就筆者的經驗來看，100%勝率的策略不存在。但本着謹慎的態度，還是應該說它或許存在，但爲其付出努力並不是件收益與成本角度衡量的合算買賣。既然，我們要面對一個允許失敗的算法環境，容錯機制就是必須要考慮的問題。
在本節開始之前，要舉兩個簡單的算術題。
1.一隻一元股票，上漲了10%後又下跌了10%，該股票價值0.99，實際虧損1%。
2.兩隻一元股票，一隻上漲兩次10%，價值1.21，另一隻下跌了兩次10%價值0.81，該組合價值2.02，獲利1%。
可能很多投資者已經明白了筆者的意思。圍繞着一隻個股(投資標的)而言，對稱策略的勝率如果只有一半，那往往是不夠的。長期執行這樣的策略會導致虧損。但收益率的不對稱卻可以更改這個窘境，甚至可在勝率上作出讓步，使其低於一半。對於多個股(投資標的)而言，策略本身的勝率重要性位置將進步下降。
筆者想了很久，還是決定把這些話的功勞歸於彼得·林奇。儘管彼得.林奇沒有這種風格的原話，但還是表露了類似的思想。在《成功投資》一書中第16章，彼得·林奇寫到“如果你尋找的是10倍股，那麼你持有的股票越多，在這些股票中出現一隻10倍股的可能性就越大……持有的股票越多，你在不同的股票之間調整資金配置的彈性就越大，這是我的投資策略的一個重要組成部分。”
實際上，除了巴菲特式的強調集中投資與指數型基金一貫採用的被動式管理，幾乎其他的方法都在此層面得到了統一。仔細思考一下爲什麼要賣出?不考慮那些現金需求，幾乎沒人會反對賣出是爲了較好的保護利潤。巴非特賣出中石油恐怕除了這個解釋，再也沒有更好的理由了。彼得·林奇在賣出股票這個問題上也是頗費筆墨，說白了還不是盡最大可能享受股價上漲的過程，避免市場調整麼?關鍵的問題是在於很難對市場整體的下跌時間、幅度作出良好的預測，所以才轉向挑選個股並在此層面進行一個組合的動態管理。如果按照這個標準來衡量操作，就不應當把基於保護利潤的賣出策略排除在外。而且，這也是將收益率分佈從對稱拉向有偏的良好手段。筆者曾經在2008年的時候幫一位年長的同事校驗策略，整個過程頗具戲劇性。首先，我們將一個純粹基於形態描述的策略A編程，然後檢驗該策略的買賣點對應的收益率如何。歷史結果是令人沮喪的，沒什麼打敗市場的表現。這似乎是現實對該同事和筆者無情的嘲弄。因爲對於那時的筆者來說，策略實現比現在耗費的時間要長的多。而對於同事來說，這是一個對其市場經驗的檢閱。無疑，我們都對這個結果不甚滿意，於是回落策略B被加入其中。結果多少有些出乎意料，因爲經過改良後的策略表現非常不錯。我們坐下來仔細分析了整個過程，是否因爲加入了策略B導致的收益率明顯提升就意味着策略A本身沒有意義。這個問題的回答還是應該小心的，我們傾向於認爲並非如此。策略A縮小了選擇範圍的同時可能捕捉了其他與策略B共同產生作用的特性。尤其是在非特定問題的條件下，本着這種思路可能會更適合。整個事件讓筆者得到的另一個振奮的信息是，老同事的市場經驗可能是有用的。在市場從業了10多年，天天看着股票的走勢，大腦提煉出的某些信息或許確實能作爲發現有用策略的線索。這實際上開啓了一個極大的領域，就是那些出版物裏所講述的誘人的投資策略的校驗。對於這方面問題的展開是後續章節纔會涉及到的內容，在本節我們還是最好把注意力挪回到應用策略營造有偏收益率分佈上來。
在期貨市場上一直存在着一種“對就留，錯就砍”的思維。這在一定程度上與市場特性有關，沒人會把長期持有那套把戲在期貨市場上無限制的發揚光大道理也是如此，但其在側面也說明了一種極端條件下的操作思路：“壓縮每次虧損的幅度，讓利潤儘可能的放大。”這裏涉及到了一個與股票市場投資邏輯格格不入的思想：“如果市場沒有證明我的投資邏輯是對的，爲什麼還要繼續?”
普通的投資人可以選擇信奉價值投資邏輯，但要面對的卻是多方面的可能。“當前信息下做出的判斷正確麼?即便判斷正確但市場認可麼?如果將來市場準備認可時突然出現了其他新信息怎麼辦?”這一切是沒有哪位投資大師能替散戶做出回答的。很多人選擇去崇拜巴菲特，照着他的方式去在國內市場找股票。別忘了股神自己賣出中國石油的舉動就透露出了兩個信息，第一，巴菲特的觸角確實觸及到了中國公司；第二，從公開的資料來看，其中國公司的數量也十分有限。是否可以理解爲，“連股神都覺得偌大個市場就只有那麼屈指可數的幾家公司具備價值”這個問題可以爭論。但全民都談價值投資未免是個天大的笑話。既然股神不在絕大部分普通A股投資人的左右，信奉價值投資邏輯遭到了虧損又有什麼理由會得到任何精神上的庇護呢?唯一的合理解釋就是自欺欺人。經常聽到一句股民掛在嘴邊的話，“已經虧損了這麼多，怎麼賣?”是啊，賣出就把賬面的浮動虧損兌現了，不賣也有道理。但一遍又一遍的在“價值投資，長期持有”的老把戲裏打轉就是不合乎道理。
只有把止損這類的賣出交易策略納人到考慮範圍，才最有可能做到讓收益率分佈有偏。所以，說到底還是一個跟觀念在做鬥爭的問題。另一個角度來審視容錯機制在於對算法本身的表現穩定性方面上進行防禦。這個道理也是不言自明，人都可能犯錯，算法犯錯也再正常不過了。算法所基於的模式出現遷移必然會導致其應用的效果下降。理想的狀態是，算法池內各個策略都有一個適應度，分配的資金比重要與適應度相聯繫。在展開組合管理的討論前，或許還是應該在這個美麗又醜陋的世界發現些實例纔好理解爲什麼對算法本身的防範也格外的重要。
基金倉位估計，這是筆者進入研究所策略組被賦予的第一個任務。做這件事的目的其實也很好理解，如果把基金當作一個市場參與者，或者潛在的參考對象，那麼估計他們的倉位水平可以得到一個好處就是在倉位調整上佔據主動。這多少類似於玩牌時偷瞄一眼別人手裏的花色，看不清具體都有哪些紅桃、黑桃，但是大致會有個顏色判斷。不那麼高尚，但也不違法。這個問題的重要性在2008年市場調整的時候得到了確認。但其功能其實也就到此爲止了，畢竟基金的話語權也出現了一定的下降。所以，從組合管理的角度來看，他充其量是打敗其他基金業績的一個幫助而已，不能保證更多的應用了。
這件事情的可做之處還有另一點，beta透漏倉位信息。已知條件就這麼多，剩下就是各大研究所研究員自己的問題了，有些研究所願意把算法公佈，有一些則不願意這麼做。早期在這個領域叱吒風雲的就有宣稱估計誤差不超2%的銀x證券研究所。之所以把它記得這麼清晰是因爲這至少給筆者樹立了一個標杆，模型校驗標準至少要以這個幅度來保留多參數優化個體。隨着進程的深入，無論如何也有幾個問題不能解決。面對着眼花繚亂的各大研究所的估計值，筆者也抓起電話詢問過其他研究員。但答案大同小異，直到無意間被一個所內高研問起，才驚醒原來所內也有力量在做此類研究。但是在走廊聊了半個小時才真是失望透頂。憑什麼計算bela的參數是m而不是n?憑什麼市場指數的選擇是A不是B?這些計算的根基都沒有要如何才能得出準確的數值?“GIGO"來形容筆者的感受一點都不過分。至少筆者還在這些問題上做出了努力，但仍然對於單隻基金的估計沒有辦法認同。很多細節可能並不是讀者所感興趣的，但與基於濾波過後看數值的相對變化還是比絕對值有意義。
這個例子究竟告訴我們什麼?專家不可靠，多響亮的名頭都是一樣。爲了混口飯喫，很多人或多或少的打腫了臉給你看個滿面春光而已。要習慣在不精確的環境下進行投資分析判斷，或者至少要對任何一個算法抱有戒備之心。從賣方分析報告中吸取營養，就更不能沒有提防。