※ 引述《heuristics (阿弟牯)》之銘言：
: 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
很有趣的議題
不過我持的意見正好相反
我認為價格不是隨機分布的
在某些可供辨認的條件中
價格是可以被辨識方向的!!
這點只要是做手單的人
做久了就會有體會
市場不是隨機的~~
簡單來說若市場真的成隨機分布
不會看到長時間下來指數呈現上漲趨勢!!
市場價格受到規則與環境影響
在某些條件下他是單向性的
就像玩德州撲克每張牌出現是隨機的
但是某些牌型出現後你的勝率會拉高
市場也是如此~~
因為市場由人所組成
每個指標~~~只要相信他的人越多
他就會越自我實現
然後就會引來狙擊者!!
直到指標失效~~然後再慢慢生效
所以很多人講的隨機漫步法則
手單做久了就覺得.....
隨機只是"市場"的一部分!!
市場還有不隨機的那部分!!!
關於演算法能不能推出市場發生何事
我認為是很有機會的~~XD
前提是要寫的人會做單!!
https://www.zhihu.com/question/40171482
麻將與人工智能
在這裡有所謂動態分支樹的概念
當你設計的條件可以有效地降低分支樹的概念時
演算就開始有意義!!
當然....交易比麻將困難多了!!!
--
: 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
很有趣的議題
不過我持的意見正好相反
我認為價格不是隨機分布的
在某些可供辨認的條件中
價格是可以被辨識方向的!!
這點只要是做手單的人
做久了就會有體會
市場不是隨機的~~
簡單來說若市場真的成隨機分布
不會看到長時間下來指數呈現上漲趨勢!!
市場價格受到規則與環境影響
在某些條件下他是單向性的
就像玩德州撲克每張牌出現是隨機的
但是某些牌型出現後你的勝率會拉高
市場也是如此~~
因為市場由人所組成
每個指標~~~只要相信他的人越多
他就會越自我實現
然後就會引來狙擊者!!
直到指標失效~~然後再慢慢生效
所以很多人講的隨機漫步法則
手單做久了就覺得.....
隨機只是"市場"的一部分!!
市場還有不隨機的那部分!!!
關於演算法能不能推出市場發生何事
我認為是很有機會的~~XD
前提是要寫的人會做單!!
https://www.zhihu.com/question/40171482
麻將與人工智能
在這裡有所謂動態分支樹的概念
當你設計的條件可以有效地降低分支樹的概念時
演算就開始有意義!!
當然....交易比麻將困難多了!!!
--
All Comments