就笔者的经验来看，100%胜率的策略不存在。但本着谨慎的态度，还是应该说它或许存在，但为其付出努力并不是件收益与成本角度衡量的合算买卖。既然，我们要面对一个允许失败的算法环境，容错机制就是必须要考虑的问题。
在本节开始之前，要举两个简单的算术题。
1.一只一元股票，上涨了10%后又下跌了10%，该股票价值0.99，实际亏损1%。
2.两只一元股票，一只上涨两次10%，价值1.21，另一只下跌了两次10%价值0.81，该组合价值2.02，获利1%。
可能很多投资者已经明白了笔者的意思。围绕着一只个股(投资标的)而言，对称策略的胜率如果只有一半，那往往是不够的。长期执行这样的策略会导致亏损。但收益率的不对称却可以更改这个窘境，甚至可在胜率上作出让步，使其低于一半。对于多个股(投资标的)而言，策略本身的胜率重要性位置将进步下降。
笔者想了很久，还是决定把这些话的功劳归于彼得·林奇。尽管彼得.林奇没有这种风格的原话，但还是表露了类似的思想。在《成功投资》一书中第16章，彼得·林奇写到“如果你寻找的是10倍股，那么你持有的股票越多，在这些股票中出现一只10倍股的可能性就越大……持有的股票越多，你在不同的股票之间调整资金配置的弹性就越大，这是我的投资策略的一个重要组成部分。”
实际上，除了巴菲特式的强调集中投资与指数型基金一贯采用的被动式管理，几乎其他的方法都在此层面得到了统一。仔细思考一下为什么要卖出?不考虑那些现金需求，几乎没人会反对卖出是为了较好的保护利润。巴非特卖出中石油恐怕除了这个解释，再也没有更好的理由了。彼得·林奇在卖出股票这个问题上也是颇费笔墨，说白了还不是尽最大可能享受股价上涨的过程，避免市场调整么?关键的问题是在于很难对市场整体的下跌时间、幅度作出良好的预测，所以才转向挑选个股并在此层面进行一个组合的动态管理。如果按照这个标准来衡量操作，就不应当把基于保护利润的卖出策略排除在外。而且，这也是将收益率分布从对称拉向有偏的良好手段。笔者曾经在2008年的时候帮一位年长的同事校验策略，整个过程颇具戏剧性。首先，我们将一个纯粹基于形态描述的策略A编程，然后检验该策略的买卖点对应的收益率如何。历史结果是令人沮丧的，没什么打败市场的表现。这似乎是现实对该同事和笔者无情的嘲弄。因为对于那时的笔者来说，策略实现比现在耗费的时间要长的多。而对于同事来说，这是一个对其市场经验的检阅。无疑，我们都对这个结果不甚满意，于是回落策略B被加入其中。结果多少有些出乎意料，因为经过改良后的策略表现非常不错。我们坐下来仔细分析了整个过程，是否因为加入了策略B导致的收益率明显提升就意味着策略A本身没有意义。这个问题的回答还是应该小心的，我们倾向于认为并非如此。策略A缩小了选择范围的同时可能捕捉了其他与策略B共同产生作用的特性。尤其是在非特定问题的条件下，本着这种思路可能会更适合。整个事件让笔者得到的另一个振奋的信息是，老同事的市场经验可能是有用的。在市场从业了10多年，天天看着股票的走势，大脑提炼出的某些信息或许确实能作为发现有用策略的线索。这实际上开启了一个极大的领域，就是那些出版物里所讲述的诱人的投资策略的校验。对于这方面问题的展开是后续章节才会涉及到的内容，在本节我们还是最好把注意力挪回到应用策略营造有偏收益率分布上来。
在期货市场上一直存在着一种“对就留，错就砍”的思维。这在一定程度上与市场特性有关，没人会把长期持有那套把戏在期货市场上无限制的发扬光大道理也是如此，但其在侧面也说明了一种极端条件下的操作思路：“压缩每次亏损的幅度，让利润尽可能的放大。”这里涉及到了一个与股票市场投资逻辑格格不入的思想：“如果市场没有证明我的投资逻辑是对的，为什么还要继续?”
普通的投资人可以选择信奉价值投资逻辑，但要面对的却是多方面的可能。“当前信息下做出的判断正确么?即便判断正确但市场认可么?如果将来市场准备认可时突然出现了其他新信息怎么办?”这一切是没有哪位投资大师能替散户做出回答的。很多人选择去崇拜巴菲特，照着他的方式去在国内市场找股票。别忘了股神自己卖出中国石油的举动就透露出了两个信息，第一，巴菲特的触角确实触及到了中国公司；第二，从公开的资料来看，其中国公司的数量也十分有限。是否可以理解为，“连股神都觉得偌大个市场就只有那么屈指可数的几家公司具备价值”这个问题可以争论。但全民都谈价值投资未免是个天大的笑话。既然股神不在绝大部分普通A股投资人的左右，信奉价值投资逻辑遭到了亏损又有什么理由会得到任何精神上的庇护呢?唯一的合理解释就是自欺欺人。经常听到一句股民挂在嘴边的话，“已经亏损了这么多，怎么卖?”是啊，卖出就把账面的浮动亏损兑现了，不卖也有道理。但一遍又一遍的在“价值投资，长期持有”的老把戏里打转就是不合乎道理。
只有把止损这类的卖出交易策略纳人到考虑范围，才最有可能做到让收益率分布有偏。所以，说到底还是一个跟观念在做斗争的问题。另一个角度来审视容错机制在于对算法本身的表现稳定性方面上进行防御。这个道理也是不言自明，人都可能犯错，算法犯错也再正常不过了。算法所基于的模式出现迁移必然会导致其应用的效果下降。理想的状态是，算法池内各个策略都有一个适应度，分配的资金比重要与适应度相联系。在展开组合管理的讨论前，或许还是应该在这个美丽又丑陋的世界发现些实例才好理解为什么对算法本身的防范也格外的重要。
基金仓位估计，这是笔者进入研究所策略组被赋予的第一个任务。做这件事的目的其实也很好理解，如果把基金当作一个市场参与者，或者潜在的参考对象，那么估计他们的仓位水平可以得到一个好处就是在仓位调整上占据主动。这多少类似于玩牌时偷瞄一眼别人手里的花色，看不清具体都有哪些红桃、黑桃，但是大致会有个颜色判断。不那么高尚，但也不违法。这个问题的重要性在2008年市场调整的时候得到了确认。但其功能其实也就到此为止了，毕竟基金的话语权也出现了一定的下降。所以，从组合管理的角度来看，他充其量是打败其他基金业绩的一个帮助而已，不能保证更多的应用了。
这件事情的可做之处还有另一点，beta透漏仓位信息。已知条件就这么多，剩下就是各大研究所研究员自己的问题了，有些研究所愿意把算法公布，有一些则不愿意这么做。早期在这个领域叱咤风云的就有宣称估计误差不超2%的银x证券研究所。之所以把它记得这么清晰是因为这至少给笔者树立了一个标杆，模型校验标准至少要以这个幅度来保留多参数优化个体。随着进程的深入，无论如何也有几个问题不能解决。面对着眼花缭乱的各大研究所的估计值，笔者也抓起电话询问过其他研究员。但答案大同小异，直到无意间被一个所内高研问起，才惊醒原来所内也有力量在做此类研究。但是在走廊聊了半个小时才真是失望透顶。凭什么计算bela的参数是m而不是n?凭什么市场指数的选择是A不是B?这些计算的根基都没有要如何才能得出准确的数值?“GIGO"来形容笔者的感受一点都不过分。至少笔者还在这些问题上做出了努力，但仍然对于单只基金的估计没有办法认同。很多细节可能并不是读者所感兴趣的，但与基于滤波过后看数值的相对变化还是比绝对值有意义。
这个例子究竟告诉我们什么?专家不可靠，多响亮的名头都是一样。为了混口饭吃，很多人或多或少的打肿了脸给你看个满面春光而已。要习惯在不精确的环境下进行投资分析判断，或者至少要对任何一个算法抱有戒备之心。从卖方分析报告中吸取营养，就更不能没有提防。