推動行情背後的黑手(市場動力學)?! - 財經

※ 引述《ciccio (三葉蟲要)》之銘言：
: 小弟來講一下我見過比較偏財工方面的交易方式好了
: (前文有點多 暫時無法一一看完 我就隨意亂入了)
: 首先 市場不是隨機的 但是市場的現象發生點是隨機的
: 我們無法預測說怎樣的市場現象會在接下來的哪個時間發生
: 但是我們可以知道市場上會有人去嘗試預測這些現象
: 所以我們可以交易這些交易者/程式 而不是交易市場
: 假如這些交易者(程式)的交易邏輯都是固定的
: (一般來說一個交易者大概頂多主打三種策略 其他都是雜訊)
: 當你把所有市場的可能性都預測出來 然後跑統計
: (這邊是用蒙地卡羅模擬法)
: 你就可以取出在大量亂數後 這個交易者/程式的模擬績效跟風險值
: 然後你再把這些交易者/程式組合成一個portfolio
: 找出最低drawdown跟穩定獲利的那個點 然後就是放錢跟監控
: 假如交易者/程式不改變 照理說長期下來會在你演算的模擬框架內
: 一般來說 再經過兩年到三年的觀察期後 就會確定放錢進去
: 這需要超大量的演算過程跟電腦需求 還要時間 跟大量的資金
: (你想像在每一天都用蒙地卡羅模擬法去跑幾百檔基金跟組合......)
: 不過這方法在亞洲無效
: 因為亞洲很難找到長期可以令人信任的穩定又不更改操作邏輯的交易者
: 傳聞就連Vegasoul都不行......LOL

用monte carlo來跑很耗資源的
就算用C++來跑還是要幾分鐘
如果是跑幾百檔的股票組合
搞不好需要一兩天
(如果用parallel computing可能可以縮短到幾分鐘吧)

所以一般如果是要跑monte carlo的algo
交易頻率還是以中長期(持有期間大概用月為單位)為主

短期間(當沖或持有期間以日為單位)交易頻率的數量方法
大部分都用簡單的closed-form做pricing

如果是衍金就是用自家modified BS model直接算解
畢竟BS是業界公認的pricing model
就算有缺點 每個trader還是都會參考
加上BS的一階二階參數特性衍伸出來的避險交易策略很好用
所以程式交易特別是在衍金這塊
幾乎就是直接用BS來解closed-form
不會去用monte carlo



monte carlo雖然好用
但是壞處除了耗時之外
還有就是參數的設定也很有攸關性

參數的設定越貼近現況
跑出來的結果會讓你越有機會賺到錢

但是參數要怎麼設定的貼近現況?
這就又進入另一個隨機/不隨機的問題了


--