Quantcast
Channel: 幣圖誌Bituzi - 挑戰市場規則
Viewing all 1359 articles
Browse latest View live

交易邏輯一致性

$
0
0


段落開始,先與各位簡單說明璞格的定位。這篇文章是敝團隊刊載於幣圖誌的第 16 篇,也是在我們自己空間裡發表的約略第120 篇。在這個文章群裡,我們沒有試圖去教導、詮釋既有的技術分析方式,而是不斷分享我們在交易系統與模型中所發現到、並且實際運用後的心得。也再一次重申,「程式交易」是一個頂尖的工具,但並不意味獲利,除了協助提升交易的多樣性跟完整性之外,也讓我們更看清許多數值方法下的結論。程式就像是一把螺絲起子,技巧仍然是工匠的本質,工具箱裡面的花樣再多,成品優劣終究取決於工匠的手藝。同樣的羅馬柱、同樣的石像雕刻,在歐洲街頭總是讓人感覺栩栩如生,但在亞洲街頭的歐式建築風格卻常見呆板,因為外國工匠心中了解其國家、宗教以及神話的歷史與故事,他們知道自己在刻劃的作品人物、圖騰在典籍裡的涵義與特徵,所以把那份生動呈現在作品上。

受惠於新科技的進步以及資源可得性的流通,我們能夠以更宏觀的角度去觀察每一個交易環節,也得以透徹地研究帶動市場趨勢的本質,因此璞格在交易系統裡衍生出許多有別於以往技術分析領域的視角,甚至衝突。本篇文章所要帶給大家的亦然,我們提出許多交易者用於評測風險所用的「蒙地卡羅法則 ( Monte Carlo method )」,並不適用於大部分人所使用的趨勢交易策略。問題並不在於蒙地卡羅法則本身,而是整體交易架構的前後邏輯不一,在這種邏輯衝突中所看到的結論是有明顯瑕疵的。

任何一個公式都有它具備的基本概念與衍生後的繁雜應用,但萬宗歸一,我們不能忽略了其本質所具備的意義,以及這些技術指標或統計方法在基礎假設中已排除的條件。以交易系統而言,最常見的邏輯衝突在於:策略使用者對自己所套用方法的理論來源並沒有透徹理解,或是在發展的開始沒有先確立核心概念,到底是一套順勢、逆勢,或是以效率市場假說所架構的套利模型。若一個交易策略在指標上使用了 A 方式,( A 方式的假設是 x 且排除 y ),但卻在套用的濾鏡或是風險工具中使用了 B 方式 ( B 方式的假設基礎是 y ),那麼縱使不去深究 A、B 兩種方法在各自的理論中有沒有錯誤,整個系統的正確性已經值得存疑了。

「蒙地卡羅法則」是一個將樣本視為隨機分布的數值計算方法,套用在交易策略上,便是將每一個單位時間發生的損益視為機率均等的樣本,再從中隨機抽取用以檢視交易風險。假設有一條 5 天 ( 以短期舉例 ) 的權益曲線,這段期間內每日損益為 +1萬 ; +2萬 ; -1萬 ; -3萬 ; +5 萬,基本的蒙地卡羅法則將這 5 個損益發生機率視為各 20%,並且個別為「獨立事件」。

《 重頭檢視趨勢指標的初衷 》

無乃道氏理論、波動理論或是新型態的技術分析,原理無不建構在「價格或價量俱有趨勢」。技術分析本身就是一門統計學,由最基本的均線開始,便是對過去某個時段內的歷史資料彙整、計算而得到有價值的買賣依據。以一套單純的順勢系統而言,策略在長期的運作後集合的大樣本堆疊呈現正期望值,亦即總獲利大於總損失,且權益曲線以鋸齒狀的方式向座標軸右上方發展。

《 趨勢交易的核心概念是趨勢;蒙地卡羅法則的核心概念是隨機 》

蒙地卡羅法則被套用在許多領域,涵蓋生物醫學、物理學、經濟學等,貢獻良多,所以無需質疑該法則的實用性,只是許多交易者在應用的時候並沒有理解到整個策略發展的前後邏輯。就如同一般常見的「濾網」多數是逆勢手法,當逆勢邏輯套用在順勢系統後,就大幅降低了策略原本可能具備的穿透性,也容易掉入 overfitting 的看圖說故事陷阱。

順勢、逆勢、套利模型等,金融市場存在許多不同邏輯的交易架構,但每一種架構都需要運用符合自身邏輯的工具。當一套系統中所用的不同方法間理論互相排斥時,交易者就應該重新思考取捨。( 補充:與蒙地卡羅法則類似的尚有拔靴法 Bootstrapping )。


《 本文由 PROG 璞格交易團隊提供 》





開發商品的交易系統 - 基礎篇 [15] - 假突破

$
0
0


此次要驗證的概念為假突破,先引用一段文章作為基礎的觀念引導:判斷真假突破的四條原則

假突破(False breakout)

假突破是指在某種技術圖形中價格突破阻力線或支撐線後,由於動能不足,沒有繼續上漲或下跌,而是掉頭向相反方向運動的情況。
假突破的投資應用
假突破是許多技術分析失效之處,如果投資者單純依賴技術分析,在遇到假突破時就會遭遇損失。技術分析認為需要依靠其他的技術指標來確認突破是否有效。

趨勢線的突破對買入、賣出時機等的選擇具有重要的分析意義,而且即使是市場的造市者往往也會根據趨勢線的變化採取市場運作;因此,搞清趨勢線何時為之突破,是有效的突破還是非有效的突破,於投資者而言是至關重要的。事實上,股價在趨勢線上下徘徊的情況常有發生,判斷的失誤意味著市場操作的失誤,以下提供一些判斷的方法和市場原則,但具體的情況仍要結合當時的市場情況進行具體的分析。


(1)收盤價的突破是真正的突破
技術分析家經研究發現,收盤價突破趨勢線,是有效的突破,因而是入市的信號。以下降趨勢線即反壓線為例,如果市價曾經沖破反壓線,但收盤價仍然低於反壓線,這證明,市場的確曾經想試高,但是買盤不繼,賣盤湧至,至使股價終於在收市時回落。這樣的突破,專家認為並非有效的突破,就是說反壓線仍然有效,市場的淡勢依然未改。

同理,上升趨勢線的突破,應看收盤價是否跌破趨勢線。在圖表記錄中常有這樣的情況發生:趨勢線突破之後,股價又回到原來的位置上,這種情況就不是有效的突破,相反的,往往是市場上的陷阱。

(2)判斷突破的原則
為了避免入市的錯誤,技術分析專家總結了幾條判斷真假突破的原則:

A.發現突破後,多觀察一天如果突破後連續兩天股價繼續向突破後的方向發展,這樣的突破就是有效的突破,是穩妥的入市時機。當然兩天後才人市,股價已經有較大的變化:該買的股價高了;該拋的股價低了,但是,即便那樣,由於方向明確,大勢已定,投資者仍會大有作為,比之貿然入市要好得多。

B.注意突破後兩天的高低價
若某天的收市價突破下降趨勢線(阻力線)向上發展,第二天,若交易價能跨越它他的最高價,說明突破阻力線後有大量的買盤跟進。相反,股價在突破上升趨勢線向下運動時,如果第二天的交易是在它的最低價下面進行,那麼說明突破線後,賣盤壓力很大,值得跟進賣出。

C.參考成交量
通常成交量是可以衡量市場氣氛的。例如,在市價大幅度上升的同時,成交量也大幅度增加,這說明市場對股價的移動方問有信心。相反,雖然市價標升,但交易量不增反減,說明跟進的人不多,市場對移動的方問有懷疑。趨勢線的突破也是同理,當股價突破支撐線或阻力線後,成交量如果隨之上升或保持平時的水準,這說明破線之後跟進的人多,市場對股價運動方向有信心,投資者可以跟進,搏取巨利。然而,如果破線之後,成交量不升反降,那就應當小心,防止突破之後又回復原位。事實上,有些突破的假信號可能是由於一些大戶入市、大盤迫價所致,例如大投資公司入市,中央銀行幹預等。但是市場投資者並沒有很多人跟隨,假的突破不能改變整個盤勢,如果相信這樣的突破,可能會上當。

D.側向運動 [ 橫向盤整 ]
在研究趨勢線突破時,需要說明一種情況:一種趨勢的打破,未必是一個相反方同的新趨勢的立即開始,有時候由於上升或下降得太急,市場需要稍作調整,就形成所謂牛皮狀態。側向運動會持續一些時間,有時幾天,有時幾周才結束。技術分析家稱運為消化階段或鞏固階段。側向運動會形成一些複雜的圖形。

側向運動結束後的方向是一個比較複雜的問題。

認識側向運動的本質對把握股價運動的方向極為重要。有時候,人們對於股價來回窄幅運動,其意,大有迷失方向的感覺。其實,側向運動既然是消化階段,就意味著上升過程有較大阻力;下跌過程被買盤,買家和賣家互不相讓,你買上去,我拋下來。在一個突破阻力線上升的行程中,側向運動是一個打底的過程,其側向度越大,甩掉牛皮狀態上升的力量也越大,而且,上升中的牛皮狀態是一個密集區。同理,在上升行程結束後,市價向下滑落,也會出現側向運動。

側向運動所形成的密集區,往往是今後股價反彈上升的阻力區,就是說沒有足夠的力量,市場難以突破密集區,改變下跌的方向
資料來源 : 判斷真假突破的四條原則
以下介紹一篇Larry Williams 近期的文章,內容談論的是屬於K線型態的假突破。

摘要的原文如下
**** for long entry ****
1) Market closes below prior low
2) Market then closes above the high of the low close day
3) Market then follows through the second close day.

**** for Short entry ****
1) Market closes above prior High
2) Market then closes below the Low of the High close day
3) Market then follows through the second close day.


從上述的描述與圖片要開始轉化成交易策略,首先透過簡單的指標來顯示所要觀察的現象



測試程式碼
inputs:EntryType(1), Length(24),Mult_L(1),LengthS(20),Multi_S(0.9),timeEntry(900),TimeExit(945);
vars: IsBalanceDay(False),MP(0),EntryLong(false),EntryShort(false);

MP = MarketPosition ;
if DAYofMonth(Date) > 14 and DAYofMonth(Date) < 22 and DAYofWeek(Date)= 3
then isBalanceDay = True else isBalanceDay =False ;

{ 進場條件 1,原始的想法 }
if EntryType = 1 then Begin

{買方環境 及進場作多價格設立 }
EntryLong = Close[1] < Low[2] ;
if EntryLong then Value1 = High[1]+1 ;

{賣方環境 及進場作空價格設立 }
EntryShort = Close[1] > High[2] ;
if EntryShort then Value2 = Low[1]-1 ;

if time >= timeEntry and time <= TimeExit then Begin

if EntryLong then Buy next bar at Value1 stop ;
if EntryShort then Sell next bar at Value2 stop ;
end;
end;

{ 進場條件 2,加上多一根K棒確認及振幅濾網 }
if EntryType = 2 then Begin
EntryLong = Close > High[1] and Close[1] < Low[2] and Range[1] > Average(Range,4)[1]*Mult_L ;
EntryShort = Close < Low[1] and Close[1] > High[2] and Range[1] > Average(Range,4)[1]*Multi_S ;

if time >= timeEntry and time <= TimeExit then Begin
if EntryLong then Buy next bar at High stop ;
if EntryShort then Sell next bar at Low stop ;
end;
end;

{ 簡單的出場規則 }
if MP > 0 then ExitLong next bar at Lowest(Low,Length) stop ;
if MP < 0 then ExitShort next bar at Highest(High,LengthS) stop ;

if IsBalanceDay then setExitonClose ;

進場條件 1
台指期 60 min K 多空留倉 交易週期 2004/8/31~ 2014/8/29 交易成本 1200


進場條件 2
台指期 15 min K 多空留倉 交易週期 2004/8/31~ 2014/8/29 交易成本 1200


簡單的邏輯來自於大師的細心觀察,在台指期的測試中近期也是持續創新高,讀者可以搭配其他的濾網,例如成交量,均線,是否為短期的高低點都會有不同的效果出現。

以下連結的內容相似,圖表有一些差異,所以我都放上連結,請讀者自行參考
The False Break Buy And Sell Pattern from Larry Williams -1
The False Break Buy And Sell Pattern from Larry Williams -2

以下績效圖表是同樣時間週期加上如意多空網的表現

打房政策 兩岸三地大評比

$
0
0

紅色子房專文,刊登於 好房HouseFun 雜誌 2014年 11月號

因應好友K董的邀請,到艾美酒店參加「2014兩岸三地房地產市場健全發展高峰論壇」活動。在華麗的大廳裏,換了一堆董、總、主席、領導的名片後,我原本以為又是場政商大拜拜,直到熟悉的都市計劃學界林建元教授登台主持,中國及香港房地產學者專家陸續分享打房政策的果效,開始覺得這論壇有意思了。

與會的中國房地產學者,中國大陸住房和城鄉建設部政策研究中心主任秦虹,分享中國目前已經停止大城市繼續往外擴張開發計劃,以往對外四環、五環、六環方式擴長已成為絕響,改適當疏散轉移大城市的經濟功能和其他功能到其他城鎮,同時增強城市群內中小城鎮集聚經濟、人口的能力。

以中國的京津冀、長三角、珠三角三大城市群為例,2.8%的國土面積集聚了全國18%的人口,創造了36%的國內生産總值,但現在也面臨生態環境壓力和逐漸加大的國際競爭壓力,需要調整優化轉型升級。因此,兼顧人本發展與生態平衡的「新型城鎮化」政策,已成為中國房地產發展的新主軸。

值得一提的是,過去中國一線城市標售精華土地帶動房價大漲,二三線城市土地因為便宜就蓋了一堆「新城」反成為「鬼城」的情況,將因為「新型城鎮化」政策,政府透過發債方式,將土地開發主權回歸到政府基金去主導,進一步改善房地產供需失衡的市場。

而參與論壇的香港與談代表,則是香港房地產協會副會長馮志堅,來台時正逢「佔中運動」剛起步。他苦笑說面對香港市區高漲房價,他自己早已搬遷至大嶼山郊區居住,還好離機場近,沒有受到交通影響,順利上飛機來台。

對於香港近年房價暴漲,金融背景的他,認為主因來自全球金融海嘯後的貨幣供給過濫,儲蓄民眾憂心通貨膨脹,進而把資金投入房市,刺激投資保值性需求,房價愈炒愈高,一般民眾購屋愈來愈難。因此,「安居」成為香港房地產政策的重要議題。

香港的打房是從稅制著手,有額外印花稅(SSD),加上可稱為Double SD的第二間房雙倍印花稅 ,以及由買家負擔的印花稅(BSD),三稅齊下,被稱為「 3D立體辣招 」,全方位大打壓房市。實施數年以來的結果,交易量幾乎窒息,但是房價並無明顯下跌,中古屋房價更是背道而馳上漲。馮先生認為,香港土地資源有限,辣招只是「以強力壓彈簧」。在民眾有自住的剛性需求下,逼使房價抗跌,倘若將來「減辣」、「去辣」時,房價反彈將更厲害。

依我的看法,當兩岸三地都在打房,先天環境與政府處理格局都有所不同。

中國政府先天條件是「有錢有地」,新政策選擇保留尚未開發的城市外圍地區,著重都市更新改善各城鎮新農民工的居住環境,將大城市與新興城鎮的開發權掌握在政府手中,同時在各小型市鎮創造更多產業工作機會。房價政策方面,除一線城市外,其他城市的限購令幾乎都開始鬆綁,尊重市場選擇。

香港政府先天條件是「有錢沒地」,身處在亞洲金融重鎮,即使有超高容積的高層大樓開發,也擋不了持續成長的人口基本住房需求,在供給嚴重無法滿足需求的情況下,即使有稅制上的「辣招」,也無法有效降低房價。

台灣政府先天條件是「有地沒錢」,都市更新牛步化的結果,城市選擇不斷向外擴張。在政府沒錢的情況下,搞市地重劃成為政府的開發賺錢管道。一個個畫大餅的擴大都市計劃、新興科學園區計劃,夜晚燈火通明的重劃區街道,卻只見零星矗立的大樓。但是,政府重劃區抵費地的標售,又不斷抬高土地價格,在土地原料及營建成本不斷成長的情況下,如何期待房價有可能降低多少呢?

政府沒錢,有執政官員學香港只想抽更多稅,卻忘記我們的資本實力可沒有香港雄厚。股市證所稅制度趕走了大戶,股票分紅費用化制度趕走了高科技人才,二代健保制度趕走了優秀醫生,所得稅提高制度趕走了富商。奢侈稅與實價課稅趕走了房地產買氣,房價卻仍沒有明顯下降,又重蹈香港辣招失敗的覆轍。

凡事都有因果關係,當富有的投資者與好人才都漸漸離開台灣,只剩黑心企業不斷想著旁門左道降低成本獲利。當劣幣不斷驅逐良幣,如何留下優質企業提高人民薪資所得,拉近房價與所得的差距?

政府如今唯有設計更好的機制讓人民與企業致富,國家才會致富。讓國家致富,國家才有錢主導房地產市場,更有能力照顧無力買房的族群。

「只想見利抽稅,不思健全發展」是殺雞取卵的短視思維。如果這樣就想打房成功,執政者的智慧與格局,著實令人擔憂呀!  

美元的走強,未來買什麼才是聰明投資?

$
0
0
上週國際上有許多重要的新聞,
其中日圓的大幅貶值還是持續進行中,
接著看到電視新聞報導,
由於日圓狂貶,所以各大銀行的櫃台都擠滿了人群,
去搶買便宜的日圓。
「銀行主管說,本週以來,大型行庫櫃台前湧現大批購買日圓的人潮。其實自8月27日以來,民眾搶進日圓盛況便已湧現,當時銀行出售日圓金額是平日的三倍,但交易戶數未明顯成長。最近兩天,情況愈演愈烈,交易筆數暴增兩倍,代表發現日圓對美元匯價再度貶破105時,散戶已開始進場,金額則較往日多出1.5倍。」

各家銀行還要準備夠多的日圓鈔票供大家「換個夠」。
上週的文章-亞洲貨幣戰,錢只會更不值錢提到,
如果一個東西不斷在下跌的時候,最好是進行觀望,
貿然接掉下來的刀子,很容易就會受傷。



匯率短短一週從110持續往115邁進,
1萬美元可以換110萬,變成115萬。

持有美元資產不只是現在,未來也會是唯一王道

在美國回收QE之後,不管是明年6月升息或者是9月升息,
我們投資人應該要持有美元資產,或者是強多頭的股票,
才能夠讓我們財富增值。

現在要買進日圓只有兩種人適合:
第一、你現在準備要出國前往日本旅行的人
第二、你的新台幣與美金實在很多,分散一些去日圓的人

除此之外,狂買日圓是一個很冒險的事情,
投資人應該謹慎評估才是。
(當然如果你只是去換個幾萬日幣,倒是無所謂)

我們來看看上週發生的大事,最有效率的投資要怎麼做才好。
作的正確又漂亮,這才是專業投資人要注意的。

美國期中選舉後,歐巴馬提前跛腳?

美國參議院與眾議院兩院的選舉,
共和黨雙雙拿到過半的席次,
對於民主黨的歐巴馬總統來說,提前跛腳的傳言四起。

從2008年金融海嘯之後,
民主黨所主導的金融監管越來越嚴。
公開數據顯示在本次選舉中,
共和黨獲得了63%的來自「銀行投資領域」的個人和企業的政治捐款,
這是共和黨在歷屆美國中期選舉所獲得最多的一次。

除此之外,華爾街也厭倦了監管機構對金融業的巨額懲罰。
金融危機過後,幾乎美國所有的大銀行都支付了高額罰單。
從歷史來看,期中選舉後市場通常會上漲。
上週道瓊指數續創新高,似乎也是反映了不安定因素的消失。
從17390點上漲到了17574點,上漲約1%。

上圖為道瓊指數日線圖(可點圖放大)

而整體金融股呢?約上漲了1.3%強於大盤。

上圖為XLF(金融股ETF)日線圖(可點圖放大)

1928年以來S&P500指數在期中選舉後的90天,86%股市都呈漲勢。

而美元的走強也吸引了國際的資金持續回流美國本土,
加上耶誕旺季效應,
目前作多「美國銀行股」報酬會比接刀日圓要好得多。

俄羅斯與烏克蘭衝突,能源大戰再起

單單才一個星期,俄羅斯盧布兌美元便下跌了約10%。
俄羅斯央行說,將減少支撐貨幣讓盧布得以更自由交易。
消息使盧布跌勢一發不可收拾。
由於油價大跌,加上與西方國家的制裁僵局,使盧布賣壓沉重,
還記得以前油價是中東國家握有話語權的武器,
沒想到在2014年的今天,竟然變成是美國。
美國還可以利用油價的漲跌來控制全球的局勢,
因為..美國的原油生產量,在明年就能成為全球第一。

過去6年以來,美國產油量增加快三分之二
是伊朗或加拿大的2倍,頁岩油的日產量,由不足50萬桶,目前已經接近400萬桶;
計算乙烷、丙烷等其他液態石油後,美國目前日產量已達1,100萬桶,
超越阿拉伯及俄羅斯,成為全球最大產油國。

到底是因為美國的產油量大增,所以油價下跌?
還是因為世界經濟其實已經退燒,所以油價下跌

假如是前者,那美國對俄國的處罰何時會停,看油價就知道,
因為俄國也是能源大國,油價的收益是國庫重要來源。
美俄休兵日,就是油價止跌時。

如果是後者呢?那現在的股市多頭,會不會只是一場泡影?

這個答案我們繼續看下去...
每一個投資人都應該要有國際觀,
你就會慢慢遠離內線不斷與量能萎縮的台股市場。

如果喜歡畢德歐夫這篇文章,可以分享給更多朋友。
謝謝你的資訊分享!
美國QE收回後,強勢美元導致各國貨幣貶值,配合日圓的狂貶,持有過多的台幣資產應該可以分散投資到美股市場中。

或許您對更多美股文章有興趣
買下地球系列--美股ETF國際代碼整理(前進海外必備)
美國真實困境-年收200萬也無法貸款買房
富人忙賺錢,窮人忙省錢,中產階級?
到底印夠了沒?美國才剛要收,現在輪歐洲開始印?

採礦貓教您如何輕鬆交到女朋友!

$
0
0


大家好!貓大又來了!還記得大一新生入學典禮上,校長提到,在大學生活中最重要的三樣學分就是:學業社團愛情。對於剛從高中解放出來的大一新鮮人來說,最想做的事就是來談一場轟轟烈烈的愛情!但是要交到女朋友真是談何容易阿,究竟是怎樣的人會比較容易交到女朋友呢?是長得帥的人比較吃香呢?還是要幽默風趣讓自己比較容易跟女人混熟比較重要呢?本週就讓貓大來教教大家怎樣「用統計的角度」來看哪些特質比較容易交到女朋友吧!

在一般來說我們最常用到的預測模型就是線性回歸(linear regression),但是在這裡我們不適合使用線性回歸,為甚麼呢?因為今天我們是要猜測一個人有沒有交到女朋友(如果有交到女朋友是1,反之是0)。所以今天我們的應變數(dependent variable)就變成了二分變數了(dichotomous variable,如:男或女、存活或死亡、通過考試與否),這時候你就必須使用到羅吉斯回歸(logistic regression)了。

在這邊我們先來講一下甚麼是羅吉斯回歸,在社會科學中常使用到大量的類別資料,例如性別可以分為男女;一個人有分為有感冒或沒感冒;宗教可以分為基督教、佛教、伊斯蘭教等。在平常,若類別變數做為自變數(dependent variable)時,我們可以利用卡方分析來做資料的分析,但如果今天我們自變數若是要使用身高、體重、收入等連續變數做為我們的自變數時,常常受限於應變數為類別資料,而缺乏適當的統計工具。羅吉斯回歸正是用以處理應變數屬於類別資料的情況,可以說是社會科學最重要的統計模型。

羅吉斯回歸以二項式分配(Binomial Distribution)為出發點,假設應變數服從二項式分配,線性模型為:



經過指數轉換之後可改寫為:



在這邊就是一個人「交不交的到女朋友的機率」,而就是一些我們「有興趣的自變數」,例如:身高、體重等。而就是分別代表該「自變數的權重」。

從右圖可以看到的範圍在0到1之間。我們以0.5作為判斷這個人是否交得到女朋友,則最後如果計算出的範圍介在0.5到1時,我們可以大聲的說「我交得到女朋友了!」反之的話….不灰心不難過!繼續使用羅吉斯回歸,找出最適當的自變數與權重,再接再厲!

了解了羅吉斯回歸的基本概念之後,接下來最重要的就是我們要如何建構出我們的模型也就是把各個自變數的權重計算出來拉!在羅吉斯回歸中我們最常用來計算變數權重的方法就是最大概似估計量(Maximum Likelihood Estimation)。

做法就是利用收集到的樣本,觀察這些資料的分布得到我們的權重,再利用它來反推出我們真實的權重。一個最簡單的想法就是這些觀察是具有代表性的,所以我們樣本計算出的權重是符合真實的機率分布,舉例來說:今天一個池塘裡面有10000條魚,有的魚是黑色、有的魚是白色。我們今天想要知道總共有多少條白魚,所以我們就撈了100條魚。發現100條裡面總共有76條白魚,佔了76%。所以我們推估這池塘裡面總共有7600條白魚。這個想法的背後就包含了最大概似估計法則了。

在本章節中,貓大帶您簡單的走過羅吉斯回歸的介紹與概念以及建立模型的方式。我們可以先定義好自己比較覺得有關聯的自變數,然後在校園中不斷的收集樣本(記住要用隨機抽樣喔!這樣模型才會更加準確)。最後再利用最大概似估計將權重計算出來完成我們的最終模型。希望大家能在戀愛的學分上能得到漂亮的成績!本週就到這裡,我們下週再見!喵~

漲跌推理系列‧祥碩(5269)

$
0
0


參與金融市場買賣交易,有個大家都知道的秘密:資訊領先者的存在性,無論是主力或是內線吸引的外圍,當進場賣賣交易的時候,就會在K線圖上面留下動作的軌跡,這些買賣交易的軌跡是最真實的結果,從真實結果開始研究才能最接近漲跌的核心。

舉祥碩(5269)為例

祥碩(5269)的周日線圖@2014.11.10


上圖為祥碩的周日線圖,上面是日線,下面是周線。

從祥碩的日線圖可以看到,標記X的價值位對應到過往陰陽陰的密集,九月初第一次撞到這個壓力的時候,可以感受賣壓並未積極退場,相反在此價位徘徊良久,九月的下半月再次挑戰此壓就有全然不同的感受,大強陽衝刺壓力卻誘發積極退場的賣壓,行於陰包陽,真實結果展現壓力由緩轉快,解套賣壓轉趨積極。

註記L的價位也是多空必爭的價,經過買氣堅守仍失去此價,在X和L間形左大右小的強式雙重,跌至滿足力量幅度再遭遇M的支撐堅守,掙扎八日仍跌破此價,十月底跟著大盤的買氣瞎攪和,推升價位再次挑戰M這個多空必爭的價位。


祥碩(5269)的時刻線圖@2014.11.10


上圖為祥碩的時刻線圖,上面是時線,下面是刻線。

註記B的位置剛好座落於日線圖M所代表的壓力,有代表性的陰力還要出現在正確的位置才能發揮期待的功能性,當筆者看到B的出現,就自然而然地又把空單塞進去,但這支刻陰顯然還小於Y、N夾住的那支刻陽,因此理解這是筆操作整理跌的空單。

當價位跌至Y的時候,買氣明顯不足,筆者繼續看賣壓的展現,跌至N的時候,心中有數有可能會遭遇頑抗,但在俱備成本優勢的前提下,繼續多看,直到2014.11.07的流程出現低不破低,高能過高的買氣才退場,完整參與整理跌的短暫行情。


沒有買賣意作基礎的K線知識將失去靈魂,如同行屍走肉,俱備買賣源點的圖意展現則是活靈活現,充滿意象而且能讓進退有據。


大樣本

$
0
0


《 交易者容易為了尋求快速的領先指標,而違背技術分析基本的統計原則 》

在進行交易的各種量化分析時,我們會需要套用很多公式,可能是統計計算式,例如用以評估買賣金額與總資金比例的凱利法則,或是一些簡單的表達式。無論使用何種工具,他們的可信度都建立在「穩定的數值」這個基礎,也就是這些從歷史資料統計或演算而得的數值必須成功地表達商品特徵或走勢慣例,並且需要在未來具有適用性。

以我們在 11/09 發表的文章內容為例 ( http://goo.gl/PUhAic ),取樣了 1800 個大循環交易日 ( 起始與結束交易日點數差 0.018%、佔收盤價總路徑 0.0013% )。取樣前後差距幾近可忽略的目的是避免樣本期間呈現單一的多頭或空頭走勢而使判斷多空型態的表現差異出現偏頗,例如取樣空間若為 2011 ~ 2014 期間,這三年的台股加權指數為明顯多頭走勢,並不適合單純探究漲跌在市場中呈現方式的不同。再者,足夠數量的採用提供了結論的有效基礎 ( 這份統計將資料增加或減少數年至不低於有效樣本的情況下,皆可得到該文章內相同結論:階段化特徵 )。

技術分析的本質亦然,我們需要考慮到樣本的「有效性」,歷史資料需要某種程度的數量支持理論所衍生的各種機率與策略特質 ( 獲利因子、勝率、權益曲線標準差等 )。一般在交易模型中的樣本需求可以分為下面兩方面:統計樣本、交易樣本。前者一般在學院或是策略設計階段中探究、後者則在交易所內進行。我們此處以簡易的凱利法則為說明例。

凱利法則 ( Kelly Criterion ) R = [ ( 1 + M ) p - 1 ] / M
( R:每次下注佔資金比例;M:賠率;p:勝率 )

《 統計樣本 》

SMA、EMA 等各類均線使用了平均數的概念以估計市場持有成本;布林通道將價格行進的標準差考慮在內,使用統計原則的技術分析工具比比皆是。每一種應用的涵義都在探測走勢特徵,這類特徵除了需要建立在有效的樣本上才具有參考價值之外,也應該適度的排除極短週期內所出現的不必要雜訊。返回先前提到的凱利公式,該公式最為交易者所苦惱的便是 M 與 P 兩項參數應該如何取得?得到有效的數值需要交易者回測期間具有足夠長度、「並且在策略或指標計算中亦包含足夠樣本數」,後者尤其重要且易被忽略。如果在基本公式的應用上套用了過短的週期,會使樣本有許多出現偏離值的情況,無論回測空間長短皆不具有效用;前者則可以用循環週期 ( 或稱「移動窗格」 ) 的方式確認是否正確探測到商品本質。

《 交易樣本 》

擁有了設計妥善的交易系統,我們同樣需要讓交易執行後的樣本足夠反應策略裡面的各種量化值,過大的押注只是無謂縮小了交易的樣本空間,一旦市場出現離群值頻繁出現的區塊,資金會瞬間瓦解而無法繼續執行系統。

除了離群值現象,市場有時會發生根本性的質變。這種根本性的質變會導致既有的數值完全不能適應新市場型態,例如 QE 的出現或是近來的日圓貨幣貶值政策。一個具有觸摸市場本質的策略同時也應該能夠在市場本質出現變化後,對於新的價格慣性產生新數值,然而在策略統計出新的有效數值之前,既有策略對於商品交易會處於一種「瓦解」的狀態。過大的槓桿同樣使交易系統無法度過這種市場重新定義的過程。

我們一直著重於強調對於交易工具的理解,因為唯有交易者充分掌握技術分析的根本與各部分的內涵,才能夠正確的應用,或更進一步衍生成為自有系統。所有技術分析的套用必須顧慮到最基本的統計原則,尤其是取樣正確性跟有效樣本數量。



《 本文由 PROG 璞格交易團隊提供 》

開發商品的交易系統 - 基礎篇 [16] 談自適性 adaptive

$
0
0


建立自適應振盪區間的方法
當我們使用任何具有超買超賣特性的振盪指標最常見的問題之一,是它使用固定的值來定義指標目前是位於超買區或是超賣區。這會導致指標本身和任何利用此振盪指標作為元素的交易系統,在市場遠離指標的超買超賣區外,或在此區間內擺蕩時變得無效

若要避免此限制,我們可以使用動態或變數的方法來計算超買和超賣的區間。例如,我們可以利用程式來追蹤擺蕩盪指標最近的20 重要的轉折點,並使用這些轉折點的平均值作為超買和超賣的區域設定,而不是固定的值。



計算這些轉折點的平均值所形成的區間帶寬或許還不足夠,這是由於指標的特性造成交叉頻煩,為了能讓帶寬 (Band) 能儘量的加寬,我們可以儲存過去一段時間以來,發生創新高及創新低的轉折點,並將其平均值來建構超買超賣的區域。

我們來看透過上述的概念以及使用RSI振盪指標所建立的動態超買超賣區域。

{ 自訂函數 _MagicQS131_FTOP : 計算自適應超買線 }
Input: Price(Numeric), Length(numeric), Strength(Numeric), Factor(Numeric);
Vars: NewSwing(false), count(0), Summ(0), varBand(0), HighestHi(0);
Array: TopPoints[19](-1);

{陣列初始值設 -1 表示未有新高或新低值  }
If Factor > 1 OR Factor < 0 then varBand = 1 else varBand = Factor;
{ 尋找轉折新高 }
NewSwing = false;
If SwingHighBar(1,Price,Strength,Strength+2) = Strength then Begin

{ 找到後作記錄 , 並將陣列內資料重新 update}
For count = 19 DownTo 1 Begin
TopPoints[count] = TopPoints[count-1];
end;
TopPoints[0] = Price[Strength];
NewSwing = True;
end;

HighestHi = 0;
Summ = 0;

{ 尋找陣列內最高轉折點的值 }
For count = 0 to length-1 Begin
Summ = Summ + TopPoints[count];
If TopPoints[count] > HighestHi then HighestHi = TopPoints[count];
end;

If Length <> 0 then Begin

{ 將平均值 + (最高值-平均值)*調整系數 }
If TopPoints[Length-1] <> -1 then
_MagicQS131_FTOP = ( Summ / Length ) + ( HighestHi - Summ / Length ) * VarBand
else _MagicQS131_FTOP = -9999999;

end else_MagicQS131_FTOP = 0;

{ 自訂函數 _MagicQS131_FBOT : 計算自適應超賣線 }
Input: Price(Numeric), Length(numeric), Strength(Numeric), Factor(Numeric);
Vars: NewSwing(false), count(0), Summ(0), varBand(0), LowestLo(0);
Array: BotPoints[19](-1);

If Factor > 1 OR Factor < 0 then varBand = 1 else varBand = Factor;

{ 尋找轉折新低 }
NewSwing = false;
If SwingLowBar(1,Price,Strength,Strength+2) = Strength then Begin

{ 找到後作記錄 , 並將陣列內資料重新 update}
For count = 19 DownTo 1 Begin
BotPoints[count] = BotPoints[count-1];
end;
BotPoints[0] = Price[Strength];
NewSwing = True;
end;

LowestLo = 999999;
Summ = 0;

{ 尋找陣列內最低轉折點的值 }
For count = 0 to length-1 Begin
Summ = Summ + BotPoints[count];
If BotPoints[count] <
LowestLo then LowestLo = BotPoints[count];
end;

If Length <> 0 then Begin
{ 將平均值 - (平均值 - 最低值)*調整系數 }
If BotPoints[Length-1] <> -1 then
_MagicQS131_FBOT = ( Summ / Length ) - ( Summ / Length - LowestLo ) * VarBand
else _MagicQS131_FBOT = -9999999;

end else _MagicQS131_FBOT = 0;

{ 自訂指標 _MagicQS131_Idx : 隨盤勢自動調整的超買超賣區間 }
Input: Osc(RSI(Close,20)) , Swings(2), Strength(2), Factor(.75) ;
Vars: TopBand(0), BotBand(0);

TopBand = _MagicQS131_FTOP( Osc , Swings , Strength , Factor );
BotBand = _MagicQS131_FBOT( Osc , Swings , Strength , Factor );

Plot1( OSCValue , "Osc" );
Plot2( Topband, "Top" );
Plot3( Botband, "Bot" );

交易系統
作多規則為 RSI值向上交叉超賣線
If Osc Crosses Over Botband then Buy next bar at market;

作空規則為 RSI值向下交叉超買線
If Osc Crosses Under TopBand then Sell next bar at market;





台指期 60 min K 多空留倉 交易週期 2004/11/1~ 2014/10/31 交易成本 1200



搭配如意多空網



只要屬於擺盪指標 RSI 、KD 、MACD ,、DEM 、CCI 都可以透過此種方式來重新設計自適應性的超買超賣區,讓進出場的時間點更接近市場價格的運動方向。

聯準會的推繩遊戲

$
0
0


美國聯邦準備理事會嘗試結束其非傳統貨幣政策之際,正為這種政策的懸殊表現而頭痛:它成功防止了經濟災難,但未能促成強健的經濟復甦。因為這種政策導致日趨嚴重的金融市場浮濫現象,政策結束將對市場造成很大的麻煩,而美國極其關注金融市場的貨幣當局也無法置身事外。

聯準會當前困境的根源,在於央行政策運作的藝術和實務上的根本改變。傳統的貨幣政策以達成聯準會穩定物價和充分就業的雙目標為宗旨,無法妥善處理資產和信貸泡沫的系統風險,遑論這些泡沫破滅後發生的資產負債表衰退。這一點近年來已非常清楚:面對2008至2009年的全球金融危機,主要央行訴諸非傳統政策,尤其是藉由貨幣量化寬鬆為市場挹注大量流動資金。

困境:防止了經濟災難卻復甦乏力


量化寬鬆政策背後的理論由柏南克倡導(先是以學者的身分,然後是聯準會理事,最後是聯準會主席),這理論認為央行在信貸週期的數量面操作,功能上等同著力於價格面。這理論使聯準會免於恐懼「零利率下限」;先前聯準會因應股市泡沫破滅而降息,指標政策利率○三至○四年間曾降至1%,逼近零利率下限。非傳統政策理論認為,即使指標利率降無可降,聯準會仍有大量工具可用來支持和引導實體經濟。

但這理論的知識基礎怎麼說也是不穩固的,它最初是聯準會13名華府研究員在○二年提出的。

該報告的標題是「防止通貨緊縮:1990年代日本經驗的教訓」。這標題看似無害,但它其實提出了一個重要論點:日本經濟困境是嚴重的政策失誤所致──日本央行未能及早察覺通縮的危險,因此未採取足夠有力的措施阻止通縮扎根。(柏南克於九○年代末嚴厲批評日本央行,公開提出類似結論;此事當然並非巧合。)言下之意再清楚不過:重大的貨幣和財政刺激措施,對政策利率逼近零的經濟體至關緊要。

有關「重大刺激措施」的可能形式疑問,數個月後獲得解答。當時柏南克發表演講,強調當政策利率逼近零下限時,央行必須動用非傳統措施來緩和通縮風險。此類措施可能包括購買公債,為銀行提供當局補貼的信貸,操控較長期利率,甚至是干預匯市以促成美元貶值。

數年後,全球金融危機爆發,上述的純粹設想便成了緊急行動計畫的基礎。不過,當局匆忙之中忘了關鍵的一點:危機時期有效的方案,未必能為危機之後的復甦提供足夠的動力,尤其是如果危機使實體經濟陷入資產負債表衰退的話。事實上,因為這種衰退導致貨幣政策的傳導機制失效,傳統的利率調整或非傳統的流動資金挹注,在危機之後均無法產生顯著效果──此時當務之急是減債和修復資產負債表。

當務之急:減債和修復資產負債表

這無疑正是美國今天的情況。量化寬鬆的最大成就,它在情勢最危急之際穩住了局面,但它對重振占美國經濟約70%的家庭消費幾無作用。事實上,自○八年初以來,實質消費支出的年化成長率平均僅為1.3%,是美國消費成長歷來最疲弱的時期。

聯準會挹注流動資金產生的「GDP紅利」嚴重不足,印證了消費疲弱的情況。聯準會自○八年末以來額外挹注了3.6兆美元的流動資金,但美國名義國內生產毛額(GDP)自○八年第三季至今年第二季僅增加2.5兆美元。如經濟學家凱因斯在大蕭條之後的名言指出,當經濟陷於「流動性陷阱」、低利率無法刺激投資或消費時,試圖以貨幣政策刺激需求有如「推繩」,注定徒勞無功。

這種作法也會產生嚴重的金融市場後果。聯準會的非傳統政策措施,最主要是惠及美國股市(因為金融危機而跌至谷底後,至今已上漲一倍以上),以及獲得厚利的富有股東階層。一度危險的各種固定收益工具,從高收益「垃圾」公司債到受危機重創的歐洲主權債,也大大受惠。

央行當局認為,所謂的「財富效應」(資產升值刺激實體經濟活動)將可解決危機之後復甦乏力的難題。但經濟復甦持續乏力,加上美國就業市場仍然阻力重重,證明當局只是一廂情願。

儘管如此,聯準會仍固執地聚焦於金融市場的反映,因此陷於一個可能致命的陷阱中。因為害怕導致市場動盪,聯準會採取緩慢結束量化寬鬆措施的作法。聯準會主席葉倫對於政策正常化料將需要的「頗長一段時間」之定義斤斤計較,因此也正陷入同一陷阱。這種無益的爭論頗像柏南克、葛林斯潘○四至○六年間政策緩慢正常化的劇本。悲哀的是,我們都非常清楚當年的結局。

不斷貶值的日圓與搶買黃金的中國大媽

$
0
0
週六與一群朋友到信義區吃日式料理,
大夥們吆喝著什麼時候要揪團去日本玩,
因為...日圓實在是太便宜啦!

還記得兩週前的這篇文章提到日圓短時間還不能買
除非你是去旅行...
當時還記得有幾個鐵齒的朋友,認為日圓都跌這麼多了,
怎麼不能買進投資呢?

事實上,上週五日元還一度挑戰117的關卡,
連我們央行彭總裁都出來喊話
要各位婆婆媽媽要理性,
不要一時衝動買太多日圓...


別忘了在兩週前,我們有提到日圓雖然已經貶破110大關,
但是「一直跌的東西,為什麼要急著去買呢?」

轉眼間又繼續貶到了一美元換116.3日圓,
這樣的走勢除非停止貶值並且整理三到六個月的時間,
你才能確保這是個有力的支撐點位。

既然是作投資,你又何必急於一時?
上圖為日圓日線圖(走勢圖往上走表示一美元可換到更多日圓)

白色圈圈是日本央行宣布要擴大印鈔當日的表現,
我們可以看到,所謂的趨勢絕對不是一天兩天的走勢,
假如一天就走完的行情,那也不能稱作是「趨勢」

身為交易者常常會有種迷失,
總是認為這是不是利空出盡or利多出盡?

永遠都在猜測,即使你認為這應該賣,
但是你就是賣不下去。

在我們投資人的記憶當中,
一定常常會有「我賣完,它就漲上去了」的這個印象,
這個問題幾乎每一個交易者都會碰到,
其實這是一種「選擇性記憶」,
因為腦海中不自覺會忘記「其實你賣掉後,還有繼續跌」的這個部分。

然後過了好一陣子,例如半年或一年後,這個跌勢結束了重新上漲,
你就會有種「早知道就不賣了」的感嘆。

這都是不必要的困擾,不但影響情緒,也影響了下一筆的操作。

中國大媽的前車之鑑

「國際金價跌至四年半低點,近日於每英兩1150美元附近震盪,
去年四月約在1350美元大舉搶進300公噸黃金的「中國大媽」

如今帳面虧損已逾19億美元,相當於六百億台幣。
中國大媽搶買黃金只能用一個「慘」字來形容,現在不敢再鐵齒。」
詳見中國大媽淘金慘敗 帳面虧損600億
黃金近期高點在7月10日,距離現在約4個月左右,
過去文章有提過,
如果你看壞黃金,那寧願去放空金礦股,
金礦股過去很長的一段時間,漲幅總是輸黃金本身,
但是跌幅總是跑第一名。
我們可以看到黃金ETF(代號GLD)
股價從128.54跌到上週五114.47,跌幅為10.9%;
同時期金礦股ETF(代號GDX)
股價從26.61跌到上週五19.02,跌幅為28.5%。
跌幅非常驚人。

看過這樣的案例,你可以了解到:
「看好黃金,你卻不能去買黃金基金的原因了」

通常在台灣發行的黃金基金,大多都是拿你的錢去買「開採金礦的公司」,
如果你真的看好黃金走勢,想要投機或投資性的購買,
那還不如去你家附近的銀樓或台灣銀行,
直接買進黃金比較乾脆,還省去一堆手續費用成本。
上圖左邊為黃金ETF週線走勢圖,右邊為金礦股ETF週線走勢圖(可點圖放大)

股神巴菲特曾講過:「就算跌到800美元,我也不會考慮買進的!」
原因很簡單,把資金投入好股票讓自己的資產和股價一起成長,
讓你財富跟隨經濟成長是更好的選擇。

如果喜歡這篇文章,可以分享給更多朋友。
謝謝!
日圓現在取代了黃金,成為撿便宜的代表物品,連央行彭總裁都出面喊話要理智一點,而過去黃金多頭熱的時候,我們央行沒有跟進去買,現在看來果然是正確的判斷。韓國央行則是最大苦主,90公噸黃金套在相對高點。

或許您對更多美股文章有興趣
買下地球系列--美股ETF國際代碼整理(前進海外必備)
美國真實困境-年收200萬也無法貸款買房
富人忙賺錢,窮人忙省錢,中產階級?
到底印夠了沒?美國才剛要收,現在輪歐洲開始印?

交易需要重開機,從深網談起

$
0
0
第一論證:真正賺錢的東西,不會用最簡單的方式告訴你。

深網(Deep Web),或者是稱之為 dark net 或 Hidden Web,指的是不被正規搜索引擎所收入,根據初步的預估,深網是一般人接觸網站 ( surface web )的四五千倍以上。如圖所示:



以此作為一個金融知識的隱喻,是再好不過的,這代表,我們所看到的東西:
一、是不能實際應用的。
二、有著內部的矛盾在其中。

買賣股票的門檻非常低,只要有些許的資金,就能夠踏入金融操作市場。
但買賣交易賺錢的門檻卻非常高,這部份的風險多數的人避而不談,因為如同本文最上面這句:
真正賺錢的東西,不會用最簡單的方式告訴你。


沒有人談論的事情,不代表不存在
如圖所說,真正的賺錢知識的確存在,但潛藏在多數人無法觸及的海底。
許多人只停留在最表面上的層次中打轉,而並未有機會更深入的核心。

從商業的世界來探討市場上每一個角色的本質:

券商:經記業務的目標是找到客戶下單,推展業務,而非使客戶在市場上賺錢。
券商自營部:部門操作獲利,或利用權証等造市工具在市場上賺錢(等等..那誰賠錢了?)
金融媒體:成功的金融媒體在提供受歡迎的金融資訊
上述的角色並沒有任何一個是提供獲利解決方案的保證
再次印證了本文的提示:
金融市場分為表面與底層,表面的活動並不實際提供可靠的獲利方式。
只有當你內心完完全全認同的第一論證,之後的路才有可能開展,


然而底層的活動到底為何?則是本專欄未來將會觸及的議題
然而為何一般人無法進入深層交易的核心呢?
這部份當然有許多的因素,但最主要的90%的人,都被自己的能力所限制。
要踏入真實的交易核心,必須真實克服許多的困難,而不是等待答案。
如果這個祕密沒有人要主動告知你,那是否有能力,一步一步走向答案。
不是複製其他人的答案,像哥倫布一樣,勇敢航向未知的新大陸。

電腦也會學習?類神經網路讓您窺知一二!

$
0
0


大家好!我是貓大,本週專欄將為讀者介紹,類神經演算法(ANN),如何能像我們人類大腦一樣學習,貓大將帶讀者了解什麼是ANN,以及它的概念與應用。

什麼是類神經網路?

類神經網路是一種利用電腦來模仿生物神經網路的結構和功能的運算模型,它使用大量的相連人工神經元來模仿生物神經網路的能力,並且經過學習的過程,使得電腦能夠就像人類那樣具有推理能力。




由於類神經網路是基於生物的神經網路的靈感啟發而來,所以我們可以透過了解人體神經系統,以加快認識類神經網路。
我們的大腦內是由大量的神經細胞構成,神經細胞又叫神經元,它可分成三個部分:

細胞核:是提供細胞維生的必需品。
樹突:是接收單位,專門接收別的神經元傳來的訊息。
軸突:是傳出單位,將神經衝動傳到另外一個神經細胞、肌肉或器官,軸突的末端跟另一個細胞的樹狀突相連接之間有個很小的空隙稱「突觸」,一個刺激必須要通過突觸才能到達另一個細胞。
這些神經細胞可以記憶、學習、控制感情等等的活動,藉由神經細胞與突觸的連結,在腦中形成神經網路。


而人工神經元是簡單的模擬生物神經元,它從外界環境或者其它人工神經元取得資訊,並加以運算,之後輸出結果到外界環境或者其它人工神經元,每一個人工神經元皆有多個輸入(Input)I1, I2, …, In及一個輸出O(Output),輸入值與輸出值的關係式,一般可用輸入值的加權乘積和的函數來表示,即O(t)=f()
  • W= 模仿生物神經細胞的突觸,稱為鍵結值(weights),可視為一種加權效果,其值越大,對類神經網路的影響也更大。
  • b = 模仿生物神經細胞的細胞核偏權值(bias),具有偏移的效果。
  • f(θ)= 模仿生物神經細胞的細胞核的非線性轉換函數,目的是將加權成績和的值做映射得到所需要的輸出。
  • n =輸入資訊數目。
  • O=輸出傳到外界環境或是其他人工神經元的資料。

將上面所介紹的神經元結合起來就成為一個類神經網路。人工智慧在目前的研究盛行,經過長期發展後,很多學者提出了許多網路架構去解決不同的問題以及速度上的改進。下面我們以一個簡單的架構,來了解它的工作原理:


輸入層(Input layer):透過許多神經元(Neuron)接受大量資訊。
輸出層(Output layer):資訊在神經元鏈接中傳輸、分析,形成預測結果。
隱藏層(Hidden layer):主要功能是增加類神經網路的複雜性,以模擬複雜的非線性關係,好比人類的神經突觸連結越多,就會越聰明。但過於複雜的類神經網路,會有過度學習導致預測力降低的疑慮,所以並不是人工神經元越多越好。

小故事時間

之前故事有提到,咪咪是名愛貓人士,養了一百隻貓。貓大最近看到咪咪非常難過,一問之下,原來是咪咪養的小花因為慢性腎衰竭過世了,咪咪因自己沒有提前發現小花異狀,提早讓牠接受治療而自責。為了避免悲劇重蹈覆轍,貓大建議咪咪可以使用類神經網路,來幫助診斷咪咪所養的貓是否有得到慢性疾病的可能。現在就讓貓大來跟你解釋為什麼類神經網路可以診斷疾病吧!

類神經網路的學習模式

要使得類神經網路能正確的運作必須透過學習的方式,使用過去資料去計算出預測值再與過去的實際值比較,若是預測值與實際值有出入便調整位於類神經網路內的鍵結值(Weights),經過與過去多筆資料比對後,便能找出解決某一特定預測值的最佳權重,這樣一次又一次的調整直到收斂為止,就是類神經網路的學習模式。

若是今天我們現在想要診斷咪咪所養的貓咪有沒有慢性腎衰竭,首先我們可以透過動物醫院取得歷史的臨床資料,研究患有慢性腎衰竭的的貓之年齡、血壓、低鉀狀況、飲食狀況、尿比重的資料等。臨床資料如下:



接著我們將欲診斷的模型分為兩個程序:訓練和測試。
訓練:將動物醫院取得的臨床資料的各種情況數據作為類神經網路的輸入資料加到其輸入層,同時調整神經元之間的鍵結值,使類神經網路的輸出和實際的病例情況相符,也就是當確實患有慢性腎衰竭時,類神經網路的輸出結果也會指示為那隻貓已得到慢性腎衰竭。

測試:對咪咪所養的貓做檢查,將牠們的情況輸入到訓練好的類神經網路中去,根據網絡的輸出結果就可以知道他是否患有慢性腎衰竭。

在本章節中,貓大帶您簡單的走過類神經網路的介紹與概念以及模型的運作方式,其透過蒐集大量資訊來學習,建立出網路模型後,再透過測試資料來驗證網路模型並找到解答,而類神經網路還可以解決很多一般電腦程式所不能解決的問題,例如股票指數預測、天氣預測、手寫辨識等許多的應用,希望本週的講解,讓您對類神經網路有更深一層的認識,謝謝收看!喵~

漲跌推理系列‧宇隆(2233)

$
0
0


參與金融市場買賣交易,有個大家都知道的秘密:資訊領先者的存在性,無論是主力或是內線吸引的外圍,當進場賣賣交易的時候,就會在K線圖上面留下動作的軌跡,這些買賣交易的軌跡是最真實的結果,從真實結果開始研究才能最接近漲跌的核心。

舉宇隆(2233)為例

宇隆(2233)的周日線圖@2014.11.17


上圖為宇隆的周日線圖,上面是日線,下面是周線。

從宇隆的周線圖可以看到,註記A的周K是整張圖面最俱代表性的陽,這支陽在五月的時候破低,這個真實結果對漲而言是相當不好的,如同軍中大將關羽被對方掛掉,爾後多頭借前勢與發動A的力量,試圖力挽狂瀾,持續掙扎月半的時間,直到註記B的周K出現,多頭敗象已呈,漲跌趨勢在A、B間逐漸轉變。

當註記B的周陰有能力延伸同等幅度以上,印證此陰為實陰,多頭岌岌可危,只能藉段之起漲價作最後努力,註記CD的這段跌,宣告多頭的敗亡,趨勢從此易位,所謂樹倒猢猻散,想要重新讓四散的籌碼沉澱絕非易事,盲目期待只會換來痛絕的失望。

從宇隆的日線圖可以看到,註記E的雙日K棒相當激烈,在技術語言稱此為陽帶陰,買賣意展現可理解為買氣嗨到最高點,結果卻是竭盡強,如果是在順勢漲勢過程出現竭盡陽,多頭至少還有前勢可藉,有機會作困獸鬥,如果是在逆勢彈勢出現竭盡陽,多頭可說是快速面臨緊急危難,意象如同即將倒塌的牆。

宇隆(2233)的時刻線圖@2014.11.17


上圖為宇隆的時刻線圖,上面是時線,下面是刻線。

從宇隆的刻線圖可以看到,註記F的刻K是整張圖面的最大陽,次日的開盤直接開在陽開下,稱此意象為嗨到最高點,樂極生悲只是剛好而已,目前的買賣氣進入觀望、清淡,還沒有帶出恐慌,先前的彈勢還有在掙扎,靜待絕殺重啟跌勢。


沒有買賣意作基礎的K線知識將失去靈魂,如同行屍走肉,俱備買賣源點的圖意展現則是活靈活現,充滿意象而且能讓進退有據。


[ 時間濾鏡 ] – 從近期紊亂的台股出發

$
0
0


這一篇文章的目標受眾是「非」程式交易者,提供一個找尋適當指標的方式或參數套用的取決過程,即使用 Excel 也可以輕易下手。在這篇文章完成的同時,璞格也決定年底前在敝團隊網站提供一個線上版的台指期回測程式,提供一般常用的指標如均線、KD、MACD、RSI 等,搭配不同 K 棒採用大小 ( 1分K、5分K ... 60分K、日K、周K、月K ),使用簡單的勾選方式即可進行,讓非程式交易者有更清晰的眼光去探究數值改變所帶來的效應。

近期台股加權指數與台指期呈現了相當雜亂的走勢,乖離的波動不大,但上下擺盪的方式卻不討喜,不僅是順勢交易者並不樂見的型態,短期趨勢翻轉過快也不利於逆勢策略。不論順勢逆勢,鮮少有人使用大週期作為多空絕對依據,原因有二:一是大週期所需要承受的虧損幅度較大、過程較長,雖然它可以避免雜訊所帶來的不必要困擾,甚至獲利能力高於極短週期;再者交易人難以捨棄抓取短時間內趨勢轉折的可能。所以無論是多或空方的部位持有人,很可能在過去這 10 天內被甩出獲利的列車 – 尤其是時間週期取用極小的策略使用者。

首先我們一如往常使用量化的方式闡述當前現象。以一個常見的雜訊評估方式觀察近日的台股波動:ATR ( Average True Range )。台股加權指數 20 日 ATR 目前數值表現為 90.3,過去一年平均值 74.7,差值 15.6,均值乖離幅度 21% ( 20 日標準差為 10.29,亦即僅有 14.4% 的交易日 ATR 大於目前數值 )。值得注意的是,今年 7 月後便一直呈現 ATR 拉升情況,上半年大部分交易日低於平均數值,下半年則呈現不斷提高的情況。

「時間」本身就是一種濾鏡 ( 或稱濾網 ),許多技術分析者並不容易放棄短時間週期的採用,這能讓策略在趨勢翻轉時迅速反應以抓取雙邊獲利,短週期也能夠在較小的波段中有著出色的表現,但這樣的敏感度同時造成了他的負面效果,亦即在盤整區間過度交易而大量回吐獲利。

時間的濾鏡我們分兩個方面探討:「技術分析採用的樣本週期長短」、「K 棒的時間大小」

《 技術分析的公式週期長短 》

此處我們用最基本的均線觀察表現,以台指期連續月為範例,回測 2010/01 ~ 2014/11 共約 1200 交易日的表現,以非多即空手上永遠有部位的方式操作,單口損益如下:

-$14,800 ( 5 日均線 )、-$22,000 ( 10 日均線 )、$188,000 ( 15 日均線 )、$224,800 ( 20 日均線 )、-$26,400 ( 25 日均線 )、$297,200 ( 30 日均線 )、$384,000 ( 35 日均線 )、$194,400 ( 40 日均線 )、$293,600 ( 45 日均線 )、$382,400 ( 50 日均線 )、$190,000 ( 55 日均線 )、-$22,800 ( 60 日均線 )、-$72,800 ( 65 日均線 )、-$64,000 ( 70 日均線 )、-$272,000 ( 75 日均線 )、-$179,200 ( 80 日均線 )、-$61,600 ( 85 日均線 )、-$42,800 ( 90 日均線 )、-$71,200 ( 95 日均線 ) 、-$160,800 ( 100 日均線 )

由上列數值可以看出 30 ~ 55 日均線是獲利較集中的區域,同樣的手法我們可以套入 K 棒大小測試,並且與技術分析週期的取樣長度「交叉比對」。假設以上述共 20 種週期評估,搭配 1分K、5分K、10分K、15分K、30分K、60分K、日K、周K、月K,共可測試 20 x 9 = 180 種週期組合,將兩項數列分別做為 X 與 Y 軸座標繪製成圖表後,可以觀察出明顯的獲利參數交集區。

《 交叉比對與多商品 》

交叉比對是重要的概念,專注於單商品交易者並不容易忽略,但多商品、多市場交易者卻常遺忘了這個量化的初衷。

呈上,我們既然可以測試不同技術分析公式週期參數的表現,同理可以試驗適用的 K 棒大小。在排除過度參數化 ( overfitting ) 的前提下,兩個方向同時測試之下的獲利集中區為相對適用參數。這一項顯而易見的原則,多商品交易者卻忽略了。( 這裡指稱的多商品交易者並不單是在不同交易所商品間買賣的人,包含了交易多於一支股票或期貨的交易者。)

以一個多商品的交易策略而言,大多數人同時存在下列兩個應用原則與系統中:
  1. 所有商品使用一樣的 K 棒週期,例如使用小時 K 交易所有商品、使用日 K 交易所有商品,或是用同樣的多策略組合方式套用在不同商品間。
  2. 不同的商品採用不同的指標週期參數,參數則來自於回測,因為使用者相信不同的商品具備獨有的活性或特徵。
然而時間週期並不是一個線性數值,它可以是一個面 ( 技術分析的取樣週期長短、K 棒的時間大小 ),甚至排除了盤後 t+1 交易時段等方式成為一個三維的立體參數,或是更多維數的組合。然而超過三維的組合方式雖巧妙卻陷阱重重,除了很可能導致 overfitting 外,更因為沒有超過三維的圖表呈現方式讓使用者以肉眼輔助觀察,所以難度較高。立體參數的論究我們會在之後的文章以單篇探討。

量化交易的過程中必然存在許多數值,一般著眼的便是各種時間週期。然而數值間的表現並不是能夠獨立探究的,不適合以固定其他參數作為對照組的方式進行最佳化或回測。我們建議交易者經過一些簡單的工具排列計算出數值表現的全貌,才能找出真正適合用於交易的方法。



《 本文由 PROG 璞格交易團隊提供 》

開發商品的交易系統 - 基礎篇 [17] 通道實作

$
0
0


我們常用的布林帶技術指標是利用統計學裡的標準差來涵括在一定期間內,以平均線上下 2個標準差的方法來觀察市場價格的波動狀況,而根據波動的擴張或者是壓縮來建立我們的多空進場邏輯。本篇利用計數的方式來建立一個類似的通道系統

原理說明:如果有 30 根K棒 ,包含80%的K棒數 就是 30 * 80% = 24 根 K棒 ,也就是我們若是取 30根 K棒收盤價由大到小排序 ,那麼第三高的收盤價與第三低的收盤價中間包含的就是 80% 的K棒數,只要價格運動的過程中突破或跌破這個位置就進場,這樣的邏輯可行嗎 ? 當然到底是 80% 好? 還是 N% 好?就來測試看看囉 ! 



指標程式碼
input:Length(30),Ratio(80),PriceType(1) ;
Vars:Price(Close) ;

{ 選擇不同的價格型態作通道 }
if PriceType = 1 then Price = Close
else if PriceType = 2 then Price = TypicalPrice
else if PriceType = 3 then Price = AvgPrice
else if PriceType = 4 then Price = (High+Low)/2 ;

{ 依回溯 K棒的個數百分比來抓取對應的高/低 值}
Value1 = Round(Length*(100-Ratio)/2/100,0)+1 ;
Value2 = NthHighest(Value1,Price,Length) ;
Value3 = NthLowest(Value1,Price,Length) ;

{ 這裡我們使用了兩個內建函數 NthHighest , NthLowest }
NthHighest(N , Price , Period ) :取得區間第 N 高的價格
NthlLowest(N , Price , Period ) :取得區間第 N 低的價格
{ *******************************************************}

Plot1(Value2,"H%") ;
Plot2(Value3,"L%") ;
Plot3((Value2+Value3)/2,"M%") ;



測試程式碼
input:ExitType(2) ;
inputs:NBarL(28),NBarS(3),TradeProfit(0.05),TradeStopLoss(0.015),ATRs_L(12.7),ATRs_S(4.6);
vars: IsBalanceDay(False),MP(0),PF(0),PL(0),HLRange(100);
input:Length(30),Ratio(90),PriceType(2) ;
Vars:Price(Close) ;

MP = MarketPosition ;

if DAYofMonth(Date) > 14 and DAYofMonth(Date) < 22 and DAYofWeek(Date)= 3
then isBalanceDay = True else isBalanceDay =False ;

PF = AvgPrice*TradeProfit ;
PL = AvgPrice*TradeStopLoss ;

if PriceType = 1 then Price = Close
else if PriceType = 2 then Price = TypicalPrice
else if PriceType = 3 then Price = AvgPrice
else if PriceType = 4 then Price = (High+Low)/2 ;

Value1 = Round(Length*(100-Ratio)/2/100,0)+1 ;
Value2 = NthHighest(Value1,Price,Length) ;
Value3 = NthLowest(Value1,Price,Length) ;

{ 簡單多空進場邏輯 }
if MP <> 1 and Close[1] < Value2 then Buy next bar at Value2 stop ;
if MP <> -1 and Close[1] > Value3 then Sell next bar at Value3 stop ;

{ 常用出場邏輯 }
if ExitType = 1 then SetStopLoss(PL * BigPointValue) ;

if ExitType = 2 then Begin
SetStopLoss(PL * BigPointValue) ;
setProfitTarget(PF * BigPointValue) ;
end;

if ExitType = 3 then Begin
if MP > 0 and BarsSinceEntry=NBarL then ExitLong next bar at Market ;
if MP < 0 and BarsSinceEntry=NBarS then ExitShort next bar at Market ;
end;

if ExitType = 4 then Begin
SetStopLoss(PL * BigPointValue) ;
setProfitTarget(PF * BigPointValue) ;
if MP > 0 and BarsSinceEntry=NBarL then {Sell } ExitLong next bar at Market ;
if MP < 0 and BarsSinceEntry=NBarS then {Buy} ExitShort next bar at Market ;
end;

if IsBalanceDay then setExitonClose ;
台指期 日 K 多空留倉 交易週期 2004/9/30~ 2014/9/30 交易成本 1200


台指期 60 min K 多空留倉 交易週期 2004/9/30~ 2014/9/30 交易成本 1200


加上如意多空網
台指期 30 min K 多空留倉 交易週期 2004/9/30~ 2014/9/30 交易成本 1200


從統計取樣的有效性而言,回溯的K棒數至少要有 25根以上,另外也可以觀察在區間走平時的來回振盪,作低買高賣的策略。

資料都被記錄了嗎?潛力股VISA與Master不可忽視

$
0
0

週六晚上飯後的散步,
看到了便利商店就很習慣的就走進去翻翻雜誌,
商週報導了一則有趣的資訊,
中華電信之前推出了一個4G的廣告,主角是金城武。
之所以會選擇金城武作為主角,
就是因為利用巨量分析(big data)去篩選出來的。

Big Data,台灣翻譯為海量資料或巨量資料,
在2011年正式被命名,
2012年被稱為全球「Big Data元年」。

看到這一兩年有關的報導與應用不斷誕生,
甚至有些說法是這樣的:
1.未來運動球員的潛力用算的就可以得知-教練與球探被取代了
2.用google就能搜尋未來一年最飆漲的股票-基金經理人被取代


3.新的飲料推出前不再作市場調查-因為每個消費者的習慣早被記錄
諸如此類的「可能性」都有可能發生...
4.有性功能障礙的名單,每一個個資可以賣29美分,
或者有高血壓、糖尿病的患者姓名一個可以賣19美分。

目前最讓人詬病的就是隱私權的部分,
有些人或許接到推銷電話並不排斥,
但有些人就是會抓狂。(尤其是當天工作不順的時候)

而最佳投資組合是否也能用算的?
這點我是持反對意見的,
即使這件事情在12年前就曾與一位朋友爭辯過。
他是資工系的高材生,(後來也順利成為一位優秀的工程師)
一直以來都相信電腦科技會取代全部人工的事情。

「就算你會投資又如何,只要有一個固定的邏輯性,
寫成「程式」去交易不就好了。」

「那長期投資、波段投資也是同樣的道理,
股票基金經理人全部都會被淘汰掉。」

雖然當時覺得哪邊怪怪的,並不是這樣吧!
但是也說不出所以然來。

隔了幾年後,「程式交易」大量運用在台指期、選擇權上,
一時之間百家爭鳴,十分熱鬧。

於是畢德歐夫團隊試著找出結論:
市場的確存在雜音(noise)和隨機性(randomicity),
Big Data並非是最終解答,卻是大趨勢。

掌握最大量消費者資訊,等於獲利機會


VISA公司,俗稱VISA(股票代號:V),
是一個擁有21,000家金融機構會員所組成的聯盟組織,
總部位於美國加州舊金山。

VISA國際組織本身並不發行VISA卡,而是由VISA國際組織的會員銀行發行。
在中國,幾乎所有的商業銀行都發行VISA卡。
如今摩根大通銀行(股票代號:JPM)是全球最大的VISA卡發行銀行。

VISA的技術包含了:
自動取款機、非接觸式支付、信用卡終端、EMV、
銀行同業拆息網路、磁條卡、智慧卡、RFID。

未來最重要的一塊,
消費者將大量透過手機的支付系統進行消費,
如:Apple pay

而VISA這段時間的股價表現呢?

上圖為Visa日線圖(股票代號:V)
Visa在10月30日公布上季財報,營收成長9%達32.3億美元,
每股獲利大增17%,達2.18美元。
股價當日跳空上漲10%,非常驚人,也帶動了道瓊指數大漲221點。
(白色圓圈處)
以目前股價與季線偏離有點大的情況下,
投資人稍稍等一下,在股價稍作回檔,
接近季線221.66的位置布局會比較容易停損,
停損金額也會較小。

而另一家公司萬事達卡(股票代號:MA)也不遑多讓,
當天財報也是相當亮麗,股價大漲9.3%。


上圖為萬事達卡日線圖(股票代號:MA)

萬事達卡的漲幅也是很驚人,
季線快速往上移動,
目前落在77美元左右的位置,
同樣將資金分散成3~5等份,分批進場布局,
停損守在季線即可。

全世界的銀行有數千數萬家,
但是發卡機構VISA與MASTER卻佔了超過80%的市佔率,
台灣市場更是超過90%。

若以103年6月簽帳金額來看,
VISA以55.53%的占比取得領導地位,
MasterCard則有41.46%的比重,而JCB只有3.00%,
可見消費者仍較習慣刷VISA與MasterCard的信用卡,
兩強鼎立。

未來不管哪一種行動支付系統,
勢必還是要有帳務的處理機制,
APPLE(股票代號:AAPL)也好或者網路購物平台阿里巴巴(股票代號:BABA)也罷,
金流的處理都勢必與他們兩家公司合作。
或許讀者可以從這兩檔來研究布局。

所謂長期投資,一定是瞄準一個大的趨勢,
一天兩天的漲跌不是我們所關注的,
趨勢產生時,找時機上車就是了

如果覺得畢德歐夫這篇文章有幫助,
可以分享給更多朋友,謝謝你們的資訊分享。
在未來的十年裡,你家中充滿各種智能裝置的家電,這不稀奇,或許連量販店、百貨公司寄來的DM都是經過篩選,樣樣都是「你的最愛」,這樣絕對連平常不太消費的人,都忍不住買了下去。

或許您對更多美股文章有興趣
買下地球系列--美股ETF國際代碼整理(前進海外必備)
美國真實困境-年收200萬也無法貸款買房
富人忙賺錢,窮人忙省錢,中產階級?
到底印夠了沒?美國才剛要收,現在輪歐洲開始印?

你拿生命在交易,還是把交易當生命?

$
0
0

緣起...

跟朋友討論最近的操作,我說:『賠翻了,這週已經輸了五萬。』

朋友說:『你玩這麼小阿? 我一天輸贏就五萬了。』

我說:『是阿,我本不大,才200萬而已。』

朋友說:『挖賽,我本只有你一半,你這樣賺太慢了,你還是不要交易好了,膽子小不適合!』

交易,跟膽子大小無關!

其實,這篇牧清華想討論的重點:

交易跟膽子大小無關;但你每次的輸贏,跟你的資金大小有關!

我們用Tharp的R-multiple方法說明。假設將初始資金分成100份,每份設為R,有一個交易策略風險與報酬如下:


策略:勝率30%,R-multiple為3R。

意思是說這策略平均每次賠R,平均每次賺3R。如果R是你1%的初始資金,每次交易最多就是虧損1%,賺卻是賺3%。

很明顯這是個正期望值的賭局。期望獲利為 30%*3R + 70%*(-R) = 0.2R。在R設定為1%的初始資金下,每次交易平均可賺0.2%。(一百萬的初始資金每次可賺兩千塊!)

正期望值的賭局,長期下來當然會有利可圖。然而,機率就是有不確定性,這樣的賭局,在有限的交易次數之下,還是有可能會破產。

牧清華想討論的是,在玩T次的情況下,破產的機率是多少? 或是在玩T次的前提下,資產虧損的機率分佈如何?

上述這當然是個數學問題,用高中數學當然可以算出明確的答案。但我們不講複雜的數學公式,我們直接跑實驗去模擬。

模擬0.2R期望值的賭局50,000次,觀察其損益分布!

0.2R期望值的賭局,有很多種Cases。下面皆為0.2R期望值的賭局。

1. R-multiple為1R,勝率為 60% (期望損益:60%*1R + 40%*(-R) = 0.2R)
2. R-multiple為2R,勝率為 40% (期望損益:40%*2R + 60%*(-R) = 0.2R)
3. R-multiple為3R,勝率為 30% (期望損益:30%*3R + 70%*(-R) = 0.2R)
4. R-multiple為4R,勝率為 24% (期望損益:24%*4R + 76%*(-R) = 0.2R)
5. R-multiple為5R,勝率為 20% (期望損益:20%*4R + 80%*(-R) = 0.2R)

因為每次交易平均可賺0.2%,就期望值而言,每交易500次就會賺一倍,所以我們每次實驗都以交易500次為一次模擬。如此重複50,000次後,再觀察其損益分佈。

下圖為R-multiple為1R、2R、4R、5R、6R的損益分佈圖。



觀察如果是1R的策略(左上紅圖),幾乎不太可能賠錢,且約有3成的機會賺到一倍(100%)以上。

隨著R-multiple放大,到了6R策略(又下紫圖),在交易五百次後,竟然賠錢的機會開始出現,且有那麼一些次數甚至賠到100%。 雖然是這樣,但也有機會賺到將近3倍以上(300%)。

這是風險與報酬的Trade-off,看你願不願意拿一些破產的可能去換取賺3倍利潤的機會。

小結:同樣期望值的策略下,賺賠比高的策略(R-multiple大、勝率低)多了賺大錢的機會,但遭遇巨大損失的可能也跟著出現。

從凱利賭徒觀點看: 風險越大(報酬越大)下注越小

上面六個策略,我們也可以從凱利賭徒的下注比例看風險。以R=1%的資金比例來說,雖然都是期望獲利為0.2R的策略,但R-multiple=1和R-multiple=6的凱利賭徒下注比例,確有大不同。


原來,R-multiple=6R的策略(最右邊勝率17%的紫色長條圖),凱利賭徒建議只能下3%的資金比例。好在我們限定R=1%的初始資金,因此不會有風險過大的問題。下圖為不同期望淨利與賠率(R-multiple)的條件下,凱利賭徒的下注比例。


可以觀察到在同樣的期望淨利底下,賠率(R-multiple)越高,凱利賭徒所壓比例越低。由於凱利賭徒是最佳化的下注比例,這意味著即使有機會得到更高的報酬,一旦風險相對變大,所壓資金比例就是該變小。

高勝率、低賠率策略好嗎?

另外,有些策略是屬於高勝率策略,但相對的平均賺賠比低(R-multiple小)。以期望獲利0.2R的條件來說,高勝率的策略有幾種例子如下:

1. R-multiple為0.8R,勝率為 66% (期望損益:66%*0.8R + 34%*(-R) = 0.2R)
2. R-multiple為0.7R,勝率為 71% (期望損益:71%*0.7R + 29%*(-R) = 0.2R)
3. R-multiple為0.6R,勝率為 75% (期望損益:75%*0.6R + 25%*(-R) = 0.2R)
4. R-multiple為0.5R,勝率為 80% (期望損益:80%*0.5R + 20%*(-R) = 0.2R)

選擇權賣方的策略,就屬於這類,往往高勝率的交易,贏了很多次,卻在一次將大的資金輸回去。下圖為R-multiple為0.8R、0.6R、0.5R、0.4R的損益分布圖。


基本上這四張圖變化不大,可以窺見的是,由於高勝率,雖然每次賺的少,但500回合後,幾乎可以保證是不會賠錢的!

換句話說,什麼是必賺的保證? 正期望值的賭局,又具有高勝率 (即使是低賠率也沒有關係),那就是穩賺!

為什麼專家都告訴你每次損益不要超過1%或2%?

上述我們都假設R為1%的初始資金,如果今天我們假設R為更大比例的資金。舉例來說,設定R=2%、R=3%、R=5%、R=10%,甚至R=20%。我們重新統計賠錢的機率。

由於當初設定每次模擬為500次交易後的損益,是因為每次交易期望獲利為0.2%,平均交易500次可賺一倍。但現在是要討論賠錢的損益分布,我們先考慮每次模擬賭50次就好(理論上可賺10%)。

我們拿勝率17%,R-multiple為6R,期望淨利為0.2R的實驗做模擬 ,雖然在此條件下,凱利賭徒說最佳的下注方式約為3%,但我們先考慮R=2%、R=3%、R=4%、R=5%初始資金底下的損益分布。

與R=1%相比,同樣的策略 (勝率17%,R-multiple為3R,期望值為0.2R),但因為不同的初始資金,卻會使得虧損的機會大增。可觀察到隨著初始資金的擴大,輸到破產(100%)的次數也越來越多。雖然相對的,獲利的機會也會大增,但重點是,R=5%,玩50次後破產的機會提高至約10%,這你可以接受,但到了R=10%,破產的機會變為XX??這樣的刺激所需要的心臟強度,你能接受嗎?

即使R=5%後面的獲利實在可觀。但一旦破產,就玩完了,根本就不用再去想後面賺大錢的可能。這也是為什麼資金管理是交易操作上最技術之一。

小結:同樣策略,部位大小(Position Sizing)沒有控制好,所帶來的結果可能也會大不同。而這也就是為什麼,就算老師跟你講何時買,何時賣,你還是賺不到錢的原因。

拿生命在交易,隨時有陣亡的可能

部位過大,即使是正期望值的交易策略,你就是拿生命在交易,就好比酒後開車一樣,拿生命在交易,隨時有陣亡的可能。

一百萬的初始資金,40%機率平均賺8萬,60%機率平均虧損5萬,則獲利期望值為2000元。(40%*8萬 + 60%*(-5萬) = 2000),亦為0.2%的平均報酬率。但不管你多會賺,你就是有某種機率機率會陣亡。即使這個機率可能很小,但就是有可能,就是不該輕忽。

牧清華,把交易當生命,我尊重這門學問,願意花時間心力下去研究,即使有好的策略,也要嚴守最適當的部位再進去廝殺。我希望將這些理論與經驗,讓有緣的投資朋友能夠理解。我重視部位大小、資金控管,也希望所有的交易朋友都能理解這個道理。

希望這篇文章,能對每日在市場大風大浪的朋友有所啟發。別再拿生命做交易,那跟酒後開車一樣;你該好好做研究,並且尊重這門學問,把交易當生命一樣,真誠對待!

(註:本篇文章感謝Paucky大力幫忙,實驗與討論!)

進場信號準不準?程式交易中的策略校準

$
0
0


大家好,我是貓大!貓大的好朋友小咪自從看了採礦貓分享的文章後,也打算開始利用電腦程式產生策略模型來進行投資了。藉由文章以及貓大的介紹,小咪認識了羅吉斯回歸、支撐向量機(SVM),以及類神經網路(ANN)的模型,並開始著手運用這些策略模型來進行投資預測。

此時,小咪碰到了一個奇怪的現象──明明使用同一天的歷史資料產生出來的三種模型,在即時環境下進行投資,卻會在同一個時間點產生出不同的結果。好比在早上10點10分10秒時,SVM和ANN同時都產生了下秒準備買進的進場信號,但羅吉斯回歸卻沒有動靜,有時候則是一種模型有信號,另外兩種則沒有結果。小咪對這個現象感到困惑,不知道該聽從哪個策略的結果才好,於是小咪又回來請教貓大。


聽完了小咪的問題,貓大自信地笑了笑,說道:「哈哈!原來是這樣呀喵~那你就得好好聽我接下來說的話了,讓我來告訴你我是怎麼解決策略間進場信號不一致的問題吧!保證讓信號更準確、更令你滿意唷!喵~」

首先,貓大先將策略模型分成小策略、中策略、大策略三種。舉例來說,利用羅吉斯回歸針對同一天的歷史資料,產生了五個模型,這五個模型稱之為小策略,而將這五個由相同方式產生的策略包在一起,稱之為一個羅吉斯回歸的中策略,再來將不同產生方式的中策略集合在一起,則稱之為大策略。

採礦貓的交易室環境使用了Storm的分散式架構,因此每當有新的市場報價產生時,採礦貓系統的市場狀態室會運用即時報價算出最新的市場狀態,透過Kafka的訂閱機制交給交易室。此時交易室能快速的分派這些市場狀態給需要的每一個小策略,小策略則能快速地算出信號。

此時打個比方,在五個羅吉斯回歸的小策略中,有四個小策略產生了進場信號,交易室則會將這些信號交給中策略,在中策略裡進行一次投票。想當然投票結果就是4比1壓倒性勝利,這時候這個羅吉斯回歸的中策略就會統一小策略的結果,產生進場信號。

而在中策略之間,彼此產生的信號也不盡相同,因此交易室又會把中策略的統一結果,交給大策略來進行再一次的投票,以小咪使用的羅吉斯回歸、SVM、ANN為例,若SVM和ANN有進場信號,則此時為2比1,大策略即會統一中策略間的結果,將最終的信號送往下一個階段。

聽到這邊,小咪不經問了:「這不就只是一個單純的投票機制嗎?感覺很容易呀!」貓大笑答:「這你就有所不知啦喵~看似簡單的投票機制,若不是在全自動化的分散式系統環境下執行,可是難以完成的唷!你想想嘛,在短短的一秒之內要算出所有的市場狀態並交付給所有的策略去執行,得到結果後還要經過層層的投票,光靠一般的統計軟體,有辦法達成嗎?透過採礦貓的交易室,更能廣結各種不同模型的結果,來使得信號更準確唷喵~」

小咪恍然大悟,「原來如此阿!我這就回去使用採礦貓的交易室來統整我的進場信號啦!謝謝貓大!有問題改天再來請教你唷~」

為了解決不同模型在同個時間點產生的買進信號不一致的問題,利用採礦貓的交易室,能夠在極短的時間內算出多個策略模型的結果,並依照模型種類的不同進行層層的投票機制,來使得進場信號的準確度能夠得到提升。

漲跌推理系列‧聿新科(4161)

$
0
0


參與金融市場買賣交易,有個大家都知道的秘密:資訊領先者的存在性,無論是主力或是內線吸引的外圍,當進場賣賣交易的時候,就會在K線圖上面留下動作的軌跡,這些買賣交易的軌跡是最真實的結果,從真實結果開始研究才能最接近漲跌的核心。

舉聿新科(4161)為例

聿新科(4161)的周日線圖@2014.11.24


上圖為聿新科的周日線圖,上面是日線,下面是周線。

從聿新科的周線圖可以看到,目前所在其位是周段起漲的地方,先前在標記A的時空有測試過這個支撐,目前重新回到這個支撐上尋求買氣,從周線看大勢得到的答案是整理勢,而且是落在支撐上重組力量。

從聿新科的日線圖可以觀察這股力量的結構,同勢比的兩段跌CD、EF有跌轉弱、轉緩,F剛好對應到D的轉折,空間力量位置落在下緣。

綜合評估周線圖雖然支撐由A的快轉B的組,但至少還是整理勢,而且是架構的整理下緣,日線圖展現的日線層級力量組合結構有跌轉弱、轉緩,而且整體漲跌是以DE的漲為主軸,F剛好又落在整理空間下緣的位置,萬事俱備只欠東風。


聿新科(4161)的時刻線圖@2014.11.24


上圖為聿新科的時刻線圖,上面是時線,下面是刻線。

東風的出現往往可以回到時刻線尋求跡象和機會,從聿新科的刻線圖可以看到關鍵的兩支力分別為註記G的陰K和註記H的陽K,兩支力如果從明體來比會發現G略大於H一個檔位,但H的高低明顯大於G,表達H較熱絡,又因為空間力量下緣多虛陰,
G剛好又無法延伸同等陰體幅度,此時更重視買氣回籠所展現的熱絡。

架構、結構、位置、方式四者同時到位,雖然在架構、方式略有小缺陷,但至少可以從下緣看到上緣,是個短單的行情,是否願意參與短單的行情是個人隨喜,重點藉由這張圖介紹架構、結構、位置、方式的概念,認識K線圖不等高低層次的表現。


沒有買賣意作基礎的K線知識將失去靈魂,如同行屍走肉,俱備買賣源點的圖意展現則是活靈活現,充滿意象而且能讓進退有據。


雞蛋放在籃子裡的數據化

$
0
0


「把雞蛋放在不同的籃子裡」是投資人常用的套數,目的是經過「分散風險」達到投資組合穩健的效果。有的人在不同類股中挑選目標,避免單一產業遭受衝擊時資金重大創傷、有些量化或程式交易者則依照商品的相關性篩選。然而到底如何明確的衡量多個商品與風險之間的關係?老話題新探討,我們再一次回到「權益曲線標準差」。文章最開始我們先把重要的結論列出:

經過指標的調和後,所有商品都呈現正相關,極度負相關的商品反而會成為高度正相關


大多數股票、期貨交易者在選擇標時並不考慮持有商品之間的相關性,或是不知如何著手評估商品組合對於風險的承受度如何量化,僅單純將風險分攤在不同選擇中。對於一位趨勢交易者而言、除了買進、賣出;持有、空手;部位多寡等因素外,權益曲線的管理與風險平衡也至關重要。

「權益曲線標準差」是一個可用於評估策略一般性風險的值,將實際或回測損益作分布程度的統計,可以了解資金成長過程中所承受的風險。使用標準差作為衡量準則時,數值越小代表獲利過程越平滑 ( 68% 的樣本存在於平均值正負一個標準差範圍內 )。一般性的風險降低對於交易者而言有兩個主要的好處:(1) 需要為每一單位買賣部位的準備金較小,或是在相同準備金下,交易者所承受的心理壓力較低、較不容易觸發權益曲線停損機制;(2) 累積獲利到增加下單部位門檻後,有較低的機率因接著而來的虧損使資金水位降回原部位數。

除了使用指標修正或其他方式縮減風險以外,多商品是一個降低標準差的解決方案。以台指期與摩台指從 2014 年 1 月至 11 月價格走勢為例,兩者每日價格變化的相關係數為 0.63。若用同一種指標或邏輯以等槓桿交易兩個相關係數為 0.63 的商品,權益曲線的標準差比單商品減少 10%。意即在同樣的獲利情況之下,資金成長的鋸齒狀較小。倘若將標準差放大為與原本單商品相同時,獲利可經由部位擴張增加 10%。

台指期與摩台是相關性高的商品,這樣的組合已能夠降低 10% 標準差,那麼是不是把相關係數極低的商品相互組合,就可以將平常性風險大幅降低?答案可能是否定的。

根據計算,相關係數為 0.1 的商品組合後,權益曲線標準差值比單商品減少約 16%,且呈現正相關的兩種商品組合難以將標準差值再向下壓低。( 同屬性的商品間都存在正相關係數,例如指數型期貨;不同商品間也往往互相具有某種程度的正負相關性,例如多數商品及貨幣期貨皆以美元計價,美元的漲跌左右著商品價格走勢 ) 16% 約略就是兩個商品組合間可降低風險的上限,但這樣的上限可以經過再增加組合商品數突破。對降低風險而言,「增加組合內的商品數量」這個變數會比精挑細選低相關商品有更顯著的效果。

既然相關係數是一個介於 -1 ~ 1 之間的數值,那麼負相關性間的商品組合後會有甚麼效應?某些商品間存在著負相關性,例如美元指數與歐元,因為兩者間互相以對方為計價基準,所以往往呈現相反走勢。但「指標是一個具有方向性的工具」,同一類指標套用在兩個負相關的商品上時,大部分時間出現一多一空的判別,這造成許多交易者選擇相關性低的商品做為組合,卻仍然無法成功降低一般性風險。『經過指標的調和後,所有商品都呈現正相關,極度負相關的商品反而會成為高度正相關』。

相關性是許多人在處理投資組合都會意識到的問題,卻鮮少有人實際將之量化。如果未能釐清交易策略與價格走勢間的關聯,反而會為了避免遭受重大衝擊而選用負相關的商品做為組合。如此一來非但沒有降低,反而大幅擴張風險。



《 本文由 PROG 璞格交易團隊提供 》
Viewing all 1359 articles
Browse latest View live


<script src="https://jsc.adskeeper.com/r/s/rssing.com.1596347.js" async> </script>