COCO研究院

 找回密碼
 註冊
搜索
查看: 3078|回復: 9

MultiCharts程式交易繼續的原因

[複製鏈接]
發表於 13-8-1 14:14 | 顯示全部樓層 |閱讀模式

是的    早在兩年前的某天   我對手動交易幾乎徹底絕望

對於剛剛許下的承諾怎麼辦呢?

我從現有的資料去分析   去做抉擇   也許是因為對投資的堅持

我注意到一件事情    這世界上確實有人靠投資交易成功    吸引著我的目光

並引發我的好奇心 "為什麼"  

並在接下來的一年裡    學習MultiCharts程式交易並努力著吸收各種事情


這段時間 我知道

程式交易也會失敗 並沒有那樣容易就可以讓人成功

在我踏進這個領域的時候 我也可能成為那一推屍骨之一的失敗者

但是我意識到幾件事情

程式交易其實也是一種統計學跟我手動紀錄研究的事情是一樣的

怎說?

一、交易雖然分做很多種的類型 但是除了感覺跟聽消息外

基本上讓投資者想要交易   往往是發現某一種邏輯    並認為這一種邏輯可以賺錢

於是把資金投入   就是這樣簡單的一個關西循環

可是往往發現這一個交易邏輯讓自己輸錢    才發現並不是自己想像的那樣   有待改進

再透過觀察、研究、學習 於是又重複著同樣的動作     發現並執行卻又失敗的交易邏輯

經過無數次的輪迴   最後僅存痛苦、懊悔   剩下失意跟回憶的兩億身價

如果發現的交易邏輯是可被量化出來的    又會寫成程式   一個交易邏輯的好壞就可以馬上被評估出來

示範   交易邏輯
開盤價+30點(買進)     開盤價-30點(賣出)   停利停損皆30點    一天只交易一次   13點20分強制平倉
手續費成本來回1200元
"隨意舉例   如有雷同存屬巧合   用30參數    是因為我1月30號生日"

if d<>d[1] then begin
value1=open; value2=0;
end;

if time>0845 and time<1300 and value2<1 then begin
buy next bar value1+30 stop;
sellshort next bar value1-30 stop;
end;

if marketposition<>0 then begin
sell next bar value1+60 limit;
sell next bar value1 stop;
buytocover next bar value1-60 limit;
buytocover next bar value1 stop;
value2=1;
end;

if time>=1320 then begin
sell next bar market;
buytocover next bar market;
end;

紅色()起來的地方    表示虧損

  

  

這就是程式交易的好處   評估的速度很快    若是想要再做變化也是可以很快評估出來

我相信每個人都會發現好幾種交易方式    偏偏無力證明   

只能用真金白銀去實戰    真的是很....................

透過程式交易可以汰弱留強    選出還不錯的方式    再考慮要不要使用這一種交易邏輯   


程式交易可以完美的克服人性的弱點

怎說?

二、交易的失敗原因很多

從我開始在學習交易的時候 不時有個聲音一直重複撥放著 "紀律"

交易失敗也總是把責任推給   沒有交易紀律

我認知的紀律:根據不同的情況 確實的執行該完成的動作 進場、出場、停損、停利

重點在於 避免發生重大的虧損讓自己無法再爬來並讓獲利爆發性的成長

人會貪會恐懼  賺300元跟賠3000元    每一個人一定選擇賺300元     可是交易時就會選擇賠3000元

這是因為我們是人    不是機械

不要每次交易過後說 這個高點我有看到    這個低點其實我想要做多

不要重大虧損之後才說 當初沒有做好停損 這100%肯定因為凹單 有凹回來過    才會導致後來有這樣的失敗

程式確實是死板  但只要程式邏輯沒有錯誤的話它就會完美的執行   


那程式交易最吸引我的地方在於哪裡呢?

分散投資   

其實就是大家說的多商品多策略   分開投資

貴金屬:黃金、白銀...    原料:石油、天然氣...    農作物:玉米、小麥、黃豆...

外匯:日幣、歐元....      指數類:小道瓊、費半、日經.....

不同的商品都有著不一樣的特色   有他們特殊的循環週期     

這是多麼的有趣    而且國外商品幾乎24小時交易   

假設A、B、C、D、E、F交易策略在輸輸贏贏的過程中  最後都是賺錢    那在在輸贏互補的過程是不是就將風險變小了

看個人的風險取向    這是安全的做法    隨著研究   我發現程式也是可以是暴利的型態

  

  

可以想像   一口單回測績效是2百萬左右     透過資金風險控管讓程式自己加碼同樣的回測時間績效卻接近2千萬

一個的成功   就是一切的成功   呵呵

它讓我很多天馬行空的想法得以實現   這是很有趣的一件事情   至少我會這樣認為


程式確實有它的好處   也有它的壞處   其實要看你怎樣使用它  

就我個人而言    如果我不放棄投資的話    我想我不會放棄Multicharts程式交易



評分

參與人數 12金錢 +23 收起 理由
yamo + 2 感謝分享
hidowu + 2 感謝分享
moneymine + 2 好文章,我推薦
thirtycm + 2 有個喝咖啡打麻將的,馬上就會出來吐槽.
jinhouse123 + 2
獵手 + 2 好文章,我推薦
小肥羊 + 1 好文章,我推薦
ambercrystal + 2 按一個讚
jiuhtsair + 2 按一個讚
Ray-Ray + 2 感謝分享
五分熟 + 2 感謝分享??? XD
K7774 + 2 按一個讚

查看全部評分

發表於 13-8-1 14:50 | 顯示全部樓層
Hi,

策略回測多商品

要注意的是每個商品的保證金、幣別、最小跳動、跳動價值、手續費等差異

才不會落入美麗的誤會唷~

不過,我想小胖你應該早就知道了 XD
 樓主| 發表於 13-8-1 15:02 | 顯示全部樓層
kilroy 發表於 13-8-1 14:50
Hi,

策略回測多商品

謝謝提醒    你真好心
發表於 13-8-1 15:04 | 顯示全部樓層
版主現在是專業投資人??
 樓主| 發表於 13-8-1 15:27 | 顯示全部樓層
H0310 發表於 13-8-1 15:04
版主現在是專業投資人??

是阿    沒有工作   只好專心在投資研究囉

評分

參與人數 1金錢 +1 收起 理由
thirtycm + 1 可以去電子業當作業員~薪水還可以~.

查看全部評分

發表於 13-8-1 16:43 | 顯示全部樓層
程式交易之路,崎嶇難走,或許可拜網路之賜,來個聚網?
發表於 13-8-1 23:59 | 顯示全部樓層
專職人事我的夢想~~我剛開始在做程式時也是悟道了很多道理

但其中的道理就是自己,不能說是〝貪〞,應該說是不想放過任何獲利機會

只想要獲利命中機率提高到最高罷了,但最後搞慘的卻是自己!!
 樓主| 發表於 13-8-2 07:52 | 顯示全部樓層
迷彩 發表於 13-8-1 16:43
程式交易之路,崎嶇難走,或許可拜網路之賜,來個聚網?

這個喔   應該不是我可以決定的吧@@
但應該可以提出來
 樓主| 發表於 13-8-2 08:08 | 顯示全部樓層
moshn1011 發表於 13-8-1 23:59
專職人事我的夢想~~我剛開始在做程式時也是悟道了很多道理

但其中的道理就是自己,不能說是〝貪〞,應該說 ...

哈   你可能無法接受    我的程式勝率皆在50左右而已
在別人眼裡這樣可以很低   但是我覺得挺好的

其實也不是你的錯啦   這是城市矛盾的地方
因為過去發生的現象所以寫成程式邏輯
再加入很多很多的過濾條件    最後幾乎符合歷史走勢

創造出一個高勝率    績效也很好的情況但是大哥    你忘記了   
未來是一直在改變的

我舉一個超明顯的例子    在2009年以前    不存在五分K1萬口量的情況
但是現在呢?     呵呵

所以我在寫作程式的時候    評斷一個程式的時候     並不是把MDD、績效、勝率當作考量點
我考慮的是    "適應性"   <<這個可以從最佳化去發現
經過最佳化   如果有80%以上的參數樣本都是賺的   
這一種程式我才會愛

舉個例子說明好了
努力修正     卻發現1000種參數只有1種的情況是會賺錢的
跟1000種參數裡面卻有800個   情況是會賺錢的
你會選擇哪一種

大家都怕損失    努力把損失調到最小    勝率用到最高    <<基本上我覺得這是錯誤的方式
你可以嘗試找出一個風險比較小且穩定且適應性廣的方式
之後再放大口數    績效一樣也是嚇嚇叫的

發表於 13-8-7 10:50 | 顯示全部樓層
成為專職投資人真的很厲害
您需要登錄後才可以回帖 登錄 | 註冊

本版積分規則

手機版|Archiver|站長信箱|廣告洽詢|COCO研究院

GMT+8, 24-4-26 08:11

Powered by Discuz! X3.4

Copyright © 2001-2023, Tencent Cloud.

快速回復 返回頂部 返回列表
理財討論網站 | AI繪圖AI超擬真美女AI beauty AI Stable DiffusionAI正妹AI Lookbook