V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
winglight2016
V2EX  ›  程序员

有做交易策略的高手来指点一下吗?

  •  
  •   winglight2016 · 2017-12-17 10:36:46 +08:00 · 4026 次点击
    这是一个创建于 2294 天前的主题,其中的信息可能已经有所发展或是发生改变。

    最近在研究深度学习,目标是明年可以在股市上完成机器选股和股价预测的任务,但是昨天偶然看到所谓“技术分析”的思路,似乎也很有道理,我想请问大佬:这两种方式有何优劣?以及进一步深入研究有什么资料可以看看?

    27 条回复    2017-12-18 20:09:36 +08:00
    regent
        1
    regent  
       2017-12-17 11:08:30 +08:00
    你的意思是你准备通过财务数据这样的基本面来选股?
    winglight2016
        2
    winglight2016  
    OP
       2017-12-17 11:33:14 +08:00
    @regent 财务数据没什么用的,技术分析就是只看交易数据,比如,那个 moving average 20 天和 60 天曲线相交就是买入点之类的
    oszlso
        3
    oszlso  
       2017-12-17 11:56:34 +08:00
    短线只看技术面,长线基本面+技术面
    tlday
        4
    tlday  
       2017-12-17 12:29:08 +08:00 via Android   ❤️ 1
    机器学习在量化方面好像作用有限,现在的量化策略倾向于像择时这种有"内在理论"的策略,而不是靠机器学习自己学出来,人类对内在机制根本不明了,无从优化,无从判断过拟合的策略。
    具体的就不清楚了,只是从我们公司 quant 的只字片语来看,他们没有用机器学习,事件驱动也没有。似乎还是均线穿越之类的东西。
    仅作参考,这方面我可以说连门都没有入,只是因为身处这样的环境了解过一些。
    takato
        5
    takato  
       2017-12-17 12:48:48 +08:00 via iPhone
    er...拙见
    跟不少从业者聊过,很多人连 paper 都不看。
    似乎也没有什么迹象表明可以做得好了....所以只能用手工特征去“忽悠”人。

    技术分析是有用的,甚至比现在的金融体系更好。
    514423564
        6
    514423564  
       2017-12-17 13:06:01 +08:00   ❤️ 5
    既然你诚心诚意的问了,那就大发慈悲的告诉你。
    既然是技术指标,那么就单纯的谈点技术好了,以下技术策略都是建立在纯技术上,跟基本面消息面毫无任何关系。
    理论 1.首先要确定一点,在完美的大趋势(什么是完美大趋势?请把 K 线图无限缩小。)向上,必然 K 线会上穿均线。大趋势向下,必然 K 线会下穿均线。 翻译成通俗的话来说,就是 K 线上穿均线,不一定是牛市,但牛市必定会上穿均线。
    缺陷:有了理论 1,那么你可以捕捉每次上穿均线的 K 线,但是很不幸的是,每捕捉到一次大牛市,你都得经历 10 次以上的虚假上穿(上穿后又短时间下穿)。那么如何提高捕获真实上穿的成功率呢? 请参考理论 2.
    理论 2. 理论 2 是赚钱的核心,我不会告诉你的。
    缺陷:有了理论 2,那么就可以精准的判断上穿的时机,能够在频繁的 K 线上穿均线中找到准确的进场时机。虽然已经有了进场的时机,但是股价的波动,很难让人握住筹码。问题来了,知道什么时候进场,那什么时候卖呢?请参考理论 3.
    理论 3.理论 3 也是赚钱的核心,我也不会告诉你的
    缺陷:有了理论 3,那么如何制定一套标准的套利系统呢。恩 ,这个问题嘛。。。问的很好,不过很遗憾,我也不会告诉你的。

    不要打我....另外,想告诉你的是,如果你有 100%的筹码,你可以把股价从 1 拉到 100000,如果你不想套利的话,你甚至可以把它拉到无穷。我觉得这就是比特币为什么价格这么高的深层次原因,因为有一种手段叫做 0 成本倒仓,怎么实现? 抱歉,这个也不会告诉你的。 至于技术嘛,稍微后知后觉了一点,筹码分布才是核心,技术只是别人动机已经启动而后留下的一点蛛丝马迹。不过可惜,股市是看不到筹码集中在谁手里的,只有筹码最大的那个人自己知道底牌。不过区块链可以查到筹码分布的。

    最后,,让我用低沉感性沉闷的声音,道一声: 楼主 爱你哟。
    qdwang
        7
    qdwang  
       2017-12-17 13:17:25 +08:00 via iPhone
    哈哈 楼上好耿直
    WordTian
        8
    WordTian  
       2017-12-17 13:36:46 +08:00 via Android
    @514423564 倒数第二段,说明是真·老司机,经验不少,资金量不小
    guanaco
        9
    guanaco  
       2017-12-17 13:51:45 +08:00
    基本面用于选股,技术面用于择时。
    rhwood
        10
    rhwood  
       2017-12-17 14:06:48 +08:00
    机器量化交易用于套利和右侧交易似乎更自然一些,比如跨市场的差价套利,这个用机器执行在交易速度上有优势,根据技术指标的趋势交易,这个用机器执行有助于克服人性的弱点(多数的技术分析派都是追涨杀跌的右侧交易,大部分人的心理素质坚持不下去)

    如果是基本面选股,难度在于高质量的数据基础,这个似乎有很多专业的服务商了,比如 wind。
    SoulSleep
        11
    SoulSleep  
       2017-12-17 14:13:54 +08:00
    羡慕你能看下去
    上半年我看过一些量化交易相关的资料,然而,以我本科学渣的水平....我感觉有些难,要啃 paper 的。。。

    “明年可以在股市上完成机器选股和股价预测的任务”————服!
    winglight2016
        12
    winglight2016  
    OP
       2017-12-17 14:30:15 +08:00
    @oszlso 基本理论就这么回事儿,如果精确划分一下,大概持有时间不超过一年算作短线吧

    @tlday 深度学习和量化交易,个人理解的确不是一回事儿

    @takato 还是 HIMO,现在深度学习的目标就是让普通人也能实现自己的想法——算法主要目的是提升计算效率,不是改善应用“效能”,所以 paper 我也不会看的,只要会用即可

    @514423564 感谢大佬,我也爱你哦,啵一个~~~我觉得您的观点和我很接近,所以我学习深度学习的目的就是能够预测“时机”,至于筹码我显然没有左右市场的实力,只能做一个紧跟庄家吃渣渣的散户,所以有理论 2 和退出策略就够了

    @rhwood 量化交易和跨市场这种操作风险略高,规则复杂,我觉得第一步迈得太大容易扯蛋,所以暂时也不考虑

    @SoulSleep 还是那句话,量化交易考验的是你的操盘经验和对市场的直觉,机器学习帮不上什么忙,我只是对自己的操盘没有信心,反而更期待深度学习产生的交易策略,以上
    china521
        13
    china521  
       2017-12-17 14:35:17 +08:00
    很明确的告诉你, 预测是个坑. 谁跳谁知道,早跳出来早超升.
    china521
        14
    china521  
       2017-12-17 14:35:40 +08:00
    追加一条,套利为王, 我只做套利.
    bidongliang
        15
    bidongliang  
       2017-12-17 14:44:39 +08:00
    不知道楼主目前是什么状态,在上学还是工作,在哪个城市。有这样的想法和目标,说明你相关算法和编程方面都有不错的基础。我们公司目前就是在做类似的事情——综合各种数据,包括基本面、技术面等结构化数据,也包括新闻、论坛、研究报告等非结构化数据,为金融投研提供快速、有效的参考信息。

    如果你有兴趣一起实现自己的想法,请把简历私信给我!
    4ever911
        16
    4ever911  
       2017-12-17 15:16:17 +08:00
    楼主要弄清楚两点:

    1. 准确率 (胜率)
    2. 收益损失比

    所以,光说胜率, 有的策略,胜率只有 30%, 但是也能赚钱。同样,有的策略,胜率 80%,也可能亏钱。

    think about it
    imn1
        17
    imn1  
       2017-12-17 15:44:02 +08:00
    我只给一个词:均价
    至于“均”,当然不是算数平均那么简单,自己想吧
    hp3325
        18
    hp3325  
       2017-12-17 16:25:19 +08:00 via Android
    我也是一个词:PA
    winglight2016
        19
    winglight2016  
    OP
       2017-12-17 17:24:48 +08:00
    @bidongliang 我目前家里蹲,坐标珠海,感谢提供机会!!!

    @china521 可是你如果去操盘,本质不就是预测吗?只是你选择依靠自己的经验直觉还是算法?

    @4ever911 你是说 ROI 的条件概率吧?这种长期的投资风险只能靠组合投资来降低,所以其实需要不同的算法来分别负责预测和风险评估,你是说这个意思吗?

    @imn1 均价是说多次购买的成本还是 moving average 啊?

    @hp3325 PA 太简略了,我猜也没法猜
    forestyuan
        20
    forestyuan  
       2017-12-17 17:37:53 +08:00
    现在比较成功的好像就是高频交易了
    hp3325
        21
    hp3325  
       2017-12-17 18:56:51 +08:00 via Android
    @winglight2016 基本面数据再好,没有 PA 没有意义。技术图形再漂亮,没有 PA 也没用。特别是中国的股票,你要什么分型就有什么分型,然而并没什么卵用。所有的一切,最终都是看 PA。
    takato
        22
    takato  
       2017-12-17 22:25:49 +08:00
    @SoulSleep 看交易、金融相关的 Paper 只是最最最最基本的。。后面可能就是各种神奇的东西了。。但是,我想说,it works.

    @china521 只做套利啊。。。看来有韭菜给我割了:)

    @winglight2016 如果了解策略依托的是市场信息的信噪比,你就会去追求极致了,很多时候就是一点点差距,导致了这个策略是割韭菜的还是韭菜。
    纯技术参数也会产生非常好的信息量的,足够赚钱并产生 alpha 收益了。
    zhx1991
        23
    zhx1991  
       2017-12-17 23:51:01 +08:00
    短线是零和游戏, 你赚来的钱必定是有人亏钱.

    可以读一本书叫做 Flash Boys: A Wall Street Revolt, 炒股最重要的是什么? 你的电脑离交易所更近.
    Tyrion
        24
    Tyrion  
       2017-12-18 09:46:36 +08:00
    我这边接触到的机器选股和股价预测都掉坑里了……
    winglight2016
        25
    winglight2016  
    OP
       2017-12-18 12:12:35 +08:00
    @takato 我现在还是零起点,距离极致可能还远,以后有新问题再跟你请教

    @Tyrion 你别说,还有人在继续往里投,我最近碰到一个号称私募基金的在找我做模型,不过,我也不知道他是什么都不知道,还是知道的太多,给我的验收标准是:有价值的数据~~~
    idcspy
        26
    idcspy  
       2017-12-18 15:59:21 +08:00
    你入市没超过五年。
    winglight2016
        27
    winglight2016  
    OP
       2017-12-18 20:09:36 +08:00
    @idcspy 在说我吗?实在是一天也没有啊~~~
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   3710 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 27ms · UTC 05:04 · PVG 13:04 · LAX 22:04 · JFK 01:04
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.