計量化交易策略的開發與運用法人版

計量化交易策略的開發與運用何志偉 Derek Ho

內容 1. 前言 2. 交易策略的開發 3. 交易策略的檢驗 4. 資金管理 5. 建立良好的心態 6. Q&A

1. 前言 – 自我簡介何志偉 Derek Ho 藍色投機客 Blog 版主國立中央大學資訊管理研究所碩士 IBM 公司 PreSale 工程師 IBM 公司業務代表專職交易者 & 家庭煮夫主要交易商品：美盤期指，外匯，金屬，能源，農產品

1. 前言 - 系統交易 vs 主觀交易系統交易靠的是電腦交易策略產生的買賣指令來進出場主觀交易靠的是上帝賜予的禮物 ( 頭腦和盤感 ) 來進出場兩種交易方式都有人成功，端看個人選擇

1. 前言 - 系統交易的優勢交易策略是可以做回測 (Back-testing) 和檢驗交易策略的穩健度分析 (Robustness) 歷史資料獲利能力的統計顯著性檢定多策略 / 多商品的投資組合 (Portfolio) 操作資金 Scalable 但是系統交易要小心陷阱曲線套入 (Curve Fitting) 是最嚴重的陷阱，會讓聖盃變成靠杯

1. 前言 – 交易成功的關鍵因素 50% 心理層面 30% 資金管理 15% 出場 5% 進場

2. 交易策略的開發 – 進場 Entry( 一 ) 價格通道突破 (Price Channel Breakout) 突破過去 20 天的最高價做多，跌破過去 20 天的最低價做空有趨勢發生時一定會被帶進場內突破點可能會有很多的追價產生 , 導致滑價過大

2. 交易策略的開發 – 進場 Entry( 二 ) 通道突破 (Bollinger Band, Envelop Band, Keltner Channel) 主要由一條移動平均線，上下各加減一段空間，形成上下通道順勢作法：突破上通道則買進，跌破下通道則賣出擺盪作法：突破下通道則買進，跌破上通道則賣出可以避免突破點太多的追價的買賣單

2. 交易策略的開發 – 進場 Entry( 三 ) 移動平均線黃金交叉則買進，死亡交叉則賣出開盤區間突破 (Opening Range Breakout) 日本汽燃油冠軍交易法進場 10:45 36,200 出場 37,020

2. 交易策略的開發 – 進場 Entry( 四 ) 波動突破 (Volatility Breakout) Dual Thrust(No.2 in FuturesTruth.com, 286%/year) 擺盪指標 KD, RSI 隨機進場 (Random Entry) 用來測試出場策略，看出場策略是否有優勢

2. 交易策略的開發 – 出場 Exit( 一 ) 出場 (Exit) 可以決定一筆交易的輸贏只有出場 (Exit) 才能做到交易成功的鐵則 : 迅速認賠讓獲利繼續發展 (Cut the loss, and let the profit run)

2. 交易策略的開發 – 出場 Exit( 二 ) 起始停損 Initial Stop( 最重要 ) Daily ATR$ 的某個比率 ( 不受 Back Adjust 影響 ) 固定百分比，如市值 1% 風險 ( 會受 Back Adjust 影響 ) 應該設在正常波動雜訊之外稍寬的起始停損會比太窄的起始停損好固定金額 ( 固定點數 ) 停損 => 不建議

2. 交易策略的開發 – 出場 Exit( 三 ) 追蹤停損 Trailing Stop( 第二重要 ) 通道追蹤停損 Daily ATR$ 的某個比例追蹤停損獲利折返百分比出場 Percent Trailing 波動突破出場 ( 溜溜球出場 )

2. 交易策略的開發 – 出場 Exit( 四 ) 獲利保護停損 Profit Protection Stop( 第三重要 ) 當獲利超過一個程度後 , 把追蹤停損調緊一點 , 獲利越大 , 停損調越緊拋物線出場 , 兩階段出場 , 三階段出場獲利最大化出場 Profit Maximizing Stop( 第四重要 ) 不想把獲利吐回去 , 那就在行情還在上漲當中就賣出獲利目標出場 Profit Target RSI 超過 70 的時候就賣出固定時間出場 Fix Bar Exit 進場後，固定 x 根 K 線後出場通常用來測試進場效率

2. 交易策略的開發 – 回測資料的檢驗回測長度需考慮該商品在不同年度的特性回測所產生的交易次數，比回測時間長短還要重要回測期間長度應該要能產生 300 個 trade 以上人工盤 , 電子盤 , 歷史資料的組合 @CL, @CL.P, @CL.C 檢查資料的乾淨程度 (Garbage In, Garbage Out)

2. 交易策略的開發 – 換倉調整 (Back Adjust) 換倉調整 (Back Adjust) 可以把因為期貨合約換月而產生的跳空補齊股票也會因除權 / 除息而讓歷史資料失真 , 也有除權息調整問題一般而言 , 換倉跳空造成的”不存在的獲利”＆”不存在的虧損”的機率可能相同（隨機出現）但是最佳化的過程中 ,” 不存在的獲利”較多的參數組合 , 容易被挑選出來 Data Mining Bias, 造成回測績效的虛胖當有參考到前一日以前的資料時，應該用換倉調整過的資料 , 但是要注意 % 的問題因為換倉調整後的資料，相對值會維持不變，但絕對值會改變當沖策略如果沒有參考前一日以前的資料，可以用沒有換倉調整過的資料

3. 交易策略的檢驗 – 最大的敵人 -Curve Fitting 你要的是什麼 ? 過去資料回測亮麗的績效？未來實際交易穩健的表現！ Buy next bar at close - 2 *(minmove/pricescale) limit; SellShort next bar at close + 2 * (minmove/pricescale) limit;

3. 交易策略的檢驗 – 最大的敵人 -Curve Fitting 曲線套入 Curve fitting 是針對過去的歷史資料 , 開發出一套績效很好的交易策略 , 可以對過去的歷史資料買在低點，賣在高點。但其實這套系統對未來資料是不具預測能力的 , 所以運用在未來的實際交易時 , 無法保持良好的績效曲線套入的成因回測期間太短（回測期間應包含上漲，下跌，盤整三種盤勢 ) 太複雜的規則 ( 交易策略應該能被合理解釋 ) 不切實際的滑價和手續費太多的參數 ( 建議四個參數以下 ) 參數孤島獲利集中於少數幾筆交易軟體的限制寫死在程式碼裡，拿來騙錢的回測績效上線後表現

3. 交易策略的檢驗 – 範例說明

3. 交易策略的檢驗 – 多市場檢驗一個穩健的交易策略，應該在類似的商品上也有類似的績效。不應相差太多。否則就可能有曲線套入的風險。台指期小台 , 摩台指 , 金融期 , 電子期 , 香港恆生 , 日本日經指數 S&P500, 道瓊 , Nasdaq, Russell 2000 金屬黃金 , 白銀 (COMEX, CBOT), 銅農產品黃豆 , 玉米 , 小麥能源原油 , 天然氣 , 無鉛汽油利率五年公債 , 十年公債 , 三十年公債匯率歐元 , 英鎊 , 日圓 , 加幣 , 澳幣 , 紐幣 Dow Nasdaq Russel2000 SP500

3. 交易策略的檢驗 – 多時間架構檢驗時間架構 (Time Frame) 也可視為交易策略的一種參數相近時間架構的績效，表現應相似 5min -> 4min or 6min 15min -> 14min or 16min 60min -> 50min, 55min or 65min, 70min 60min 50min 55min 65min 70min

3. 交易策略的檢驗 – 統計顯著性檢定 (Z-Score) Z-Score 是來看歷史回測的資料是否能獲利（平均獲利金額 >0) Z-Score = ( 平均獲利 / 標準差 )* 交易次數的平方根 Z-Score > 1.645 有 95% 的信心水準 Z-Score > 2.33 有 99% 的信心水準 Z-Score > 3.09 有 99.9% 的信心水準所以交易次數應該越多 , 越頻繁越好越多的交易次數 , 也可讓資金曲線越平滑但首先需打敗滑價和手續費

3. 交易策略的檢驗 –參數孤島檢驗經由圖形表現，交易策略的參數對績效的敏感度分析 (Sensitivity Analysis)

3. 交易策略的檢驗 – 參數高原檢驗穩健的交易策略，最好績效的那組參數，其附近的參數組合的績效應該也要不錯才對

3. 交易策略的檢驗 – 樣本內，樣本外績效檢驗 (In Sample, Out of Sample) 如果有五年的歷史資料，先只取前四年 ( 樣本內， In Sample) 的歷史資料來跑最佳化然後將所得的這一組參數，套用在最後一年 ( 樣本外 ,Out of Sample) 的歷史資料，看績效如何用以模擬在一年前開發好這套策略，並實際操作一年的情形樣本內歷史資料樣本外歷史資料

3. 交易策略的檢驗 –移動窗格檢驗 (Walk Forward Analysis) 採滾動方式 (rolling) 來做樣本內，樣本外檢驗，即是移動窗格檢驗 (Walk Forward Analysis) 是交易策略上線前很重要的一個檢查關卡

3. 交易策略的檢驗 – 滾動式移動窗格檢驗 (Rolling Walk Forward) 樣本內歷史資料時間固定。所以樣本內的起始時間，會隨著每一次檢驗往後移 TODAY 2006 2002 2004 樣本內樣本外樣本內樣本內樣本內樣本外樣本外樣本外 2008

3. 交易策略的檢驗 – 定錨式移動窗格檢驗 (Anchored Walk Forward) 樣本內歷史資料起始時間固定。所以樣本內的資料長度，會隨著每一次檢驗增長樣本內樣本內樣本內樣本內樣本外樣本外樣本外樣本外 2008 TODAY 2006 2002 2004

3. 交易策略的檢驗 – Walk Forward Efficiency 未來的績效會像回測的績效一樣亮麗嗎？答案是：幾乎都不會 , 而且會打折問題是 : 打幾折 ? WFE = 樣本外 (OOS) 績效 / 樣本內 (IS) 績效例如 : 樣本內歷史回測平均每天贏 $150 ，但在樣本外表現平均每天贏 $90 則 WFE = $90 / $150 = 60% 則我們應該依據最近一期的樣本內回測績效，再打 6 折來推算未來績效 TODAY 2008 2007 回測與最佳化 ???

3. 交易策略的檢驗 – Walk Forward 注意事項 In-Sample, Out of Sample 的長度應該取多久 ? 個人常用 12:1 的比例 ( 12 個月 :1 個月， 12 個星期 :1 星期 ) 每一次 In Sample 的樣本數，平均應有 60 筆以上用什麼來當評量標準 (Fitness)? NetProfit, Profit Factor, ROA, MDD… 要取 In Sample 第一名的最佳參數組合嗎？可測試用第二名 or 第三名的參數，以避免參數孤島應該要用 Rolling 或是 Anchored 的 Walk Forward? 都可以，但與實際交易要一致 Walk Forward 的 WFE 如何計算？可由軟體自動計算 Out of Sample 的績效很差 , 怎麼辦？重新設計 or 捨棄不用

3. 交易策略的檢驗 – Walk Forward 的檢驗工具 StratOpt WFP ( www.stratopt.com ) 將 walk forward 檢驗時間 4 小時從變為 10 分鐘不支援 Tradestation 2000i NetProfit ROA Profit Factor Compound

3. 交易策略的檢驗 – 歷史資料重新取樣 (Re-Sampling) 我們開發出來的交易策略，僅針對目前手上該商品的歷史資料作檢驗 Re-Sampling 可保留該商品的個性，複製出許多條不同的歷史股價圖作法為將歷史股價切割 , 然後利用 Re-sampling 技術重新排列組合 , 形成新的歷史股價圖再將相同策略運用在不同的歷史股價圖上 , 看績效是否仍能維持

4. 資金管理 – 基本觀念資金管理 = 部位規模管理 (Position Sizing) 決定應該承受多少風險 , 應該操作多少部位的方法資金管理的原則是 1. 賭輸博大 or 2. 輸錢減碼 , 贏錢加碼 ? 平賭 (Martingale) or 逆平賭 (Anti-Martingale) 資金管理的鐵則是：絕對不要賭輸博大目的是控制我們的暴露在市場上的風險，不要承受過多的不確定性希望能長久留在市場裡面，讓具有 edge 的策略可以有時間來發揮當市場波動變大的時候，操作部位會變小。市場波動變小的時候，操作部位會變大讓曝險比率維持一致如果同時操作多商品，多策略。應讓不同商品佔整體資金的影響程度相同原油 ATR$=$2,000 。小麥 ATR$=$500 。則操作 10 口原油 =40 口小麥

4. 資金管理 – 資金管理模式簡介 ( 一 ) 1. 固定金額交易一口合約模式 (Fix Dollar Amount) 固定每 NT$50 萬交易一口合約總資產 NT$1,000 萬，每 NT$50 萬操作一口，可以操作 $1,000 萬 /$50 萬 =20 口無法對市場波動變化做出反應 2. 保證金目標模式 (Margin Target) 五倍的保證金操作一口合約總資產 NT$1,000 萬，每五倍保證金操作一口，可以操作 $1,000 萬 /(7.7 萬 *5)=25.9 口，無條件去尾後 =25 口交易所會動態調整保證金金額 , 當市場波動變大時調高 , 波動變小時調低

4. 資金管理 – 資金管理模式簡介 ( 二 ) 3. 固定風險比例模式 (Percent Risk) 每筆交易的風險只占總資產的 2% 總資產 USD$300 萬，交易策略的初始停損金額為 $5,000 應操作 $300 萬 *2% / $5,000 = 12 口需知道交易策略的初始停損金額為多少 4. 波動固定風險比例模式 (Percent Volatility) 商品每天波動的幅度金額只佔總資產的 1% ( 海龜規則 ) 天然氣五日平均波動金額 = $2,300, 黃豆五日平均波動金額 = $700 總資產 USD$300 萬，應交易規模為：天然氣： $300 萬 *1%/$2,300=13.04 口，無條件去尾後 =13 口黃豆： $300 萬 *1%/$700=42.8 口，無條件去尾後 =42 口讓天然氣與黃豆佔整體資金的影響程度相同

4. 資金管理 – SQN 簡介 SQN (System Quality Number) 是用來衡量交易策略的一個指標 SQN 拿來做不同交易策略的評比和排序 Ranking SQN = ( 平均獲利 / 標準差 )* 一年交易次數的平方根 ( 以 100 為上限 ) 聖盃系統 7.01 以上超級優秀的系統 ( 很少可以開發得出來 ) 5.01 to 7.00 非常優良的系統 3.01 to 5.00 好的系統 ( 顯著的有獲利能力 ) 2.01 to 3.00 普通的系統 ( 需要 1.7 以上才有統計顯著性 ) 1.01 to 2.00 很難拿來交易小於 1.0 評等 SQN

4. 資金管理 – 投資組合風險上限 (Portfolio Heat) Group Control 限制同一類別商品佔整體資金的比重指數 , 金屬 , 能源 , 農產品 , 匯率 , 利率各為一個類別同一類別的所有部位 , 承受風險比率相加後不得超過 4%( 舉例 ) 投資組合風險上限 (Portfolio Heat) 就算擁有最好的交易策略 , 也以不超過 25% 為上限應依據交易策略的品質來決定投資組合風險上限

4. 資金管理 – 避免過度交易實例部位規模管理的原則是，絕對不能過度交易 (Never,Never,Never OverTrading) OverTrading 可以讓贏錢的速度變快，但是也讓破產的機率大增交易的目的是希望一直留在市場裡面，不要破產出局「一個投機者的告白」作者，科斯托藍尼說：一個投機者一生如果沒有破產兩次，就稱不上一個好的投機者我認為 : 第一次破產，學會停損第二次破產，學會資金管理每三萬交易一口：淨利： $187 萬固定一口：淨利： $11 萬每 1.5 萬交易一口：淨利： $1212 萬每 6 千交易一口：結果：破產出局

4. 資金管理 – 資產配置最佳化應該準備多少資金來操作一口合約，才能讓我們的最終資產最大化，但是又不會面臨破產的風險？可利用蒙地卡羅模擬加入 MDD 的限制條件後，去做蒙地卡羅模擬多商品多策略 Portfolio 的最佳資產配置，也可利用蒙地卡羅但要注意明星策略效應

4. 資金管理 – 控制破產風險若每個策略績效相同，應讓每個策略的承受風險佔整體資金比重相同但若某些策略績效較佳，應可多分配一些資金利用 SQN, DD 比例及破產風險 , 決定承受風險比率下表為 100 筆交易 , 一萬次蒙地卡羅模擬結果若我們交易策略 SQN 分數 =3 分 , 且我們只能接受 15% 的 DrawDown, 在破產機率為 1% 的機率下 , 我們能承受風險為總資產的 1.2% 若我們交易策略 SQN 分數 =3 分 , 且我們只能接受 15% 的 DrawDown, 在破產機率為 10% 的機率下 , 我們能承受風險為總資產的 2.6%

4. 資金管理 – 應避免的資金管理模型主觀式資金管理憑藉直覺及主觀認定來決定操作規模我認為下一筆交易的成功機會很高，所以加碼操作 One Up, Back One 歷史回測顯示，這筆交易如果輸錢，通常下一筆就會贏錢所以這筆交易輸錢 , 下一筆交易可以加碼操作或是歷史回測顯示最多連輸 5 次 , 現在已經連輸 5 次了 . 下一筆加碼操作標準的賭輸博大 (Martingale) Kelly Criterion 凱利公式 (Larry William 使用模式 ) 贏錢速度最快的資金管理模式 ( 理論上的最佳值 ) Kelly 比率 = W- [(1-W)/R] 如果一個策略 , 贏的機率為 40%, 平均的贏 / 輸金額比例為 2:1 Kelly 比率 = 0.4 – [(1-0.4)/2] = 10% 假設前提為：資金和操作部位可以無限分割，沒有破產風險也沒有考慮 MDD ，不符合人性 Optimal f

4. 資金管理 – 多商品的投資組合 1952 年馬可維茲的投資組合理論應該將資金和風險分散在多個相關性低的商品 / 市場 / 策略避免一隻黑天鵝就讓整個投資組合失效多商品 / 市場 ( 指數，匯率，能源，金屬，利率，農產品 ) 首要考慮流動性及趨勢性多時間架構 (5min, 15min, 60min, 日線 ) 考慮交易成本對績效的影響多策略 ( 順勢策略，擺盪策略，投機策略）

5. 建立良好的心態 – 停損 , 厚尾與趨勢交易像跑馬拉松 , 一旦跑過撞牆期 . 之後就海闊天空交易的撞牆期就是學會停損厚尾現象指的是金融市場上的波動幅度，並不是呈現常態分配而是呈現兩端較厚的分配曲線也唯有趨勢，才能產生厚尾

5. 建立良好的心態 – 信任你的交易策略唯有信任你的交易策略，才能放心讓系統幫我們做交易藉由各種檢驗方式，可增加對交易策略的信心疑人不用，用人不疑交易策略的生命週期用兩年的歷史資料回測，應有 3-6 個月生命週期用五年的歷史資料回測，應有 1-2 年生命週期知道何時該停止一個交易策略 (Trade Equity Curve) 資金曲線跌落移動平均線之下即暫停交易 , 等回升到移動平均線之上 , 且移動平均線開始上揚才回復交易資金曲線跌落 Bollinger Band 的下通道暫停交易 , 回升到上通道才回復交易當 Drawdown 超過回測的 MDD 的 1.5 倍 ( 或 2 倍 ) 時即停止交易 . 等回復到 DD 之前高點時回復交易

5. 建立良好的心態 – 定期檢討交易策略每天工作看書 ( 不是看盤 ) 新策略的開發與檢驗紀錄滑價買賣單執行檢查每週檢討紀錄各商品平均波動金額資金管理 / 交易部位規模控制資金曲線 equity curve 每月檢討 Performance Report 檢視交易策略表現是否正常交易策略是否繼續執行

為什麼會想要看盤不信任你的交易策略擔心單子沒有成交擔心電腦當機 , 網路斷線怕黑天鵝飛出來喜歡賭博的刺激為什麼不要看盤看盤 , 就會心癢 , 手癢 , 想要自己按鈕進出場 . 獲利想趕快實現，虧損就凹下去對交易策略有信心，何需看盤恰當的部位規模控制，飛一群黑天鵝出來也不怕把看盤的 5 個小時省下來 , 看書 , 開發 , 檢驗策略 , 都比看盤好 5. 建立良好的心態 – 停止看盤開始看書

附錄：高頻交易 High Frequency Trading

什麼是高頻交易 High Frequency Trading 高頻交易技術源於 90 年代中期的程式交易 (programmed trading) Program Trading => Algo Trading => High Frequency Trading 在電子期貨和期權市場上，高頻交易商的活動已經佔到百分之 50 到 70 高頻交易商們在 2008 年總共賺取了大約 210 億美元的凈利潤高盛也承認，高頻交易策略是集團季度利潤的「主要動力」（ driver ）前紐約交易所行政總裁 Bill Donaldson 也直言：「 This is where the money is made 」他們主要是倚靠股價在一秒鐘、兩秒鐘之內的微小變動，然後迅速進行多筆交易。每筆交易量可能並不算大。但是交易速度可以快到用微秒來計算。極度頻繁的交易和微小的價差是他們賺錢的原因

高頻交易 HFT 特點 Co-location Algorithms Program Trades Automatic Market Makers(AMM) Flash Orders

高頻交易 HFT 操作方式甲法人要買 1,000 張 GE 股票現 GE 股票價格為 24.5 元，甲法人可接受的買價為 25 元甲法人的 Algo Trading Program 會將該 1,000 張股票買單，分割為十份 100 張買單 HFT 隨時監視市場，搜尋大量買入跡象當發現疑似跡象時，即啟動 AMM, 先送出 27 元 GE 賣出單，若無法吸引買單，馬上取消再送出 26 元 GE 賣單，若仍無法吸引買單，馬上取消再送出 25 元 GE 賣單，此時吸引 Algo Trading Program 買進，此時 HFT 知道甲法人買價上限為 25 元接著 HFT 利用高速網路與電腦，當市場有人要賣出 25 元以下的 GE 股票時， HFT 比甲法人快買入 GE 股票，並馬上轉手以 25 元賣給甲法人的 Algo Trading Program 持有時間極短，利潤極少，但次數極多 , 風險極小 http://marketplace.publicradio.org/display/web/2009/08/12/whiteboard_highfrequency-trading/?refid=0

Flash Order 的操作方式 – 0.03 秒的優勢

計量化交易策略的開發與運用 法人版

More Related Content

What's hot

Similar to 計量化交易策略的開發與運用 法人版