大家都怎麼學程式交易 建立交易模型的 - 財經

回顧2017年 我發現惹
--------------------------------------------------------------
推 ETHZ: random walk is part of the stochastic process 01/13 11:24
推 ETHZ: 這個我改天寫篇專文來解釋好了
--------------------------------------------------------------
我覺der你欠大家一篇文章

我先說自己的認知 這不是我的專長有錯請指正並補充


隨機:強調結果是固定機率分配且無法預測(以更高的機率猜到可能結果)

不可預測 我丟公正骰子 我預測的成功率1/6 是隨機的

可預測 旁人從我的肌肉緊張與手勢方向猜出可能結果(可能是1/2的準度)
賭神丟公正骰子: 可以控制點數 賭神完全可預測

數學上的隨機是說不管用甚麼方法都無法提高預測的成功率
丟骰子的結果其實有預測的機會 只是偽隨機
我沒作弊的話丟出來的結果應該是1/6的均勻分配 但旁人有預測的可能

量子力學說的測不準原理的那種特性就是真的隨機
至少到目前為止是真隨機(無法用任何方式預測)

random:是隨機的且機率分配是固定的 例:高斯 柯西 正常骰子(1/6) 灌鉛骰子...
從開始到最後的每個隨機變數都是固定的機率分配
正常骰子或灌鉛骰子從頭用到尾

stochastic:是隨機的但機率分配不一定相同
過程中可能一下子高斯 一下子柯西 正常與灌鉛骰子會互換


Random Walk Theory 股價變動是隨機的且機率分配是固定的
最出名的就是選擇權BS模型對股價變動的假設 永遠都是高斯分配且波動性固定
這已經可以確認是錯誤假設了 波動性絕不固定 機率分配應該也不固定


西蒙斯可能有用HMM方法中的Baum-Welch算法
他應該是假設 股價變動是stochastic 而不是random

例:正面灌鉛的硬幣(空頭) 反面灌鉛的硬幣(多頭) 公正的硬幣(盤整)
多空頭或盤整時期都是有漲有跌 但是用的硬幣不同
所以多頭時期容易漲 空頭時期容易跌
用不同硬幣 正反面朝上的機率會不同

西蒙斯就是能猜出現在正在丟甚麼硬幣 因此他就有多空方的優勢
我覺得這才是合理的方法


由上述可知 妄想用特定模型或公式預測股市是不可能的
因為那就是認為 股市有固定不變的隨機機率 但這與事實不符
如果是用某個模型判斷目前股市的隨機特性則較為合理

預測股市可能嗎? 我認為是可能的且西蒙斯的績效就是最好的證明
股市變動結果雖然隨機機率分布的混合 但並非完全不可預測
技術分析 基本分析 籌碼分析 內線交易.....
應可以讓投資人取得預測優勢 所以股市應只看似隨機

股市價格是所有投資人的委託單搓合的結果
若能判斷或誘導投資人的行為 說不定就有預測優勢

注意:這種預測優勢 不是賭神丟骰子那種完全預測的優勢

應屬於海珊用攝影機偷看陳小刀牌的那種優勢
海珊可以偷看 陳小刀也可能放牙籤讓你看
所以海珊還是要判斷陳小刀有沒有放牙籤
或有沒有放牙籤的情況下各是哪種預測

但陳小刀就沒辦法看莊家的牌 只能單方面誤導莊家

總而言之能當莊家且投放誤導資訊應該較有利
大戶錢多股票多還能放消息 散戶就只能被動接受資訊然後猜測
甚至有些散戶就只聽老師的明牌

另外散戶還有心理面過度恐慌與過度樂觀而沒有理性分析的問題



※ 引述《gunhow (剛好)》之銘言：
: ※ 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。
: 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!!!

--