|
|
本帖最後由 balance 於 13-2-10 08:09 編輯
如果以歷史經驗年份上來說，我都不是高手，無論是人工或程式交易。自己現在還在寫第一個程式，連回測都談不到。所以我的話也許聽聽就好。
樓主的原意很好，是要給許多一頭栽進程式交易的‘年輕人’一些和最近常看到的網站banner 廣告完全相反的建言。 這個完全同意，也請這些人好好思考一下。
但是在這個美意的同時也帶出了一些還有爭議的論點。
1. 絕大部分的程式交易都被發現了，這點是完全錯誤。 台灣我是不知道。現在美股（期貨/股票/選擇權/所有），超過65%是程式交易而且在增加，不是減少。再來，真正厲害的程式交易， 無論是個人如你我花了無數熬夜的晚上寫出來，或是hedge funds/投資銀行花大把銀子堆出來的成功策略，會放到網上被你google 到嗎？或是這些善心人式來寫個書造福大眾？ 現在這個產業在程式交易上面的投資遠超過IBM 花在打敗棋王的deep blue上。 而你舉的例子說作手特別在突破點來trap 程式交易單吃貨，難道不是另外一個更高桿的程式？ 現在的 algorithm based 的交易程式就是這麼聰明，就看你寫的出來與否。
2. 其實程式交易的精神，不過就是將市場的資訊予以量化，做成決策並機械式的操作而已。這個量化有語病。程式交易的精神是在 model 市場的狀況，‘思考’做成決策並機械式的執行交易。 我最喜歡把程式交易問題比喻成 deep blue 和棋王對幹和氣象預測的兩個問題的組合。 因為他涵括了這個問題’零和 （zero sum)'的本質，你和一個（搞不好多個）超強主力對幹的挑戰，和氣象預測問題的’無法完全model' （請注意，不是完全無法model)和一天到晚突發事件的特性。 (其實還有一特徵找不到比喻就是'herd behavior' 不過我覺得可能和氣象的問題類似，尤其是颱風形成的時候。。）
這麼說來，問題豈是幾個指標/K棒和最佳化的參數可以‘量化’的？？
但是如果你說，最後不都變成量化的0和1，那我真就無言。。
3. 回測的價值。 個人覺得，回測有他的價值和必要性，但是目的和方法要對。目的是要在回測的過程中找到你model 的盲點/錯誤，而不是追求快樂報表。 方法是在找到盲點的時候檢視/修正你的model, 而不是偷懶的跑optimization。 如果你認真的這麼做，而且能力/財力夠，過去和未來的快樂表自然就會出現。
程式交易絕對不是拉幾個指標，跑跑回測最佳化就能成功。人工和程式都有利弊，但是不是對立，也不是只有一個選項。 譬如在我自己的開發過程中，更嚴密的思考對我的人工單助益多多，而看盤的過程對程式碰到的瓶頸也有幫助。
無論選哪一個，努力認真不一定贏，但是找捷徑的一定輸！
|
評分
-
查看全部評分
|
[複製鏈接]
發表於 13-1-14 16:33
顯身卡
