每次你評價交易系統的時候，都要跟買入持有策略（SPY）進行比較。除了一些信託基金和少數投資經理沒有使用它，該策略在大多時候都是無敵的。有效市場假說強調沒有人能戰勝股票市場，所以每個人都應該購入指數基金，因為它能反應整個市場的構成。SPY是一個交易型開放式指數基金（一種可以像股票一樣交易的信託基金），它的價格有效反映了S&P 500中的股票價格。買入並持有SPY，說明你可以有效地匹配市場回報率而不是戰勝它。

下面是SPY的資料，讓我們看看簡單買入持有SPY能得到的回報：

買入持有SPY比我們當前的交易系統好——我們的系統還沒有考慮不菲的交易費用。考慮到機會成本和該策略的消耗，我們不應該用它。

怎樣才能改進我們的系統呢？對於初學者來儘量多樣化是一個選擇。目前我們所有的股票都來自技術公司，這意味著技術型公司的不景氣會反映在我們的投資組合上。我們應該設計一個可以利用空頭頭寸和熊市的系統，這樣不管市場如何變動，我們都可以盈利。我們也可以尋求更好的方法預測股票的最高期望價格。但是不論如何我們都需要做得比SPY更好，不然由於我們的系統會自帶機會成本，是沒用的。

其他的基準策略也是存在的。如果我們的系統比“買入持有SPY”更好，我們可以進一步跟其他的系統比較，例如：

（我最初在這裡接觸到這些策略）基本準則仍然是：不要使用一個複雜的，包含大量交易的系統如果它贏不了一個簡單的交易不頻繁的指數基金模型。（事實上這個標準挺難實現的）

最後要強調的是，假設你的交易系統在回溯測試中打敗了所有的基準系統，也不意味著它能夠準確地預測未來。因為回溯測試容易過擬合，它不能用於預測未來。

結論

雖然講座最後的結論不是那麼樂觀，但記住有效市場理論也有缺陷。我個人的觀點是當交易更多依賴於演算法的時候，就更難戰勝市場。有一個說法是：信託基金都不太可能戰勝市場，你的系統能戰勝市場僅僅是一個可能性而已。（當然信託基金表現很差的原因是收費太高，而指數基金不存在這個問題。）

本講座只簡單地說明了一種基於移動平均的交易策略。還有許多別的交易策略這裡並沒有提到。而且我們也沒有深入探討空頭股票和貨幣交易。特別是股票期權有很多東西可以講，它也提供了不同的方法來預測股票的走向。你可以在Derivatives Analytics with Python: Data Analysis, Models, Simulation, Calibration and Hedging書中讀到更多的相關內容。（猶他大學的圖書館有這本書）

另一個資源是O’Reilly出的Python for Finance，猶他大學的圖書館裡也有。

記住在股票裡面虧錢是很正常的，同樣股市也能提供其他方法無法提供的高回報，每一個投資策略都應該是經過深思熟慮的。這個講座旨在拋磚引玉，希望同學們自己進一步探討這個話題。

作業

問題1

建立一個基於移動平均的交易系統（不需要止損條件）。選擇15支2010年1月1日之前上市的股票，利用回溯測試檢驗你的 系統，並且SPY基準作比較，你的系統能戰勝市場嗎？

問題2

在現實中每一筆交易都要支付一筆佣金。弄明白如何計算佣金，然後修改你的backtes()函式，使之能夠計算不同的佣金模式（固定費用，按比例收費等等）。

我們現在的移動平均交匯點分析系統在兩條平均線交叉的時候觸發交易。修改系統令其更準確：

當你完成修改之後，重複問題1，使用一個真實的佣金策略（從交易所查）來模擬你的系統，同時要求移動平均差異達到一定的移動標準差再激發交易。

問題3

我們的交易系統無法處理空頭股票。空頭買賣的複雜性在於損失是沒有下限的（多頭頭寸的最大損失等於購入股票的總價格）。學習如何處理空頭頭寸，然後修改backtest()使其能夠處理空頭交易。思考要如何實現空頭交易，包括允許多少空頭交易？在進行其他交易的時候如何處理空頭交易？提示：空頭交易的量在函式中可以用一個負數來表示。

完成之後重複問題1，也可以同時考慮問題2中提到的因素。