先利用 MultiCharts 幫我把台指每天的日 TrueRange 資料取出來，取用 TrueRange 的理由是因為除了當天高低外，我還想把跳空納進來一起看，但是因為期貨連續資料內的跨月常常含有不正常的價差缺口在，所以取資料時剔除掉結算日次日的資料。資料期間 2001/01/01～2012/12/31。
if Not(_CheckDay[1]) then print( C, Truerange);
把資料取出來之後，我做了點處理。先把每天的 TrueRange 依照指數位置每100點為級距做區分，計算出各個級距內的平均 TrueRange，比如 3950 ~ 4044 之間的的有兩天，TrueRange 分別是 100點 與 150 點的話，40xx 這個級距的平均 TrueRange就是 （100+150）/2＝125。同時也計算出 TrueRange除以當天收盤價的 TrueRange%，做兩種資料統計。這份資料與圖表可以免費下載：下載點。
讓我們直接來看看這樣做出來的 級距-TrueRange 柱狀圖。以下這是 TrueRange％的。水平軸是級距，垂直軸就是 TrueRange％。從這圖表看來，當台指在位階比較低的時候反而是波動狀況比位階高的時候更大，這似乎與一般我們認為指數高的時候波動程度會大的認知有不小的差異。
但是，對我們下單交易的人來說，真正造成損益的其實是點數，而不是當下的波動％，所以我們得從 TrurRange 的點數狀況來觀察。下面的圖表就是 平均TrurRange 的。
從點數看來，高位階（9000點以上）與低位階（5000點以下）的 TrueRange點數明顯較高。當然，從歷史資料來看，絕對高位階與絕對低位階往往也都是市場情緒特別誇張的時候，因此波動點數在這兩端比較高算是可接受的，但是低位階的點數波動程度比高位階的波動點數還大，這個恐怕就相當衝擊我們一般的認知了。
讓我們切入高低位階各自的級距次數分布。從級距-天數來看，當然越往極端的位階，天數越少，但是也可以看到其實在低階位置群的天數分布還比高階位置群的天數來得多，這顯示離群值的影響應該不大。
另外，回到平均TrueRange點數-級距圖來看，當高位階（高契約價值）時的波動點數的確有比中位階的大，但是卻沒有大到可以追上契約價值的比例，比如 9000點 比 6000點的契約價值大了 50%，但從平均TrueRange點數在該級距的表現卻只有約大了 25%。
從以上的統計資料與圖表觀察起來，我的結論是要控制交易部位大小的槓桿風險估量，不該用指數位階去做參考，而應該採用當時的波動點數去作為參考因子，畢竟真正造成損益的大小（金額）是波動的點數，而不是％，也不是契約值。
如果用契約值作為計算風險大小的因子，當指數來到低位階時，恐怕會面臨超乎預期的風險程度。而當指數位置變高了，甚至突破歷史高點到一萬五、兩萬好了，只要當時的波動點數不大，也不需要刻意高估風險。期交所制定保證金的金額就不是看指數位置，而是看波動程度做調整的。