Mark Weinstein是一个交易界的传奇人物。一般来说，我们不会对策略的胜率做过大的关注，因为低胜率（比如40%左右）策略同样可以产生长期的赢利。况且，一般来说，获得60%的胜率是很难的。然而，Mark Weinstein走向了一个我们不敢想象的极端：他的交易胜率在99%左右。虽然我半信半疑，但是很多资料都对这一点做出了认可。
总的来说，他的交易方式是这样的：
1）他使用各种技术分析手段，结合对市场和图像的理解，和很好的market timing。
2）他不相信系统化交易，因为他认为市场是变化的。
3）最重要的一点：他只在所有苛刻的条件都同时满足的情况才进行交易。因此，他会谨慎地放弃很多也可能获利的机会。具体来说，他从不相信单一的技术指标，他在不同时期使用不同的指标组合，并且会用多重信号来过滤噪音。只有当所有信号都提示一个交易动作，并且market timing很好时，他才会做出交易。因此，他的交易频率很低。
于是，我想到了如下的方法：
其实，他虽然不相信系统化交易，但是，他不就是用自己冷静的大脑来模拟若干个动态的交易系统吗？不就是在不同的市场状态下使用不同的策略吗？那么，我们为什么不可以把这一过程模型化呢？
很多人说：不行，如果像他那样谨慎，不断地过滤，那信号太少了。是的，如果我们只用一个策略的话，确实如此。那么，如果我们有很多信号很少，过滤非常严格的策略呢？比如说，一个很严格的子策略A只在市场波动性很大时才可能有信号，另一个子策略B只在低波动性时才有信号，C只在策略B的上笔交易赢利的情况下有信号，D在A连续两次赢利后才开始检测信号，E只在跳空时才开始检测信号，F只在连续3天跳空时才才开始检测信号 ... 等等。这样，我么不必要求每个模型都可以动态地调整，因为每个模型只在特定的时候有信号，并且只产生很少的信号。每个子模型的构建只为了抓住一个特定的市场机会，对于其他机会，我们一律过滤。这样，我们就轻松地构建出了一套由静态模型组成的动态策略组合了。