Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

認識程式交易

3,463 views

Published on

2016-10-25 群益期貨台中分公司

Published in: Technology
  • Dating direct: ❶❶❶ http://bit.ly/369VOVb ❶❶❶
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • Follow the link, new dating source: ❤❤❤ http://bit.ly/369VOVb ❤❤❤
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

認識程式交易

  1. 1. 認識程式交易 Philipz (鄭淳尹) 2016-10-25 群益期貨台中分公司
  2. 2. 2008 TradingBot 2009 Plurk 2010 Twitter 2011 Facebook粉絲頁 2012 部落格 透過即時傳送訊息 日曆紀錄每日交易紀錄 History
  3. 3. 個人經歷 元智大學資工所、台中技術學院資管系 臺北榮總資訊工程師 玉山銀行資訊處專員、Acer eDC 維運工程師(CCNA) 2014 COSCUP/iThome Summit 講者 2015 Microsoft Azure 開發者大會 講者 2016 COSCUP Docker 進階工作坊 2016 Microsoft 社群開源營 元智資工專題演講、義守資工 Docker 研習營
  4. 4. 翻譯著作 歐萊禮《Docker 錦囊妙計》譯者 碁峰《Docker入門與實戰》、 《Kubernetes使用指南》審譯者 歐萊禮《Infrastructure as Code》翻譯中 研究領域 Docker, 雲端架構, 大型主機 Java, Matlab, 機器學習
  5. 5. 程式交易是什麼?
  6. 6. 程式交易的 誤解 1. 沒有捷徑 2. 人工替代方案 3. 仍是高風險 4. 環節多 5. 風險承受度不同 6. 主觀,沒有答案 7. 發展自己的交 易程式
  7. 7. Why use? 好處 1. 紀律 - 恐懼貪婪 2. 省時省力 3. 反應快、準確 壞處 1. 缺乏彈性 2. 影響”因數”多 3. Normal Accidents 真實案例 2010 美國閃崩 2013 中國光大
  8. 8. Why use?
  9. 9. 充分了解金融商品的本質
  10. 10. 正確的 投資心態 1. 程式交易當成副業 2. 別想一夕致富 3. 追求穩定獲利 4. 天下沒有白吃的午 餐 5. 投資跟投機
  11. 11. 審視自身條件 1. 心理建設 2. 程式能力 3. 風險控管 4. 確定金融商品 5. 進出頻率 6. 恆心
  12. 12. 程式交易類型
  13. 13. Rule-based 演算法 資訊領域亦稱白箱方法 主流方法 TS、MT、HTS等等 入門簡單、清楚直觀,適合非資訊領域使用者
  14. 14. ML-based 演算法 全名 Machine Learning 機器學習 資訊領域亦稱黑箱方法 高階方法,交易軟體無直接支援,R、Matlab 入門困難、倚賴輸入資料建立模型,資訊背景
  15. 15. Pattern Recognition ● OCR ● Speech recognition ● Face recognition ● Trading system
  16. 16. TradingBot 演算法
  17. 17. 群益API(✱✱✱)
  18. 18. 開發流程
  19. 19. 利用訊號處理技術 ● Input ○ Tick only ● DWT ○ 簡單 ○ 快速 ○ 去除雜訊
  20. 20. 模式 Pattern? Right man + Right thing + Right moment ● 進出頻率 ● 跨領域方法 Ex: OP Open Interest?
  21. 21. 模式 Pattern? Right man + Right thing + Right moment ● 進出頻率 ● 跨領域方法 Ex: OP Open Interest?
  22. 22. TradingBot Trend following
  23. 23. TradingBot - Trend reversal
  24. 24. TradingBot - Overweight
  25. 25. Why Day Trading? ● 以一天為分割點 ● 每天都是獨立,方便切割 ● Cross-validation較簡單 ● 留倉交易,如何切割回測資料? ● 留倉交易,如何界定是Pattern還是運 氣? ● 留倉交易,需參考資料是否更多? ● TradingBot is Day Trading~
  26. 26. Big Problems 1. 盤整及突破的判斷 2. 區域的最高點及最低點 3. 轉折的判斷 4. 出場條件 - 停損停利 5. 加碼問題 6. Patterns or Just Lucky
  27. 27. 範例1:加碼問題 2012年回測結果
  28. 28. 範例2:選擇權回測 直接拿選擇權價格來回測,倒果為因? 1. 利用期交所每日收盤Tick資料來回測 2. 動態定商品(7500CALL或8000PUT) 3. 再以商品及時間點取Tick價格。 4. 一定要有選擇權回測的資料才能確定策 略的可用性。
  29. 29. Machine Learning - SVM
  30. 30. Machine Learning - Deep Learning
  31. 31. 交易資料轉換成影像格式 一維轉二維 -
  32. 32. 可應用於交易 之雲端服務及工具
  33. 33. 群益贏家策略王 特殊功能
  34. 34. 程式交易 是 沒有一步登天的 交易領域的物理嫉妒
  35. 35. 感謝您的聆聽

×