[心得] 機器學習實作期貨當沖的基礎知識與討論
變成長文了QQ 非機器學習背景的人請直接看分割線後的討論
我也修改標題了,讓標題比較符合內文,原原po應該也不在意吧
其實程式交易的那些流程,就是機器學習的過程(方法較簡單)
取得原始資料-->決定技術指標-->進出場規則-->回測-->結果分析
詳細過程請自己買書或上網查這裡不多說
交易獲利的關鍵是資金管理與技術指標(定義盤型)
有交易經驗的人應該都會認同資金管裡的重要性更大於技術指標
因為多數交易者並沒有技術指標的開發能力(通常是別人的指標)
決定技術指標對於機器學習領域來說就是取特徵值
均線黃金交叉 突破前N日高 W底辨識...都是取特徵值
取特徵值的方法有很多,多到人類終其一生也學不完
也就是說交易者有幾乎用不完的技術指標
所以對有機器學習背景的人來說,技術指標與資金管理同等重要
能研發專屬自己的技術指標是理工阿宅辛苦學習後的優勢
但是正常人應該對期貨交易不熟悉,很難寫機器學習的相關程式
所以在開始前要先了解甚麼是期貨交易(本文針對短線還有當沖)
因為期貨交易可以看成一種賭局,所以推薦從撲克賭局開始
了解撲克賭局本質的人能較容易看透期貨賭局為何
撲克牌的牌型很明確但期貨的盤勢很不明確
所以交易者都常都會定義自己的"期貨牌局"(技術指標 特徵值)
但是對初學者來說這很困難因此強烈建議從撲克入門
所謂"期貨牌局"就只是一種類比概念
交易者要能依據不同盤勢制定交易策略
因為不同盤勢會有不同的期望獲利
尤其是持有多久後的期望獲利,因為停利點太低也會出場
而且還要依據遊戲規則與風控制定自己的資金管理
一樣是撲克 21點 梭哈 德州撲克 規則就不相同
資金管理的方法也會因此不同(會贏才進場的精神相同)
21點就是以算牌為主 較沒有心理戰的問題
梭哈跟德州撲克 就有心理戰的層面 例如:把把都梭哈 把把都不跟
撲克賭局中較沒有停利出場與繼續持有的概念
但是 算牌 資金管理 心理壓力克服的賭局基本特性是相似的
如果都能理解上面的論述,你應該可以開始機器學習實作期貨交易了
補個買方Op點
買單邊就行 買的次數不要多 找大漲大跌的時候
傳統技術指標就很夠用了 找"龍王"from華爾街的物理學
===============================================================
===============================================================
我是分割線,分割線之後是比較接近人話的討論
===============================================================
===============================================================
※ 引述《q1a22001 (crazy楊)》之銘言:
: 定義好壞牌對交易而言應該就是對策略的濾網下功夫吧
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
最常見的程式交易就是用這種方法+回測積效以決定策略
但這只是最簡單最基本的方法
: 但跟德州撲克不同的是
: 德州撲克的牌型組合可以有量化的勝率
: 但真實交易所用到的參數實在太多了
: 你如何定義某個時空下的勝率是個問題
: 再來你定義的勝率有辦法像德州撲克正確客觀嗎
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
圍棋的盤面更複雜 Google的AlphaGo用深度學習神經網路+蒙地卡羅模擬
如果只作期貨日內當沖或者1小時當沖或甚至15分鐘 5分鐘的當沖
期貨的複雜度絕對遠小於圍棋的複雜度
很多學術論文用小波轉換取特徵值來分析期貨的盤勢
我用的是我個人獨創的K線與均線模擬小波轉換分析期貨
這方面的問題你可以自己找關鍵字 "特徵值" "機器學習"
--------------------------------------------------------------------
: 程式交易還可以回測 但都還有最佳化的疑慮
積效回測只是最基本的方法 比較嚴謹的方法要用蒙地卡羅法模擬
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
德州撲克的Libratus 圍棋的AlphaGo 的測試結果都有過度最佳化問題
應該說全部機器學習與資料探勘分析技術所的結果都有過度最佳化問題
最簡單的避免過度最佳化的測試方法是 Cross Validation
-------------------------------------------------------------------
: 若是主觀交易我覺得跟打撲克聯想再一起還是太天真了
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
不久前多數學術界的人也都覺得 圍棋的人工智慧超越人腦是很不切實際的事
我還在念碩班的時候 指導教授也覺得人工智慧根本是沒有未來的票房毒藥
-----------------------------------
: 我覺得資金控管方面還可以互相參考
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
的確如此
--------------------------------------------
: 其他的對交易的策略上並沒有甚麼關聯
: 好好架構自己的濾網 了解市場 持續觀察調整
: 別想什麼德州撲克了 我覺得很容易模糊焦點
: 我們是trader不是poker
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
你目前的狀況就像是已經學會鑽木取火的人類
但是覺得 火柴 打火機 點火器 火焰槍都是很虛幻的東西
人工智慧機器學習的目標就是讓機器能學會人類才能作的事情
台科大的徐演政教授就有實際進場交易的人工智慧
金融交易的人工智慧其實一直有在發展
除了我前面提到的例子
IBM的人工智慧華生也在 醫師 律師 問答等領域取得很顯著的積效
無人自駕的 捷運 車 飛機 都已經有實際上路的成品
郭台銘的工廠作模具以前需要老師傅才能定公差 現在可以自動化
他也有已經上線的無人工廠在實際運作
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.239.189.133
※ 文章網址: https://www.ptt.cc/bbs/Option/M.1486741579.A.3B1.html
※ 編輯: ProTrader (36.239.189.133), 02/10/2017 23:47:12
→
02/10 23:49, , 1F
02/10 23:49, 1F
推
02/10 23:54, , 2F
02/10 23:54, 2F
→
02/10 23:54, , 3F
02/10 23:54, 3F
本金夠,股票長波段持有 就幾乎用不到這些複雜方法
這是當沖或短線持有的交易者才用的交易技巧
我是為了讓原po知道所謂的"期貨牌局"到底是甚麼才說這些
要不然他以為我是在發神經語無倫次妖言惑眾
※ 編輯: ProTrader (36.239.189.133), 02/10/2017 23:58:54
※ 編輯: ProTrader (36.239.189.133), 02/11/2017 01:19:13
→
02/11 01:41, , 4F
02/11 01:41, 4F
→
02/11 01:42, , 5F
02/11 01:42, 5F
長線真的沒差別 那些簡單的方法 或是U姐下面舉例的策略
根本不需要那些複雜的分析方法
推
02/11 01:54, , 6F
02/11 01:54, 6F
推
02/11 02:19, , 7F
02/11 02:19, 7F
噓
02/11 05:54, , 8F
02/11 05:54, 8F
噓
02/11 05:58, , 9F
02/11 05:58, 9F
→
02/11 05:58, , 10F
02/11 05:58, 10F
→
02/11 05:58, , 11F
02/11 05:58, 11F
那算是文獻回顧的部分 看看人工智慧的應用領域有哪些
如果是我的題目 一定是期貨當沖的人工智慧
人類的各種技能都可以嘗試用人工智慧實現(生小孩目前是不可能)
多數經過人類學習就能實作的技能應該都可以
你至少先去看看徐演政教授的研究吧 他有自己的"牌局"
他的人工智慧是有真實交易的
:我也打過牌我也交易過,我怎麼覺得兩者完全是不一樣的東西?
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
我覺得你跟我的差異在這裡
我覺得 玩牌 玩期貨 ...都是一種賽局
雖然規則不同但有可以互相借鑑參照的地方
你覺得 玩牌 玩期貨 完全沒有可以借鑑參照的相似性
→
02/11 07:25, , 12F
02/11 07:25, 12F
→
02/11 07:25, , 13F
02/11 07:25, 13F
21點是賭博 也有決勝21點的電影啊 那是真人真事
→
02/11 08:34, , 14F
02/11 08:34, 14F
→
02/11 08:56, , 15F
02/11 08:56, 15F
人工智慧 第一步就是要能夠定義自己的 "牌局"
也就是說 "期貨牌局"不能定義的話 想作期貨的人工智慧就是不可能
德州撲克人工智慧當然也有自己的牌局(最簡單 可直接看牌型)
圍棋人工智慧也要定義自己的"圍棋牌局"
你應該也是覺得 上述那些牌局是完全獨立沒有相似性 跟飛遠相同
但我是覺得 有相似性 建議你也可以看徐演政教授的研究
vvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvv
: 但跟德州撲克不同的是
: 德州撲克的牌型組合可以有量化的勝率
: 但真實交易所用到的參數實在太多了
: 你如何定義某個時空下的勝率是個問題
: 再來你定義的勝率有辦法像德州撲克正確客觀嗎
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
你應該是覺得德州撲克的牌型很精確所以可定義,但是
期貨的相關參數複雜度高過德州撲克很多,所以無法定義"期貨牌局"
而這就等同人工智慧不能應用在期貨當沖
實際上真的也無法完美定義"期貨牌局" 而"圍棋牌局"也是
所以我們通常只要求的是誤差程度可容許
"圍棋牌局" "期貨牌局" 都不是完全精確無遺漏
圍棋是贏過人腦就可以 期貨是能穩定獲利就可以
推
02/11 09:00, , 16F
02/11 09:00, 16F
→
02/11 09:01, , 17F
02/11 09:01, 17F
→
02/11 09:02, , 18F
02/11 09:02, 18F
→
02/11 09:02, , 19F
02/11 09:02, 19F
→
02/11 09:05, , 20F
02/11 09:05, 20F
→
02/11 09:06, , 21F
02/11 09:06, 21F
推
02/11 09:07, , 22F
02/11 09:07, 22F
已畢業
→
02/11 09:08, , 23F
02/11 09:08, 23F
→
02/11 09:08, , 24F
02/11 09:08, 24F
沒錯 很多人類行為(政治 足球 籃球 圍棋 金融 撲克...)都能用賽局規格定義
賽局規則可量化後 就可以嘗試人工智慧機器學習的研究
推
02/11 09:11, , 25F
02/11 09:11, 25F
→
02/11 09:12, , 26F
02/11 09:12, 26F
→
02/11 09:14, , 27F
02/11 09:14, 27F
→
02/11 09:15, , 28F
02/11 09:15, 28F
→
02/11 09:16, , 29F
02/11 09:16, 29F
→
02/11 09:16, , 30F
02/11 09:16, 30F
→
02/11 09:17, , 31F
02/11 09:17, 31F
→
02/11 09:18, , 32F
02/11 09:18, 32F
還有 24 則推文
還有 6 段內文
推
02/12 10:27, , 57F
02/12 10:27, 57F
→
02/12 10:27, , 58F
02/12 10:27, 58F
→
02/12 10:27, , 59F
02/12 10:27, 59F
→
02/12 10:27, , 60F
02/12 10:27, 60F
→
02/12 10:27, , 61F
02/12 10:27, 61F
→
02/12 10:27, , 62F
02/12 10:27, 62F
→
02/12 10:27, , 63F
02/12 10:27, 63F
→
02/12 10:27, , 64F
02/12 10:27, 64F
→
02/12 10:27, , 65F
02/12 10:27, 65F
定義"牌局"本就是人工智慧機器學習的最根本關鍵也是核心技術所在
不只期貨交易中,說到人生百態更是處處有"牌局"處處不確定
有其他想討論的可以站內信聊聊
→
02/12 11:56, , 66F
02/12 11:56, 66F
→
02/12 11:56, , 67F
02/12 11:56, 67F
→
02/12 11:56, , 68F
02/12 11:56, 68F
→
02/12 11:56, , 69F
02/12 11:56, 69F
雖然是這樣但是,這種風險通常是期貨選擇權的人才在意
股票長期投資的人通常不在意這種隔夜風險,只偶而關注(例外:脫歐 川普當選)
推
02/12 12:23, , 70F
02/12 12:23, 70F
推
02/12 15:49, , 71F
02/12 15:49, 71F
→
02/12 18:59, , 72F
02/12 18:59, 72F
→
02/12 19:06, , 73F
02/12 19:06, 73F
我覺得就是這樣 查"西蒙斯" "文藝復興" 他以前也當教授 但賺錢後就不當了
推
02/13 08:51, , 74F
02/13 08:51, 74F
→
02/13 08:53, , 75F
02/13 08:53, 75F
→
02/13 08:54, , 76F
02/13 08:54, 76F
其實 我也覺得是這樣 沒被市場教訓就不知道敬畏市場 Orz
推
02/13 10:20, , 77F
02/13 10:20, 77F
※ 編輯: ProTrader (1.172.54.15), 02/13/2017 15:13:37
※ 編輯: ProTrader (1.172.54.15), 02/13/2017 15:15:56
※ 編輯: ProTrader (1.172.54.15), 02/13/2017 15:17:30
※ 編輯: ProTrader (1.172.54.15), 02/13/2017 15:39:43
推
02/13 23:41, , 78F
02/13 23:41, 78F
→
02/13 23:42, , 79F
02/13 23:42, 79F
心理層面的問題 怕輸錢 贏錢太興奮 面對不確定性時的遲疑...所有賭局都類似
程式交易主打的賣點就是可以避免人類情緒起伏按照既定規則交易
就是分析人類過度樂觀(超買)跟過度恐懼(超賣)時的交易模式 然後形成策略
也可以說是分析其他交易者的情緒起伏時市場特性的變動
古早的程式交易跟現在的人工智慧要做的事情其實都相同 穩定贏錢 穩定贏大錢
古早的鑽木取火跟現在的防風打火機都是用來點火的
目的相同,只不過是技術原始或者先進的差別。
※ 編輯: ProTrader (1.172.54.15), 02/14/2017 00:50:38
→
02/14 01:02, , 80F
02/14 01:02, 80F
→
02/14 01:02, , 81F
02/14 01:02, 81F
沒錯 所以能賺錢才是判斷交易者成功失敗的依據
以前我也曾經只關注用了哪些先進技術(理工阿宅很容易活在自己的世界)
而不在意期貨交易的本質到底是甚麼(懂這個才能真正實作機器學習)
重點是,能確定有整合期貨市場的各種相關資訊與交易實務進入自己的模型
這樣的話,整合度越高技術越先進(偶而有例外)才真的越好賺
推
02/14 10:00, , 82F
02/14 10:00, 82F
推
02/14 10:25, , 83F
02/14 10:25, 83F
推
02/14 12:00, , 84F
02/14 12:00, 84F
推
02/14 12:58, , 85F
02/14 12:58, 85F
心理面的掌控是人類的挑戰 也許你做的到 但多數人做不到
對於這樣的你來說 程式交易還有第2賣點 不用休息且能廣泛應用
可以在全球的金融市場24小時交易(其實對多數人來說用不到)
→
02/14 13:46, , 86F
02/14 13:46, 86F
你是說會想偶而吃壞肚子跑廁所嗎XD
※ 編輯: ProTrader (1.172.54.15), 02/14/2017 14:02:10
推
07/15 05:56, , 87F
07/15 05:56, 87F