互联网2010_无更-闲聊 首页

字体:      护眼 关灯

上一页 目录 下一页

   无更-闲聊 (第3/4页)

,继而判断接下来的走势。常见我们会看到一些所谓分析师报告,里头密密麻麻画了各种线,比如讲某时间段均价ma,趋势线,斐波那契回归,阻力位压力位等等。

    基本面分析以环境和标的实际状况作为分析依据,环境如国家或区域经济发展趋势、央行汇率政策、重要人员讲话、重要媒体观点、群体情绪,标的实际状况则如经营的营收成本利润、市盈率市净率、股息分红、股东持仓异动等等。

    从思路上,二者没有任何问题,毕竟是金融市场从无到有的过程中,无数大触所总结出来的规律。而如果同那扑克牌的事情放一块,那其实市场上所有人都在做的只有一件事情,找到那张有划痕的大王小王,继而提升自己的游戏获胜概率。说白就是从技术分析和基本面分析中消除“不确定性”,找到“确定性”。

    但大部分人,其实都在用正确的思路,做着错误的事情。

    上文中,我用到了一个词“判断”,而非“预测”。某个时刻的价格涨跌重要,但远没有大部分人所认为的那么重要。好比止盈止损,仓位管理,在这其中都是非常重要却又容易被忽略的关节。

    今时今日,金融市场是非常电子化的市场,而随着越来越多的创新者进入,它也产生了巨大变化,某种意义上,门槛是在不断降低。从各种意味上而言。

    从数据来说,最近几年也有如聚宽之类为金融宽客提供数据服务和技术支持的服务平台诞生。类似的平台出现之前,量化交易就一直存在,而如果我们回首得足够远,它所存在的历史也远远大于我们的想象。

    接下来,我姑且利用中文来写一段“伪代码”,让大家感受一下其中的差异。

    【code初始】:

    取沪深市场1000只股票的所有历史成交数据,给这些股票从0-999进行编号,1000股票的所有数据用all表示,all[0]代表第一只股票,all[1]代表第二只股票......

    取编号0的股票数据all[0],计算ma、rsi、斐波那契各值、balabala一系列指标

    当编号0股票某个指标高于某水平,返回卖出信号,低于则返回买入信号

    编号0股票计算完毕后继续计算编号1,直到编号999位置

    指标数据存储表格all2

    ===============

    【code回测】:

    设初始资金为100万

    取【code初始】所存储的表格数据all2

    设每次投入比例为本金20%

    根据all2数据的买入卖出,从all2[0]开始执行模拟买卖操作,一直到all2[999]位置

    计算所有100只股票在该策略下的回测百分比

    将投入本金比例设为从1-20%的变量,依次测试不同投入仓位的回测百分比

    记录存储所有数据为all3

    ===============

    【code模拟】:

    取【code初始】所产生数据all3

    取all3[0],根据随机数产生未来300天交易价格波动

    按照【code回测】的最优结果,模拟未来300天交易策略和仓位的回测比例

    记录所有数据

    ......

    好了,这些伪代码当然是不能执行。但我们常说计算机语言,不管何种语言,它的实现都是由人来设计,这些所写的伪代码要转化为实际计算机语言也没有想象中那么复杂。

    当然,效果好不好我们另当别论。好比策略的东西,不管任何市场,它都需要是不断调整,而机器决策是重要的环节,但同样也离不开控制者本身对策略进行调整。在【code回测】中,我们描述了一个过程,我们基于过去的历史,让计算机在某个策略和仓位管理中去模拟,如果用这东西在过去买卖,它能不能赚钱。而接着则是在【code模拟】中,我们随机生成了未来的交易价格,又用这个策略和仓位管理套了进去。

    仓位管理,比较有名如凯利公式,而模拟有采用蒙特卡洛模拟来做。手段和方法多重多样,这里我们就不一一细述。

    ok,那么问题来了。我说技术分析的思路是对的,但大部分人操作并不正确,答案便在这里。

    技术分析源于过往历史,结合各种指标来提升胜率。但我不认为一个普通人通过肉眼观察和划线,最终所做是能比机器做的更好。

    打个比方,某个人正在做交易,他个人的仓位较多,所以他所期望的是接下来市场价格会涨,那么划线这个行为是很主观的操作,不同人在同一张图操作,最后可能产生无数种结果,无数种可能。

    再者,聊技术分析,普通人每天关注1000只股票可能吗?而主流的交易市场,就不说外汇期货币市,单单股票市场,全球主要的交易场所哪家不是以千计的数量。


请记住本站永久域名

地址1→wodesimi.com
地址2→simishuwu.com
地址3→simishuwu.github.io
邮箱地址→simishuwu.com@gmail.com

加入书签 我的书架

上一页 目录 下一页