这又是一个根据系统的历史表现分析交易顺序的技巧,它试图通过之前的交易来预测交易结果是否存在依赖性(即预测利好结果或不利结果)。
如果一个系统的表现是盈利和损失交替进行，那么不管任何人，即便是一个不懂资金管理的人，都可以在一次获利之后，忽略下一个信号,根据再下一个信号进行操作。然而，这种情况是绝对理想的，在实际生活中根本不可能存在。但是,我们还是可以研究它们之间的一些规律，以获得一些操作指南。这与抛硬币多少有些类似，对于每次抛掷，出现正面朝上的几率都是50%，对于盈利比例为54% (当然可以选择任意比例)的交易系统也同样如此，每次交易的获胜几率都是54%。这种观点完全否定了交易的依赖性，还要考虑的是，交易都是依据市场表现进行的，因此并不能排除市场长时间保持某一特征的可能性。总而言之，这并非纯粹的概率事件,它就像受到一个外部因素直接引导的结果。
所有人都会对此进行权衡，然后再决定是否冒险。就我个人而言，我对它的有效性并没抱有太大的信心，但我觉得还是应该把它提出来，供大家思考和比较。
为了获取交易之间的相互依赖性到底有多大，我们使用所谓的Z-分数公式来计算:
公式中，N代表交易数, R代表系列数(若千个连续利好的交易为一个系列;同样，若千个连续失利的交易也是同一个系列)，X=2xWxL, W代表盈利的交易数，L代表失利或无效的交易数。
如果Z-分数为正值，代表资金呈现一种盈利和失利交替进行的趋势，也就是说，获利交易之后的下一次交易必然会失利，反之亦然。而如果Z- 分数为负值,代表一连串交易的结果。实际上，R值越大(也就是说系统的交易变化越频繁。如果交易
情况是类似于输/赢/输/赢的完全交替，那么此时的R值即与N.交易数值完全相同)这一结果的分子就越大;而如果R值减小(假设所有交易都是盈利的，那么交易只有一种顺序，因此R为1), 使用这一公式计算出来的结果即为负值，并且会越来越小。
然而，为了做出正确的决定，仅仅计算出正负值是远远不够的。为了保证绝对盈利，这种依赖性一定要非常明显，计算得到的Z-分数的绝对值越高，未来探究出其依赖性的可能性就越大。
一般我们将极限值设置为1.96 (在失利情况下为-1.96)，它告诉我们，95%的信息都是有效的，因此它们对我们的操作而盲非常有帮助。
这里的7-分数有些类似于高斯分布中的标准偏差，或者说95%的数据都会处于-2~+2的标准偏差之间(更确切来说是处于-1.96-1.96之间，因为这是我们的极限值)。
如果Z-分数出现3或- 3,我们就可以说，99.73%的数据都是可信的。
如果对于某一系统而言，得到的Z-分数超过1.96,那么我们就可以大胆地假设，在一个盈利交易后的下一次交易很可能亏损，如果系统连续两次都是盈利交易，那么我们就能非常肯定地说，下 一次交易必然亏损。我们可以分析系统报告，确定分别有多少个单个交易和两个交易的序列，从而决定在一个或两个获利交易之后停止交易，直到亏损交易结束为止。显然，亏损交易的结束与否只能通过信号米判断，但我们之前却从未根据信号操作过，因为我们只相信Z-分数。
反之亦然，当Z分数为负值，并且小于- 1.96时， 在第一次失利交易之后我们就要立即停止操作，因为在这次交易之后还会出现更多的亏损交易，直到出现获利交易之后才能继续交易。实际上，如果Z-分数为负值,系统的多个连续交易都会呈现类似的结果，因此这种情况下的序列会很长。
但遗憾的是，我们的系统并不使用这一理论。下面我们就来试着计算2.分数。在对964次交易的分析中，我们可以得到以下数据:
很容易发现，我们得到的数值非常小，以至使我们无法依赖任何一种策略。
除了本文中所举例子的不适用性，需婴强调的还有，计算Z分数时使用的交易数越多，这种方法就越有效。在我们的例子中，交易数为964,是相当可观的;但当交易数低于300时，计算出来的结果就不那么可信了。为了便于理解，我们可以对每次交易都计算一次Z分数，观察是否存在较大幅度的变化。如果有，就说明数据不太可信。
我们要留意资金管理策略的基本方法，使其更具可操作性，并使用多种方法来完善它们。交易者应该明白这一目的:最好的结果意味着最高的风险，有限的回撤意味着低风险，如此等等。只有明确了自己的目标，才能根据各自的风险状况选择合适资金的资金管理方法。
本章介绍了各种资金管理方法，有的方法在交易初期的风险较高，后期逐渐趋于平缓。还有一些方法则刚好相反，初期的风险较低，当积累了一定的盈利之后风险会逐渐提高。另外还有一些方法是根据股市走势随机操作的，它时刻警惕股市的变化，尤其是它的下行变化。
总之，这些方法都试图帮助交易者预测下一个交易的走势，决定是否继续跟进,或等待下一次交易信号。
对新技巧的研究和综合运用可以帮助交易者在千变万化的股市中，确定交易的最佳合约数。
