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

開發商品的交易系統 - 基礎篇 [18] 海龜法則

$
0
0



海龜交易法則的核心進出場元素-唐契安通道(Donchian Channels) 。唐契安通道是可以被應用​​到任何圖表技術工具。通過它們來識別在圖上的區間最高和最低的價格,在期間內所選擇的K棒數,用以找出的支撐和壓力的位置。在外匯市場是很常被應用的一個有效通道策略。




設定風險與追踪止損
在任何交易策略,設定止損和管理風險應予以考慮。當使用唐契安頻道,這個過程可以被簡化。在一個上升趨勢,價格有望向更高的高點,並保持高於此值。如果價格通過底部通道的低點,我們就要退出所有的多頭部位。相反,在下跌趨勢,場中空方交易者就要在頂部通道止損平倉。
在台指期商品是否也能使用此通道來作為交易策略呢 ?一如以往先畫指標線觀察

inputs:RangeA(20);
Vars:RangeHigh(0),RangeLow(0);

RangeHigh = Highest(high,RangeA)[1] ;
RangeLow = Lowest(Low,RangeA)[1] ;

Plot1(RangeHigh,"RH",Magenta,Black,3) ;
Plot2(RangeLow,"RL",Cyan,Black,3) ;



測試程式碼
input:ExitType(2) ;
inputs:NBarL(28),NBarS(3),TradeProfit(0.025),TradeStopLoss(0.015),ATRs_L(5.4),ATRs_S(10.9);
vars: IsBalanceDay(False),MP(0),PF(0),PL(0);

inputs:LongLen(27),ShortLen(30),EntL(15),EntS(15);
Vars:RangeHigh(0),RangeLow(0);

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 ;

{ 計算前 N 根K棒的高低點 }
RangeHigh = Highest(high ,LongLen)[1] ;
RangeLow = Lowest(Low,LongLen)[1] ;

{ 進場作多邏輯 - 空倉時,收盤價突破前期高點後,且是近期高點作多 }
if MP = 0 and Close Cross over RangeHigh then Buy next bar at Highest(High,EntL) stop ;

{ 進場作空邏輯 - 空倉時,收盤價跌破前期低點後,且是近期低點作空 }
if MP = 0 and Close Cross under RangeLow then Sell next bar at Lowest(Low,EntS) stop ;

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 30 分K 留倉 回測週期 2004/8/30~2014/8/29 交易成本 1200

還是有一定的績效水準!
在上面外匯圖上還有一個小暗示喔 , 如果將它當作濾網並將多空變數區分



讀者可以動手試試看找答案

通常我們常認為策略程式公佈後就很容易失效,而此篇的通道策略算是一個歷史悠久的進出邏輯,只要細心去觀察,即使它是一個舊元素一樣可以賦予新的生命。

油價大跌航運股漲翻天,石油新霸主明年誕生?

$
0
0
上週六台灣的選舉大事總算是落幕了,
幾家歡樂幾家愁,新的日子還是要過下去,
小股民還是趕緊把焦點拉回各自的荷包吧!

台灣民主可貴之處,就是大家都漸漸習慣了政黨輪替,
美國是民主成熟的國家,輪替更是早已司空見慣,
台灣雖然在其他項目上或許有些落後與不足,
但是和平的民主選舉真的是一大驕傲。

我們本週來看看近期跌幅較重的油價影響了哪些公司股價,
團隊成員Blue試著用財務的觀點幫助讀者了解。
油價6月來已暴跌約30%,
主因是美國頁岩油產量大增和全球經濟成長趨緩。
以及最重要的美、俄經濟戰,
利用油價的暴跌逼迫俄羅斯在國際間讓步

頁岩油革命

上週四石油輸出國組織(OPEC)宣布維持原油產量不變,
拒絕了減產以支撐油價的提議。

美國原油產量增加和石油輸出大國維持原油產量不變,
造成目前市場上的原油超額供給,
11月28日紐約1月原油期貨暴跌7.7約下跌10%,
以期貨一口單來計算,虧損金額達到7,700美元,
相當於保證金3740美元的2.06倍,
換句話說,期貨操作一口竟然一天就賠掉了兩口,
市場上時常發生黑天鵝事件,
所以使用槓桿投資時應特別小心。(股票融資也是)

下圖為紐約1月原油期貨線圖(可點圖放大)

美國-油頁岩蘊藏量最豐富的國家

油頁岩是沉積物流入海中,受到高溫高壓淬鍊後形成的沉積岩,
如果沉積物裡富含有機物,受到高溫高壓分解後可以產生石油及天然氣。
下圖為油頁岩


由於油頁岩的開採,美國開啟了天然氣的新紀元。

下圖為紐約1月天然氣期貨線圖(可點圖放大)

在過去開採油頁岩是非常高成本且不效率的,
自從科技進步到可以用比以往更低的成本開採頁岩油後,
美國逐漸降低對中東國家原油進口的依賴,
並在2013年9月把全世界第一大原油進口國的頭銜讓給了中國,
美國也正在成為全球最大的石油出口國,令沙烏地阿拉伯非常緊張。
(目前預估2015年美國就會成為全球第一大石油出口國。)

這情況可能導致中東國家戰略及世界地位的改變,
對經濟更是帶來了巨大的衝擊,
因為許多中東國家依賴石油出口以支撐國家整體的財政。

油價下跌的好與不好

油價下跌可以從幾個角度去解讀
(1)消費者的可支配所得上升,消費力因此上升,零售業、汽車產業、旅遊業皆受惠。
(2)對油依賴性高的產業毛利上升,如航運業、農業。
(3)原油開採公司的毛利下降。

油價下跌最直接受衝擊的產業:原油開採業

低油價對開採業來說可是最煩人的夢魘,
從前開採每單位可以賣100元而如今只能賣66元,
毛利已大不如前。

對開採業而言,中小型的公司沒有這麼多的現金,
所以大部分的營運都是靠融資,
不足的毛利導致很多公司無法還債,因此負債累累。

油價下跌最直接受惠的產業:航運業

航運業是最耗油的產業,
油價降低可以解釋為毛利的提高,
這同樣也讓消費者受惠,
因為航運公司會將部分成本轉嫁給消費者,
票價因此會跟著油價調整。

下圖為美國掛牌的航空公司與台灣兩大航空公司市況比較圖

註:
1、達美航空、台灣的中華航空、中國的東方航空及南方航空
同屬於天合聯盟的一員;
聯合航空與台灣的長榮航空同屬於星空聯盟的一員。
2、西南航空與捷藍航空為美國的廉價航空。
3、中國東方航空與中國南方航空為在美掛牌的廉價航空。

常出國的讀者對這些航空公司可能感到不陌生,
由上表可以觀察到,
廉價航空的股價表現比大航空公司的表現來的好,
我們可以稍微歸納成兩個原因:
(1)公司規模的差異:規模越大,在正常市況下股價波動較小。
試想台積電漲10%和上櫃半導體公司漲10%何者容易?何者波動會較大?
(2)營運面:大公司有足夠的資金與資源做避險,包括匯率風險、原物料風險..等。
因此,油價下跌對大公司的影響會相對小公司來的小。

接著我們來稍微檢視這幾間航空公司的財務體質。

下圖為美國掛牌的航空公司與台灣兩大航空公司負債與利息比較圖

註:
1、資料取自The Wall Street Journal
2、負債佔資產比率
這個指標用來衡量公司所有資產有多少是借來的,
可能是發行公司債、向銀行借款..等。
3、利息覆蓋率or利息保障倍數
這個指標可以被用來衡量公司當期賺的錢是否足以支付當期利息,
因此,當比率小於1時代表利息支出>公司賺的錢,
這間公司可能會需要借更多的錢來償還利息。

由上表可以看到負債佔資產比率最小的兩間公司擁有最高的利息覆蓋率,
因為它們的利息支出小,還款壓力小。
尤其西南航空在2013年的負債僅佔資產的14.58%。
反觀中國的東航與南航和台灣的長榮航與華航,
大部分的資產都是透過借款,
其中華航、東航與南航的利息覆蓋率皆<1, 若未來營運狀況未改善, 可能會陷入盈餘不足以支付利息而繼續借錢的惡性循環。
上圖為各航運股走勢日線圖(可點圖放大)

國際原油急速的下挫,除了讓美國航運股漲翻天之外,
還會延緩通膨的發生...
而美國Fed可能也會延後升息
還有哪些股票會因此受惠?
我們下週見!

12/13(六)下午畢德歐夫與金湯尼將在台中群益期貨與讀者見面,
主辦人彭協理同時也是位期貨分析師,邀請我們參加這場分享會,
如果有交易策略的相關問題,也可以請教彭協理。
很實在又親切的一位期貨主管!
這是免費的講座活動,台中的朋友別錯過喔!

如果喜歡這篇文章,可以分享給更多朋友,
站在國際的角度看台灣,網路世代美股投資不再困難
謝謝你們的支持,讓我們有動力繼續下去。
謝謝!
市場上到處都是機會,唯有看得懂的人才能享受到甜蜜的果實。在股價還沒反應時做好布局最理想,開始反應後適時加碼提高報酬率,當市場狂熱追高時才能心如止水,不被情緒影響。

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?

研究要執著,交易要看破!

$
0
0

很多人都認為成功靠的是努力,只要肯努力及堅持,就必定會有回報,這是我十分認同的。記得很多年前看火影動畫時,看到小李對我愛羅一戰,深深被那「努力的天才」一詞打動,因我從小就自知不太聰明,要成功也只能比別人更努力,所以自我努力就是唯一可走的路。讀書時是這樣,工作後也是這樣,最後連交易也是深信只要努力就能成功賺錢……

努力其實就是盡全力不願放棄,是一種執著,記得當年初接觸股市時什麼也不懂,但因自己是會計畢業,深信只要夠努力鑽研財報,就能看透公司的價值。看財報是一件很花時間的事情,如果沒堅持、沒執著,早被那些常變的會計原則嚇跑了,那段時期為我培養出了一份堅持。

後來當我接觸到系統交易時,產生了更大的興趣,但也遇上了很多問題,有些可在網上找到解決方法,找不到的唯有自己想法子了,或以笨拙的方法來解決……研究開始演變出了初形,隨著時間推移,交易經驗越多,想法也多了,要研究的難度也越來越高,今天要研究一個策略所需要的時間、精細及數量早已超出當初想像,這都是一路以來堅信努力就可以做得更好的心態。

說到這裡很多人會認為我只是在玩弄數據,因回測(Backtesting)及最佳化(Optimiization)到了今天已變了貶義詞,人們以為我只找一組最佳參數、在回測中做到低買高賣,如果市場特性變了,策略就失效等等……卻不太清楚一個穩定的策略是很少受參數的變化影響,即使參數少許不同,長遠仍是獲利,參數不同代表了進場及出場都有所不同,我們要找的就是這種不受參數影響的策略。

這樣的研究是最費功夫了,坊間的軟件或者可以幫你跑回測,但很易失方向,跑出來的策略雖有不錯的回測表現,但當中的交易邏輯可能已被扭曲,不再是你當初所想的那種交易法。我們應盡量在不會扭曲交易邏輯的前提下,不怕繁瑣地進行研究,行不通、程式碼出錯了就是推倒重新再來,研究越詳盡,真實交易時才會較有信心,不會輕易抛棄策略。交易是用上金錢、時間及心神,一個不花心機研究出來的策略又如何讓你有信心及助你長久在市場生存?

不過世事又豈會完美,記得開始做程式交易時,研究是做好了,對策略充滿信心,終於將策略上線了,但發覺原來程式交易並不易真的可免除情緒影響,程式交易幫助的只是免去了下單一刻的豫疑,對損失的痛苦一樣存在,你以為了解回測報表告訢你的一切?以為能忍受那個MDD了嗎?我那時真的以為自己可以忍受,但一下場就露底了,因對虧損的價值觀並未改變,而虧損就代表了失敗,骨子裡覺得不能錯。一路以來都是堅持和執著幫我走到這裡,策略的連續虧錢令我覺得很羞愧,我自覺應可掌控這局面,很多時就是忍不住要手動干預系統,可能因滑價,可能因損失,又可能因抵檔不主盈利的誘惑,通通糊亂交易,把不知花了多少時間才研究出來的策略抛諸腦後,最後當然是停手了,因虧損已變得再承受不了。

從少到大我們都是接受著不能錯的教育,做事也被教導要努力堅持,不論考試、工作,還是研究策略,只要不做錯及努力都會有好回報,這是沒錯,因這些都是我們能控制的,但一上交易的戰場,價格的升跌已不是我們能掌控,當骨子裡還是有著掌控的慾望,就會喜歡捕捉高點低點,當虧損時就想力挽狂瀾追回損失,最後當然是越來越偏離策略的原意,最後不輸到痛不欲生也不會知錯。

後來我慢慢明白到,交易要走得遠就是要放下你的執著,要看破一切,不要太上心你的虧損,甚至是盈利,一切按你的交易計劃進行就可,預計之內的虧損沒什麼可怕,浮盈吐回一半也不要內疚。預計之外的事,如大滑價,我是最痛恨了,但也沒計可施,唯有期望明天會更好,不要高估自己的掌控能力,世間總有些事是我們不能控制的,金融市場就最好的例子。

如果將策略比喻為武功招式,每創一招我們都要盡全力,不怕辛苦、不怕花時間來研究及思考它的優點及缺點,但當派上交易戰場,就不如忘了招式,任意隨心使用,不要介懷使用什麼招式或招式的順序,交易經驗豐富的人會明白這是無招勝有招的境界……但這個境界教不了,只有對交易有無限熱誠的人才能慢慢領悟出來。今天我會對人說,我用什麼策略、什麼進場點、什麼出場點也不太介意了。

星期二;一天一錠,效果一定,歡迎訂閱「幣圖誌Bituzi電子報」

本文作者為香港朋友 Yuen Cheng,經其同意後轉載!

漲跌推理系列‧太設(2506)

$
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。

舉太設(2506)為例

太設(2506)的周日線圖@2014.12.01


上圖為太設的周日線圖,上面是日線,下面是周線。

從太設的周線圖可以看到,在L以下累積超過兩年半的力量,在十一月上旬完成這股力量,十一月中旬回來作頸線確認,開始盯確認頸線後的結果,倘若確認失敗,再次收回力量內就稍安勿躁,順利引進買氣則有敲進發動周線力量的機會。

從太設的日線圖可以看到,在註記M與N的兩條縱軸間的陰陽比例表現清淡,這部分的觀察可以從平時多看圖累積,或是對照M以後的陰陽比例,感受清淡轉熱絡的陰陽呈現,買點的部分則需進入時刻線圖,尋求行情的開始。


太設(2506)的時刻線圖@2014.12.01


上圖為太設的時刻線圖,上面是時線,下面是刻線。

從太設的刻線圖可以看到,註記A的刻力收過短暫刻線力量組合的壓力線P,雖然已接近尾盤,但還是完成力量,而且時線收起來的時陽C相對於前轉折更有動能,暗示註記B的高不是高,既然B的高不是高,就有機會發動周線力量,決定敲進拼發動。

此時推敲行情走漲,日線收也算滿意,收盤後看到新聞:
標題:SOGO股權案大逆轉 高院判決章民強勝訴
針對太平洋崇光百貨的經營權爭議,太設 (2506) 集團總裁章民強訴請「確認對李恒隆有太流公司60萬股份返還請求權存在」案,今天由台灣高等法院民事庭判決章民強勝訴,章民強發表聲明指出,歷經12餘年來的等待,終於盼得正義露出曙光。

坦白講,看到利多新聞並不特別開心,台股很喜歡藉利多出貨、藉利空掃貨,消息的虛實還得靠次日的買賣氣印證,次日開盤開高,快速攻到漲停,平心而論,這實在是運氣好,因為本來只有推漲,結果卻快速漲停,可惜好景不常,漲停未能鎖得漂亮,爆出近期大量,甚至收盤前還有賣壓打開漲停。

選舉前的原則是不太願意持倉的,太設漲停次日開低,暗示這個漲停有點虛,當然也有可能是因為選舉前的退場賣壓,推敲琢磨無妨,但作單不能用猜的,千百個不願意順應買賣氣退場,只希望周末可以快樂沒有負擔,待選舉後再來找點位。

2014.12.01(一)開盤反應選舉結果,於流程間有買氣推升價位,刻線收高於12.60,這是爆大量漲停的價位,既然收過此關鍵價,按計畫還是投入資金,但收盤收出這麼大支的陽高炮實在有點抖,通常漲出大陽都要有警覺,不是看到漲停就開心。


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。

最直覺的分類--決策樹

$
0
0


大家好! 採礦貓又來了,之前向各位介紹過的SVM分類演算法是否非常有趣呢? 本周貓大將為您說明另一種分類演算法,更直觀、更簡單,就是Decision Tree!下列介紹將會帶著讀者們一起了解決策樹的原理及應用。

決策樹是什麼?

樹,是由樹枝、樹葉、及樹幹所構成的,要讓一棵樹長的好看,就必須修剪樹枝、樹葉;決策樹亦是。 決策樹是用來處理分類問題的樹狀結構,構成決策樹的元件是節點與分支,其中節點又分為三種類型:

  • 決策節點:通常用矩形框來表示
  • 機會節點:通常用圓圈來表示
  • 終結點:通常用三角形來表示



在Data mining中,決策樹經常被使用,其不僅可以分析數據,也可以做預測。決策樹模型代表的是資料中的「屬性」與「值」之間的映射關係。
  • 內部節點:表示一個評估欄位。
  • 分枝:代表不同可能的欄位輸出結果。
  • 葉節點:對應從根節點到該葉節點歷經的「路徑」所表示之對象的「值」。

建立決策樹

要從現有的資料中建立一顆決策樹,通常採用由上而下(Top-Down),以遞迴的方式建立。唯一的要求是,資料的屬性必須是「類別型態」,若是連續型數據,必須先離散化過後才可以開始建立決策樹。
運作期間有時會發生過度遷就 (over-fitting) 的問題-即出現決策樹只對某一訓練資料集有效;若更換另一組訓練資料集,則預測結果會產生錯誤。發生這種情況可能是「雜訊」或「特例」所造成的,或是「分支太多」而必須適當修剪。修剪的方式分為以下兩種:

預先修剪:分支過程中進行品質量測
事後修剪:先讓決策樹自由發展,再將多餘分支修剪

決策樹如何運作?

決策樹的本質是一種貪婪演算法(Greedy Algorithm),一開始所有的訓練樣本(Training Set)都在根節點,並以計算過後各屬性的統計性測量(例如資訊獲利)當作基礎,挑選最好的屬性來當作分割點,反覆地將樣本分隔開來。一直到以下條件發生,我們就停止分支:

某個分支子集合內的所有樣本都屬於同一個類別時。
可能所有的屬性都用完了,用多數投票法以樣本數較多類別來代表此葉節點。
選取屬性後,發生某個分支完全沒有測試樣本的情況。

但是,屬性不能亂選,必須經過仔細的計算。屬性選取、量測的方法有很多,首先,我們利用ID3演算法計算出資訊獲利,再用以下的Splitting Rule分割:
Kolmogorov-Smirnov statistic
Basic impurity index
Gini index
Entropy index
Maximize half-sum of squares

雖然方法很多,但是目的都是一致的:對目標類嘗試進行最佳的分割。從根到葉子節點都有一條路徑,這條路徑就是一條“規則”。

資訊獲利(Information Gain): 由 Quinlan 於 1979 年提出,藉由測量樣本特
徵在文件中出現與否,去計算其資訊位元數值並用以預測分類。在決策樹中,簡單來說,此數值可以代表從這個屬性中獲得的有效資訊。

小故事時間


最近,貓大的朋友小咪吃到了一種非常美味可口的飼料,想推薦給其他貓咪們。由於不確定牠們的主人願不願意購買這種飼料,於是貓大蒐集了許多朋友的資料,來建立一個決策樹模型讓貓朋友們使用,以預測主人是否會想要購買這種飼料。以下是貓大所蒐集的資料,僅需重複的兩步驟就可以建立出決策樹模型。接下來,讓我們一起建立出決策樹模型吧喵!


STEP 1. 利用ID3演算法將三個屬性的資訊獲利計算出來

假設P→會買飼料;N→不會買飼料
以16筆顧客資料中,曾購買NB有4筆,未曾買NB有12筆
I (p, n) = I (4,12) =0.8113
依照年齡將16位顧客分成兩群組 :

小於30歲:曾買飼料有1筆,未買有5筆。
大於或等於30歲:曾買飼料有3筆,未買有7筆。


同理
Gain (婚姻) = I (4,12) - (I (3,4) +I (1,8)) =0.0972
Gain (收入) = I (4,12) - (I (1,5) +I (2,5) +I (1,2) ) =0.0177

經過計算發現婚姻屬性的資訊獲利最大,因此選擇婚姻作為第一個分類的依據。接下來根據婚姻的屬性值將資料樣本分成單身以及已婚兩個子集合分別考慮。用同樣的方法來分別決定左右分支下一個要選取的屬性。

STEP 2:決定如何分割

選出屬性後,接下來要決定如何分割,選定其中一種Splitting Rule作為計算方法,就可以分割了!以Gini Index為例,Gini的特性如下:

假設所有的屬性都是連續型數值型態。
假設每個屬性都存在數個可能的切割值。
適用於連續性的數值型態屬性。
可能需要其他工具(例如分群),來得到可能的分群值。
可修改用在類別型態的屬性。

假設資料集合 S 包含 n 個類別,吉尼係數 Gini(S) 定義為:

(Pj為在S中的值組屬於類別j的機率。)

利用屬性A分割資料集合 S 為 S1 與 S2 (二元分割)。則根據此一分割要件的吉尼係數GiniA(S)為:

其中, S1 與 S2 是針對欄位 A 內的不同數值所構成的兩組資料子集合。

不純度的降低值為:

挑選擁有最大不純度的降低值、或吉尼係數GiniA(S)最小的屬性作為分割屬性。

若人數分類表如下,則我們將分割點設為收入30000。

Gini(收入 < =30k) =1-(1/16)-(5/16)=0.898
Gini(收入 >=30k) =1-(3/16) -(7/16) =0.773
Gini’’(30)=6/16 *Gini(收入  <30k) + 10/16 *Gini(收入>=30k)=0.820
Gini(收入 <40k) =1-(2/16) -(7/16) =0.793
Gini(收入>=40k) =1-(2/16) -(5/16) =0.887
Gini’’ (40)=9/16 *(收入 <40k )+7/16*Gini(收入 >=40k)=0.834
因為Gini’’(30)<Gini’’(40),因此將分割點設定在收入三萬元比設定在收入四萬元好。


同理,若年齡分類表如下
Gini(年齡<25) =1-(0/16)-(3/16)=0.965

Gini(年齡>=25) =1-(4/16) -(9/16) =0.621
Gini’ (25)=3/16 Gini(年齡<25 )+13/16 Gini(年齡>=25)=0.686
Gini(年齡<35) =1-(1/16) -(7/16) =0.805

Gini(年齡>=35) =1-(3/16) -(5/16) =0.867
Gini’(35)=8/16 Gini(年齡<35)+8/16 Gini(年齡 >=35)=0.836
因為Gini’ (25) <Gini’(35),因此將分割點設定在年齡25比設定在年齡35好


透過資訊獲利決定屬性,再由Splitting Rule算出分割點,之後只需要重複的遞迴計算便可以得到一個決策樹模型。


決策樹模型的應用廣泛,除了分析數據、預測模型,在機器學習上也有應用。條理清晰、方法簡單、易於掌握、應用性強、適用範圍廣等均是決策樹之優點。希望經過本周的介紹,大家對決策樹有了更深一層的了解與應用。本周就到這邊,我們下週再見,喵!

時間與交易

$
0
0


《 如果能夠掌握 1 * 100 = 2 * 50 = 4 * 25 的簡單邏輯,技術分析的時間週期就不再是問題 》

敝團隊日前撰寫過數篇關於濾鏡的文章,且著眼於「時間」便是一種天然濾鏡,不需要加入人造濾網。且由於濾網多是逆勢概念而成,將逆勢判斷套入順勢系統中,容易造成過度參數化,也降低策略的穿透性。

一般量化交易的時間取樣方式在兩個地方可做調整:「K 棒週期」與「K 棒數量」。


對於時間這個濾鏡而言,越長時間的 K 棒週期所含的雜訊比率越低,趨勢也越明顯,獲利可能性也越高,唯交易者須承擔較高的價格擺盪幅度。然而,到底該採用哪個週期的 K 棒呢?結論可能跌破許多人的眼鏡:從最小的 1 分K到小時K、日K、週K等,不外乎是一樣的東西。市場中不乏交易者耗費許多時間在取決技術分析使用的 K棒週期以及數量,若能了解時間與雜訊間的關係,可能得以開闢一條捷徑。

K 棒的採用數量便是統計的樣本數量。由於統計是技術分析的根本,樣本的數量、品質以及取樣正確性決定了分析的成敗。我們以此次台北市長選舉為例說明樣本數量的意義:設籍於台北市的選舉人數是 2,147,213 人,以過往選舉投票率約七成推估,投票數為 150 萬。在開票初期,由於選票樣本過少,寥寥數百張或數千張選票的候選人得票率並不足以代表整體投票人口。然而當開票數逐漸增加到某種程度後,開票得票率已足以代表整體樣本,並且誤差範圍極小,直至開票完成各候選人的得票率都不再有明顯變化。

交易者一般使用的技術指標提供了趨勢的推估,但由於擔憂因採用過長週期而錯失交易良機,人們偏好選擇短週期指標作為判斷依據,實則與統計的基本原則有所衝突 – 然而統計便是形成技術分析的根本。

承上,一般採用小樣本的指標因為無法著手探測商品特徵,因此並不容易具有長久的存活性與商品穿透性,往往在實際下單後發現策略失效。一個良好策略本身應該具有觸摸商品本質的特性,亦即在以統計法則為基礎的技術分析下,當採用 K 棒週期、K棒數量這兩個時間總和大過某一個門檻後,回測績效不再明顯變動,並能避免經常重新調整策略內容或參數值。

一本由寰宇所出版的書籍《 短線投機養成教育 》,其英文原書名為「Long-Term Secretes to Short-Term Trading」,作者是著名的交易者 Larry Williams。書名其實就是貫穿整本著作的概念,亦即作者分享了在約 50 年的交易生涯中,所觀察到眾多商品與市場共同存在的一些特質,這些特質適用在各種商品的短線交易當中,而且是避免策略失效的關鍵。

在此使用敝團隊的海期策略回測台指期簡易說明時間架構兩個數值間的關聯。

下方第一張圖中,該策略以日 K 長度回測台指期,使用 K 棒週期為 A;第二張圖片使用同樣策略回測台指期小時K,K 棒週期為 5A ( 每交易日 5 小時 );最後一張圖片回測台指期週K,K 棒週期改為 0.2A ( 每週 5 個交易日 )。可以看出三個回測曲線型態相差不大,因為在引用的週期參數下,已經採計了足夠探測商品特徵的樣本,且雜訊比降至可接受範圍。若將這三個週期再調整為大於 A、5A、0.2A 的數值,回測結果亦同。



近來迅速發展的程式交易工具協助了交易者從有別於以往「價格走勢」的眼光觀察趨勢,並且有效的協助人們在發展策略時,採用完善的統計方式避開週期的惱人問題。璞格建議交易人在設計自有的策略時,暫時放下所閱讀過或使用過的一切工具,細心觀察不同商品及市場中的共通特徵,再據以做為發展依據。

技術分析的時間週期並不是一個惱人的東西,「時間」實為交易者的好朋友,它以最簡約的方式過濾市場雜訊,提供明確的市場走勢 – 只要你正確的運用。



《 本文由 PROG 璞格交易團隊提供 》

開發商品的交易系統 - 基礎篇 [19]

$
0
0


DMI指標是由威爾斯 • 懷爾德創建,他在 1978年[技術交易系統的新概念]的書中所提出的一種概念。DMI 指標可以衡量市場是位於有方向的動能量或是無方向的橫盤,它由三條線: DMI + (DMIPlus)、 DMI-(DMIMinus) 和 ADX (平均定向指數)所組成。當 DMI + 大於 DMI-時,趨勢是向上 ;當 DMI-大於 DMI +,趨勢是下行的。

平均趨向指數(ADX)是另一種常用的趨勢衡量指標。利用多空趨向之變化差離與總和判定股價變動之平均趨勢,可反映股價走勢之高低轉折,但無法掌控波段獲利水準,因此,發生信號頻率甚多而獲利卻不穩定,常用於輔助其他指標系統操作。


ADX無法告訴你趨勢的發展方向。可是,如果趨勢存在,ADX可以衡量趨勢的強度。不論上升趨勢或下降趨勢,ADX看起來都一樣。ADX的讀數越大,趨勢越明顯。衡量趨勢強度時,需要比較幾天的ADX 讀數,觀察ADX究竟是上升或下降。ADX讀數上升,代表趨勢轉強;如果ADX讀數下降,意味著趨勢轉弱。

平均趨向指標的交易法則
1、當DMI+ 大於DMI-時,僅由多方進行交易。當DMI-大於DMI+時,僅由空方進行交易。
1-1最適合進場做多的時機是:DMI+與ADX都位在DMI-的上方,而且ADX上升,這代表上升趨勢正在轉強,建立多頭部位之後,停損設定在最近次要低點的下側。
1-2最適合進場做空的時機是:DMI-與ADX都位在DMI+的上方,而且ADX上升,這代表下降趨勢正在轉強,建立空頭部位之後,停損設定在最近次要高點的上側。
2、當ADX下降而同時低於兩條趨向線,這代表沉悶的橫向走勢。不可採用順勢交易方法,但應該開始準備,因為這相當於是暴風雨之前的寧靜,主要的趨勢經常由此發動,這是趨向系統發出最佳訊號的位置。這種情況維持愈久,下一波走勢的基礎愈穩固。



測試程式碼

input:ExitType(2) ;
inputs:NBarL(6),NBarS(7),TradeProfit(0.05),TradeStopLoss(0.045),ATRs_L(12.7),ATRs_S(4.6);
vars: IsBalanceDay(False),MP(0),PF(0),PL(0),HLRange(100);

input: DMILen(2),ADXLen(9),ADXExit(21),DMILenS(7),ADXLenS(7),ADXExitS(30);
Vars: BuySetup(false),SellSetup(false),BuyPrice(0),SellPrice(0),DPlus(0),DMin(0),ADXVal(0),ExitSPrc(0),ExitLPrc(0);
Vars:SDPlus(0),SDMin(0),SADXVal(0) ;

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 ;

{ 計算 ADX / DMI+ /DMI- }

DPlus = DMIPlus(DMILen);
DMin = DMIMinus(DMILen);
ADXVal = ADX(ADXLen);

{ 多空不同週期使用 
SDPlus = DMIPlus(DMILenS);
SDMin = DMIMinus(DMILenS);
SADXVal = ADX(ADXLenS); }

{ 建立買方環境 }
If DPlus > DMin AND ADXVal Crosses Over DMin and MarketPosition <> 1 then
begin
BuyPrice = High + 1 point;
BuySetup = true;
ExitLPrc = Low - 1 point;
end;
If ADXVal < DMin OR MarketPosition = 1 then BuySetup = False;

{ 多空相同週期 }
{ 建立賣方環境 }

If DPlus < DMin AND ADXVal Crosses Over DPlus and MarketPosition <> -1 then begin
SellPrice = Low - 1 point;
SellSetup = true;
ExitSPrc = High + 1 point;
end;
If ADXVal < DPlus or MarketPosition = -1 then SellSetup = False; { 多空不同週期使用  { 建立賣方環境 } If SDPlus < SDMin AND SADXVal Crosses Over SDPlus and MarketPosition <> -1 then begin
SellPrice = Low - 1 point;
SellSetup = true;
ExitSPrc = High + 1 point;
end;
If SADXVal < SDPlus or MarketPosition = -1 then SellSetup = False;
}

{ 買方環境成立下 ,突破高點進場 作多}
If BuySetup then Buy next bar at BuyPrice stop;

{ 賣方環境成立下 ,突破高點進場 作空}
If SellSetup then Sell next bar at SellPrice stop;

{ 出場方式 }
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 ExitType = 5 then Begin
{******************************************************************* Description : ATR Trailing Stop Long Exit Provided By : Omega Research, Inc. (c) Copyright 1999 ********************************************************************}
{Inputs: ATRs_L(3);}
Variables: PosHigh(0), ATRVal_L(0);
ATRVal_L = AvgTrueRange(10) * ATRs_L;
If BarsSinceEntry = 0 Then PosHigh = High;
If MarketPosition = 1 Then Begin If High > PosHigh Then PosHigh = High;
ExitLong ("ATR") Next Bar at PosHigh - ATRVal_L Stop;
End else ExitLong ("ATR eb") Next bar at High - ATRVal_L Stop;

{*******************************************************************
Description : ATR Trailing Stop Short Exit
Provided By : Omega Research, Inc. (c) Copyright 1999
********************************************************************}
{Inputs: ATRs_S(3);}
Variables: PosLow(0), ATRVal_S(0);
ATRVal_S = AvgTrueRange(10) * ATRs_S;

If BarsSinceEntry = 0 Then PosLow = Low;
If MarketPosition = -1 Then Begin
If Low < PosLow Then PosLow = Low;
ExitShort ("ATR_1") Next Bar at PosLow + ATRVal_S Stop;
End else ExitShort ("ATR_1 eb") Next bar at Low + ATRVal_S Stop;
end;

if IsBalanceDay then setExitonClose ;
(多空週期相同)
台指期 日K 留倉 回測週期 2004/11/1~2014/10/31 交易成本 1200

多空週期不相同
台指期 日K 留倉 回測週期 2004/11/1~2014/10/31 交易成本 1200

因為商品的特性或是市場的慣性不同,對於策略開發者而言,非對稱式的進場邏輯,甚至多空不同的進場元素,都是可以去大膽嘗試的 !

捷運線利空出盡 期待下個景氣復甦

$
0
0

紅色子房專文,刊登於 好房HouseFun 雜誌 2014年 12月號

十一月份的大事,眾所期盼的松山線,終於通車了。

有業者統計,松山線中的南京復興站、台北小巨蛋站及南京三民站三站,沿線住宅房價一年內漲幅已逾一成。

捷運帶動房價成長,這在台北市早就不是新鮮事,也是人人皆知房地產投資置產硬道理。只是,此次松山線的通車,台北市邁入「五線暢通,多點轉乘」的新時代,剛好面對房市盤整期,會不會有什麼不一樣的發展呢?

「奇怪,原本上班時間客滿的捷運車廂,現在居然有位子坐了。」家住士林,天天搭乘捷運信義線來台北101上班的同事C,很驚喜地告訴我松山線通車之後,信義線搭乘人流分散的現象。

算算台北捷運營運路網長度已近130公里,總計116個車站,預估每日平均載客人數將達到200萬人次。雖然說沿著捷運站買房置產是不變的道理,但是上百個捷運生活圈,是不是已經足夠滿足居住人口的期待呢?

就像當某國外知名甜甜圈店剛在台灣開幕的時候,會吸引許多喜愛甜甜圈的粉絲購買,造成大量的排隊風潮。許多經過的民眾看到大排長龍的餐飲店,通常也會好奇嚐鮮,一同加入排隊購買的行列,促成甜甜圈營業額大好。但是,一旦該甜甜圈店越開越多家,但喜愛甜甜圈的粉絲數量增長有限,各店的排隊風潮就會散去,回歸到正常的營業情況。少了顧客排隊爭購的風潮,為了維持甜甜圈的銷售量,就會開始進行各式各樣的降價促銷手段。

同理來看,「捷運站成長數」與「人口成長率」這兩個發展線,會不會隨著捷運站分佈量越來越多,而達到某程度的交會平衡?也就是說,住家附近有沒有捷運這件事情,對房價影響的敏感度,有沒有可能越來越低?

其實在台灣其他城市,這樣的現象早就發生。

舉例來說,高雄市人口呈現負成長現象,因此即使有便捷的紅橘兩線,以及環狀輕軌計畫施工中,帶動房價的力量仍然有限。依據實價登錄的資料,高雄市的住宅市場,住宅大樓類平均房價仍在1字頭。同時思考南部人的居住偏好,仍以「透天厝」為主,家家戶戶有停車空間。路程短就騎機車,路程稍長就開車,停車也不會是大問題。所以,在高雄賣房子,賣無敵海景跟萬坪美術公園景觀,可能比捷運輕軌更有話題。

台中市的快捷公車BRT,跨接了台灣大道。但是,台灣大道沿線多為商業辦公大樓,住宅人口聚集量偏低。因此,快捷公車BRT的開通,坦白說對房價的挹注並不大。因為,在台中房價支撐的力量不是交通,而是舒適的綠園道公園,加上眾多美食餐廳的好生活圈。

回到台北市的生活,在快節奏的都會裡,用最有效率且最優雅的方式移動,仍一直是台北都會區居民最嚮往的行動方式。坐捷運,不用坐計程車聽司機講政治,不用開車尋找市區一位難求的車位,不用騎機車擔心安全帽壓壞髮型,不用在烏煙瘴氣的公車亭等候人擠人的沙丁魚公車。

所以逐捷運而居,向來是「台北居」最主要的賣點。政府一年開通一條線,光捷運信義線及松山線,估算下來每蓋一公里捷運,投入成本大約是42億。如此花大錢蓋捷運,要房價地價不漲也難。但買房民眾不管是「自用需求」還是「投資需求」,這種需求量隨著房地產面臨景氣循環,以及房價所得比過高的情形,已然出現需求瓶頸。而且,政府面對「漲價歸公」這件事情,要將政府投入建設成本造成的漲價利益,要求以稅收方式合理回饋獲利給政府,已著手研擬房地合一稅制以及稅基的正常化。

談完需求面,再來看看供給面。松山線通車以後,台北市下一個捷運漲價議題,除了甫動工的萬大線,剩下就是對汐止民生線的期待吧!

但是,若以台北市捷運工程局顯示的各線捷運完工時程來看,如果通車完工算是「大學畢業」,那麼萬大線應該還在「考高中」,汐止民生線應該還在「上小學」吧!

再從房市景氣循環來看,從2003年SARS起的這十年是一個景氣循環,面對房市盤整甚至降價潮,汐止民生線的效應,初步研判應該是屬於下一個景氣循環的事情。

當短期內台北市的捷運題材利空出盡,現在還有可能跟著捷運站置產,閉眼睛買都漲價嗎?

坦白說,如今的房市,就像遊樂園裡等待搭乘雲霄飛車出發的心情,告別華麗輕鬆增值獲利的旋轉木馬,皮繃緊,握好把手繫好安全帶,謹慎小心不要飛出軌道外。
 

國際油價下跌,原油開採公司買進、賣出?請選擇!

$
0
0
上一篇文章討論油價與航運業的關係
今天我們要來討論油價與美國原油開採公司的關係。

回顧2014年11月3日,沙特阿拉伯宣佈調降銷往美國的原油價格,
但卻調漲銷往亞洲國家的價格。
這只是打壓美國原油開採業的第一步...

2014年11月28日,石油輸出國組織(OPEC)宣布維持原油產量不變。
這是打壓美國油價的第二步...


是否會推出第三步我們不得而知,
能確定的是OPEC為了捍衛市占率,
肯定不會放著不管,最好是能親手埋葬美國頁岩油業者。


美國原油開採公司只能硬著頭皮苦撐,
沒做衍生性金融商品避險的公司只能禱告,
希望油價不要跌到他們的成本區。

美國頁岩油產業大爆發


開採能力上升會使供給量上升,
價格因此下跌,重新達到供需平衡。
若短期原油價格下跌至接近開採成本,
公司便會減產或停產。
對於中小型原油開採公司來說,
購入機器及投入人力的成本太高,
自有資金不足,所以大部分的資金來自融資。

原油下跌至接近開採成本,中小型原油開採公司的負債會陷入無法償還的危機
若需要新的資金以維持營運,則權益投資人或債權人的要求報酬會上升,
換句話說,公司使用資金的成本會上升,
因此超額供給的原油會使中小型的開採公司陷入倒閉的危機。

下圖,低油價導致中小企業面對的惡性循環

為了更具體的描述,畢德歐夫團隊來比較最近一年來大型、中型和小型原油開採業者負債的狀況,
以及其對應的股價圖。
2014/11/28
(大企)艾克森美孚市值(M)(USD):383,394
(中企)EOG Resources市值(M)(USD):47,523
(小企)Goodrich Petroleum市值(M)(USD):269

艾克森美孚(XOM)-市值383,394M USD



可點圖放大
由上面兩張圖我們可以觀察到艾克森美孚負債與油價的連動並不顯著,
可簡單歸類於三個原因:
(1)擁有足夠的現金支撐營運
(2)舉債的目的只是更靈活運用資金,適度放大槓桿
(3)公司有能力做衍生性金融商品的避險,因此即使油價不斷的破底,
對其營運受到的影響有限。
再觀察到2008~2014年股價的走勢圖,艾克森美孚對油價的波動是正相關,
但不至於完全被油價給牽著跑,當油價無法創新高時,
艾克森美孚的股價卻創了新高,
這顯示了大企業的穩定性與其對原物料成本的控制能力。

EOG Resources(EOG)-市值47,523M USD



可點圖放大
由上面兩張圖我們可以觀察到,EOG這間公司的總負債非常穩定,
沒有增貸也沒有還債,代表這間公司的獲利尚可支撐公司的營運和利息支出。

再觀察到2008~2014年股價的走勢圖,EOG的股價波動相較於艾克森美孚這間超大型的公司還要大。
這是中型公司的優勢,同時兼具穩定和增強投資組合報酬的潛力。

Goodrich Petroleum(GDP)-市值269M USD



可點圖放大
由上面兩張圖我們可以觀察到,Goodrich這間公司從2013年第四季開始,
總負債每季都在上升,油價下跌使產品獲利下降到無法支付營運開支,
因此必須透過借款維持營運。

再觀察到2008~2014年股價的走勢圖,很明顯Goodrich的股價被原油價格給綁架了,
連動性非常顯著。油價下跌這半年,Goodrich跌了將近84%,
OPEC宣布維持產量不變時,原油下跌約10%,Goodrich跌了約34%。

到目前為止我們討論了油價對不同規模的原油開採公司負債和股價的影響,
最後我們檢視這三間不同規模的公司2014年第三季的財務數字,
這有助於我們建構能源公司的投資組合。
下圖為幾個重要的財務數字:

可點圖放大
註:EBITDA為稅前息前折舊攤銷前的盈餘;DA為折舊與攤銷費用;EBIT為稅前息前盈餘。

由上表我們可以發現艾克森美孚的負債佔總資產只有6.19%,
反觀Goodrich的60.18%,
如此龐大的差異可以解釋為何當油價下跌時投資人瘋狂出脫Goodrich的股票,
當公司無法還款時,債權人有優先受償權,
因此會第一個跳出來清算公司,保障自己的權益,
最後,權益(股票)投資人可能一毛都拿不到。

再來我們發現,艾克森美孚的利息保障倍數為116.9倍,
換句話說,公司當期所賺的錢,在扣除利息和稅負之前,
可以還當期利息約117次,而Goodrich根本沒賺錢,
更不用說要支付利息和稅負了,反而虧損可以讓它抵稅。

在1月中旬,畢德歐夫團隊會舉辦「美股藏寶圖」活動,
歡迎對美股投資有興趣的讀者索取活動資料,這次錯過要等到明年下半年囉!


另外,在本週六(12/13)下午畢德歐夫與金湯尼將在台中群益期貨與讀者見面,
主辦人彭協理同時也是位期貨分析師,邀請我們參加這場分享會,
因為美股專欄的寫作,讓我認識了許多業界的投資高手,
不管是各券商的自營部主管或是期貨公司的操盤手,
彭協理是畢德歐夫與金湯尼的好朋友,我們會全力以赴!
盡可能把國際重要趨勢與交易心得分享,在短短的3小時中分享給讀者。
這是免費講座活動,台中的朋友別錯過喔!

當要建構一個產業的投資組合時,除了要清楚了解產業特性,最重要的是熟悉每間公司股價的表現方式,適時的調整投資組合增強報酬率,市況好時調升小型股投資比重、不好或不明朗時調升大型與中型股比重,如此才能打敗大盤,賺取超額報酬。

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?

FTA不簽,台灣真的就要被淘汰了嗎?

$
0
0

再從FTA的Z與B談起,即使只談經濟ZB,台灣對外簽訂雙邊FTA,
是否真是Z〉B?也有可議之處。

記得四月太陽花學運時,我曾在此專欄反映年輕人對於《兩岸服務貿易協議》Z大於B(利大於弊)的反感。半年多過去了,似乎執政者對於兩岸經貿說服民眾的主軸仍是經濟上的ZB,但全世界的《自由貿易協定》(FTA)簽訂,真是只看經濟ZB?

如果《自由貿易協定》真是萬靈丹、如果所有參與者均會是贏家,沒有輸家,為何WTO(世界貿易組織)進展會受阻?全球化下,贏者全拿不已是常識?反過來看,希臘等南歐國家明明是歐盟區域整合的貿易輸家,但大部分的民眾還是堅持留在歐盟及歐元區內。因此,對各國來說,《自由貿易協定》或整合不一定Z大於B;反過來說,有時即使B大於Z,還是會簽FTA,亦即FTA的簽訂與否,有更多是其他因素。試想,如果只談經濟ZB,請問在兩岸ECFA(兩岸經濟協議)中國為何讓利?難道不是因為政治目的,許多IT企業的產品根本已在ITA(資訊技術協定)的免關稅項目內,這些企業家出來大聲疾呼,真是憂國憂民?還是政治表態?社會自有看法。好吧,即使只談經濟ZB,台灣對外簽訂雙邊FTA,是否真是Z大於B?也有可議之處。


南韓經濟成長 無法歸因於FTA

許多人很喜歡拿台灣與南韓對外簽署FTA來比,並把過去南韓經濟成長歸因於FTA策略成功,最喜歡的比較便是所謂的經濟地圖,南韓在全球FTA覆蓋率達62.6%,而台灣只有9.7%。但實際上,把南韓的經濟成長歸因於FTA,在數據上,至少到目前為止,皆未獲得支持。南韓本身國際貿易協會實證結果顯示,《自由貿易協定》對於南韓出口新興市場最有幫助,但對於歐盟或美國等已開發國家市場,則尚無定論。

豈止尚無定論,數據甚至呈現反向,美韓FTA於2012年生效,但一三年南韓對美出口就少了3.1%;歐盟就更誇張了,歐韓FTA於一一年生效,若以主要市場德、英、法、義、西班牙及荷蘭,南韓一一年對此6國出口金額還有309億美元,但到了一三年只剩238億美元,足足減少2成多;更糟的是,在這2年多間,南韓從6國進口金額由370億美元增加到389億美元,這一來一往,使南韓逆差由62億美元擴增到150億美元,逆差金額足足增加88億美元(增加142%)。

FTA及區域整合 非單純的經濟ZB

我們當然也知道,把出口減少現象,直接否定FTA是不客觀不精確的推論;同樣的道理,把經濟表現、出口增減現象,直接歸因於所謂經濟地圖或FTA,不僅武斷且可能造成更大迷思。如果經濟地圖真可反映經濟表現,我們簡單再問一句,南韓經濟近來差到不行,難道是經濟地圖消失了嗎?

回到貿易實質面的探討,也許可以釐清這些矛盾或迷思。首先,FTA之所以對於出口額有效增加,是基於幾點假設,一是進口國在進口項目,設定了高關稅保護;第二,假設進口產品的價格彈性大(至少大於一),當價格下降1%時,消費需求會增加超過1%,那麼消費總值才會增加,那麼關稅下降,它無須降價,而會收下降關稅利益。

從這些邏輯,我們就可以知道,為何美、歐市場對於南韓FTA效益有限?主因係南韓出口至美、歐市場,大都已是零關稅的ITA項目,所以從FTA得到額外的邊際效益有限;但反過來看,過去南韓是相對保護的市場,一旦市場開放,影響當然較大。

台灣所謂FTA經濟地圖的確很差,只有九.七%,但因為ITA關係,實際出口享有的減免關稅比率,可是超過5成以上,在先進國家及中國的比率更高,美國達71.5%,歐盟為55%,中國也有59%或加上兩岸ECFA早收清單,可達69%,再加上未來WTO通過已達共識的ITA2及EG,台灣出口減免關稅實質涵蓋比率,在美歐中等大國將可能達到7成以上;而在服務貿易的部分,WTO的架構下,正在談判服務貿易協定(TiSA),參與國共22個,台灣在其中,而中國則未被允許參與。

亦即,在WTO的架構下,ITA、ITA2、EGS、以及未來TiSA的完成談判,至少構築台灣對外貿易的基本保障,雙邊FTA談判的邊際ZB,可不是從零起算。就以台灣對美、中來說,為了額外兩成多的邊際利益,但卻必須開放弱勢產業及農業,甚至非貿易成本,值不值得?必須更多計算。
但若問我個人贊不贊成台灣應積極洽簽FTA?當然,因為我始終認為雙邊FTA及區域整合不是經濟ZB問題,而是政治問題。每每新加坡總理李顯龍被問及台灣能否加入TPP時,其回答要中國同意,這不是政治問題,什麼才是政治問題?既是政治問題,台灣更不能在全球地圖消失,同時,台灣應加入哪一方政治勢力?答案再明白不過了。


龔明鑫

漲跌推理系列‧微端(3285)

$
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。

舉微端(3285)為例

微端(3285)的周日線圖@2014.12.08


上圖為微端的周日線圖,上面是日線,下面是周線。

從微端的周線圖可以看到,註記L的水平線以下已經有複合式之雙重底成型,九月底完成力量,十月底回檔測試頸線支撐,爾後引進買氣推升價位,消化過往套牢賣壓,十一月底收出長上引之陽轉機,雖然不穩,但也讓同等價位水平的賣壓展現從明陰轉暗空,顯意賣壓已經越來越壓不住,隨時有突破的可能。

從微端的日線圖可以看到,十一月底的三日陰,相對於過往同等價位水平的壓力已經轉弱、轉緩,此為壓力壓不下的形意,選舉結束,十二月的第一個交易日反應選舉的結果開低,隨即引進買氣推升價位,啟動這段創高甚至有可能發動周線力量的行情。


微端(3285)的時刻線圖@2014.12.08


上圖為微端的時刻線圖,上面是時線,下面是刻線。

從微端的刻線圖可以看到,註記C的刻力即為反應選舉結果開低走高的第一刻刻力,觀察此力的動能,明顯強於先前跌下來的刻線陰陽力,這是筆者第一次建倉的點位,後來順利引進買氣推升價位,於次日收高於註記M的水平線,此價位為過往短暫力量組合發動跌的頸線,帶動能穿入展現買氣強,這是筆者第二次建倉的點位。

回到微端的日線圖觀察註記B的不穩定上引,當價位行至此價,合理將遭遇相當積極的解套賣壓,如果無法掌握註記A的進場點,接下來將面對過往的轉折高甚至沒可能不停的B價,越上去有可能越買不下手,掌握啟動才能有效解決前述心理問題。


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。

多商品交易勝率

$
0
0


《 單個銅板出現反面的機率是 50%,兩個銅板同時出現反面的機率降為 25%,三個 12.5% … 》

「勝率」是許多交易人追求的目標,希望指標能在市場中有絕佳的表現,最好次次致勝。然而將順勢交易策略系統化後不難得知,多數的順勢勝率約略落在 35% ~ 40% 之間。交易者可能會嘗試一些手法提升勝率這個數值,例如加大停損幅度、縮小停利目標,如此一來在價格擺盪過程中很容易觸碰到停利標準而滿足 「 獲利 」 的條件出場,並且透過拉大虧損容忍幅度,以擴張信用風險的方式增加勝率。然而,勝率並不應該是一個以定值作為設計目標的因子,它是賭局中綜合各種規則而成的結果,屬於自然產生。也由於這個數值難以突破,所以量化交易者往往格外注重 「 獲利因子 ( Profit Factor ) 」 ( 獲利因子 = 總獲利 / 總虧損 ),以平均獲利大幅高於虧損的交易模式彌補勝率之不足。


「勝率」除了以單筆交易的角度觀察以外,用單位時間衡量不失為一種更好的方式。兩者的不同之處在於:前者以獲勝「筆數」除以總交易數、後者以獲利時間除以總時間,例如 100 個交易日中獲利交易日為 60 日,單位時間 ( 日 ) 的勝率則為 60%。舉一個較為極端的例子,若某個交易策略執行 50 個交易日,其中前五天處於盤整期,連續五次因虧損而翻單,自第六個交易日趨勢向部位持有方向發展,持有 45日後獲利了結。這個例子的下單勝率僅為 16.6%,但單位時間勝率很可能大於百分之五十,在多數時間內也不會讓交易者處於虧損的壓力之下。

既然單筆交易的勝率難以在策略中刻意提升,而且提升的手法往往同時增加交易風險,我們不妨使用多個商品 ( 數個股票或期貨標的 ) 組成投資組合,拉高單位時間勝率。在向下說明之言,我們重新回顧交易者普遍對於商品間相關性的盲點。

許多量化交易者把商品的價格走勢以交易軟體或 Excel 等工具做相關係數計算,用以避免大幅的單向性交易風險。交易者偏好選取相關性低的商品以確保持股或部位不容易出現同時虧損的情況,甚至刻意組合相關性互為負數的不同標的。然而,相關性為負的商品意味者價格發展趨勢相反,常為一漲一跌的走勢,因此當同一套交易系統進行多空判別時,呈反向部位持有 ( 一買一賣 ),反而造成損益正相關。因此 「 價格的相關係數絕對值 」 越接近零,兩者的權益曲線相關性才能真正獲得降低。

若兩個價格相關性 0.6 的商品 ( 台股加權指數與摩台在 2014 年的相關係數約為 0.6 ) 同時以等槓桿比例交易,A 商品勝率 35%、獲利因子 1.3;B 商品勝率 45%、獲利因子 1.5。共同持有的期間可以在許多方面結合出更好的數字,甚至輕易解決許多策略設計中無法突破的障礙,勝率便是其一。當交易樣本夠大時,上述商品長期的單位時間勝率能夠滿足理論值 51.6%,獲利因子則為兩者的簡單平均數 ( 1.3 + 1.5 ) / 2 = 1.4。

由於成功的交易系統獲利因子高於 1 的緣故,獲利日的損益金額會明顯大於虧損日的損益金額。因此當 A、B 商品出現一個虧損、另一個獲利的交易日內,淨權益成長的機率會高於 50%,有助於拉升整體投資組合表現。以前一段所舉的例子而言,單日獲利金額平均為單日虧損金額的 1.4 倍,大幅提升單位交易時間的正報酬機率。當組合商品數再向上增加後,單位時間的勝率表現會更趨於穩定,離群值現象將更低。

交易者在設計系統的時候往往會碰到許多障礙,不僅是勝率的問題,獲利因子、連續虧損幅度等。我們往往難以在既有的思維中再創造一些手法去跟本性地改變順勢交易的特徵,這時不妨多嘗試其他面向的管理方式,包含多商品投資組合、權益曲線管理等等。



《 本文由 PROG 璞格交易團隊提供 》

開發商品的交易系統 - 基礎篇 [20] 動態突破系統

$
0
0


第二代動態突破交易系統(The Dynamic Break Out Strategya II)是 George Pruitt 將1996年在期貨雜誌所發佈且表現不錯的動態突破交易系統,加入自適應參數調整模組所修改的版本,在策略裡可以學習到以下重點
1.利用收盤價的標準差來衡量市場的波動狀況
2.利用自適應引擎來建立一動態的參數給策略使用

第二代動態突破交易系統在 1982 至2002 期間各商品市場的表現如上圖


動態突破II最值得稱道的地方就在於它能根據市場情況自動調節參數,它的基礎來自於唐奇安通道,若我們基於唐奇安通道的參數作參數最佳化測試,會發現同一個商品在不同時期最優參數值是不同的;另外不同的商品也顯示出適用的回溯週期也不同! 那麼,如何設計出自適應參數調節功能模組呢?

在動態突破II中,我們將採用市場波動率作為評判標準。大的波動率常常代表市場方向不明朗,我們通過增大回溯值,讓策略更難觸發交易;小的波動率常代表趨勢市場,通過減少回溯值,我們讓系統更容易交易。這樣可以使系統鎖定長期趨勢利潤而又能在趨勢發生改變時及時出場。當然利用市場波動率作為參數調節並不是唯一選擇,讀者也可以選用其他效果類似的指標來自動調節參數,從而來決定出場點。

需注意的是,自適應參數的調節區間是有範圍的。在這個例子中,動態突破II的回溯值在20—60之間,參數也設在這個範圍內。對於進場點,動態突破II一開始用過去20天來計算買賣界限,第一次買點就是過去20天最大的最高價,第一次賣點就是20天的最小值。每天結束後用30天收盤價的標準差作為市場波動率(也可以其他指標來估計波動率,如平均波動幅度,真實波動幅度,收盤價變化的標準差等等)。確定當天的市場波動率後,按數值與前一日做比較,按波動的幅度來確定回溯值,如果波動率增長了10%,那麼相應的回溯值也增大10%。

交易策略說明
{系統參數與變數定義}
Inputs: ceilingAmt(60),floorAmt(20),BolBandTrig(2.00);
Vars: lookBackDays(20),todayVolatility(0),yesterDayVolatility(0),deltaVolatility(0);
Vars: buyPoint(0),sellPoint(0),longLiqPoint(0),shortLiqPoint(0),upBand(0),dnBand(0);

{自適應模組}
{今日與昨日市場波動率計算}
todayVolatility = StdDev(Close,30);
yesterDayVolatility = StdDev(Close[1],30);

{波動率的變化率}
deltaVolatility = (todayVolatility - yesterDayVolatility)/todayVolatility;

{利用波動的變化率來調整K棒回溯值}
lookBackDays = lookBackDays * (1 + deltaVolatility);
lookBackDays = Round(lookBackDays,0);

{將回溯值控制在 20 ~ 60 之間}
lookBackDays = MinList(lookBackDays,ceilingAmt);
lookBackDays = MaxList(lookBackDays,floorAmt);

{利用布林通道上下緣作濾網}
upBand = BollingerBand(Close,lookBackDays,+BolBandTrig);
dnBand = BollingerBand(Close,lookBackDays,-BolBandTrig) ;

{依唐契安通道原理訂定多單與空單進場價格}
buyPoint = Highest(High,lookBackDays);
sellPoint = Lowest(Low,lookBackDays);

{計算多空部位平倉價格}
longLiqPoint = Average(Close,lookBackDays);
shortLiqPoint = Average(Close,lookBackDays);

{多單進場}
if(Close > upBand) then Buy("DBS-2 Buy") tomorrow at buyPoint stop;
{多單平倉}
if(MarketPosition = 1) then ExitLong("LongLiq") tomorrow at longLiqPoint stop;

{空單進場}
if(Close < dnBand) then Sell("DBS-2 Sell") tomorrow at sellPoint stop;
{空單平倉}
if(MarketPosition = -1) then ExitShort("ShortLiq") tomorrow at shortLiqPoint stop;

原始策略
台指期 30 分K 多空留倉 交易週期 2004/11/1~ 2014/10/31 交易成本 1200



加入如意多空網 + 固定比例停損利
台指期 30 分K 多空留倉 交易週期 2004/11/1~ 2014/10/31 交易成本 1200



結論:自適應性調整的作用在於隨盤勢波動來決定進場時機而非固定的數字,其原理也可應用在持倉部位口數的調整,以本策略而言回溯K棒數量就實際測試來看取消 20~60的限制,所得到的績效反而會比較好。

記憶體爆炸?虛擬矩陣來救你!

$
0
0


大家好,貓大又來了!今天貓大要跟大家談的是虛擬矩陣(Virtual Matrix)。每一位程式人在寫程式時(尤其是大程式),一定常常遇到記憶體不足(Out of Memory)的問題。尤其在採礦程式中,我們需要大量的泥土(資料),並從資料內挖掘有利益價值的礦物(有用的資料),但當電腦的記憶體無法容下如此大量的泥土(資料)時,便會跑出記憶體爆炸的錯誤。

程式運作的流程

接下來我們來談談程式運作的方式。最一開始,程式會儲存在硬碟(Hard Disk)或光碟(Compact Disk)等輔助儲存系統中,當我們要求程式運作時,作業系統會將我們的程式由硬碟載入到主記憶體(Memory)內,並作適當的修正,使程式成為可執行的狀態。若程式需要使用資料庫內的資料,則會從資料庫載入需要的資料到主記憶體中供程式運作,接著便由CPU來執行程式內的運算。


記憶體不足的問題在於當「程式過大」或「資料量過大」時,造成載入主記憶體後其無法負荷。而虛擬矩陣的用意,便是為了解決資料量過大造成的記憶體不足,並且讓我們的程式可以使用大量的資料供程式運算分析。

虛擬矩陣運作方式
虛擬矩陣是如何運作的呢?試著把我們的程式想像成是在採礦,那麼資料庫就是我們的礦場,我們需要從大量的資料中,找出有用的資訊。而主記憶體就是我們分析礦石的場所,有可能是你家的後花園,也有可能是車庫。而CPU便是用來分析的工具。因此,當你需要從礦場的泥土中找出貴重金屬時,不可能將整個礦場搬到家裡的後花園。並不是因為家中沒有後花園,而是因為後花園並沒有這麼大,而造成後花園空間不足(Out of Garden)也就是程式中的記憶體不足。
但是,如果我們不要一次將整個礦場搬到家裡的後花園,而是將礦場切成一個N x N的矩陣,每次只搬運矩陣中一點點的泥土跟礦石到後花園中,那麼就不會造成花園空間爆炸,導致沒有辦法分析礦石了。
所以,我們會虛擬化地「將所需要的資料以矩陣的方式切割」,當我們程式需要這些資料時,再每次只從資料庫取一部分的資料供程式分析使用。


稱呼虛擬矩陣的原因
為什麼要叫虛擬矩陣呢?按照前一段落的介紹可以發現,我們可以不以矩陣方式去切割我們的礦場,我們也可分層或利用其他的分割方式為之。
其實會叫做虛擬矩陣式有原因的,在大多數的資料採礦程式(Data Mining Program)的分析方法中,不管是支撐向量機(SVM)或羅吉斯回歸(logistic regression)等,都是需要資料與矩陣的方式儲存。而虛擬矩陣的機制正好是要解決資料採礦程式中,資料量過多造成的記憶體不足問題。因此虛擬矩陣都是以矩陣的方式切割來源資料的。
虛擬矩陣是專門解決記憶體不足的機制,以防止當資料採礦程式的資料量太大時,欲一次將所有資料抓取到記憶體後,造成程式無法運作的解決辦法。藉由一次只從資料庫抓取一部分的資料,並且讓程式中能夠以矩陣方式簡單操作,使程式能夠穩定執行。

第一次使用R語言做回測:六分鐘,就上手!

$
0
0

資訊科技瞬息萬變,交易也受到資訊科技的影響在改變。舉例來說,以前黑板報價,現在網路下單,甚至是程式交易。以前把歷史線圖列印出來,每天當線仙日以繼夜研究;現在只需要幾個程式指令,便可做完所有股票的歷史回測。

然而,並不是所有的投資朋友都熟悉軟體操作、程式撰寫,有些朋友甚至不熟悉上網。對這一類電腦恐慌症的朋友來說,接觸資訊設備簡直就是一件比登天還難的事。

太多太多的不確定性,該學什麼? 該買什麼軟體? 改有怎樣的電腦技能? 這些都是投資人使用資訊科技的阻礙。

所以牧清華準備開始介紹一系列的資料分析上手課程。我們就從R語言開始。為什麼選擇R語言? 兩個重點:1. R免費。2. R功能可完全取代MultiChart,甚至更有彈性。

你可能沒聽過R語言,但開始接觸後你會愛上他!

R語言是當下最紅的統計程式語言,隨著巨量資料成為顯學,使用R語言將變成基本功夫。牧清華最近很常說一句話:至少把R安裝後放在電腦桌面,取代"小算盤"也不錯!

我們不囉說,這篇文章就專門寫給程式語言生手,目的是讓你六分鐘就能實際做回測,當然也包括股價歷史資料的下載。下面我們開始介紹。

第一步:下載R語言。http://cran.r-project.org/bin/windows/base/

使用windows的朋友,請點選畫面第一個 "Download R 3.1.2 for Windoes (54 megabytes, 32/64 bit)"


下載後請按執行,不停的 "下一步"、"下一步"安裝下去。

第二步:安裝套件quantmod

安裝好R語言後,請選"程式套件" => "安裝程式套件"選擇 "Taiwan(Taipei)"後按確定。

接著選擇"載入程式套件" => 選擇 "quantmod"後按確定。

說明:quantmod是R裡面很強大的finance相關套件,其功能對大部分的朋友來說絕對足夠。

第三步:下載股市資料(以APPLE為例)

開啟桌面的R圖示,輸入 "library(quantmod)"後,再輸入 "getSymbols("AAPL")",如下畫面:


說明: "library(quantmod)"是將quantmod套件引進函式庫。"getSymbols("AAPL")"是直接取用Yahoo Finance 裡蘋果(AAPL)股價的歷史資料。

輸入完成後,這時輸入"AAPL",可得到2007-01-03開始的蘋果股價資料,包含每天開盤價(AAPL.Open)、最高價(AAPL.High)、最低價(AAPL.Low)、收盤價(AAPL.Close)、成交量(AAPL.Volume)、(還原權值)AAPL.Adjusted。如下畫面:


這時你可以開始畫蘋果股價的歷史線圖了。quantmod裡的畫圖功能當然不輸一般看盤軟體。最直接的指令便是輸入 "chartSeries(AAPL)",得到圖形如下:


當然,上面圖形沒有很好看,至少背景黑漆漆一片該換成白色;再說,如果我只想要看2012年1月到2012年6月的圖形。chartSeries也提供很方便的指令。輸入指令

 chartSeries(AAPL["2012-01::2012-06"],theme="white")


圖形如下:


白色背景,是不是好看且更專業看盤軟體了呢?

第四步:畫出20日平均線(月線),60日平均線(季線)。

輸入指令:



ma_20<-runMean(AAPL[,4],n=20)   
說明:AAPL[,4]代表蘋果股價每日的收盤價(AAPL.Close),因為收盤價放在第四行所以這樣表示。runMean這個函數以即n=20表示計算過去20天的平均數。因此。ma_20是一個時間序列,每一時間點表示過去20天的收盤平均。

ma_60<-runMean(AAPL[,4],n=60)
說明:過去60天的收盤平均。

addTA(ma_20,on=1,col="blue")
說明:將20日均線(ma_20)的圖形,用藍色線條加到目前K線圖上。

addTA(ma_60,on=1,col="red")
說明:將60日均線(ma_60)的圖形,用紅色線條加到目前K線圖上。

圖形如下:


第五步:進行策略回測

為了方便講解回測,我們用最普通的均線策略:當20ma大於60ma時,全壓買進;當20ma小於60ma時,空手。輸入指令:

position<-Lag(ifelse(ma_20>ma_60, 1,0))
解說:position為一個時間序列,以日為單位,如果20ma大於60ma,設值為1;否則設值為0。由於我們是日資料,訊號發生時只能隔天做交易,故將這向量全部往後遞延一天。

return<-ROC(Cl(AAPL))*position
解說:ROC計算:log(今天收盤價/昨天收盤價),乘上poistion代表。若1則持有,若0則空手。

return<-return['2007-03-30/2013-12-31']
解說:由於我們策略條件是60ma>20ma之後才會交易,故統計值從2007-03-20開始;另外APPLE在2004年有配發股利,故我們只統計2007年到2013年的資料

return<-exp(cumsum(return))
解說:cumsum計算累計值,即將每一分量之前的值累加起來。取exp函數是要計算累計損亦。(這裡運用國中數學:log(a)+log(b)=log(ab),exp(log(ab))=ab)

plot(return)
解說:將累計損益圖畫出來。

此策略的損益圖形如下,橫軸為時間軸,縱軸為報酬率,1代表原始自有資金100%。


由圖可知,在2007年3月後開始交易到2013年底,用這最簡單的策略,資產整整翻了將近6倍!

(註:這裡只是為了方便解釋使用R語言很容易做策略回測,並不是說這個簡單的交易策略可行,事實上APPLE這幾年長期多頭,隨便買了持有幾乎都會賺錢!)

Quantmod的其他技術指標

當然,套件quantmod也包含了其他的技術指標,最常用的我想就是布靈通道。再畫出股價走勢圖後,再輸入指令 "addBBands()"


圖形顯示為


我們也可另外加上Bollinger%b的圖形。

Bollinger%b = (Close-LowerBound) / (UpperBound-LowerBound)

輸入"addBBands(draw="p")"


圖形顯示為


當1.0代表股價碰到布靈通到上緣,0.0代表股價碰到布靈通到下緣。Bollinger%b公式為(Close-LowerBound) / (UpperBound-LowerBound)

當然,quantmod還有很多好玩的東西,我們以後陸續介紹,希望到這沒超過你6分鐘時間,也希望這篇文章能開啟大家對R語言的喜愛。

打完收工!

星期二;一天一錠,效果一定,歡迎訂閱「幣圖誌Bituzi電子報」

寫程式,玩資料,會上癮。

重點是先跨出第一步,即使是簡單的第一步,小有成就,很快就陷進無法自拔的深淵!

關於quantmod套件的介紹使用,可參考官方網站 http://www.quantmod.com/examples/intro/#data




長期投資也要會挑股票,跟著巴菲特來尋寶

$
0
0
很多人誤以為長期投資就是買入,
然後放著,下一步就變成巴菲特!

2014年11月13日,
巴菲特向美國證管會遞交13F報告,
公布第三季波克夏的持股變化,
這是令長期投資迷最期待的一刻。

被巴菲特加持過的公司就像黑色星期五當天的沃爾瑪超市一樣,
大家搶著買。巴菲特是當代最有名的價值投資者,
精準和獨到的眼光造就了波克夏傳奇,
因此,當他一公布最新買進的個股,
股價通常會立刻往上漲,這就是巴菲特Premium。



還記得2008年金融海嘯時,當雷曼倒閉,
高盛(股票代號:GS)在生死邊緣徘徊的時候,
巴菲特注資高盛50億美元購入每年可配息約5億美元的特別股,
並取得履約價為115美元,
總價相當於50億美元的認股權證。
巴菲特的加入給予了市場對高盛的信心,
之後高盛起死回生,他也因為這筆投資大賺了20億美元。

如果講更白一點讓沒有財經背景的讀者閱讀,翻譯如下:
巴菲特在金融海嘯期間,對高盛訂下了超嚴苛的三大條件,
才願意提供資金協助。
第一、每年要配息10%,巴菲特拿完才准配發給一般股東。
第二、未來如果股價上漲的話,巴菲特可以把債權換成股權。
第三、公司如果真的不幸倒閉的話,公司的殘餘價值巴菲特要先分。
相信這樣解釋,能幫助一般讀者理解。

因此,為何追蹤巴菲特持股重要?
相信讀者心中已有了答案。

開始剖析前有幾個注意事項,
請讀者在心中默念至少一次。
(1)巴菲特的交易風格不一定適合每位投資人

(2)巴菲特的持股大部分已脫離成本區,
投資人追高不一定會賺到錢


(3)巴菲特提供的持股資料是延遲的,
這段期間無法得知他做了哪些調整

讓我們開始吧!

下圖為巴菲特2014年第三季的前十大持股明細

金融佔比是最高的,
常閱讀畢德歐夫專欄的讀者一定對這個結果不陌生,
過去我們一在強調升息對金融業的影響,
讀者可以參考世界盃足球賽期間的美股走勢與歷史操作統計
老實銀行160年來都賺錢的真實故事

消費產業佔比第二高,當景氣開始好轉,
人民的可支配所得上升,日常花費也就跟著上升,
所以這幾年沃爾瑪(WMT)超市的業績一年比一年還要強。

前十大持股中金融和必需品消費就已佔約62%,再細看持股內容,
除了USB外其他五間公司的市值都大於1900億美元(台積電約1170億美元),
可見得這個投資組合相當穩健。


下圖為巴菲特2014年第三季持股增加的部份

稍微統計一下增持的股票:
(1)Communication Sector(通訊)五間
(2)Financials Sector(金融)三間
(3)Technology(科技),Energy(能源),
Health Care(健康),Consumer Staples(消費必需品),
Consumer Discretionary(消費非必需品),
Industrials(工業)Sectors各一間

第三季調升對通訊產業的投資權重,
特別要注意到的是新加入了LMCK這間公司,
而且權重達0.34%和調升115%對CHTR的持股。
不意外的對兩大發卡組織Master和Visa調升權重,
行動支付的潛力不容小覷。

下圖為巴菲特2014年第三季持股減少的部份

稍微統計一下減持的股票:
(1)Energy Sector(能源)三間
(2)Financials Sector(金融),Industrials(工業)Sectors各一間

為何巴菲特會一次減少三間對Energy Sector的暴險?
主要原因為油價下跌,拖累原油產業的股價,
有興趣的讀者可以參考:
國際油價下跌,原油開採公司買進、賣出?請選擇!
油價大跌航運股漲翻天,石油新霸主明年誕生?
而對金融類股和工業類股可以視為戰略上的調整,
換句話說,就是汰弱留強。

接著我們來做個結論:
(1)巴菲特投資組合前十大持股中對金融和消費必需品的投資權重最大,
分別為37.71%和24.21%。

(2)第三季增持三間金融相關的股票,
分別為Master Card(萬事達卡)、Visa(威士卡)和Torchmark Corp.,
對消費產業投資在第三季維持不變。

(3)第三季增持了五間通訊相關個股;減持了三間能源相關個股。

下一篇文章我們將破解長期投資的迷思。
長期投資迷思一:買入後就放著不管
長期投資迷思二:定期定額買入股票,就像買基金一樣簡單
長期投資迷思三:持有少數股票而非一籃子股票

在1月中旬,畢德歐夫團隊會舉辦「美股藏寶圖」活動,
歡迎對美股投資有興趣的讀者索取活動資料,
海外投資,一點都不困難,遠離台股內線,前進全世界!

這次錯過要等到明年下半年囉!


巴菲特投資組合透露了他對經濟與產業的展望,還有對個別公司的期望。不想每天提心吊膽的擔心股市表現,你一定要知道巴菲特如何管理他的投資組合。

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?

漲跌推理系列‧精元(2387)

$
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。

舉精元(2387)為例

精元(2387)的周日線圖@2014.12.15


上圖為精元的周日線圖,上面是日線,下面是周線。

從精元的周線圖可以看到,註記L的水平線以下已有力量成型,七月底的時候,完成這股力量,行勢強想走完成帶發動,可惜受阻於過往壓力,未能順利脫離,經過橫組還是回測頸線作確認,力量頸線撐有守,引進買氣推升價位,挑戰八、九月的密集。

觀察框記X與框記Y的區塊,明顯可以感受X的組成力弱、小、不穩,Y的組成力則相對大、明實、穩定,顯意Y的能量強於X,合理推敲X的密集壓不是壓,重點觀察買氣何時再起,這部分的答案可以從日線圖註記的A看到結果。

圖意展現須特別關照圖上的主角,大的、強的可謂一目了然,虛的、實的從後勢能否延伸可得到真實結果,普遍觀圖無法取得這些基礎資訊有個很大的原因,圖上的均線密密麻麻,導致明顯、重要的資訊擺在眼前卻被直接無視,實在可惜。


精元(2387)的時刻線圖@2014.12.15


上圖為精元的時刻線圖,上面是時線,下面是刻線。

從精元的刻線圖可以看到,註記B的力是整張圖的主角,陽力就屬它最大,當日整體盤面在開盤反映選舉結果開低,爾後買氣湧入將恐慌的賣盤收走,甚至推升價位啟動行情,精元同步於盤面走出這個行意,這是第一個買點。

考慮到B的收盤仍未完全涵蓋左邊的密集,收起來的時候,筆者還沒進場,直到突破左邊密集高價才開始建倉,確定而安全的買點往往會犧牲部分價位,沒甚麼好可惜,再來是等小時線收起來得到小時圖註記C的時力,幾乎沒有懸念,行情啟動了。

當行情動了以後,因為整張圖面大支力在下面,只要賣壓的展現無法收出有代表性的陰力,原則就是多看,直到周線段對段的目標滿足或是周力陽陰轉才需要煩惱退場的問題,畢竟在生命價值的角度,精元還是處於整理勢,只有行進動能強才值得參與。


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。

突破的真實故事

$
0
0


在很多時候我們能在線圖以肉眼觀察到趨勢開始發展或停止時常有的特徵,但這些特徵卻不足以用來預測趨勢變化的現象。( A 的成立通常包含 B 特徵,但 B 的發生並不常導致 A。)

許多成功的趨勢發展來自於突破,但突破後出現中大型的趨勢機率卻不如一般人心中所預期的高。如果投資人在同一個商品的每次突破都進場做順勢買進或賣出,多次假突破耗損所累積的虧損資金,往往會超過真正成功突破所賺取的獲利。


同樣的事情也發生在上下影線。許多上漲趨勢的開端起源於大型的下影線,這種 K 棒型態一般被認為是空方力道衰竭,且當前價格滿足市場認同的買入點位而形成強力支撐。然而若仔細觀察一些明顯上漲的趨勢發展過程,多數亦在漲勢中存有中型以上的上影線,積極的買盤更在 K 棒出現上影線後再立即向上突破高價位,使價格持續走揚。下跌趨勢亦同。

回測 2000 - 2014 年這段區間,若我們綜合多樣指數商品 ( 台指期、小道瓊、恆生指數、日經225指數等 ) 做為統計大樣本,用以探測上述兩個特徵 ( 突破、影線 ),可以得到幾個數值:超過 10 日以上的盤整後突破盤整高點,真正發展為一般波段交易可獲利區間機率為 26.2%;超過 10 日以上的盤整後突破盤整低點,真正發展為一般波段交易可獲利區間機率為 18.3%;中、大型漲勢所出現的中型上影線,真正轉折翻空為一般波段交易可獲利區間機率為 13.0%;中、大型跌勢中所出現的中型下影線,真正轉折翻多為一般波段交易可獲利的區間機率為 16.9%。( 此處使用簡單均線 20 MA 作為多空判斷 )

因此,單一價格現象所出現的型態並不容易被有效地用來判別趨勢翻轉點。「多佐證」是一個更適於提升成功率的工具。

主觀交易者最容易使用的多佐證方式,即為參考相關係數高的同質商品是否共同出現特徵。指數型商品的中、大型趨勢有很高機率同時發生於多國市場。在與前述同樣的測試區間內,當上述多個商品共同出現突破時,趨勢發展的真實性提高許多。以同樣突破條件套入,若所有指數商同時向上突破高點,有43.1% 能發展成型為可獲利波段、向下突破成功率則為 37.2%。多佐證趨勢發展成功的機率提高為原本的 1.83 倍。

除了多市場以外,成交量也是常被引用的突破附帶條件。因為當市場參與者平均持有成本的成功地朝突破方向推移,反向停損的容忍區間會離新價格較遠,突破獲利者停利的壓力更容易被市場所接納,價格會有較低的機率移回盤整區間。

量化交易者的多佐證方式則可由價格移動以外的方式著手。由於突破本身已經是價格的型態,若再崁入一層價格濾網效用並不顯著,建議可由波動率等方式共同堆疊判斷。以 ATR 為例,若短期 ATR 瞬間突破長期 ATR ,搭配向上突破成功的機率由原本 43.1% 增加為 52%、向下則由 37.2% 增加為 47.1%。

勝率在許多波段交易者眼中並不是關鍵性的議題,因為獲利因子往往更被重視,但突破型態的策略則須特別注重這個數值,尤其是搭配獲利加碼的突破策略。交易者會一路隨著突破的發展增加持有部位,因此對趨勢發展的成功率要求相對較高,否則增加籌碼後拉回原先的盤整區間容易造成較大型的虧損或全數獲利回吐。

許多交易人習慣從線圖中尋找、歸類各種趨勢起末的徵兆,而且不難發現許多成功發展的波段都具有類似特徵,但卻忽略了這些現象也常發生於「未改變趨勢」的時候,因而在許多錯誤的嘗試中不斷因為停損而侵蝕資本。交易有時候是枯燥的,適當的進場機會未必每天都會出現,交易者若能按耐躁進,用更多的角度確認趨勢形成,雖然可能失去第一個瞬間就入場的時機,卻能在長期的操作中節省大量不必要的交易成本與虧損,這些省下來的金錢將大於多佐證所流失的獲利。




《 本文由 PROG 璞格交易團隊提供 》

今年黑色星期五美股竟然下跌了!

$
0
0


大家好!貓大又來了!本篇文章中,要介紹如何「針對突發事件的發生,進行模型調整」。
首先讓我們來回顧近幾週的新聞「感恩節」。感恩節是美國人民認定的重要節日之一,這一天也是各大零售業與百貨公司衝業績的關鍵時刻。以往感恩節後的黑色星期五,都會帶起採購的狂潮,連帶的帶動起美股的上漲。不過2014年的黑色星期五消費卻不如預期,美股不升反降,道瓊工業平均指數下跌了51.44點、收於17776.80點,跌幅為0.29%;標普 500指數下跌了14.12點、收於2053.44點,跌幅為0.68%;納斯達克指數下跌了64.28點、收於4727.35點,跌幅為1.34%。


下跌原因

消費行為的改變
消費者的消費行為已改變,愈來愈多的消費者選擇不在人擠人的黑色星期五當日出門購物,反而是在感恩節當日或是週末。再者,由於網路購物的普及,消費者可以不必外出忍受寒風刺骨,在家即可輕鬆購物,更可以與家人享受感恩節的歡樂相聚時光。

布朗案的發酵
今年七月,美國一位白人警察槍殺了一位非洲裔少年,這位警察的過渡執法行為,結果卻是以免起訴結束。這起事件引起反種族歧視民眾的反彈,隨後引起許多抗議,最後甚至延燒到黑色星期五。示威民眾紛紛發起了抵制購買行為,希望藉由此行為喚起政府與民眾的正視。
上述為造成美國感恩節消費不如預期,連帶影響股價的其中原因。那麼面對市場上出現類似事件時,我們又該如何因應,以確保用戶能有效的跟上漲勢,避免血本無歸呢?

因應方法

貓大會針對過去市場曾出現的類似事件,找出過去時間點上的市場狀態,制作一個屬於該突發事件專屬的緊急應對模型。該緊急模型在一般正常交易日下並不會運作,直到當市場上出現相關訊息時,才會去擷取相關新聞之報導(例如抵制黑色星期五)。接著去通知系統中的交易室,此時交易室會再依據不同的緊急事件,來啟動相對應的緊急模型,並對此事件會影響到的投資用戶進行應變措施。
所謂的應變措施制有三種形態,而針對此篇文章所提及的感恩節購物的例子中,較適合的是第一種形態。此形態指的是直接將緊急模型加入到眾「中策略」中,一起進行權重的計算(中策略指的就是過去貓大提過的SVM、LR、ANN、決策樹等建模方式)。該方式並沒有去調整原來各個中策略的權重值,只是多了一層緊急策略的考量。此調整方式,較適合「緊急事件對市場上的影響不是非常劇烈」時,讓原本啟動中的策略,只要加入緊急模型就能夠繼續運作。

本篇文章以黑色星期五股價下跌的新聞為例,針對此類似事件,介紹了應變措施三種形態的其中一種,未來幾週還會繼續針對其它兩種形態進行介紹,請讀者們拭目以待!本周的介紹到此為止,我們下週再見,喵!

開發商品的交易系統 - 基礎篇 [21] 轉位移動平均線

$
0
0


本篇要設計的交易系統概念包含了兩個元素:
第一個是轉位式移動平均線,它的意義是將平常我們熟悉的移動平均線指標,向前位移某K棒數量,而非以目前的K棒位置作基準,這樣作的好處是讓圖形的觀察有時間差的概念,以及降低一些不必要的雜訊。

第二個元素是成交量,它的意義是在期間內的換手交易數量,市場的價格運動通常在成交量的放大伴隨下,趨勢跟著形成! 一般而言,在一個正向發展的上漲趨勢中,成交量伴隨著紅K增加,當黑K時成交量會縮小,反之市場為跌勢中,成交量在黑K出現時放大,紅K出現時縮小。





在此交易系統內我們針對移動平均線與成交量都加入了位移的調整因子。
策略的概念描述如下:

交易系統參數與變數
Inputs: Price(Close), PLen(7), PDisp(5), VLen(7), VDisp(5), ATRPcnt(.20);
Vars: DMA(0), DMAV(0);

交易邏輯建立
a) 計算 7根K棒移動平均價同時轉位5 根K棒位置
b) 計算 7根K棒移動平均量同時轉位5 根K棒位置
DMA = Average(Price, PLen)[PDisp];
DMAV = Average(iff(DataCompression > 1 ,Volume,TickS), VLen)[VDisp];

多單進場
當收盤價大於轉位移動平均線且成交量也大於轉位移動平均量, 在買方條件成立後的下根K棒開盤價加上10根K棒真實區間平均值的 20%作為進場價格
IF MP <> 1 and Close Crosses Above DMA AND iff(DataCompression > 1 ,Volume,TickS) < DMAV Then Buy Next Bar at Open Next Bar + (ATRPcnt * AvgTrueRange(10)) Stop;

空單進場
當收盤價小於轉位移動平均線且成交量也小於轉位移動平均量, 在賣方條件成立後的下根K棒開盤價減去10根K棒真實區間平均值的 20%作為進場價格
IF MP <> -1 and Close Crosses Below DMA AND iff(DataCompression > 1 ,Volume,TickS) < DMAV Then Sell Next Bar at Open Next Bar - (ATRPcnt * AvgTrueRange(10)) Stop;

出場邏輯
{移動式追蹤出場}
a) 以最近 5根K棒最低價作為多單平倉價.
b) 以最近 5根K棒最高價作為空單平倉價.
ExitLong Next Bar at Lowest(Low, 5) Stop;
ExitShort Next Bar at Highest(High,5) Stop;

{進場條件消失}
c) 當多單在手且收盤價下穿移動平均線時平倉出場
d) 當空單在手且收盤價上穿移動平均線時平倉出場

IF Close Crosses under DMA Then ExitLong Next Bar at Market;
IF Close Crosses over DMA Then ExitShort Next Bar at Market;

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



1.由於成交量的計算在日K以上週期與分K不同,在實務程式撰寫中可以使用以下方式來作自動調整應用 iff(DataCompression > 1 , Volume , TickS)。

2.從圖表中指標線的觀察,黃白兩條均線的交叉突破與跌破也可以用來作為進場策略元素!
Viewing all 1359 articles
Browse latest View live


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