塑造交易系统的六个变量
交易系统可以被描述为一套规则，但其长期结果取决于若干相互作用的变量。学习笔记列出了六个：可靠性（胜率）、盈亏比、交易成本、交易频率或机会、仓位规模，以及账户的资本规模，提纲将其标注为交易心理。可靠性问的是盈利交易或投资所占的百分比。盈亏比问的是在最小交易单位——例如一股或一份期货合约——上，盈利相对于亏损有多大。例如，如果一笔失败的交易每股亏损1美元，而一笔成功的交易每股盈利1美元，相对大小就是相等的。如果赢家盈利10美元，而输家亏损1美元，相对大小就非常不同。交易成本包括执行成本和佣金；每一笔交易都会拖累账户规模。频率关系到机会出现的频繁程度。仓位规模决定交易多少单位，因此每股盈亏会乘以股数。资本规模决定前四个变量对账户的影响有多大。20美元的成本对1,000美元的账户远比对1,000,000美元的账户更重要。来源问道，是否某一个变量比其他变量更重要，并暗示六个都很重要。然而，许多交易者只关注可靠性，即想要做对的欲望，而忽略其他机制。这种执念是学习笔记中的一个核心主题。
滚雪球比喻：期望值如何发挥作用
滚雪球比喻说明了前四个变量如何共同作用。一个人躲在一堵巨大的雪墙后面。雪球被扔向它。白色雪球就像盈利交易：它们粘住并让墙变大。黑色雪球就像亏损交易：它们融化出与自身大小相等的洞。墙的大小代表初始资本。可靠性是白色雪球的百分比。盈亏比是白色和黑色雪球的相对大小。如果白色雪球是高尔夫球大小，而黑色雪球直径1.83米，那么即使白色雪球整天飞来，一个黑色雪球也能摧毁这堵墙。如果白色雪球是巨石，而黑色雪球是高尔夫球大小，那么每天一个白色雪球也许就能积累足够的保护，抵御许多小的黑色雪球。交易成本就像每个雪球——无论白色还是黑色——造成的轻微损伤。频率是雪球被扔出的频繁程度。仓位规模是一次扔出多少个雪球。一个高尔夫球大小的黑色雪球只会造成一个小洞；一次扔出10,000个则可能摧毁这堵墙，除非墙非常大。期望值是一个雪球的平均效果。在来源的数值示例中，60个白色雪球增加6.792立方米，40个黑色雪球移除3.396立方米，100个雪球的总损伤为0.283立方米。净效果等于6.792减去3.396再减去0.283，即3.113立方米。除以100，每个雪球平均增加0.031立方米。在交易中，这种平均效果就是每笔交易每风险美元的期望值。如果为正，资本在许多笔交易后倾向于增长；如果为负，资本倾向于缩水。
从雪球到R倍数：一致地衡量风险
来源将风险定义为R。在进入交易之前，交易者会确定旨在保护资本的退出点；该距离就是初始风险。例如，如果一只股票以40美元买入，并决定在30美元退出，那么风险为每股10美元。如果买入100股，总风险为1R，即1,000美元。之后，盈利和亏损可以用R倍数表示。2,000美元的盈利是2R，10,000美元的盈利是10R。500美元的亏损是0.5R，2,000美元的亏损是2R。当退出纪律失效且市场走势超出计划时，可能出现大于1R的亏损。既定目标是将亏损控制在1R或更少。一系列R倍数构成R倍数分布。该分布的平均值就是系统的期望值。在一个简单的袋子示例中，使用60个蓝球和40个黑球。蓝球赢1R，黑球输1R。六十次赢产生60R，四十次亏损产生负40R，100笔交易的净值为20R，即0.2R期望值。如果每笔交易的风险为2美元，那么1,000笔交易将产生预期的200R，即400美元。在第二个袋子里，胜率只有36%，但平均盈利更大。总盈利R等于正160R，总亏损R等于负82R，100笔交易的净值为正78R，即0.78R。这个游戏的胜率更低，但期望值大约是前者的四倍。因此，仅凭胜率会产生误导。
胜率并不足够：预测陷阱
许多交易者追求高概率预测。来源列出了常见的预测观念：趋势会延续，价格会移动到相反的区间，基本面驱动价格，价格反映多种市场行为，历史周期会重复，世界中的秩序有助于预测价格和转折点。所有这些都依赖历史，有时期待重复。但准确的预测仍可能导致全盘亏损。考虑一个成功率为90%、平均赢家为1R、平均输家为10R的系统。期望值等于0.9乘以1R减去0.1乘以10R，即负0.1R。尽管胜率为90%，期望值仍为负。这是学习笔记中的一个关键警告：想要做对的欲望可能压过对整体利润的渴望。人们可能想要控制市场，然后市场控制了他们。成功预测与正期望值并不相同。一种方法可能大多数时候正确，但如果亏损远大于盈利，仍可能亏钱。反过来，如果赢家足够大，一种低胜率的方法也可能有正期望值。来源强调，期望值结合机会，有助于判断一种方法是否可行。预测陷阱是倾向于关注是否正确，而不是关注许多笔交易中盈利、亏损和成本的总体效果。
机会与频率：为什么交易次数会改变价值
机会是第四个变量。这个游戏能玩得有多频繁？假设游戏1的期望值为0.2R，游戏2为0.78R。如果游戏2每五分钟允许抽一次，机会就是每小时12次。如果游戏1每分钟允许抽一次，机会就是每小时60次。那么游戏1给出0.2R乘以60，即每小时12R。游戏2给出0.78R乘以12，即每小时9.36R。在机会约束下，游戏1实际上更好。在交易中，一个扣除成本后期望值为0.5R、每周有三次机会的系统，优于期望值为0.5R、每月只有一次机会的系统。频率会放大期望值。然而，频率也与成本相互作用。更多交易意味着更多佣金和执行成本，这会降低期望值。来源指出，日内交易以前无法承受高成本，即使佣金降低，频繁交易也使成本成为主要因素。因此，机会并非自动就是好事。高频系统需要每笔交易有足够的优势来克服成本。实际计算方法是：年度R结果等于每笔交易期望值乘以每年交易次数。这是粗略估计，不是保证。它有助于在共同尺度上比较系统。一个每笔交易看起来较弱的系统，可以凭借许多机会变得强大；而一个高期望值的系统，如果机会稀少，也可能受到限制。
