市场不会在乎你的感受，他既不会在你得意扬扬的时候吹捧你，也不会在你灰心丧气的时候安慰你。

在系统性交易中，决策依据的是机械性的法则，什么时候买入和什么时候卖出都是由这些法则明确规定。

当你开始实际交易时，你会发现比你想象的要难得多，把真金白银投入市场和练习模拟完全不是一回事，找到你个性的优缺点，与你的交易风格相匹配是非常重要的

不要做一个妄自尊大的傻瓜，每次行动之前都花点时间，想想自己的言行对他人的影响，也更加宽容的对待，偶尔碰到的那些自大狂，因为我们自己也是自大狂

始终如一的坚持你的策略是成功的关键：

1. 一种系统性的交易方法；
2. 对方法局限性的深入了解；
3. 用来建立交易系统的工具

这三者能帮助你成为更加成功，更加坚定的交易者，必须前后一致，必须执行你的计划，否则你的计划就毫无意义。

Essay

Maizi told me that the birthday present she got me has already arrived, but I haven’t had time to pick it up yet.
There’s still over a mouth until my birthday, so I think I’ll wait until then to open it.
Thank you Maizi.

不要预测未来

我们无法准确的预测系统在未来的相对表现，充其量只能泛泛而谈而已，对这一点的成熟认识，对建立一个稳健的教育系统至关重要。

认清现实是关键性的第一步

没有人可以预知未来，而且任何以历史数据为基础的测试都有相当大的内在偏差。

稳健的交易：

就是用稳健的交易策略来抵御市场波动的风险。

如果你的交易策略以未来不可知的前提假设为基础，那么未来任何市场状态都以在你的预料之中，你不需要预测什么，相反，如果添加了很多假设条件，那么这些假设不成立你的策略就失去立足点。

稳健交易策略的两大特征：分散化和简化

1. 增加交易法则会加剧对特殊条件的依赖性，尽可能减少这类法则，就是简化的要诀。确保系统法则能适应各种不同的这种状况，而是让系统保持简单不容易受市场变化的影响。对交易系统添加新的规则，这样的规则越多，系统对特定市场或行为的依赖性就越高
2. 分散是指选择尽可能多的非关联市场，或者在同一时间使用不同的交易系统
   选择低关联性的多个市场，是提高交易文件性的有效方法
   排除某个市场的主要原因在于流动性问题，低流动性的市场也更容易受到价格动荡的冲击
3. 通过不同市场的分散化，还可以通过系统分散化来加强稳健性，同时使用多个交易系统，特别是彼此差别极大的系统，你不可能预见实际交易中会碰到什么样的市场状态。

每个交易策略都有更适合他的市场状态，趋势跟踪系统在平静的趋势中表现更好，逆趋势系统在稳定波动的市场状态下表现更好，滤器之所以可以让系统表现得更加文件，就是因为它可以把不利状态的市场踢出去。

市场的三个大类：

基本面市场： 如外汇和利率市场，受到更高层面的宏观经济政策影响，投机者对其影响不大，对趋势跟踪者来说，这样的市场有利

投机者市场： 股票或者或者期货市场者的影响要大于政府和机构，对趋势跟踪者来说，这样的市场不好把握

衍生品市场： 对趋势跟踪者来说，这样的市场最难把握。

成熟稳健的策略总是在多个不同的市场中使用多个不同的交易策略。

Essay:

I played badminton today with Zhanshen and QiuQiu, We got totally crushed-it was clear that QiuQiu is on a whole different level.
Looking back over the past two years, Under Zhanshen’s influence , I’ve exercised more. I want to keep up the habit of doing at least one intense work out every week.

海龟式交易：

选择一种机械式交易模型：
ATR通道突破系统
布林格突破系统
唐奇安趋势系统
定时退唐奇安趋势系统
双重移动均线系统
三重移动均线系统

由于我并不使用上面任何一种交易模型，所以我就不做介绍了。

历史回测的谎言：

历史测试结果和实际交易结果的差异主要有四大因素造成

交易者效应： 如果一种方法在近期赚了很多钱，那么其他交易者很可能会注意和模仿他导致这种方法不再像一开始那样

随机效应： 历史测试结果夸大了系统，内在优势可能是纯随机现象
运气和时间是不可能忽略的因素。

最优化矛盾： 选择特定参数的过程，可能降低事后测试的预测价值

过渡拟合： 系统可能太过复杂，市场行为的一个轻微变化会造成结果明显不同

脚踏实地的测试：提高测试的预测价值

稳健统计学：由于大部分的测试方法，对起止日期都非常的敏感，改变起止日期会使结果大相径庭。

本章节太过专业以至于我觉得作者都已经学术化了，对我本来说就是：重视风险回报比。

Essay:

这次就用中文来写这一部分，今天听到一个有趣的比喻，假设你很有钱，但是又没有建立起自己的“势力”，那么就像3岁小孩抱着金砖穿过闹市。发小因为一点小事被抓坐牢，与这个比喻十分贴合，他只是一个农民的儿子，并且没有亲人朋友从他发财中受益，在这些前置条件下，他为村里捐路灯的行为，就充满了风险，为自己树立了很多敌人。抛出2个直击灵魂的问题：
1. 你赚的钱，除了家人之外，让哪些额外的人因此受益？
2. 你赚到钱，是否受到他人的尊重，家人的尊重，是否受到社会的尊重，是否有社会地位？

资金管理更像是一种信仰一门艺术，而不是一门科学，资金管理中不存在正确的答案。不存在确定一个人风险场的最佳方法，只存在对个人有效的个别答案，而得到这些答案的唯一方法是问正确的问题。

风险管理就是两个极端之间的一种平衡，一方面风险不可以太大，不然到头来可能迅速赔光本金或者被迫退出交易，另一方面风险太小也不行，可能会收效甚微一无所获。

这里这个概念可以用盈亏比来简化，比如盈亏比3:1的交易，我觉得就是划算的交易，风险回报有正期望值

注意复利的力量：

每年20%到30%的稳定回报就能在短期内给你巨大的财富，如果你初试投入5万美元，年均回报能达到30%的话，二十年之后你将拥有将近1,000万美元！

我认为的最高风险阈值：

1. 在每一笔交易上的风险投入达到了交易资本的3%，那你离破产就不远了。
2. 衰落幅度最多不能超过你的承受上限的二分之一，即使系统出现了前所未见的大幅衰落，也不太容易被一次出人意料的价格动荡洗劫一空。
3. 正确的资金管理其实非常简单，对一个特定大小的交易账户来说，你可以在每一个期货市场中安全的买入特定的合约数量，对某些市场或者较小的账户来说，这个数量可能是零0

以下是期货交易主要失败的原因：

没有计划： 许多交易者的行动依据的是直觉传闻猜测和盲目的自信
风险过大： 许多出色的交易员是因为承受大的风险而破产的
不切实际的期望： 很多交易员他们对自己的盈利能力和回报水平有不切实际的期望。

你可以花费很多的学习时间、很长的学习过程，去认识到交易有多么简单，但是大多数教育者不知要经历多少失败才能认识到简单行事，抓住核心有多难

生存是第一位的：

注意：我们在和市场的博弈中，有个巨大的优势：时间站在你这边的。 一个期望值为正的模型，早晚会给你带来财富 。

不要去预测哪些市场会形成趋势
不要预测哪些交易会获得成功
对任何一笔交易的期望和投入都是相同的

Essay:

Maizi suddenly asked for my address through WeChat, probably because my birthday is coming up.
I had told her earlier that I helped her pick out a gift for me.
I thought she had forgotten about it
I’m so happy that she remembered.

衡量风险

理解风险，尊重风险，这是顶尖交易者的标志。

每一个人都想在特定的风险水平下赚到尽可能多的钱，或者在特定的希望回报水平下，承受尽可能小的风险。

我们随时要为以下四种风险做好准备

衰落： 一连串损失，使你的账户缩水：
这是交易者放弃交易或者以失败收场的主要原因。如果账户回撤太多，人们对自己承受这类损失的能力，并不那么了解。
如果想获得100%以上的回报率，那么必须承受70%的回撤。如果不遵循自己的交易模型，有选择的进行交易，以降低风险，那么也会损失机会。

低回报: 回报太低，你赚到钱微不足道
同样是年均30%回报率，选择一个稳定的交易模型，比一个5% - 100% -5%的系统要好得多。

价格动荡： 一个或者多个市场出现价格的骤然变动，导致无可挽回的重大损失。
回测交易模型的时候，很容易低估风险，比如市场一天波动50%的情况会被忽略。我个人建议要做好挂单止损。

交易模型死亡: 市场改变，致使曾经有效的系统突然失效：
这种风险可能不来自于市场本身，而来自于蹩脚的测试方式。一个交易模型是处于正常的衰落期，还是真的不再有效？这很难判断。

量化风险：

1.最大衰落，回测是一定要考虑近10年甚至20年的最大跌幅。
2.最长衰落期：在一段损失之后，需要多长时间才能重新站上新的高点
3.回报标准差：
4.R平方值

量化回报：

1.平均复合增长率
2.滚动平均复合增长率
3.平均月度回报率

这部分没有读懂，请参考原文

每个人都不同： 我们每个人都有不同的风险承受能力和回报期望。