价格走势模型及其主要规定。（第 3 部分）：计算股票证券博弈的最优参数

概述

在之前的文章（第 1 部分和第 2 部分）中，我阐述了产生价格动态的基本原理和隐含机制，这纯粹是理论性质的，甚至超出了观察到的界域（不过，这就是基础）。在本文和后续文章中，我将尝试为一门新的工程学科奠定基础（其中许多计算都具有评估性质），这将令用户能够从观察到的价格动态中得出实用的结论，并将其直接应用到交易。在本文中，我将讨论通常能够提供可持续盈利的工程方式和算法，以及那些可以达成最大平均利润的最优止盈和止损值的概率计算。

1. 模型。

在上一篇文章（第 2 部分）中，我获得了价格概率流的（II.3）方程（为简洁起见，从现在开始，文章《第 R 部分》中的（N）方程编号为（R.N），其中 R 为罗马数字）。这种以简化或可观察形式的概率流表达价格走势“上涨”和“下跌”的概率，或者更准确地说，它创造了这种概率。我们把这种概率实际评估的方式公式化。

 

在离散时间表示（基于柱线概念）中，当价格历史片段（开盘价、收盘价、最高价、或最低价）呈现为序列时（此处的计数顺序是为了让后续柱线的序号高于前一根柱线的序号），价格以离散步长移动。在大尺度上或在相当大的情况下，这令我们能够探讨这种价格跳跃的概率，评估价格走势上涨概率，譬如，其中 — 集合成员数量，或对于下跌 ，其中 — 成员的数量。同时，可以计算平均跳跃的持续时间 

                                                                                                    (1.1)

对应价格。在实际中，我们可以发现，由于随机游走，期间的混沌价格移动偏离了其当前平均值（由这样的概率定义）。偏离约为

              ,                                                                                                      (1.2)

（这由 Casual Channel 指标确认，其通道线，或距周期的移动平均线的偏差（1.2））。

图例 1. 随性（Casual）通道指标

显然，随机价格偏离的特征时间是的阶数的，其中是相应时间帧的临时柱线长度。如果价格随机移动按类似跳跃正好等于 ，我们将看到价格距平均值的相同偏差（1.2）。

 

因此，在此提供的简化模型中，我们将假设价格移动按类似的跳跃，其方向概率为 和 。 

 

按上述方法计算出的跳跃，以及与前一个区间的整体相关的概率，即作为数值范围的平均值，而不是针对不同跳跃影响下形成的当前价格走势，最重要的是，还有尚未预测的 和 概率。

 

正如我在第 2 部分中提到的，传统的统计学方法及其数学装置不适用于由概率波叠加形成的价格动态，因为这样会有相当大的误差。因此，基于应用观测数据的分析，以及相应的概率和统计计算具有近似性质。

2. 实际判定先前的操作概率，并归一化价格速度。使用这些参数来计算未来价格分布的原理。

平均区间内价格走势的平均速度等于

                                                                                  (2.1)

并显示具有相应平均周期的移动平均变化率（其中是柱线索引），而不是某种速度波动。因此，平均速度是一个可实际计算的量值

                .         (2.2)

将（2.1）等同于（2.2），我们得到一个经验判定的参数

               ,                                                                                           (2.3)

我们称之为归一化价格速度，因为，而 。 很容易证明。事实上，例如，从（1.1）遵循不等式

              ,                                                                           (2.4)

需要 配合（2.3）。我们也可以假设 ，且由于概率是 ，那么 。使用（2.3）及 去寻找概率 

                 和  ,                                                                        (2.5)

以及归一化速度的另一种表达式

                 ,                                                                                    (2.6)                               

其中参数

                .                                                                   (2.7)

在进一步的计算中，我们还需要参数  

               ,                                                            (2.8)

归一化速度本身通过它表示如下

                .                                                                                            (2.9)

 

在价格区间上计算的 （2.5） 跳跃概率是区间的平均概率，并参与形成最终价格。因此，如果我们知道（在当前时刻提前知道 价格）这些平均概率，我们就可以预测未来时刻的价格，或更准确地说，是价格的概率分布。在比较价格图表和归一化速度（从和中计算得出）时，我们可以追踪它们的强相似性（通过它们的顶点位置重合），表明正是这个速度（更准确地说，与之相对应的概率）形成了当前价格。

图例 2. 该图例展示了归一化速度图形。

 

事实上，从（2.3）就如此了。这意味着价格是由价格按未来速度的数组，或按它们的间隔平均值形成的

  ,                         (2.10)                                                              

其中，覆盖未来间隔的平均归一化速度，显示在其图形上的点  

            ,                                                     (2.11)

而概率间隔的平均值和被替换了方程（2.5）的（显然，如果在（2.10）中成员在附近，那么我们有类似于和的图形）。然后，得到前向根柱线的足够平滑的预测函数，我们计算了必要的概率和，这令我们能够计算（在那一刻）未来价格的概率分布，及其交易所需的参数（开仓方向和止损单位置）。

 

此处所用的归一化速度预测的本质如下。归一化速度的临时函数，在其数学期望值等于零的范围内波动（或显示全局趋势速度的较小值，如果它覆盖了所考虑的整个区域）。在这种情况下，例如，基于采用形式的条件数学期望的最简单的统计预测，将预测函数带至更接近于零，或根据则是 。换言之，随着相应过程的自相关函数急剧减少，由类似条件开仓的数量降低，且博弈的盈利比之基于最后值进行略微预测的更低。另一方面，价格动态通过振荡过程建模和预测更好。这背后的思路在之前的文章中已经透露过。在理论发展的这个阶段，依据正向根柱线的函数（具有振荡性质）的预测是基于经验历史数据的傅里叶外推计算，因为在这种情况下，采用前几篇文章中提出的小波外推尚未提供瞩目的优势。

3. 趋势品质。评估当前和未来的趋势程度，充足的工作范围。

如果趋势持续时间长于平均时间，则平均时间内价格自然提升（根据（2.1）和（2.3））的量级为

               .                                    (3.1)

增量不确定性 

                ,                                                                                               (3.2)

然后，当价格从随性通道指标通道的一个边界移动到另一个边界，同时以归一化速度匀速漂移时，价格走势的整个范围（见图例 1）估计为

                 ,                                                               (3.3)

其中

                 .                                                                                 (3.4)         

如果我们顺势而为，那么希望偏移值（3.1）仍然明显大于该偏移的不确定性（3.2）

               ,                                                                (3.5)

从它以及（2.6）和（2.9），我们获得了所需平均时间的较低估值

              ,                                                   (3.6)

当满足时，根据（3.4），平均时间（以柱线为单位）计算为 

              .                                                                                  (3.7)

如果不能忽略不确定性价格增量，则考虑平均时间为方程 （3.4）根值的二次方正数

               .                                                                                        (3.7.1)

 

定义趋势品质

               ,                                                                                        (3.8)

作为其自然增量与其不确定性或噪声的比率。很明显，一个稳定的、可盈利的趋势跟踪策略需要较高的品质。但是，计算一种货币品质的趋势品质指标（图例 3）最好也只能达到若干单位的数值。甚至，即使已识别了高品质的趋势，也不可能判定它何时结束，因为涌现的强烈外部事件具有不可预测性，这些事件可能会扭曲市场自身的动态，并结束趋势，甚或逆转趋势。因此，盈利策略只能基于趋势方向上相对较小的波动获利。

图例 3. 品质趋势指标，其中价格增量不取模，即指标的符号指示趋势的方向。

请注意，品质趋势指标读数与归一化速度成正比，其所示如（2.10）比率，摆明与价格历史的峰值位置相似，相应地，品质趋势读数不会滞后。甚至，指标读数也许会跃过（它们经常这样做）价格走势，因为即使在趋势改变之前，相应的价格走势速度（上升趋势的增长、或下跌趋势的下降）也会降低。不过，该指标的这种预测行为只在市场未受到强烈影响，其自身走势未受扭曲的情况下才会发生。在这种影响之后，在它们的放缓时间内，品质趋势读数变为“正常”滞后读数，滞后由其平均周期决定。

 

我们来分析一下函数的行为，并评估可能的趋势程度，前提是市场未受到强大第三方的影响。随着平均周期的减小，归一化速度的计算值也许会增加（毕竟，在持续变化的市场中，“瞬时”值会比平均值的幅度更大，且均值越大，这种变化越小），即在品质因数比率中，成员 ，反之亦然， 这令函数可能具有最大值。不过，在非常小的间隔内，当的真实概率和跳跃是恒定时，由于市场状况的微小变化，它们在覆盖这个短暂平均周期的统计计算值和，很可能与真实概率有很大不同，因为随着不确定性周期的减少，计算出的概率和增加。因此，针对平均周期提供的计算，比之可靠概率或多或少，应满足类型比率，这将决定其最小值。否则，当（尽管在较小平均间隔下，这种情况比在瞬时归一化速度下大幅波动的情况更广泛，因为这种比率也可能在大间隔内发生，并且真实概率会快速变化），不能使用统计计算的概率值。注意，在归一化速度出现强烈波动的情况下，基于它的函数也会在其最大值附近剧烈波动，因此应选择最大值来分析市场状况，令其形成更平滑，如上所述，这是通过足够大的平均周期达成的。如果满足条件，这是进一步理论中履行的假设，则估算的概率和可等同于概率和，那么我们也写为和。

 

恰恰在那些和概率恒定的区域，形成了稳定的趋势，而据主导概率的下跌（即 ）会降低增量的增长率，甚至可能（当达到反比关系时）逆转趋势，这也会导致计算出的品质因子的下降。与之对比，高品质因子及其增长不仅表明了主导概率的强于，且也与其恒定性甚至增长有关。. 因此，趋势品质（3.8）越高，它在那里出现的可能性就越大，即覆盖整个间隔，而低品质值代表横盘。同样清楚的是，如果我们增加平均周期，不仅涵盖趋势（长度为），而且还涵盖横盘，甚至涵盖价格历史中具有反向趋势的一部分，那么品质因子将急剧下降；因此，趋势的长度由峰值品质因子确定。

 

如果我们增加周期，如此我们可用它覆盖一个更大尺度的单边趋势，而不只是较小趋势部分的尺度长度，趋势品质相反会增加，因为由于不同时间帧的图表具有相似性（前提是），（3.8）中的归一化速度尺度几乎保持增量不变，而会增加。此外（这已经需要数值计算校正，出现在品质方程（3.8）中），趋势的噪声污染被大大小小的混沌价格跳跃急剧放大，这些跳跃超出了由“标准”跳跃（对应于所考虑的模型）形成的统计分布，其概率为和。这种非标准跳跃对于所有尺度都是相同的，并且会给趋势带来“额外”噪声，故这种额外噪声的权重随着趋势被识别的尺度增长而降低。上述所有情况都意味着，在全局单边趋势的情况下，函数可用于定义数个品质峰值，其将随着增量,或已标识趋势区域尺度的增加而上升。

图例 4. 当前函数。此处的 X 轴显示平均周期从 10 到 160 的品质趋势，而不是时间。

  

最后，博弈不是基于已经形成的历史，而是实时的，一系列预测的知识，基于一组归一化速度预测值，这是必要的。因此，为了评估新出现的趋势的可能长度，我们需要遍历平均周期的整个谱系，并辨别预测品质的最大值，当其预测从当前柱线向前推进根柱线时，即计算

               ,                                                                 (3.9)                 

其中是第个最大值的识别函数。在这种情况下，我们还需要设置最大峰值

                 ,                                                                                    (3.10) 

及其在平均尺度上的相应点。  

 

很明显，在较小的平均间隔下，达到预测品质的最大峰值，前提是在这些间隔内品质也很显要，并且单调增长，或按增序（也基于不断增长的积压）峰值，这将是一个相应的单边趋势（在每个品质峰值之后回滚）。在品质的最大峰值的之后，当它开始落在相应平均值的尺度上时，趋势会放缓，这也许很快就会导致逆转。当峰值非常明显时，后者最有可能出现，因为所考虑的证券产品的品质因子罕有达到大于的值。无论如何，上升趋势将持续到 ，直到标记，在达到该标记之前，我们需要把据该趋势的开仓全部平仓。   

 

现在我们尝试估算有望进行交易的趋势段的长度，其不一定等于趋势的预测长度。首先，由于预测数学本身的工作可靠性较低（适用于其所有类型，甚至各种频度和其它外推器，包括神经网络和 ARIMA，等等），盈利应该在已识别未来趋势的相对较小片段上获取，该趋势更有可能形成。因此，如上一段落，不等式应当必然得到履行。其次，所拟议模型使用未来概率的估算值和，并且假设平均跳跃是恒定的，因为当市场根据其自身的规律惯性发展时，预测有作用。然而，如第一篇文章（第 1 部分）所示，可预测市场发展的间隔从最后一个强烈的外部事件开始，一直持续到下一个此类事件的发生。因此，这里正在开发的整个数学装置有足够的工作范围，其中量值等于强烈外部事件开始时从当前柱线到未来柱线的数量。如果我们试图在给定的范围之外使用这种数学设备（这极端重要），这将导致其操作错误，和不可避免的损失。为了检测这种数学装置充分运作的可能范围，其必须在基本面分析或专家研究的基础上构建，评估所有当前和未来政治和经济事件对市场状况的影响强度。因此，有望进行交易的预测趋势部分的长度是按比率从上面估算的

              ,                                                                        (3.11)   

自下而始，它的估计应，根据先前建立的概率不确定性（波动）的小比率比之概率本身

               ,                                                                                    (3.12)

这也是从预测的品质因子图形中判定的，并且对应于那些区域，该图形变化非常平滑。趋势的这一部分的预期自然价格变化是

               ,                                                                                    (3.13)

这对应于通过纯粹的顺势策略获得的利润级别。

 

第三，趋势区段长度的选择也应该基于下面给出的计算，这基本上允许我们设置间隔值，在给定的市场条件下，可以在该值上获得平均统计利润，即。除此之外，交易者自行选择时间帧，并且真实（并非由公式 （3.8） 计算出的模型）品质随着时间帧的降低而降低，这是由于所有时间帧上的价格噪音由于其非模型（在所有时间帧上雷同）跳跃。因此，交易者可以选择具有高趋势品质的选项，但等待获利的时间很长，这在大时间帧内就是如此；或者从低品质趋势中快速获利（相应地，风险更大），其典型在小时间帧内。

4. 在恒定操作概率下，计算产生最大利润的止盈和止损值概率，以及后者的表达式。

设置任务。 

价格在垂直维度上从零标记跳跃式移动。价格分为向上跳跃的概率、价格向下跳跃的概率，。当然，此处有预测的平均值和，现在并不重要。在顶部，在距离 “a” 处有止盈，而在底部，在距离零标记的 “в” 处有止损（在坐标轴上查看时）。找到确保最大利润的证券交易博弈参数。

 

求解。

              价格可以到达坐标为 “n” 的点，也可以从下方的 “n-1” 点，或上方的 “n+1” 点开始。因此，在点 “n” 处找到价格的概率等于 

               .                                                                                     (4.1)

从（4.1）中，我们得到了有限差分方程 

                                                                                (4.2)

 

等概率跳跃。 

              我们首先考虑等概率跳跃的情况。此处，我们从（4.2）中得到以下内容

               ,                                           (4.3)

其中是一个常数，我们从中找到

               .                                                                                                 (4.4)

              价格在其走势开始时刻，零点处的概率是，因此， 

               .                                                                                                      (4.5)

              我们假设止损 “в” 与止盈 “a” 一起构成了走势价格范围特征（此处评估（3.4）的平均价格跳跃），该走势覆盖了概率和的恒定性所基于的均化（和走势）周期。已经处于止损点的价格达到止盈的概率为零。代入（4.5），我们得到

                                                                                                                       (4.6)

连同（4.5），这为我们提供了达成止盈的概率等于

                                                                                                                        (4.7)

而触发止损的概率

               .                                                                                         (4.8)

因此，价格跳跃往不同方向的可能性等同，平均利润依据跳跃次数

                                                                          (4.9)

始终为零（当然，点差会令其为负数），无关止盈和止损的位置，其可以是任何东西。 

 

有一种朝止盈移动的趋向。

 

设（或者更准确地说，），则乘以所有方程（4.2），我们发现

               ,                                                      (4.10)

约简（4.10）中的雷同因子，使用注释符（2.7），并考虑，我们得到 

                .                                                                                 (4.11)

我们使用进一步关系 （4.11） 和几何级数求和的方程，显示作为概率序列的相邻项差值之和

 ,             (4.12)

 ，因此，

                                                                                                   (4.13)

 ，故，

              ,                                                                                           (4.14)

（4.13） 除以 （4.14），我们得到达成止盈 “а” 的概率               

              .                                                                                                      (4.15)

相应地，触发止损的概率等于。那么价格跳跃中每笔持仓的平均利润等于

               ,         (4.16)

在该表述中，（4.16）是止损值 “в” 的函数，该表述只是跳跃的次数，但实际上有一个值。利润是。很明显，随着价格向持仓方向移动的可能性增加，平均利润（4.16）增加。当取值时，即是自的递增函数。

 

我们找到平均统计利润的最大值（4.16），前提是给定的值为 N 和 。为了达成这一点，我们讲其导数等同于零

                ,                                                             (4.17)

从那里我们可以找到价格跳跃中所需的止损值 

               .                                                                                        (4.18)

 

由于，对数为正，且。相应地，对数值应为正数。条件满足，如果

               ,                                                                                               (4.19)

或   

      ,                                                      (4.20)                                                                                      

其中。 (4.20) 不等式对于任何都严格满足，因为指数只在处越过直线。 

函数的二阶导数（4.16）

                                                                            (4.21)

在这些条件下始终是负数，即函数的曲率向下，我们在 （4.18）处得到最大值。函数（4.16）在 N=100 和时，如图例 5 所示。 

图例 .5. 利润函数对止损的依赖性。

请记住，为了使平均利润为正，比率应显著超过 1。事实上，如果，其中及我们可以忽略扩展的第二项，只留下第一项，那么每笔交易的平均利润 

    (4.22)

将等于零（如相反跳跃的概率相等的情况）。如果不能忽略扩展的第二项，那么考虑到跳跃次数足够大或，我们有

               ,                               (4.23)

这将为平均利润（4.16）提供一个正数值

               ,                          (4.24)

因为，（且，因此，）。

              相对于参数的近似平均利润（4.24）是一条倒置二次抛物线，其最大值达到（止损和止盈相等），当时。

 

这是非常重要的一点。在上面阐述的理论中，平均利润仅根据平均价格值计算，实际上，平均价格值波动很大，甚至可能大大超过其波动范围内相应的平均变化。然而，破位单（止盈和止损）不是在平均价格值处平仓，而是恰好在其波动区间的边缘平仓。因此，为了令所讲述的数学装置（基于平均值）起作用，止损应大大超过价格不确定性（如此其波动触发与模型触发的平均值差别不大，并且这些波动可以忽略不计），即根据（1.2）， 

                .                                                                                                         (4.25)

在这种情况下，使用（3.7.1）表达式代表平均周期，从（4.25）中获取函数，以下不等式应满足

               ,                                                                 (4.26)

这是价格波动小的标准，其中是从（2.6）比率中发现的。通过将（4.26）代入（4.18）止损，我们得到函数图（图例 6），它清楚地表明这样的函数不会大于零，但对比之，它基本上为负，即比率（4.25）永远不会满足于最优止损（4.18）。

 

MATLAB 代码

>> [N,a]=meshgrid([3:200],[1.01:0.01:3]);
>> b=log(N.*log(a)./(1-a.^(-N)))./log(a);
>> beta=(a-1)./(a+1);
>> s=(N.*beta+1).^(1/2)./beta;
>> y=b-s;
>> plot3(N,a,y)
>> grid on

   

图例 6. 当 Alpha 从 1 到 3 变化，且 N 从 3 到 200 变化时的 “y” 函数图。

 

 

因此，使用上面计算出的破位单值将导致平均统计亏损，因为价格波动从摆明了大于其平均止损走势模型中的最优解

               .                                                                                                              (4.27)

这意味着我们需要改变止损本身的大小，而不是寻找平均周期，其令最优止损（4.18）相对较小（4.25）（因为此任务无解）。当然，这也将改变利润。

 

平均价格走势模型的最优止盈与预测移动平均价格的点重合，该点位于当前柱线之前的柱线。但如果我们考虑到价格与平均值的强烈偏差，在破位单触发之，那么（如图例 1 中的随性通道指标图形所示），为了确保博弈盈利，这种最优止盈应该依据大于平均偏差的量值相应减少

              ,                                                                                                  (4.28)

其中弱趋势（几乎没有利润）的比率应略大于 1，而强趋势的比率应近似于，这里正好是应通过优化寻求其确切值的参数，且止损应按相同的量值增加，即 

               .                                                                                                  (4.29)

然后，止损，其值自可能的价格偏差（对于根未来柱线）平均值的距离，与持仓反向间隔，触发的频率将低得多，概率低于，而止盈的触发频率则更高，概率高过。相应地，为了获得最大利润，我们获得估算值

               , (4.30)

其中是来自（4.16）的值，或考虑（3.7.1）

                                                                    (4.31)

其函数（来自（4.18）的最优 b 的情况下）能够构造，如此我们能够找到最大化的 N 值，以及均化周期。 

 

k=3 的 MATLAB 代码

>> [N,a]=meshgrid([3:200],[1.01:0.01:3]);
>> b=log(N.*log(a)./(1-a.^(-N)))./log(a);
>> beta=(a-1)./(a+1);
>> s=(N.*beta+1).^(1/2)./beta;
>> s0=N.*(1-a.^(-b))./(1-a.^(-N))-b;
>> Profit=s0-3*s;
>> plot3(N , a, Profit)
>> grid on 

 

图例 7. 利润函数图（在价格跳跃模型中），当 Alpha 从 1 到 3 变化，且 N 从 3 到 200 变化时。

该图形显示，具有正数学期望利润通常是可能的，并且随着 Alpha 和 N 的增加而增加。 

 

为了找到最有希望的平均周期，我们需要构造一个预测品质因子函数。这就是开发 CalculateScientificTradePeriod 脚本的原因。我们需要通过最大位置来定义最有希望的周期，其中当顺利达到该最大值（满足（3.12）比率），且所在不超过充分工作范围时。如果以这种方式找到值提供了正（以及至少超过几倍点差）的利润值（4.31），以及足够高的获胜概率（4.15），从而设置间隔，那么交易决策应此处基于它。为了计算最优（最大化平均利润）止盈和止损，以及判定进一步的价格趋势，我开发了 ScientificTrade 指标，其算法基于上述整个理论。

 

注意，CalculateScientificTradePeriod 脚本算法非常耗费资源，故我们使用脚本，而不是指标，它将在每次跳价时运行此算法，并令计算机卡顿。FindScientificTradePeriod 指标显示脚本计算的数据。  

 

 

图例 8. ScientificTrade 和 FindScientificTradePeriod 指标。 

 

图例 9.ScientificTrade 指标结果。 

5. 在数学装置本身的框架内应用计算的不可消除错误。识别自然发生的价格反弹和反转时刻的方式。

如前所述，由 ScientificTrade 指标预测的趋势，以及按照止损和止盈位置指标计算出的趋势基于和预测值，由于预测装置本身的不可靠性（在傅里叶外推器指标中），这些值也许会被证明是错误的。因此，在上述所有数学装置的充分工作范围内，这种预测也许会被证明是假的。

为了排除至少一些假的数学预测情况，ScientificTrade 指标在 CalculateScientificTradePeriod 脚本确定的区间上计算出的趋势，应与由权威基本面分析专家提供的给定区间的预测趋势一致。很明显，如果 ScientificTrade 和专家都提供了相同的假预测（我们无法知道），那么亏损也是不可避免的。根据我的主观观察，比之 ScientificTrade 指标与 CalculateScientificTradePeriod 脚本相结合，专家更容易犯错误，在我看来，这是因为市场发展的内在规律比大多数导致趋势变化的外部事件具有更强的影响，专家无法判定这些。甚至，这种由内部原因引起的市场反转，往往发生在强烈的外部事件开始之前，而且比这些事件更频繁。以下将讨论相应的机制。        

为了表达上述问题的本质，首先应该注意的是，即使市场按照自己的规律发展（当价格不受强大的外部事件推动时），价格也并不总是等距跳跃。这个概念是一个简化的模型，它令我们能够至少明白一些东西，并在市场混乱中进行计算。在现实中，比之平均静态趋势，价格偶尔会做出短期（超出经典统计界域）的强劲走势，取决于该趋势向某个方向缓慢漂移（波动很大）。甚至，如果这种强劲的波动不是由市场的外部影响引起的，而是源于其内部过程，那么它们通常与统计趋势指向对立。因此，如此强劲的走势会砸向止损，并令大多数散户造成最大的损失。

事实上（如果我们排除交易服务和报价提供者有目的地砸向止损），于此 Le Chatelier 的原理与量变产生质的辩证法相结合。在达到某种市场金融产品的特定（也取决于市场）增长（或下降）水平时，品质就发生急剧跳跃，根据 Le Chatelier 原理（其作用延伸到任何处于均衡状态的复杂系统，包括经济，大多数时候，经济都是通过接近的准均衡状态发展起来的）， 倾向于抵消上述数量的增长，令其急剧降低（跳跃）。由于市场作为一个系统，随着其单调的发展，逐渐穿过接近的准均衡状态，Le Chatelier 原理不会对其微小的变化做出反应，而是在给定系统中已经积累了大量的数量时突然起作用。从市场波浪模型（第 1 部分）的角度来看，这种跳跃可以通过相应市场金融产品的部分概率波阶段的接近性（或相等性）来解释。

理论上，可以使用比率（II.17）来识别价格自然跳跃的方式。然而，在实践中，使用预测的品质因子图形来检测即将到来的跳跃要容易得多。特别是，如果未来某个时刻的预测品质因子（与当前柱线相距根柱线）在相应的时间帧内超过或接近给定市场金融产品的某个临界值，即（如果我们考虑当前而不是预测情况，那么简单地说），那么此时全局趋势变化是可能的。

一般而言，自然价格跳跃（任何性质的，包括全局的和小的）在其分布的概率幅度水平上，由反对称小波描述（第 1 部分，比率（I.17）），当在构成其全部概率幅度的所有部分价格波的相位接近甚至相等后，由于相应小波的不对称性，后者的相位被反转，这导致实际和概率的急剧变化，然后，这将与预测概率和本质不同。很明显，当由于市场自身规律而发生品质跳跃时，这种危急情况应该被排除在交易之外。这种部分价格波的不对称性确保了它们与费米子（fermions）的相似性，这决定了改变价格水平及其显著宽度的持续愿望（其被解释为价格波动的结果）。因此，更正确的做法是，不用普通的统计来描述市场金融产品的演变，而是用费米-狄拉克（Fermi-Dirac）统计。  

由于所述的价格波反转效应（第 1 部分），处于其走势的最激烈阶段（其概率幅度的最大模量），有趣的是注意到，似乎基于最高品质因子的最优交易参数也应确保最大利润。然而，由大多数交易者认定的这些交易参数（直观或数学上），均扎根于有关单调过程及其惯性的习惯观念（在物理宏观中观察到的一切特征），而实际上这会导致最大的损失。

结果就是，日常的“规律”在此也被证明是对的：钱生钱，其中大部分存储在银行，所以市场从散户那里捞金。毕竟，由于上述原因，市场突然（经常这样做）开始发展，与大多数交易者预测的趋势相反。这个过程没有人类的“邪恶”意图。市场没有物理宏观过程的恒定惯性（散户在一段时间内利用它来获得利润），并且在某些时刻（对于没有相应理论的专家和交易者来说是不可预测的），在危急水平上受其内部规律作用的影响下（甚至超过强大的外部事件影响），很容易就能逆转由不同市场参与者造成的个别部分价格波的阶段。 

总体而言，市场由混乱支配。这就是为什么，如果任何市场秩序被最大程度地识别，那么它就必须被推翻，这可以被认为是一个公平遵守的市场规律。若不知情，就不可能获得稳定的利润。

结束语

本文介绍了我创建可盈利交易策略的工程方式。这种方式表明，市场为交易者留下了一组极端狭窄的开仓和平仓条件，其可为博弈提供预期的正利润。这一套无法通过经典方法识别。但是，具有正利润预期的博弈仍然是可能的，我个人使用基于这种工程方式的 ScientificTrade 指标，以及使用傅里叶外推进行预测（尽管统计数据距显要尚远），在某种程度上确认了这一点。当然，这个指标还有待改进。在当前，它的主要缺点是使用了不够精准的数学预测装置。