分类
如何投資虛擬貨幣

量化交易是什麼?

2019-10-10

2分鐘了解程式交易是什麼

程式交易

當我們知道交易邏輯是無法帶來效益,這時我們還可以針對交易邏輯進行適度的修繕看結果會不會有所改變,這也是程式交易其中一個優勢之一,或許稍作改善,就會有不錯的效果。如下圖4,我們將原本紅三兵後下一跟開盤就進場,改為紅三兵後下一跟必須拉回到紅三兵高低點的中間值才進場。如圖5,光是這一個動作不僅把過去三年績效提升,曲線平滑,總交易次數也降低2百多次,簡單的說,就是過濾掉了一些失敗交易,改善了原本的交易邏輯。

量化交易

量化交易

程式交易反覆驗證邏輯,進行改善與進化

如圖7,進化後獲利雖縮水,但 風險卻大幅降低 ,交易次數也大幅度減少,或許多數人會認為跳空過濾太多交易,樣本次數太少而不具參考意義,但其實這不是重點,因為這只是用來 詮釋科學化驗證的改善與進化差異

量化交易

量化交易

最後,我們在把歷史資料延伸到10年,來看一下近三年表現不錯的交易邏輯,在過去10年到底表現如何?如下圖8,過去的表現沒有很強烈,在水平面上下浮動,但這也真實的表現了該邏輯的特性,很快速地可以讓我們得知是不是在現在與過去都能有不錯的表現。老話一句, 透過科學驗證,讓交易邏輯無所遁形

量化交易

結論:量化交易與程式交易的優缺點

科學驗證交易邏輯,目的是了解交易方法在過去的表現,並期待在未來能夠重複的發生跟過去類似走勢與行情,而在相似的統計資料下可以帶來獲利。但其實任何的方式都有其優缺點與需要克服的困難,但若是有不錯的交易邏輯,且透過科學驗證後還能有良好的表現,是不是可以增加我們在金融市場上進行投資的信心度呢?

量化交易其實並不是全然沒有缺點,先前有提到,執行面是在不人為干預的前提下附帶嚴格紀律進行自動化交易,程式交易就是死板,進出不摸稜兩可,沒有灰色地帶,不容易變通也不能說就是最好的交易。拿主觀交易來論述,主觀交易內含了很多經驗與情緒,一個沉穩的主觀交易者,操作績效並不一定會比程式交易者差,甚至好更多,所以,好與壞的判定與選擇,都只是依照個人的交易習慣與心態作論述罷了。

索取方式:只要在我們的 粉絲頁 按讚並截圖,並 加入官方[email protected] ,透過[email protected]傳送截圖後,告知我們要索取本篇文章程式碼,客服就會提供給您囉。

You Might Also Like

Read more about the article MR.AutoTrading版本更新,自動與手動版本介紹與教學

MR.AutoTrading版本更新,自動與手動版本介紹與教學

Read more about the article 程式交易專業用戶新選擇,獨立式下單介紹

2019-11-29

程式交易專業用戶新選擇,獨立式下單介紹

Read more about the article MR下單機與Multicharts串接原始碼教學

2019-10-10

市場異象投資人 初階

舉個簡單的例子,假設你想知道買殖利率高於 5% 量化交易是什麼? 的股票好不好,不能只是觀察到某幾支殖利率高於 5% 的股票最後漲了,就說殖利率高於 5% 的股票很棒,你要做的是利用科學方法來驗證。也就是說,你去檢驗過去一段時間,假設是 10 年,模擬從 10 年前你就買進市場上所有殖利率高於 5% 的股票,持有一段時間 ( 假設持有 1 年 ) 然後賣掉,並且利用所有賺得的資金與本金,再投資新的一系列殖利率大於 5% 的股票,每年不斷換股操作,持續 10 年。

最後你比較這一系列殖利率大於 5% 的股票投資組合,表現是否比大盤好?或是表現比殖利率低的股票投資組合好?如果這 10 年的表現遠勝過大盤或是殖利率低的投資組合,「殖利率高於 5% 的股票比較好」的結論才比較站得住腳。

這就是量化投資的真義:利用歷史數據去做回測,並且跟你想要的其他選擇做比較 ( 通常就是跟大盤比,甚至可再做統計上的顯著測試 ) ,如果這樣做能夠成功,才能說某種訊號很重要!坊間一堆論述說某種資訊很重要,其實大多會死在歷史數據及回測方法的劍下!

另一個利用歷史數據回測的優點,是能夠幫助投資人避免常見的偏誤。人類傾向 選擇性地挑選那些能夠支持自己意見的例子,忽略不利或矛盾的資訊, 行為心理學上稱為 確認偏誤 (Confirmation bias) 。例如說,有人覺得股市是題材面炒作出來的,所以每當他看到幾間公司的題材新聞出來,而股價也真的漲了,就認為股市真的是題材消息所主導。問題在於,他沒有認真看看那些也常有題材新聞,但公司股價卻不動如山的反面例子。

量化交易是什麼?

来源:网络综合 106 2022-05-28


量化投资与算法交易(一)

我们从算法的角度来讲, 比如机器学习, 那么必然给定输入数据给出的无外乎是回归或者分类, 在量化投资中, 我们仍然看这些显然是有点苍白的, 还需要涉及到行业背景, 历史上, 很多公司(上海, 杭州)都对行业知识做了专家系统,或者对历史10年的数据做了训练, 量化交易是什麼? 试图搞定所谓的行业背景, 结果当然不容乐观。所以,回归和分类不是量化交易的本质。加上行业知识才是系统的量化投资。

量化交易是什麼?

在量化交易回测中容易犯的9个错误

随机选择500个试验者;
5年内让他们每天服药;
每天测量他们的血压;
在实验的开始,参与者们的平均血压为160/110,在结束的时候血压为120/80(显著地更低,更好)。

图中绿色的线表示2012年属于S&P 500的股票的曲线。注意到所有股票都从2008、2009的下跌中很好地反弹了。
2

当我开始真实交易的时候,我们发现真实表现在图上是这样的,对应着区域B的绿色线条,很平坦。这个策略失效了,所以几周后我们停止了交易。在我们停止交易后,模拟交易中我们再一次表现的很好(区域C)。
3
这是怎么回事呢?我们猜测误差来源于我们的预测模型,所以我们再次在我们的“真实交易”区域进行了回测,得到的也是同样的平坦曲线。在7.0的夏普指数区域和这个平台区域之间唯一的区别就是我们在平坦区域参与了市场交易。