又怎么能怨得了别人呢？现在想卖惨博同情也没有悔改的意思啊，他真翻身的话，说不定以后还会变本加厉呢

02

海龟交易法则连载——柯蒂斯.费斯著

用拙劣的方法做交易，就像是站在暴风骤雨中的一叶小舟上学杂耍，这当然不是办不到的，但踏踏实实的站在地上玩杂耍，要容易得多，你已经知道根据历史数据测试结果与现实不符的某些主要原因，现在你可能会想，既然这样，我怎么才能知道我究竟能得到多大的回报，或者我怎样才能避免那些问题，或者我怎样用正确的方法测试我的系统？

在观察历史测试结果的时候，你对未来的趋势充其量只能有一个粗略的感觉，幸运的是，即使是粗略的认识，也能赋予一个优秀交易者足够大的优势 ，要理解这种误差的幅度或者说粗略程度会受到哪些因素的影响？必须要掌握几个基本的统计学概念，这些概念都是历史测试的理论基础。

尝试的统计学基础，恰当的测试既要考虑到影响测试解释力的统计学概念，也要考虑到这些解释的内在局限性，不恰当的测试可能导致你空有十足信心，但实际上，测试结果的预测价值缺乏保证，甚至完全没有保证，事实上，糟糕的测试可能会给出完全错误的答案。至于历史的测试为什么充其量只是给出粗略估计。

大部分原因已经在第11章中解释过，本章要讲的是如何提高测试的预测价值，在可能范围内得到最好的粗略估计，通过样本特征，推断总体特征是统计学中的一个领域，也是历史检验结果的未来预测价值的理论基础，其中的核心观点是，如果你有足够大的样本，你就可以用这个样本的情况去近似推断整个总的情况，因此，如果你对某一种特定交易策略的历史交易记录有充分的研究，你就可以对这种系统的未来潜力得出结论。

民意调查就是用这样的方法来推测广大民众的看法的，例如，他们可以从某个周随机抽取500个人进行调查，推测整个州的选民持何种观点，类似的科学家们可以根据一个相对较小的病人群体，来判断某种药物对某种疾病的治疗效果，因为这样的结论是有统计学依据的。

样本分析在统计学上的有效性，受两大因素的影响，一个是样本的规模，一个是样本对总体的代表性，从概念上说，许多交易者和系统测试新手知道样本规模的意思，但他们以为样本规模仅仅指他们所测试的交易次数，他们并不明白，假如某个法则和概念仅适用于少数几次交易，即使他们测试了上千次交易，也不足以确保统计学的有效性。也常常忽视了样本对总体的代表性，因为这是个复杂的问题，没有一定的主观分析是很难衡量的，系统测试者假设过去的情况对未来的情况有代表性，如果这是事实，而且我们有足够大的样本，我们就可以从过去的情况中得出结论，并且把这些结论应用于未来的交易，但如果我们的样本对未来不具代表性，那我们的测试就毫无用处，对系统的未来表现没有任何的指示意义，因此，这个假设至关重要。即使500人的样本足以能够告诉我们谁能当选新总统，而且使用代表性样本的误差幅度不过2%，民主党中随机抽取的500个人能反映全美选民的意向吗？当然不能。因为这个样本并不能代表总体，他只包含民主党人，但真正的选民总体还包括很多共和党人，共和党人的投票对象也许与你的民意调查结果不一致。如果你患了这样的取样错误你也能得出结论或许还是你希望看到的结论，但这并不一定是正确的结论。

调查者知道一个样本对整个总体有多大的代表性是个关键问题，用不具代表性的样本得出的调查结论是不准确的，而犯下这种错误的调查者会被炒鱿鱼。在交易世界中这也是个关键的问题，遗憾的是，交易者与民意调查者们不同，民意调查者们大多都懂抽样统计学，但交易者们大多不懂，在这方面，交易者们的近期偏好，也许就是最常见的迹象，交易者们只注重近期发生的交易或是警用近期的数据做历史测试，这就像是在民主党大会上抽取选民样本一样。

短期测试的问题在于，市场在这种较短期的时期内可能仅出现了一两种状态，反趋势策略的效果会非常好，但如果市场状态改变了，你所测试的方法可能就不再那么有效了，所以你的测试方法必须尽可能的提高你所测试的样本，对未来的代表性。

在系统测试中，你要做的是观测相对表现，分析未来潜力，判定一个特定理念是否有价值，但这里面有个问题，那就是公认的那些业绩衡量指标并不是非常稳定，也就是说，他们不够稳健，这就是评判一个理念的相对优势变得非常困难，因为寥寥几次交易中的微小变化，就能对这些不稳健指标的值产生巨大的影响，指标的不稳定性，可能导致测试者过高评价一个理念或是盲目抛弃一个本来很有潜力的理念，因为他受到了不稳定指标的影响，并没有展现出应有的潜力。如果对数据稍作改变，并不会影响一个统计指标，我们就说这个指标是稳健的，但现有的指标对数据的变化太过敏感， 如此都太不稳健，

在我们对交易系统做历史模拟检测时，参数值的轻微变化，就会带来某些指标值的大幅变化，这些指标本身就是不稳健的，也就是说，他们对数据的轻微变化太过敏感，任何对数据有影响的因素，都会对测试结果产生过大的影响，这很容易导致数据拟合，很容易让你被不切实际的测试结果迷惑，要想有效的测试海龟方法，我们要做的第一件事就是克服这个问题，找到稳健的业绩衡量指标。

在我第一次参加海龟计划的面试时，比尔就曾问过我这样一个问题，你知道什么是稳健的统计指标吗？当时我茫然的呆坐了几秒钟，然后坦白说我不知道，现在我可以回答这个问题了，事实上，数学中有个专门研究不完全信息和错误假设的分支，就叫做稳健统计学。从这个问题中明显可以看出比尔对测试和历史数据研究的不完善本质有清醒的认识，对不确定性也颇有研究，这不仅在当时难能可贵，在今天依然如此。

我相信这正是比尔能获得那种傲人业绩的原因之一，这也又一次证明了里奇和比尔的研究和思维是多么超前于那个时代，我学到的越多，对他们对这个领域的贡献就越发敬畏。

但我惊讶的发现，相比起里奇和比尔在1983年的认识，现在的交易行业并没有太大的进步。

平均复合增长率和夏普比率用作相对表现的衡量指标，但这些指标并不稳健，因为他们对测试期的起始日和终止日非常敏感，这对短于十年的测试来说尤其明显。

如果衰落发生在测试期的开端或结尾附近，最大衰落这个指标也会对测试期的起止日高度敏感，这会把mar比率变得特别敏感，因为它的分子和分母部分都对测试起止日敏感，变化的效果也就在计算中成倍放大了，cagr之所以对测试起止日是敏感，是因为他在对数刻度图中就等于曲线起点和终点的连接线的斜率，而改变起止日会令这条直线的斜率大大改变。

—-

编译者/作者：币圈de精灵

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。