› 看板 Trading 關於我們 聯絡資訊
作者heuristics (阿弟牯)
看板Trading
標題Re: [問題] 大家都怎麼學程式交易 建立交易模型的
時間Sat Jan 7 23:41:35 2017
程式交易有兩種。 指標交易－用指標當作判斷式的條件，決定進出場 一般人會接觸到的程式交易 (或稱 EA) 這種居多， 臉書或 Line 看到獲利滿滿的也是這種居多，但會讓人看到獲利滿滿的，小心是詐騙。 要入門指標交易，學習為交易而生的程式語言還有對應的交易及開發工具最有效率， 例如外匯有 MetaQuotes Language 還有對應的 MetaTrader， MetaQuotes Language 幫你實作好許多指標，你只要呼叫函式，它就給你結果， 而 MetaTrader 幫你處理好程式交易所需的一切，你只要專心發展你的策略。 指標交易要再深入一點就是自己創新的指標。 另一種程式交易是 演算法交易－用機器學習或其他演算法，決定進出場 我們在交易其實是在做一件事，就是是用現有的價格 (或其它資訊) 去預測 晚一點會漲還是跌 (分類)，甚至預測晚一點的價格 (預測)。 在這很多領域例如影像、聲音或文字都有類似的問題 (分類跟預測)， 電腦科學為此早就發展了歷史悠久的機器學習去解決這些問題， 既然機器學習是在解決分類跟預測的問題，理所當然也可以用在交易上。 但用在交易上有效嗎？顯然不容易，不然學校教授早就發達了。 可是機器學習在解決影像、聲音或文字的分類跟預測的問題時，其實表現不錯， 甚至比人類還厲害，用在交易上怎麼不太容易？問題在哪？ 我是這樣看，我是價格 Random Walk Theory 的信奉者，每一時刻的價格都是隨機的， 而且背後沒有相同的隨機分佈，隨機沒問題，但沒有相同的隨機分佈就不行， 這就是交易價格跟影像、聲音或文字的差別。 要入門演算法交易，就是學習機器學習理論， 實作上就以對機器學習支援較多的程式語言為主，例如 R 或 Python。 演算法交易要再深入一點我想是研究交易價格的本質。 ※ 引述《micbrimac (shark)》之銘言： : 哈囉 : 大家好 : 小弟是投資初心者 : 在職場上工作浮浮沈沈了幾年 : 以前對投資理財沒什麼興致 每次聽到朋友在聊投資股票 都避而遠之 : 覺得投資跟賭博一樣 常常聽銀行業朋友在報明牌 （可是都覺得超不准XDD : 唯一碰過的一次股票 是去年聽了銀行業朋友的話 : 買了一張台GG股票 後來覺得壓力大 持股不到一週就趕快賣掉了 : 最近也不知道怎麼回事 突然起了興致想研究理財 : 這一個月開始尋找stock版上推薦的書單 也跟銀行業朋友要書單來看 : 陸續看了一個投機者的告白 走進我的交易室 stock for the long run : 才終於有點知道基本面、技術面是什麼東西 : 後來又找了玩投資的朋友聊天 探尋散戶們都怎麼玩股票的 : 直到上禮拜看到臉書上的一個朋友 玩程式交易 賺了滿滿白花花的銀子 : 才注意到程式交易 跟量化投資 認識到James Simons這位大神 : 這幾天在google跟一些網站上蒐集了一些書單 有一本是版上推薦的Kaufman的書 : 稍微瞄了一本哈佛教授寫的量化金融初級入門書 : 結果裡面全是一堆看不懂的方程式跟數學 : 雖然我在理工科也念了些微積分、線代、ODE、PDE跟一點工程統計 : 想請教一下 大家一開始都怎麼建立自己的交易系統的 : 難道真的都是從學機率、統計學還有數學入門？ : 才一步步建立起自己的交易邏輯跟編輯程式的 : 雖然這樣也蠻有趣的啦～ : 身為一個理工宅 某種程度上我也是挺相信數學的 : 只是不知道要從哪裡開始 才能讀懂那一堆看不懂的書 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.73.220.116 ※ 文章網址: https://www.ptt.cc/bbs/Trading/M.1483803698.A.B08.html
推 ProTrader: 簡單的說 演算法交易就是股市版的Master 01/07 23:59
推 micbrimac: 推推！ 感謝 剛好看到 有個數學家提出關於隨機性的預測 01/08 00:17
→ micbrimac: 理論 好像就是企圖在隨機中找尋規則 感覺很有趣！ 01/08 00:18
→ micbrimac: 找到模式規則回測是算你文中所說的第二類嗎？ 01/08 00:19
Ok，實務的部分再多寫一些，人在做交易或回測，過程如下 交易－ 登錄帳戶 看盤 產生決策 下單 回測－ 拿一段歷史數據 產生決策 下單 重複 最後統計 程式去做是一樣的過程，所以完整的程式交易除了產生決策外， 其餘的過程也需要被實作。 一樣分為指標交易跟演算法交易。 指標交易如前所述，用為交易而生的程式語言跟工具最方便， 大部分除了交易的過程幫你準備好之外，回測的過程也準備好了， 所以比較沒有困惑，就是去學語言跟工具，至於學那套會跟你的交易商有關 (支援那套)。 演算法交易比較繁瑣，需要把過程串起來，有幾個跟交易商有關的， 需要串交易商的 API (Application Programming Interface)，例如 Interactive Brokers (IB) https://www.interactivebrokers.com/en/software/api/api.htm OANDA http://developer.oanda.com/ 交易的過程會如下 交易－ 登錄帳戶 (交易商的 API) 看盤 (交易商的 API) 產生決策 (例如 R 或 Python) 下單 (交易商的 API) 如果想要回測，就需要另外實作剩餘的過程，不過還好，外國人都很 Nice 的， 很容易找到素人實作好的函式庫，例如 Python 就有回測專用的函式庫 PyAlgoTrade http://gbeced.github.io/pyalgotrade/ 回測的過程會如下 回測－ 拿一段歷史數據 (Python - PyAlgoTrade) 產生決策 (Python) 下單 (Python - PyAlgoTrade) 重複 (Python - PyAlgoTrade) 最後統計 (Python - PyAlgoTrade)
推 nds3ds: 推 01/08 10:50
推 bohun: 原來如此 感覺演算法這派入門難度很高 01/08 15:26
推 ETHZ: micbrimac版友,可以麻煩您分享一下您看到的文章出處嗎? 01/08 20:28
推 ETHZ: 先謝了~ 01/08 20:30
→ micbrimac: 解讀量化投資：西蒙斯用公式打敗市場的故事 中提到的 01/08 21:05
→ micbrimac: 鮑姆-威爾士算法 01/08 21:05
→ micbrimac: 講到James Simons他們是用演算法來控制風險 01/08 21:06
推 ETHZ: 這本書我看完了,非常好的書 01/08 23:05
推 ETHZ: Baum-Welch algorithm就是Hidden Markov Model的演算法 01/08 23:06
推 ETHZ: 這是我在用的方法之一,但是還沒有大成功 01/08 23:07
※ 編輯: heuristics (42.72.142.63), 01/08/2017 23:27:34
推 tneduts: 推推 01/09 02:40
推 micbrimac: 個人感想ETHZ大推薦 還有其他的嗎？ 01/09 12:02
推 micbrimac: 感謝！ 01/09 20:35
推 uxux: 你一開始假設就不太對哦，如果價格random，那根本不可能從 01/09 23:41
→ uxux: 市場賺錢，也就沒有研究演算法的必要了，只有價格非隨機，開 01/09 23:41
→ uxux: 發演算法程式交易這些東西才有意義 01/09 23:41
您可能將隨機誤解成任意，隨機是有機率分佈的，價格是隨機的， 演算法交易才有機會。
推 rodion: random walk通常是說"短期"價格是隨機 但"中長期"則未必吧 01/10 15:39
提供一個觀點，反而短時才容易出現短暫的交易模型， 您可以追一些著名的演算法或量化機構，大部分都是做高頻交易。 ※ 編輯: heuristics (223.140.129.33), 01/10/2017 20:07:20
推 micbrimac: 我現在也認為短期反而容易有交易模型預測 01/10 21:35
推 dodo222kimo: 01/10 22:52
→ uxux: 如果你這麼認為，你很可能會錯過好東西哦，可以再多思考看 01/11 07:57
→ uxux: 看 01/11 07:57
推 magier: 短期靠數據統計容易建立模型，中長期人為變因太多難建模 01/12 09:20
(ETHZ 刪除 ES200h 的推文: 分身亂版！)