程序化交易带给我们的思考

程序化交易带给我们的思考,第1张

;     第一个问题是因果关系的困惑,如果是程序化交易策略中股票的超卖引发了1987年股灾,那么是什么原因导致这些程序化交易首先开始启动?根据美国证券与交易委员会假设的瀑布效应,在套利者卖出股票引发股市崩溃前,股票期货价格必须低于股票价格一定比例。那么又是什么导致期货相对于股票出现最初的折价呢?那些指责程序化交易的谬论是根据他们的恶性循环理论,而恶性循环理论是基于期货价格已经大幅下跌出现折价的前提,这就产生了自相矛盾的因果关系。从另一个角度看,程序化交易并不是偶然的自我持续的过程,而是被一些因素所触发。这些因素正是我们所要寻找而被指责程序化交易的人所忽略的。如果公众仅仅专注于导致股灾的诸多原因中的一个,就很可能忽略更主要的原因从而将引发股灾的原因简单化。

      第二个问题是程序化交易在早期无法同时影响两个市场。根据恶性循环理论,当套利交易者注意到股指期货相对于现货指数被低估时,他将在芝加哥买入标准普尔指数期货同时在纽约卖出标准普尔指数的所有成分股;而抛售股票又导致纽约股票市场下跌将迫使投资组合保险公司在芝加哥卖出期货套保。显而易见,只有在纽约和芝加哥市场同时开市的条件下程序化交易才可能对两个市场产生影响。然而在1987年10月19日纽约股票市场开市前,芝加哥交易的标准普尔指数期货在周末交易中已经下跌了7%,达到了1940年以来最大的日跌幅。也就是说期货的首波下跌是发生在10月17日和19日的早上,并且仅限于芝加哥期货市场。而此时套利交易者正在度周末,等到程序化交易者回到电脑屏幕前股灾已经发生,所以可以肯定的是第一阶段的市场下跌是受到其他原因的影响而不是程序化交易。

      理查德·洛尔在他的文章《1987年10月的国际性股灾》中批评了权威机构将程序化交易作为股灾祸首的观点。理查德指出,美国市场大量的程序化交易并不是引发股灾的主因,否则市场早就可能发生暴跌,一定存在着潜在的“触发机制”。理查德认为美国的贸易赤字、市场担心出现经济衰退甚至对1988年选举的预期都可能是造成股灾的原因,但是没有人能够信服地证实导致10月下跌的真正原因。

      为了更好的理解1987年的股灾,理查德转向研究股灾之前以及股灾期间的国际金融市场。他发现美国股灾同期全球范围内都出现了股市暴跌,亚洲、澳大利亚、欧洲和北美洲市场无一幸免。而且在当时程序化交易并不盛行于全球金融市场,只有美国金融市场才大量存在。如果是因为程序化交易导致美国市场下跌22%,那么为何其他没有程序化交易的金融市场也会暴跌呢?

题主既然在这里问了这样的问题,说明题主对于程序化交易这方面知识还属于入门,甚至有可能连交易相关方面的知识也属于入门。

如果在这里仅仅推荐很多量化的平台比如ricequant、myquant,可能效果反而不好。

比较容易上手的方式就是先通过交易平台手动交易的方式试试自己的交易思路,然后再转化交易思路成为程序化交易模型。交易品种不推荐证券和股指,证券的T+1等因素对学习程序化上手不太友好,而股指今年年初日内开仓手数有限制为10手也让高频日内交易变得不可能,所以现在最容易上手的品种一般选择期货。具体商品可以根据自身喜好选择,比如考虑日内振幅,考虑保证金(杠杆)大小等等。

选好交易品种,这其中的难点无非是两个,第一:形成交易思路,第二:转换成交易平台上的交易模型。这两个部分是入门最难的内容,同时也是最需要能够用简单易懂地方式说明清楚的部分。

所以题主需要的是能选择一个帮助题主形成交易思路,并且很方便就转换成代码模型的交易平台。

交易开拓者(TB,TradeBlazer)正是基于这种思路,在做好程序化交易平台之余,也提供了大量的线上和线下系列课程,帮助不同的程序化交易者依托交易开拓者软件快速构筑自己的交易思路,并且在编写模型的教学方面,交易开拓者可以有一整套包括手册、视频、论坛和讲师等方式实施。初学者如果对商品交易基础知识也很薄弱,开拓者也有专门的板块介绍这部分基础知识帮助入门。

更重要的一点,交易开拓者的市场率非常高,如今与所有期货公司都有合作关系。也就是说,当你想要模拟盘转实盘测试自己的交易策略时,无论你选择哪一家期货公司开资金帐户,都可以很方便的申请开通TB的交易通道。交易平台和期货公司不能并存?TB不存在这种忧虑。

趋势判断,是否正确,止损是不是正确,明确。震荡就会迎韧而解。

如果市场没有趋势,你下单后就要考虑止损点,有时候你会被震荡的行情洗掉止损的头寸。

如果你在震荡行情的最低点买入,哪么你就不容易被洗掉,等到趋势的形成,所以反过来,要不被震荡的行情洗出,你就要明确行情的趋势。如果一个趋势你在一个点位,没有按照一定的纪律去执行,哪么这个趋势你就没有明确的策略,所以你的风险就相应的要加大。如果没有策略你就没有止盈的方法。如果说有策略而没有相应的执行策略,哪么你的策略就没有用处,相应你的心态就会发生变化。你就不知道何时止损何时执盈。如果没有理念,你的心态和策略都就无法起到作用。

所以良好的心态,正确的理念,严谨的策略执行。才是日内交易的优良品质。

目前国内这方面条件还不够成熟。其他的市场(期货,债券等)不知道,就A股而言,由于是T+n,在资金量不多情况下意义不大,当然像我这个散户级别的混个生活费还是可以的。还有一个,也是最麻烦的,是目前大部分交易券商都没有向个人开放api接口,使得自动化交易的门槛很高。我也是对这方面比较感兴趣,喜欢和各位高人多交流,学习

肯定地回答您,我们已经做了三年了。在通达信软件上,最早是期货交易实现电脑买卖,只是免费的速度太慢!文华 财经 软件要交费,速度非常快。

大家关心的是赢

亏,自动交易软件赚钱么?肯定比人工交易效益高。首先,是条件选股功能,每天收市后,下载好当天数据,再把自已的选股程序化方案挂上,选择选股范围,好创业板,中小盘,还是沪A,

深A股,剔除ST类,让软件自动运行选股,选出的几十只股票把它们放在指定的自定板块里。五分钟搞掟!

接下来是上程序化交易软件,把选出的股票每一个都让程序化交易软件扫一下,看看在K线图上出现的买点、卖点。

然后,再结合自已的盘感经验,再精选出十只明天可以交易的股票,放进自选股。

第三步是 历史 数据的统计检验。利用通达信软件自带的统计检验模块,对十只自选股进行近一年的 历史 买卖点效益的回测分析。从中找出二、三只最有赢利潜力的白马股。

程序化交易软件的 *** 作流流程只需要每天收市后做三十分钟的功课。

第四步,就是开盘后,自已如何根据买卖的提示,如何临场发挥的问题。

我应该是少数自己亲自做过的人了,实盘+编程+A股。自认为是韭菜水平,写这个也并不是为了分享经验,但鉴于大多数人其实没有亲自做过,就当是写写自己的一点感受给有兴趣的人看看了。

实现全自动交易的途径

实盘量化交易看似容易,但也没见多少个人投资者自己做。因为这里有三个门槛:

专业技能 好理解,基本的编程+投研+一定的数学基础,这样才能想出策略并实现策略。 渠道 就是指如何实现实盘交易,模拟编程炒股很多人试过,但要实盘,需要通过券商,这样你的策略才能向你的实盘账户发送买卖指令。至于 资金 ,也就是真舍得拿真金白银去试水,同时具有一定的抗风险能力。

要真正实现全自动交易,有三种途径,分别从简单到复杂。

一般个人单干的话,选择途径1或者2;而如果是正规量化机构的话,选择途径2或者3。我作为正宗韭菜,自然是选择途径1,找了一个可以实盘的量化平台。为了避免打广告之嫌,就不透露名字了。

交易策略与系统

既然是选择了傻瓜式的平台,绝大多数交易系统的技术问题已经不用担心,别人帮你解决好了,自己只用专心于策略。策略自己怎么设计都行:

但策略也并不是纯粹的只用把股票筛出来即可,仍然需要自己写买、卖、撤单、查询成交情况等命令,这样才可以实现模拟回测。比如一个简化但完整的流程可以是:

模型随时接收实时行情的数据——某时刻产生了交易信号——将股票代码和目标买卖股数发至实盘账号——不断查询成交情况——完全成交或者需要撤单重新调整价格——完成一次交易

有了这个,策略就可以完成回测,看看 历史 收益如何,进而如果你决定要实盘,则可以把策略提交到量化平台的实盘服务器中,与自己的实盘账号绑定并启动策略。这样,一个全自动实盘交易就算开始了。如果是日内策略,交易起来具体日志可能是这样:

策略收益

大家最关心的就是这一块吧,因为我策略写好了也没怎么去优化,所以表现也就是韭菜水平,甚至可能跑不过大盘。搞了不止一个策略,表现不一。

如果是专业的机构,那肯定得每天随时维护,并迭代新的策略。至于我自己搞,在策略上线了我很少打开来看,就让它自己运行了,毕竟不是主业,连副业都算不上,纯粹个人兴趣爱好。

潜在风险

最大的风险就是策略被别人偷走,因为你的策略是放在平台上的,虽然平台再三声称策略绝对安全,不会被盗,但如今个人数据泄露已经不是新闻了,自然仍然存在策略被盗的风险,甚至是一些人利用权限,直接查看那些收益好的策略也说不准。不过我的策略并不担心这点,因为足够烂,可能这就是光脚的不怕穿鞋的吧。

另外在交易上也存在一些风险,可能策略出bug了让实盘账户产生错误交易,进而导致亏损。或者交易延迟太大,导致错过买卖点等。

在合规上,也需要认真鉴别该量化平台是否与正规券商合作,否则本金都可能给搞没。

以上内容纯粹是个人感想,不构成建议。这条路上要趟的坑太多,镰刀太多,单兵作战唯一的优势就是,自己是自己的老板,不存在来自客户的业绩压力。

以上就是关于程序化交易带给我们的思考全部的内容,包括:程序化交易带给我们的思考、无基础程序化交易如何入门、探讨程序化交易日内交易模型瓶颈的解决办法等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!

欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/zz/9473970.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-04-28
下一篇 2023-04-28

发表评论

登录后才能评论

评论列表(0条)

保存