你怎么判断你在实际交易中可能获得什么样的成果？对历史测试来说，这或许是最有趣的问题之一。

要想得到有意义的答案，你必须理解影响系统表现的因素，使用稳健指标的必要性，以及采集足够大的代表性样本的重要性。一旦你做到了这一点，你就可以开始思考市场变换的潜在影响，思考为什么连老练的交易者设计的优秀系统也会经历业绩的盛衰起伏。你不可能知道，也不可能预见到一个系统的表现会怎么样，这是现实。充其量，你只能借用有效的工具来判断系统的潜在效果，以及影响这种效果的因素。

幸运的系统

如果一个系统在最近一段时间表现得特别出众，这有可能是个运气问题，或许市场对这种系统来说正处于理想的状态中。一般来说，这种冒尖的系统在好时期过后很容易转入困难时期，不能指望它在未来会重现这种好运的表现。这也许会发生，但你不能寄希望于运气。你更有可能经历业绩的下滑。

参数调整检验

在决定采用一个系统之前先体验一下参数的作用是个很好的习惯，我称之为参数调整检验。挑出几个系统参数，大幅调整参数值，比如20%~25%，然后看看效果怎么样。以图11-2和图11-3的最优化曲线为例，你可以把参数值调整到远离最优点的地方。对这个布林格通道系统来说，我想看看把350天和-0.8的最优化退出标准变为250天和零会怎么样。结果，参数的调整令RAR从59%变为58%，R立方从3.67变为2.18，这是相当显著的变化。当你从历史数据测试转向市场中的实战时，你很有可能看到这样的戏剧性变化。

滚动最优化窗口

还有一个方住可以帮助你直接体验从虚拟测试到现实交易的转变，那就是攘动最优化窗口（rolling optimization window）。随便选择8~10年前的一天，用这一天之前的所有的数据进行最优化——要使用你平常所用的最优化方怯，作出你平常会作出的权衡决策，就如同你只有截至那一天的数据。当你得出了“最优化”参数值后，再用这一天之后两年内的数据检验一下这些参数值。系统在这两年内的表现怎么样呢？

接下来，把测试终点向后顺延两年（也就是6~8年前的一天），再测试一次。比起上一次测试和上一个滚动窗口，这一次有什么变化？比起你最初的参数值，也就是用所有可用数据计算出的最优值，这一次又有什么不同？继续向后顺延，重复这个程序，直到延伸至今天。

我用这个方法对布林格通道系统进行了最优化。在测试过程中，我对三个参数的值都进行了大范围调整检验，然后根据最优位置（一般来说接近于R立方值达到最大的那个点）选出最优值。我分别做了5次10年期检验，最后的攘动最优化结果如表12-4所示。

可以看到，在每一个滚动期中，实际表现都与测试值大相径庭。另外，不同滚动期的最优值也不尽相同。这证明了测试结果的不精确性，也反映了从虚拟测试转向实践交易时的不确定性。