K 博士的市场方向模型

7.1 把握市场时机

择时系统必须先包含说得通的内部逻辑，再围绕这个逻辑搭建。这需要多年市场经验，才能避免把数据过度拟合的暗箱：这类系统在回测中神勇，在真实市场里毫无预测力。网上大量收费的择时系统缺少内部逻辑，却靠过度拟合历史数据吹出高收益率，能完美预测过去，一旦实时检验就失效。多数择时系统无效，不等于所有择时系统都无效。

我从 1991 年起就在实盘中择时，那一年我大幅跑赢美国主要股指。我的模型是纳斯达克综指与标普 500 价量行为的统计形式化。我制定了一套规则来指导模型，也指导我多年的交易。模型的灵感来自 William O'Neil 的 CAN SLIM 中的 M，即择时部分。它擅长在中期趋势启动点附近抓住趋势，从未漏掉一次大跌，包括 1997 年 10 月的骤跌，也总能在主要牛市启动附近让我上车，包括 2009 年 3 月 12 日发出重大买入信号。模型的弱点是横盘震荡市，几乎所有的回撤都出自这种反复无常的市场行为，幸运的是这种时期不多。

多年来，关于什么构成合格的派发日和跟进日一直存在困惑。困惑一部分来自价量的多种可能组合：价格柱的形状、收盘价与前一日的关系、跟进日出现在第几天、纳斯达克综指或标普 500 需要跌多少才算启动跟进日计数。另一部分来自没有精确规则。例如有人认为 2009 年 8 月 28 日不算派发日，因为指数当天没有跌至少 0.2%，这忽略价格柱形状：那天有一根长上影线，指数放量、收盘基本持平、却收在当日区间低端，日内反弹尝试遭遇抛售，这就是派发日。要求指数必须先跌 0.2% 才叫派发日，而不细看价格柱形状与收盘位置，是不合逻辑的。

高频交易算法会在调整与回调中放大下跌量，制造假卖出信号，过滤掉这类成交量可以减少假信号。但这只能略微改善结果：2009 年卖出信号在空头方向上大体不赚钱，因为市场整体向上；2008 年买入信号在多头方向上大体不赚钱，因为市场整体向下。好的择时系统在真信号上赚得多，在假信号上亏得少，真信号的收益应远超假信号的小额亏损；在完整周期通常三到五年里，优秀的择时系统应明显跑赢主要股指。

派发日

派发日是当天卖压大于买压的交易日，表现为成交量放大结合负向价格行为：下跌日，或出现反转与滞涨的日子。如果在很短的时间内，通常在 20 个交易日以内，出现足够多的派发日，一般是五个，就产生卖出信号。

成交量必须高于前一日才合格，但收盘价不必低于前一日。例如股价带一根长上影线，当日收涨不到 0.1%、却收在当日区间下方 25% 以内，同时成交量放大，这就是派发日。如果某天在成交量大幅放大下价格几乎没进展，这也可能以滞涨的形式表示派发，即卖压被略微收高的收盘价掩盖。但要确认放大的量不是来自期权到期或指数调整，例如 2009 年 9 月 18 日。若那天没有这些因素干扰，我们会把它视为派发日；因为量可能被扭曲，而市场当天又收涨，就必须存疑。如果市场当天下跌、日内区间很宽、波动明显，那么被扭曲的量也只能按下跌放量来算，就是派发日。像窄幅滞涨那种情况则不够清晰，本身不宜单独看作负面日；随后几天的确认或否定有助于判断。

还有一种情况：当天下跌且量高于前一日，但不是派发日，因为收盘处在当日区间上半部，且跌幅小于 -0.1%。某日纳斯达克收跌且放量，但只跌 0.04% 并收在区间上半部，就不是派发日，有时这种动作反而具有建设性。窄幅整理并收跌小于 -0.1% 的日子也不算派发日。我们发现派发日使用 -0.1% 的下跌下限比 -0.2% 更可靠。

一个重要原则：我们只用纳斯达克综指来数派发日。近些年标普 500 制造了越来越多的假卖出信号，它的上涨或下跌幅度虽小，形态里的噪音却更多，产生假信号的风险更大。同理也不用道琼斯工业平均指数，它只有 30 只大盘股，过于狭窄，往往不能代表任何一轮牛市的领导力量。

跟进日

跟进日通常是反弹尝试第四天之后出现的买入信号。O'Neil 的定义是：主要指数在从底部反弹尝试的第四到第七天中的某一天，放量高于前一日并上涨超过 1%（阈值幅度）。反弹尝试的前提是纳斯达克综指或标普 500 已经历一次调整。反弹计数从指数创出新低后首次收高的那天开始，也可以从指数当天收在新低但收盘位于当日区间中部或更高的那天开始，因为这表示在低位有潜在支撑。例如 1998 年 10 月 8 日，指数在巨量下收在区间中部，本来可能被当成大跌放量的派发日，实际上应算作反弹尝试的第一天，即反弹计数的第一天。指数放巨量收在区间中部时，几乎总应视为吸筹而非派发。

极少数情况下，跟进日可以出现在反弹尝试的第三天，但三天都必须上涨且量递增，例如 1991 年 1 月 15 至 17 日的纳斯达克综指；或者前三个星期相对紧凑，例如 1987 年 1 月 5 日跟进日之前的数周。

阈值幅度

阈值幅度是纳斯达克综指或标普 500 必须达到的最低涨幅，通常在反弹尝试的第四到第七天，才能算跟进日。这个水平并非一成不变，O'Neil 依据他对指数波动性的判断，有时会调整到 2% 或 1.7%。当指数在数周里显示波动性已经变化时，他就大致目测调整阈值。按波动性调整阈值是正确的。历史研究显示，1974 至 1998 年两个指数的最优阈值都是 1%；1998 年 1 月到 2002 年 12 月因波动性上升而提高到 1.7%；2003 年重新调整为 1.4%。

阈值也不总对两个指数相同。2004 年 1 月标普 500 因波动性明显下降而为 1.1%，纳斯达克综指仍为 1.4%。2008 年波动性再度急升，纳斯达克综指调到 2.1%，标普 500 调到 2%。在本书写作的 2010 年初，两个指数的阈值都是 1.5%，即纳斯达克综指或标普 500 必须在放量高于前一日的情况下上涨至少 1.5%，通常在从底部反弹尝试的第四到第七天。未来波动性变化时，这个阈值会再调整。

失效保护与系统化对比自主裁量

模型内置失效保护，以在发出假信号时把回撤降到最低。这解释了模型整个 35 年以上运行史上最大回撤只有 -15.7%，而从 1974 年 7 月到 2009 年 12 月的平均年化回报是 +33.1%。

这一回测结果是这样取得的：买入信号时 100% 做多纳斯达克综指，卖出信号时 100% 做空纳斯达克综指，中性信号时 100% 持现金。信号完全系统化，没有仓位管理或人工覆盖。纳斯达克 100 指数 ETF（QQQQ）是纳斯达克综指的优秀替代，但 QQQQ 在 1999 年之前不存在，为保持一致，继续用纳斯达克综指作为计算绩效的基准。

模型有自主裁量部分：当有充分证据时，可以覆盖系统信号；选用哪只 ETF 也属裁量范围。如今有 2 倍和 3 倍杠杆 ETF，可以据此加杠杆或调杠杆。裁量依据信号强度，理论上一个很强的买入信号可能让我们买入 3 倍杠杆的指数 ETF。

7.2 图表案例

下面列出模型实际生成的买卖信号与我们的解读。我们特意选了交易生涯中最艰难的 2008 至 2009 年，以及完全不同的 1929 至 1930 年崩盘期，用同一套系统规则检验模型。

图表的记法：黑色竖线代表派发日，除非该标记旁注明它不是派发日；B 代表买入信号，S 代表卖出信号，N 代表对紧前一个信号（无论买卖）的中性化。

• 买入信号在盘中中性化：一旦纳斯达克综指跌破以下两者中较低者，即买入信号当日的低点，或跳空买入时跳空前一天的收盘价。若出现卖出信号，买入信号当然也被中性化。若纳斯达克综指自买入信号以来至少五个交易日创出盘中新高后反转，则在收盘价跌破买入信号当日收盘价时中性化。
• 卖出信号在盘中中性化：一旦卖出信号待命日的高点被向上突破，或在此之前出现买入信号。
• 短期内累积到一定数量的派发日，通常是滚动 20 个交易日内五个，模型进入卖出信号待命；一旦卖出信号待命日的低点被向下打破，模型发出卖出信号。
• 买入信号之后，可能存在买入信号日之前累积的派发日。若下一个派发日落在 20 日滚动窗口内，就可能触发新的卖出信号待命。为减少假卖出信号，模型不得在买入信号后的第一个派发日进入卖出信号待命，除非该派发日跌破了买入信号当日的低点。

2009 年上半年（图 7-3）：3 月 12 日，纳斯达克综指处于反弹尝试第三天，通常太早；但对标普 500 而言是反弹尝试第五天，因此算跟进日，标普 500 的 2% 阈值或纳斯达克综指的 2.1% 阈值被满足。4 月 22 日，量不足以构成滞涨日，不是派发日。4 月 30 日，收盘高于前一日 0.1% 以上、上影线不够长，不是派发日。5 月 6 日，量高但价格无进展、下影线足够长，不是滞涨日，因此不是派发日。

2009 年下半年（图 7-5）：6 月 26 日不是滞涨日，因为放量来自罗素指数调整。8 月 28 日是派发日，指数收在前一日上方不到 0.1%，且收在当日区间下方 25% 以内，构成一根长上影线。9 月 16 日，标普 500 上涨 1.53% 而纳斯达克综指只涨 1.45%，只要两个指数中至少一个满足 1.5% 阈值即可。9 月 18 日因期权到期导致量虚高，不是滞涨日。10 月 6 日，纳斯达克综指调整不到 6%，反弹计数未重置，仍处于原反弹尝试中，属跟进日；这是跟进日远晚于反弹尝试第七天的罕见情形。

2008 年上半年（图 7-4）：1 月 2 日，买入信号在盘中中性化，纳斯达克综指跌破 2007 年 12 月 20 日、即 12 月 21 日跳空日之前的收盘价；由于当天是滚动 20 日内的第五个派发日，模型发出卖出信号待命，次日 1 月 3 日纳斯达克跌破待命日低点，发出卖出信号。5 月 14 日是派发日，指数收在前一日上方不到 0.1%，且收在当日区间下方 25%。5 月 16 日是派发日，收跌 0.19%，超过 -0.1%。6 月 12 日不是派发日：收在当日区间上方四分之三，且上涨超过 0.1%；但前一日卖出信号待命因盘中低点被打破，当天转为卖出信号。9 月 25 日不是跟进日，两个指数都没满足 1.5% 阈值。10 月 10 日，巨量收在当日区间上半部，卖出信号在这一天被中性化。

1929 至 1930 年（图 7-5）：1929 年 9 月 25 日不是派发日，当日价格区间有长下影线，收跌不到 -0.1%。10 月 15 日，尽管是买入信号后的第一个派发日，模型仍进入卖出信号待命，因为指数跌破了买入信号当日的盘中低点。1930 年 1 月 16 日，因为是买入信号后的第一个派发日，模型不进入卖出信号待命。1930 年 4 月 11 日是放量滞涨，因而是派发日。

2009 年是 O'Neil 本人称为其半个多世纪职业生涯中最具挑战的一年，由垃圾反弹股领涨，质地更好的名字反而挣扎。联邦储备与全球央行联手注入巨量流动性、把利率压在近零水平，导致许多沿用多年的技术指标失效，每次看似要来的调整都稳住并创新高，市场在震荡反复中磨着上行。即便如此，我们在 2009 年 6 月 1 日用真金白银成立的市场方向测试基金，当年年底费后上涨近 30%，截至 2010 年 5 月 31 日费后上涨 53.8%。尽管 2009 年假信号很多，K 博士市场方向模型在正确信号上赚的钱仍远超假信号亏的钱，这得益于内置的失效保护。

2009 年模型第一个高利润信号出现在黄金上。黄金在 2009 年 9 月 2 日以完美设置突破，与 2007 年 9 月黄金的口袋支点和标准底部突破等价，随后黄金展开一轮急涨。运用模型的裁量部分，依据信号强度与背景选择 ETF 工具，我们在黄金及相关品种如黄金矿业 ETF（GDX）与 GLD 上使用了杠杆仓位。7 月模型在纳斯达克综指与标普 500 做多时表现也不错，买入了 2 倍杠杆的纳斯达克 100 指数 ETF（QLD）与 3 倍杠杆的标普 500 指数 ETF（UPRO）。

趋势跟踪基金在 2009 年的表现普遍不佳，可见这类环境对趋势跟随者的难度。

7.3 窃取模型的秘密

即使有人逆向工程出模型并广泛使用，也不影响它的预测力。即便大量的人依据模型信号买卖，考虑到现存巨量高流动性 ETF，影响也微乎其微。模型不是暗箱，程序员很难甚至无法把它编成程序，因为规则受纳斯达克综指与标普 500 前期价量形态的质地影响。规则本身对系统模型而言是硬性的，却仍取决于这个质地特征，而判断质地靠的是 1989 年以来对图表细节的分析经验。

质地的含义可以用类比说明。我给 O'Neil 工作的那些年里，他对一个底部内在质地的解读能力几乎无人可比，这源自他数十年分析图表的经验。一个绝佳底部、好底部、勉强合格的底部，以及介于其间的所有程度，差别是情境性的，让计算机看出这些细微差别十分困难甚至不可能。计算机可以筛出符合一般特征的图表，再由人进一步细看，但构造良好的股票筛选器其实已经完成了大部分这类工作。

7.4 择时模型常见问题解答

能否期待与模型相同的收益？ 模型在 2009 年 6 月 1 日之前的收益是理论值，高收益伴随的回撤可能超出你的舒适区，因此依据风险承受度选择 1 倍、2 倍或 3 倍 ETF。市场方向模型用真金白银的测试基金从 2009 年 6 月 1 日到 2010 年 5 月 31 日费后上涨 53.8%，期间持有市场暴露的时间不到一半。另有一个不用真钱的账户用于检验系统对高波动工具的表现：100% 做多、100% 做空或 100% 持现金交替操作 3 倍科技 ETF（TYH），从 2009 年 6 月 1 日到 2010 年 5 月 14 日上涨 183.9%，截至 2010 年 5 月 31 日上涨 215.1%；这种激进账户出现高达 -18.5% 的回撤并不罕见，这是换取 215.1% 的代价。若用 1 倍 ETF，收益大约是三分之一，回撤也只有三分之一。模型基于纳斯达克综指（1 倍工具）记录的最差回撤是 1999 年的 -15.7%；1974 年 7 月到 2010 年 1 月的长期年化 +33.1% 也基于纳斯达克综指。若当年就有 TYH 这类约 3 倍的 ETF，收益会约 3 倍，回撤同样约 3 倍。

失效保护让模型在信号赚钱时充分吃趋势，在信号为假时限制亏损。

模型的优势有五条： 一，过去 35 年每个市场周期都明显跑赢纳斯达克综指与标普 500，1974 年 7 月到 2009 年 12 年年化 33.1%，擅长捕捉中期上涨或下跌趋势。二，自带自我保护机制把回撤压到最低，代价是假信号更多，但假信号通常只亏 1% 至 1.5%，风险回报比极为有利；35 年以上运行中最大回撤 -15.7%，同期纳斯达克综指最大回撤 -78.4%。三，买入信号出现时，在口袋支点和突破支点买入基本面最强的股票。四，卖出信号出现时买入反向 ETF 或做空 ETF。五，使用 2 倍与 3 倍 ETF 放大收益。

模型的弱点有两个。 第一，无趋势的高波动市场最难。这包括 2009 年 5 月 4 日到 7 月 10 日连续四次假信号；以及 1999 年 2 月到 8 月连续五次假信号、一次盈利信号、又连续五次假信号，造成 35 年以上运行中最大的 -15.7% 回撤。有趣的是 1999 年我在个人账户取得 +451%、在 O'Neil 公司账户取得 +566.1% 的最高回报，因为我在买入信号上做多了正确的股票。2009 年波动加大后，假信号通常亏 1.5% 至 2.5%，而非正常的 1% 至 1.5%。第二，极少数情况下，纵使优质股票正从完好底部突破，模型仍可能发出卖出信号，例如 1996 年 3 月 Iomega（IOM）突破时。我当时覆盖了卖出信号开始买入，幸好这种时候极其罕见。归根结底，选股时让股票告诉你该做什么：如果有足够多的好名字从完好底部突破，就开始买入；如果你持有的名字触发卖出警报，就毫不犹豫地卖出。

以 2009 年 3 月 12 日到 8 月 24 日的实测为例，期间经历两轮上升趋势和一段无趋势波动，系统连续四次假信号（买入信号 100% 做多，卖出信号 100% 做空，中性信号 100% 持现金）。使用 TYH 可获得 +90.2%，但途中要承受四次假信号合计 -18.4% 的回撤。若改用 1 倍 ETF 如 QQQQ，收益 +27%，回撤仅 -6.6%。个人风险承受度需要自己决定。模型自 1974 年以来跑赢每一个市场周期，1929 年 1 月到 1932 年 12 月也一样，35 年以上运行中只有 1993 与 2007 两个下跌年份，1974 年 7 月到 2009 年 12 月年均 +33.1%。

如何提升收益？ 做多或做空作为纳斯达克综指良好替代的 2 倍、3 倍杠杆 ETF。许多 ETF 高度相关，可选很多，包括 EWZ（巴西）、FXI（中国）以及在新加坡交易所上市的印度 MSCI ETF。若想尽量贴近纳斯达克综指，最好的是 2 倍杠杆的 QLD 与 QID，以及 3 倍杠杆的 Direxion 科技多空 ETF，即 TYH 与 TYP。也可以像我 1991 年以来那样，在模型发出买入信号时买入顶级行业组里的顶级质地股票。2009 年市场表现异常，涨得最好的是低质地的垃圾反弹股，质地更高的 CAN SLIM 型股票完全落后；但在 2009 年 3、4、5 月于口袋支点和正常突破买入最高质地的股票，如盛大游戏（SNDA）、网易（NTES）、百度（BIDU）、绿山咖啡（GMCR）、STEC，会产生稳健收益。不要因为市场暂时扭曲就养成买垃圾股的坏习惯。

与网上最好的择时网站相比如何？ TimerTrac 追踪的 23 个有五年以上记录的网站中，许多跑不赢市场。表现最好的两个网站在 2008 年拿到了惊人的回报，把它们的排名和年化回报都抬了上去，但 2008 年之前表现平平。以年化记录比较，K 博士市场方向模型胜过这两个网站：同期 PsiTrade 年化 17.04%，10 万美元变成 20.708 万美元，而模型系统部分年化 +20.8%，10 万美元变成 56.565 万美元；Market Systems II-DD 年化 10.4% 时，模型系统部分年化 +20.7%。模型的最大回撤更低，因此在绝对收益和风险回报两方面都胜出。要记住这两个网站的信号是实时记录的，而模型的信号是理论值，但它长期以来支撑了我在个股上经审计的业绩记录。

之所以系统部分能跑赢 IBD 的 Big Picture 市场判断：IBD 并不是把市场判断作为 ETF 择时模型发布的，读者通常用它来在买入信号时买正确的股票、在市场承压信号时收紧止损、在卖出信号时不买新股；而模型的成绩基于买入信号 100% 做多纳斯达克综指、卖出信号 100% 做空、中性信号 100% 持现金。模型有自保护机制，无论价量如何都能限制亏损；系统部分没有人工干预。我给 O'Neil 工作多年学到，市场能骗过最好的人。如果以 O'Neil 那样的市场经验都会在艰难时期被市场判断反复打脸，也许更好的是坚守那套已被主要指数实际价量统计验证过的规则。O'Neil 总说观点不重要，只有事实重要，而价量是最事实的东西。模型确实有我在 2009 年年中加上的裁量部分，直觉说它能进一步提升系统部分的回报，但观点不重要，包括我自己的观点，只有时间能检验。

为什么模型在 1974 到 2009 年这 35 年里比近几年好得多？ 近几年择时极难，充斥横盘无趋势的行情和 2007 年的大量假价量信号。在艰难时期提升收益的办法是做多或做空作为良好替代的 2 倍、3 倍 ETF；若想贴近纳斯达克综指，最好的是 2 倍的 QID/QLD 和 3 倍的 TYH/TYP。

看到择时网站的高收益要注意什么？ 一是看它 2005 年 1 月以来的年化表现，多数网站在此不达标；有些网站整体收益高，是因为 2008 年异常暴赚、2005 至 2007 年只是平庸，这种不一致会让人胃疼。二是看切换次数，有的网站一年切换 75 到 100 次以上，推高佣金成本。三是看是否中途改过策略，有的网站报告高年化，其实是中途优化过策略，却按全程实盘来报告结果。四是忽略总收益，它没有意义：模型自 1974 年 7 月以来 +33.1% 的年化收益对应总回报 2,560,467%，也就是 1 美元变成 25,605 美元；随着时间拉长，复利威力巨大。五是看网站是否展示了多年的理论信号，而实盘信号却不到一年。做尽职调查，查模型创建者是否有可证明其能力的历史业绩记录。此外要注意过拟合：高理论收益可能只是把参数拟合到历史数据上以求最大利润，向前看就会失效。

什么是自主裁量干预？ 主要力量仍是系统部分，但我会在若干情形下发布旁注式裁量信号。例子包括：足够多的领导股从完好底部形态突破，如 1996 年 3 月 Iomega 等创新高；大量可靠的次级指标同时显示与模型当前方向相反的强弱信号；可能覆盖系统模型的、具有前瞻性的罕见一次性新闻事件。

该用系统部分还是裁量部分？ 系统部分有 35 年以上的历史优势，裁量部分有仓位管理和偶尔覆盖的优势。实践中仓位取决于信号强度。举一个亏损的例子来说明：2009 年 11 月 9 日买入信号较弱，我只买了 50% 仓位的 QQQQ。随着派发日不断累积，模型进入卖出信号待命；11 月 19 日触发卖出信号后，我立刻换成 30% 仓位的 FAZ，即 3 倍杠杆的 Direxion 金融熊市 ETF。换入 FAZ 是因为金融股已经落后主要指数数月，30% 的 FAZ 实际相当于对金融板块 ETF（XLF）做空 90%。纳斯达克综指跌破 2009 年 11 月 19 日低点后，我又加了 30% 的 FAZ。11 月 27 日创新低后，我买了 30% 的 TYP，即 3 倍杠杆反向 ETF，也是纳斯达克综指的良好反向替代，纳斯达克跌它涨。尽管当时最看空金融股，我还是分散买入了 TYP，不想在单只三倍杠杆 ETF 上过重。这个 90% 的三倍杠杆反向 ETF 仓位等于 270% 的有效空头暴露，平均成本低于三次买入价，因此有合理的缓冲。11 月 27 日之后市场因量化宽松再度转涨，模型的自我保护机制启动，回吐了利润但保护了本金，亏损被控制在 3% 以内。

只能在下个交易日开盘时执行信号怎么办？ 实践上会相互抵消：有些日子市场已经走低，这类用户比盘中买入者拿到稍好的入场点；另一些日子市场已经走高，拿到稍差的入场点。

如何知道模型规则会继续有效？ 模型遵循的不是我们的规则，也不是华尔街的规则，而是市场的规则，是自 1920 年代以来 20 多个市场周期的主要指数统计显著结果，以及关于领导股与次级指标如何影响市场的研究。有人说在高频交易时代价量行为与趋势跟踪已经过时，我的回答是斩钉截铁的否。趋势在异常时期依然存在，正如迈克尔·科维尔在《趋势跟踪》中所说，约翰·亨利、比尔·邓恩、埃德·塞柯塔这些长期趋势跟随者也遭遇过艰难与深度回撤，但在 25 年以上的职业生涯中总是恢复并维持了长期记录的完整性；他们独特之处在于无论顺逆都坚持自己的系统，知道市场终会再度趋势。建立任何模型的关键是完全客观，在研究中倾听市场告诉你的东西，自负和争对错在建模的世界里没有位置。一旦决定用模型指导交易，就要彻底理解它的弱点，以免最终放弃它。

系统部分是可以用计算机编程的暗箱吗？ 只说对了一半。我制定的一些规则不是暗箱，但取决于纳斯达克与标普 500 前期价量形态的质地；规则虽是硬性的，仍取决于这个质地特征，而判断质地靠我自 1989 年以来分析数百万张图表的经验。

7.5 结论

市场方向模型遵循的不是我的规则，也不是华尔街的规则，而是市场的规则。它们是自 1920 年代以来 20 多个市场周期的主要指数统计显著结果，以及关于领导股与次级指标如何影响市场的研究。

建立任何模型的关键是完全客观，在研究数据时倾听市场告诉你的东西，自负与争对错在建模的世界里没有位置。一旦建立或使用一个模型指导交易，就要彻底理解它的弱点，以免最终放弃它。太多趋势跟随者在市场停止趋势的时点宣称趋势跟踪已死，例如 2004 至 2006 年、1993 至 1994 年、1976 至 1977 年。200 年的市场历史显示，趋势出现的频率足以让 O'Neil、塞柯塔、亨利、邓恩这样的人一直有饭吃。