我们在使用某一种策略之前， 最好先搞清楚它的适用范围。因为，如果在不了解其适用范围的情况下而盲目地使用它，容易陷入一种不知所措的困境。只有交易盈利了，我们的心才能真正地踏实下来。交易过程中一旦出现回撤，就会让人非常担心。那时，如果我们了解策略的使用规则(或许这些规则IE是我们自己设计的)，首先就是修改它们，以应对这一艰难时期。学会如何正确地面对损失，是成为一名优秀交易员的必要条件。
一名交易员应该针对某一种策略进行深人的前期研究，并据此制定每个阶段的目标，尤其还要预见一些可能出现的危险情况。因为这也是游戏的一部分，而且要时刻提醒自己保持警惕，因为交易一般不会一帆风顺。
但是计划一般会被交易者忽略,或者即使做了也不是很详细。一方面可能因为急于开始交易;另一方面也可能因为做计划的过程比较枯燥，而且用处不多。当一个交易者处于困境中(这是早晚会发生的事)，就会意识到之前所做的一切准备工作是非常必要而且重要的。
本章中，我会介绍一些建立操作平台的要点，这些平台使用的是适用于蒙地卡罗模拟(我们在上一章中对此已经进行了详细的介绍)的软件。使用这些要点时应该因人而异，因为每个人的性格不同，但大家的目标都是一致的，即找到一种最佳的操作方法。
假设我们手中的资金还是50000欧元，使用的是本书最初介绍的移动平均线的交叉策略。
在上一章中，我们回顾了入市的诸多可能性，也看到了资金在6年中的变化。如果为6年的交易做一个整体规划，我们就无法获取交易过程中的信息。因此，我们最好为交易制定一些阶段性的中期目标，并在该阶段完成之后对交易的表现进行分析与评价。
在这一软件中,有一点是被我们暂时忽略的，那就是待模拟的交易次数。在上一章中，这个数字正是可用的交易次数。实际上，这个数字只是每个交易序列的长度。
下面我来进行详细的解释:在上一章中，我们的可用交易数为964,因此就要从名单中随机抽取964次(将抽取到的数据抄下来，然后再把它放回去，保证始终都有964次交易);然后再来组新的序列，同样是964次交易，第三组、第四组...以..此类推，直到第1000组、5000组甚至更多。因此可以说，我们新建立的1000 个序列的长度与最初的序列相同:这是显而易见的。此外，我们还想知道，如果改变事件的顺序，这-序列又会有怎样的变化。
964次交易构成系统6年的历史。我们再来看看图33.可以发现，每年都有约160次交易，这一数字大约是964的1/6。
在1000次模拟中，每次模拟都是从第1次到第964次，每次模拟都可以重现系统6年的历史。这时我们就能够理解，如果我们在进行了前160次交易后停止交易，就如同只模拟了第1年交易;在前320次交易之后停止，就如同模拟了前2年，以此类推。
相信这时读者肯定理解了我们的用意:我们的目的在于证实交易系统1年，2年、3年甚至更长时间的历史,试图建立某种形式的路线图，以便我们及时了解与预期假设的差距。
值得注意的是，在使用资金管理策略时，单笔合约的收益(我们假设是一种利好情况)会随着策略的线性增长呈指数式增长，因此前一两年的情况与6年的情况完全不同。交易一开始获利，买进的合约数就会增长，资金也会随之星直线式增长。这正如一枚硬币的两面性，合约数的增加同样会导致回撤率的增加，因此我们可买进的合约数只能处于某个极限值以内。
前一章中70%的回撤率不能作为第1年的参考数值，因为这是比较低的值，交易初期应该进行专门的分析。如果没有这样做，我们或许可以接受一个在该时段本不该出现的亏损。假如我们使用了交易策略，并接受了70%的回撤率，6个月之后我们的资金的确低于70%，我们可以错误地认为这仍在可接受的范围以内。而事实上，第1年的回撤很可能非常低，我们应该用一个相似的数值时刻提醒自己。
为了合理计划我们的交易操作，我们应该模拟1年、2年、3年....甚至更长时间的收益和回撒情况，直到我们预想的时间段。从模拟中我们可以得知策略的可能结果，以此来控制交易的实际走势。
我们最担心的当然是回撤问题，我们的首要日的就是要找到能够使我们立刻停止交易的预防参数。总之，我们应该对策略的使用设立一些限制，当实际结果超过这些限制(很明显，我们这里所说的限制指的是盈利的下限，尤其是回撤的上限)时，就立刻停止使用这些策略。
一旦超过了设定的任意一个极限值，这就好像一个报警信号,提醒我们策略的实际效果与我们的预想有很大的不同，或许策略已经无效。
熟悉交易系统的人都明白，系统的表现迟早有一天会改变。这时，最重要的是立刻停止交易，并检查操作方法的正确性。
通过观察上一章中的回撤图我们可以发现，其分布情况与传统的数据曲线类似，准确来说就是呈“对数正态分布”。对那些善于用数据说话的人，我们只能说回撤率自然对数的分布是正常的，也就是说，回撤率是按照对数正态分布的。
这就意味着要想计算平均回撒，我们首先应该计算各个回撤数值的自然对数，然后求其算数平均数，最后再以e为底数，以前面计算得到的算数平均数为指数，求出结果。
擅长数学计算的人很快就能得出，这一数值为 2.7182818。微软Excel表中包含所有函数，可以用本书附带的软件进行计算。
再回到统计学的概念，我们现在就来谈谈标准偏差，它可以反映一个序列在平均值周围的分布情况，标准偏差数值越高，该序列在其平均值周围的分布就越广。
正常的分布情况是，约68%的数值在平均值的1个标准偏差以内，约95%的数值在平均值的2个标准偏差以内,约99.7%的数值在平均值的3个标准偏差以内(Z-score概念也是建立在标准偏差基础之上的，1.96 的数值并非偶然，95%都是由交易决定的)。
实际上，我们可以计算回撤平均数和标准偏差(以及回撤的对数),判断其是否在可接受的区间范围内。
如果95%的数值确实都处在平均值的2个标准偏差范围以内，我们就可以利用这2个数值计算回撤率。
显而易见，每个交易员在计算数值的时候，都能按照自己对风险的承受能力，自行设定或严格或宽松的极限值。假设我们从历史交易结果中得知，1年的平均回撤率在20%左右，标准偏差为5,这就意味着，95%的数据都处于20+2x5,或者说10~30之间;这时，如果得出1年以后的最大回撤率为34%，我们就可以认为这种方法是无效的，而且应该立即终止使用这种方法。
