在日常程序化交易系统的开发和交易过程中，笔者发现，行情波动幅度对模型的获利至关重要，并显示出很强的正相关性，即行情波动幅度越大，模型获利性越强。
我们以股指期货从上市日至2012年8月31日的数据作为研究对象。股指期货一般的程序化交易系统均采取日内交易的方法。因此，需要计算其日内波动性。如何量化波动性目前并没有统一的标准，本文采用公式(HighD－LowD)/OpenD来描述日内波动幅度(HighD，LowD，OpenD分别是当日最高价，最低价和开盘价)，然后求该值的5日平均值，使之更有规律性，从而得出下图。
上图是该模型的月度收益曲线图，同时将日波动幅度求月度平均值也绘制在图中。由图可以看出，2011年4月份到2011年7月份，月度波动幅度在1.5%附近。2012年5月份到2012年8月份，月度波动幅度均低于1.5%，相对其他时间段，这两个时间段的波动幅度明显较低。对应到模型的月度收益曲线上，这两个时间段的收益低迷，曲线走平。具体统计数据表明，2011年4月份到2011年7月份，平均月度收益为3430元；2012年5月份到2012年8月份，平均月度收益为-1305元，而波动幅度大的两个时间段2010年4月份到2011年3月平均月度收益为47308元；2011年8月份到2012年3月份，平均月度收益13044元，均高于波动率低两个时间段的收益。例证充分说明，日内波动幅度越大，模型获利能力越强。
现在我们已经发现，大部分程序化模型的获利能力与行情波动幅度呈很强的正相关性，那怎么利用这个规律去提高模型的盈利性呢？这就面临两个关键性的问题：第一，波动幅度的变化有何规律性？因为具有一定的规律性，在实际交易过程中才有可操作性。第二，如何寻找日内波动幅度增大的迹象？有没有先行或者同步指标可以直观观测到日内波动幅度的变化？
对于第一个问题，金融学基本理论指出，金融时间序列的波动具有聚集性，表现在图表上就是某个阶段波动一直比较高，在另外一个阶段一直比较低，波动幅度具有一定的持续性，这就为仓位管理提供了一定的依据。我们可以在波动幅度低于某一临界值时，降低交易仓位，避免低迷的行情，而在波动幅度高于某一临界值时，加大交易仓位，把握住大波动行情。
对于第二个问题，一般而言，成交持仓比反映了品种的投机程度，品种投机程度越高，日内波动幅度相对就越大。我们将月成交持仓比和月度波动幅度绘制在同一图上，其中月成交持仓比是将每日的成交持仓比求月平均，得到下图。
