Re: [請益] 需要為上漲/下跌找理由嗎？

[midas82539 (喵)]

--
幾個基本的觀念：

首先，看到現象有想法，例如：「A決定B」，這種命題假說當然是OK的。
但你必須要對自己誠實，不然就會陷入『特例救援』(ad hoc rescue)的謬誤。


就跟ad hoc在拉丁語意思是"for this"，一旦你看到「A沒有決定B」的現象，
為了修補你的命題漏洞，你決定找一個新的變因C來對"這次"結果說明，
所以是「C決定B」。


OK，那如果下次觀測又出現C沒有決定B的結果哩？
那同樣的邏輯下，你就會開始找D,E,F.....那這會變成啥？
就是台語的「媽的都你的毛」，你只要把「」填進任何詞，敘述都可以成立。
但這有意義嗎？沒有意義，這就只是一個事後怎麼講都對的屁話而已。
--

那為何絕大多數的人都會陷入這種症頭？

因為光是有想法是不夠的，從想法到建立出有效的假說理論，
你會面臨很多問題，也就是Duhem-Quine問題提到的：

當你要提出「A影響B」的說法，你的變因其實不只有A而已，實際上會有：

(1)你怎麼定義決定哪些是觀測對象？
(2)你怎麼算的，可能出現誤差嗎？例如，假設你要用自然對數(LN)來將數據
   標準化成比例關係，那你有注意到你的數據是否存在負數嗎？
   不同數字的絕對值是否有巨幅差距？

(3)你的資料從哪裡來的？它具有代表性嗎？
(4)時間序列的代表性指的是什麼？或者反過來問，
   假設你的資料剛好符合連續上漲的特徵，那你可能會無法觀測哪些理論上存在
   但你的樣本資料無法獲得的特徵，從而造成不具代表性？

(5)是否存在無法控制的變因X，而X會不斷影響結果。X是否為隨機不可控的？


--

所以這代表什麼？這是在說明，單純的單一原因其實涵蓋你原本沒意識到的
眾多子變因，在你沒認真誠實處理這些子項目之前，你的『想法』是無法被驗證的。

無法被驗證的敘述，以及建構在上面的交易策略，基本上就跟沒用的屁話一樣。
你無法分辨到底發生/沒發生是否代表你錯了，你就無從改良。


接下來就是從想像中出發，逐步形成輪廓，由於這邊是股票板
那就用講到爛的假設：「主力決定了個股的漲跌」來舉例。


要從想像出發，你要先決定：
(1)定義：啥是主力？法人、大額交易者？是否有符合你定義的資料數據？
(2)觀測標的？
(3)是否存在異常佐證你的假設？

例如你觀察到「個股A似乎存在大戶拉尾盤、連續買賣超和股價漲跌的相關性」



--

這個現象你有以下的解釋：
1. 大戶的資金投入規模，會影響短期價格漲跌。
2. 大戶刻意砸錢來「畫K線」，讓市場散戶都看到大漲/大跌。


接下來就是承認「哪些是無法測量的主觀腦補」。
例如第二點雖然可以解釋，但你要怎麼樣從K線來推論：漲跌都是主力畫線？

然後問自己，你真的可以從像是法人買賣超/未平倉量來推論是『有意圖』，
還是市場無意圖，只是眾多人交易下剛好出現的常態？

在這裡承認「我不知道」是很重要的，因為這會可以釐清：
(A)哪些是可以找資料觀察，驗證的，哪些不行。
(B)如果1,2兩者都可以成立，則通常條件更簡單、可重現的假說，
   會比更複雜、更難重現的假說有效。(奧坎剃刀法則)

那接下來你的目標就很明確了，就是你要不要花時間挖資料，
花時間忍受資料輸入，然後自己想辦法設計一個方法來測量/計算出你想觀察的
統計量，然後不意外地這會出現很多問題導致卡關，或者計算結果被打臉。

--

通常你的算式結果不符合預期，甚至被打臉是很正常的。
因為這代表可能存在未知的變因X，而你要想辦法找出或處理這個變因X。
這個變因X哪些是可以算的，哪些是我承認有隨機性不可得知的。

就拿颱風比喻來說，你要預測颱風會不會來襲，那麼實際上的變因會有：
1. 颱風 + 周圍高氣壓的分布狀況與規模
2. 氣壓變動是否存在隨機性，以及隨時間變遷是否導致路徑偏移？
   故路徑可能存在隨機性。

這時你就可以把颱風X的變因，切割成可觀測的規模，以及承認不可能
完美預測的路徑分布。剩下就是看你要不要用機率分布的概念來處理不可知的
路徑問題。


拉回來原題，如果你要探討價格變化(C)的公式。
就算你不用AI，你到現在應該也可以歸納推導出：

價格變化(C) =  資金規模(s)  *  隨機方向(d)


--

這個階段你可以不用太在意是否達成數學的正確性。
因為你的目的是要評估哪些層面是可以努力的，哪些大概隨機沒法控制的。

例如「事件發生後，會導致股價漲跌」

看到這邊的你應該可以開始建立初步的算式框架，然後你就可以有初步目標，
例如：
(1)大額交易人動向
(2)價格波動率
(3)漲跌方向


那麼你就可以得到初步的命題：「漲跌方向是隨機不可預測的，但衝擊規模是可觀察的」
這個就是ARCH模型的初步概念。最終你再想辦法弄出一個過去價格衝擊，
是怎麼影響到現在的價格波動率，然後又導致次期的變異數增加...

接下來就是你要輸入資料，看資料能不能推翻你的公式進而找到問題。
或者你講究一點可以用蒙地卡羅，看你高興。


--

你有這些基礎了，才能建立所謂的交易策略。但實際上你也會碰到
雖然具有一定解釋力的模型，但策略績效反而很爛的結果。

出現這種問題大多是你的公式不可避免的會出現利用過去資料的遲滯性。
或者只是剛好你的數據符合某些特性，而你把它跑其他時間的回測會發現被打臉。


但這些本身並不是代表你的努力沒有用，這只是說明你目前的數據對比假說
解釋力仍然不夠，你要嘛就是繼續花心力去修，或者乾脆承認這就是理論侷限。
那既然存在侷限的話，你還要做預測的方法，那就要有風險管理。

這時就會回歸到一個CP值的問題了：
如果你從事A方法要比B方法付出更多心力，但解釋力沒有增加，勝率也沒增加。
那你還要花時間預測嗎？就CP值來說B的確更簡單無腦，那你乾脆只做B也是可以的。
特別是如果你看到現在直接END的話，那麼單純做無腦的B方法，
我想會是更好的選擇吧。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 98.159.43.40 (泰國)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1784998042.A.F0D.html
推 pc007ya     : 先推
推 sdbb        : 謝謝，歐印大盤指數
推 zxm40059    : 感謝分享
推 bala045     : 推midas 大
推 Colitas     : 看完前幾段先推再看
推 Zending     : 看懂，寧願模糊的對，也不要在錯的地方精算花時間
→ Zending     : 大概猜想幾個與B可能相關做trouble shoot 就好
→ Zending     : 一直忙於研究B以外所有可能，已經方向錯浪費時間
推 Zending     : 風險管理就是資金控管，畢竟不會準確對，只能模糊
推 stocktonty  : 你講這些對賭徒或是無腦懶人而言太燒腦也太複雜了
→ stocktonty  : 大部分人從原因結果就搞不清楚了更何況去回測驗證
→ stocktonty  : 統計 算期望值 抓曝險 這種都是最無聊且最繁瑣的事
→ stocktonty  : 更何況樣本不夠多 也沒有紀錄統計 更不可能蒙地卡羅
推 ebb0204     : 推，最後結果就變成k線圖了，這樣更簡單，再加入機
→ ebb0204     : 率思維，產生一致的交易策略形成系統，然後再去統
→ ebb0204     : 計數據跟分析，阿當我沒說，這裡的人還是以開滿槓
→ ebb0204     : 桿上正二為主，才不管什麼交易系統呢