[DSC 2016] 系列活動：吳牧恩、林佳緯 / 用 R 輕鬆做交易策略分析及自動下單
236 likes22,442 views
该文档介绍了使用R语言进行交易策略分析和自动下单的基础知识，涵盖了从数据下载、回测、策略开发到绩效分析的全过程。内容包括了如何利用量化分析方法评估交易策略的有效性，以及不同的交易模型和效益的比较。作者提出了应用数据科学的方法来提升交易绩效的理念，并提供了实际代码示例.
![畫K線圖: chartSeries
• 時間週期
• 日K: Default
• 週K: STK_week=to.weekly(STK)
• 月K: STK_mon=to.monthly(STK)
• 自行定義? 週三K
• 時間範圍
• STK["2013"]
• to.weekly(STK["2013::2015"])
• STK["2013-01-01::2013-03-02"]
• 畫圖(Charting)
• barChart(STK["2015-01-01::2015-02-03"])
• chartSeries(STK, subset="2015-12-1::2016-03-21",theme="white")
2016/09 15](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-15-320.jpg)
![台積電: 週一開盤買，週五收盤賣
• 每周損益：周收盤價-周開盤價
• profit[m]=STK[m,4]-STK[m,1]
• 每週都要計算?
• for (m in rownames(STK)) {
• profit[m]=STK[m,4]-STK[m,1]
• }
• 練習
• 1: 若是開盤賣，收盤買
• 2: 月K架構?
2016/09 18](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-18-320.jpg)
![簡單的績效分析
• 贏的次數
• length(profit[profit>0])
• 勝率
• length(profit[profit>0])/length(profit[profit!=0])
• 平均賺
• mean(profit[profit>0])
• 平均賠
• mean(profit[profit<0])
• 賺賠比
• mean(profit[profit>0])/abs(mean(profit[profit<0]))
2016/09 20](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-20-320.jpg)
![獲利因子(profit factor)
• 賺的和 / |賠的和|
• sum(profit[profit>=0])/sum(profit[profit<0])
• 意義：每輸1單位，必可再換來?單位的獲利
• 勝率很低無所謂? Why?
• 賺小賠大無所謂? Why?
• 交易次數很少無所謂? Why?
2016/09 24](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-24-320.jpg)
![週一開低買，開高賣，週五收盤前出
• 第一週是否可以交易?
• 先紀錄第一週收盤
• lastC=STK[1,4] ## 或lastC=Cl(STK)[1]
• 交易邏輯回測
• for (m in rownames(STK)[-1]) {
if(STK[m,1]<=lastC){profit[m]=STK[m,4]-STK[m,1]}else(
profit[m]=STK[m,1]-STK[m,4])
lastC=STK[m,4]
}
• 練習
• 開低1%買，開高1%賣，收盤前空手
2016/09 26](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-26-320.jpg)
![練習：開低1%買，開高1%賣，收盤前空手
lastC=STK[1,4]
for (m in rownames(STK)[-1]) {
if(STK[m,1]<=lastC*0.99){profit[m]=STK[m,4]-STK[m,1]}
if (STK[m,1]>=lastC*1.01){profit[m]=STK[m,1]-STK[m,4]}
lastC=STK[m,4]
}
• 最佳化參數：開低?%買，開高?%賣，收盤前空手
2016/09 28](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-28-320.jpg)
![扣掉交易成本
• 股票手續費
• 成交金額*0.1425% ，
• 買賣各一次
• 小數點以下無條件捨去，不足20元以20元計
• 證券交易稅：0.3%
• fee=STK[m,4]*0.006
• 期貨滑價+手續費扣5點
• 傳統回測：2+2+1?
• 經驗平均滑價約1.5點
2016/09 31](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-31-320.jpg)
![尋找0050成份股哪隻股票最會獲利?
• 你可以考慮下面規則?
• 1. 周K架構 or 月K架構哪個好?
• 2. 開高(?%)賣，開低(?%)買
• 3. 開低(?%)買，開高(?%)賣
• 4. 是否可做到停損 & 停利?
• 停損不停利
• 停利不停損
• 請扣掉手續費：fee=STK[m,4]*0.006
• 試找出2007年至今，誰的 “profit”最高? 或是誰的PF最大?
2016/09 33](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-33-320.jpg)
![交易的馬丁格爾
• 產生一個計算每次部位大小的向量
• PZ=setNames(rep(1,length(profit)),names(profit))
• 如果上次輸，下次加倍買
• if (sign(profit)[m-1]<0){PZ[m]=2*PZ[m-1]}
• 如果上次贏，下次買一張
• If (sign(profit)[m-1]<0){PZ[m]=1}
• 計算每一次的PZ
• for (m in 2:length(profit)){
if (sign(profit)[m-1]<0){PZ[m]=2*PZ[m-1]}
if (sign(profit)[m-1]>0){PZ[m]=1}
If (sign(profit)[m-1]==0){PZ[m]=PZ[m-1]}
}
2016/09 43](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-43-320.jpg)
![“突破”10日高點買進，3日後賣出
• 何謂突破?
• Cl(STK)[m]>max(Hi(STK)[(m-10):(m-1)]) ##今天收盤>前10日高點
• Cl(STK)[(m-1)]<max(Hi(STK)[(m-10-1):(m-2)]) ##昨天收盤<昨天前10日高點
• 前10日跟最後3日是否可交易?
• for (m in (10+1):(length(rownames(STK))-3)){
profit[m]=Cl(STK)[m+3]-Cl(STK)[m]-fee
}
• 停損
• SL=0.95 #5%停損
• if (min(Lo(STK)[m:(m+3)])<Cl(STK)[m]*SL){profit[m]=Cl(STK)[m]*(SL-1)-fee}
2016/09 61](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-61-320.jpg)
![將目前的策略，增加波動濾網
• 採用10日標準差當波動，門檻值0.7
• if (sd(Cl(STK)[(m-10):(m-1)])<0.7){
原策略
}
• 波動小策略品質好? 還是波動大策略品質好?
• 找出最好的波動門檻?
2016/09 66](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-66-320.jpg)
![銅板賭局模擬
• 開始賭!
• for(i in 2:nbet){ ## 每一局
dice=sample(0:1,size=1,prob=c(0.5,0.5),replace=T) ## 模擬賭局輸贏
capital[i]=dice*capital[i-1]*f*(1+odds)+capital[i-1]*(1-f)} ## 資金成長
• 畫累計損益
• plot(capital,type="l",col="red",lwd=3,font=2
,xlab="The # of Bidding",ylab="The Growth of Capital"
,main=paste("WinRate",pwin*100,"%,","Odds",odds,", Play",nbet,"Games, "
,"Bidding",f*100,"%"))
• abline(h=initM,col="green",lty=2,lwd=3)
2016/09 97](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-97-320.jpg)
![HPR: Holding Period Return
• Idea: HPR= 1 + f (-profit/biggest loss)
• Example: 16、-8、+4
• TWR (f)
= HPR1 * HPR2 * HPR3
= [1 + f (-16/-8)] * [1 + f (-(-8)/-8)] * [1 + f (-4/-8)]
= (1 + 2f ) * (1 – f) * (1 + 0.5f)
• How to find optimal f to maximize TWR(f)?
• Brute method: from f=1%, f=2%, f=3%,…,f=98%,f=100%
2016/09 109](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-109-320.jpg)
![• 設定固定分數向量
• PZ.FF=setNames(rep(1,length(profit)),names(profit))
• PZ.FF[1]=floor(capital*risk/loss)
• 計算每一時期的固定分數
• for (m in 2:length(profit)){
PZ.FF[m]=floor(capital*risk/loss)
capital=capital+PZ.FF[m]*profit[m]*200
}
• 程式碼檢查
• head(cbind(profit,PZ.FF,"P&L"=profit*PZ.FF,"Cap"=initM+cumsum(profit*PZ.F
F*200)),1000)
2016/09 122](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-122-320.jpg)
![開始回測
start_t<-Sys.time()
out<-applyStrategy(strategy=stratMACROSS , portfolios=portfolio.st)
[1] "2002-01-07 00:00:00 AAPL 100 @ 1.50565"
[1] "2003-05-16 00:00:00 AAPL 100 @ 1.23608"
[1] "2006-09-26 00:00:00 AAPL 100 @ 10.205548"
[1] "2008-05-19 00:00:00 AAPL 100 @ 24.143005"
[1] "2009-05-14 00:00:00 AAPL 100 @ 16.16766"
[1] "2013-09-11 00:00:00 AAPL 100 @ 63.238555"
end_t<-Sys.time()
print(end_t-start_t)
Time difference of 0.234004 secs
3
5](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-181-320.jpg)
![交易帳戶資料更新
start_t<-Sys.time()
updatePortf(Portfolio='macross',Dates=paste('::',as.Date(Sys.time()),sep=''))
[1] "macross“
end_t<-Sys.time()
print("更新交易帳")
[1] "更新交易帳“
print(end_t-start_t)
Time difference of 0.07900095 secs
3
6](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-182-320.jpg)
![交易單資料總表
names(book)
[1] "macross“
names(book$macross)
[1] "AAPL”
names(book$macross$AAPL)
[1] "Order.Qty" "Order.Price" "Order.Type"
[4] "Order.Side" "Order.Threshold" "Order.Status"
[7] "Order.StatusTime" "Prefer" "Order.Set"
[10] "Txn.Fees" "Rule" "Time.In.Force"
textplot(book$macross$AAPL[, 1:5])
4
0](https://image.slidesharecdn.com/tradingwithrcombine-160923053815/85/DSC-2016-R-186-320.jpg)
[DSC 2016] 系列活動：吳牧恩、林佳緯 / 用 R 輕鬆做交易策略分析及自動下單
- 1. 資料科學系列活動— 用 R 輕鬆做交易策略分析及自動下單 Speaker: 吳牧恩、林佳緯(Julian) Date: 2016.09.24(六) 2016/09 1
- 2. 你為何報名這堂課? • 想賺錢? • 想用R寫回測程式? • 覺得自己是百年難得一見的交易奇才? • 想用R下單? • 如果你是工程背景? • 如果你是數理背景? • 如果你是金融背景? • 如果你什麼背景都沒有? 2016/09 2
- 3. 先自我介紹一下 • 大家好，我是牧恩! • 部落格 (Bituzi) • 筆名：牧清華 • 數學 • 資金管理 理論模擬策略回測 2016/09 3 https://www.youtube.com/watch?v=i5uCWL0nsFA
- 4. 你是百年難得一見的交易奇才嗎!? • 主觀交易 • 市場上的眾多老師 • 傑西李佛摩 • 計量交易 • 西蒙斯(Jame Simons) 2016/09 4 過去：得民心者得天下!! 現在：得“計量”者得天下!?
- 9. 今天想帶給大家的內容 • 第一次使用R語言做回測就上手 • 下載資料、讀取資料、畫K線、簡單回測 • 如何研發好的交易策略? • 績效：勝率、賠率、MDD、獲利因子 • 策略：濾網、動量、加碼 • 交易的聖盃：資金管理的理論與實務 • 理論：凱利賭徒、最佳化比例、槓桿空間模型 • 實務：固定分數、固定比例、選擇權價差交易實務 • 用R語言串接API下單 • Julian 2016/09 9
- 11. R Basic • 加減乘除四則運算：1+2^3 • 向量產生的幾種方式： • a=1:100 • b=100:1 • c=rep(3,5) • d=seq(3,51,2) • 向量運算：a=a+1,a+b,a*b • 和：sum(a) • 累積和：cumsum(a) • 畫圖：plot(cumsum(a),col="red",type="l") 2016/09 11
- 12. R Basic • a=0 • for (i in 1:100){a=a+1} • a=0 • while (a<=100){a=a+1} • a=0 • for (i in seq(1,99,by=2)){a=a+i} 2016/09 12 1+1+1+…+1=? 1+1+1+…+1=? 1+3+5+…+97+99=?
- 13. 安裝quantmod • install.packages("quantmod") • library(quantmod) 參考網站： • http://www.quantmod.com/ 2016/09 13
- 14. 下載資料 getSymbols • 下載資料(預設Yahoo Finance) • 蘋果: getSymbols("AAPL") • 台積電: STK=get(getSymbols("2330.tw")) • 不同的資料源: • getSymbols('MSFT',src='google') • getSymbols("DEXJPUS",src="FRED") • 資料格式 • 使用head、tail • 五個欄位：開高低收、量、還原權值 2016/09 14
- 15. 畫K線圖: chartSeries • 時間週期 • 日K: Default • 週K: STK_week=to.weekly(STK) • 月K: STK_mon=to.monthly(STK) • 自行定義? 週三K • 時間範圍 • STK["2013"] • to.weekly(STK["2013::2015"]) • STK["2013-01-01::2013-03-02"] • 畫圖(Charting) • barChart(STK["2015-01-01::2015-02-03"]) • chartSeries(STK, subset="2015-12-1::2016-03-21",theme="white") 2016/09 15
- 16. 技術分析指標 • 均線 • SMA(Cl(STK)) • addTA(SMA(Cl(STK)), on=1, col="blue") ## default: n=10 • addTA(SMA(Cl(STK),n=20), on=1, col="red") • MACD • addMACD() • 不靈通道(Bollinger band) • addBBands() 2016/09 16
- 17. 回測前置作業 • STK.week的列名稱 • rownames(STK) • 有多少個日期? • length(rownames(STK)) • 產生紀錄每筆交易損益的向量 • numeric(length(rownames(STK))) • 產生紀錄每筆交易損益的向量，並附上日期 • profit=setNames(numeric(length(rownames(STK))), rownames(STK)) 2016/09 17
- 18. 台積電: 週一開盤買，週五收盤賣 • 每周損益：周收盤價-周開盤價 • profit[m]=STK[m,4]-STK[m,1] • 每週都要計算? • for (m in rownames(STK)) { • profit[m]=STK[m,4]-STK[m,1] • } • 練習 • 1: 若是開盤賣，收盤買 • 2: 月K架構? 2016/09 18
- 19. 損益績效 • 損益向量 • profit • 總損益 • sum(profit) • paste("Profit:",sum(profit)) • 累計損益 • cumsum(profit) • 畫出累計損益 • plot(cumsum(profit), type="l",col="red",lwd=2) • abline(h=0,col="green") 2016/09 19
- 20. 簡單的績效分析 • 贏的次數 • length(profit[profit>0]) • 勝率 • length(profit[profit>0])/length(profit[profit!=0]) • 平均賺 • mean(profit[profit>0]) • 平均賠 • mean(profit[profit<0]) • 賺賠比 • mean(profit[profit>0])/abs(mean(profit[profit<0])) 2016/09 20
- 22. 台積電: 週一開盤買，週五收盤賣! 績效模組: performance.R 2016/09 22 • Total Profit: 96685 • Trading Days: 488 • Profit Per Trade: 204.4091 • # of Win: 250 • Win Rate: 52.85412 % • Winning Average: 2287.299 • Lossing Average: -2130.669 • Maximum Draw Down: 31800 • The Periods of MDD: 16 18 20 48 282 • Profit Factor: 1.203489 • Total Profit/MDD: 3.040425
- 23. 最大回檔(maximum drawdown, MDD) • 回檔(DD) • 最好不要有回檔(虧損、風險) • 例如：定存最好!? • 絕對最大回檔(MDD) • 比例最大回檔(MDD%) • 穩定度的表現： • 總獲利/MDD 2016/09 23
- 24. 獲利因子(profit factor) • 賺的和 / |賠的和| • sum(profit[profit>=0])/sum(profit[profit<0]) • 意義：每輸1單位，必可再換來?單位的獲利 • 勝率很低無所謂? Why? • 賺小賠大無所謂? Why? • 交易次數很少無所謂? Why? 2016/09 24
- 26. 週一開低買，開高賣，週五收盤前出 • 第一週是否可以交易? • 先紀錄第一週收盤 • lastC=STK[1,4] ## 或lastC=Cl(STK)[1] • 交易邏輯回測 • for (m in rownames(STK)[-1]) { if(STK[m,1]<=lastC){profit[m]=STK[m,4]-STK[m,1]}else( profit[m]=STK[m,1]-STK[m,4]) lastC=STK[m,4] } • 練習 • 開低1%買，開高1%賣，收盤前空手 2016/09 26
- 27. TSMC: 開低買，開高賣 • Total Profit: 160638 • Trading Days: 488 • Profit Per Trade: 340.3358 • # of Win: 260 • Win Rate: 55.08475 % • Winning Average: 2320.59 • Losing Average: -2088.278 • Maximum Draw Down: 25500 • The Periods of MDD: 20 22 39 50 89 • Profit Factor: 1.362849 • Total Profit/MDD: 6.299549 2016/09 27
- 28. 練習：開低1%買，開高1%賣，收盤前空手 lastC=STK[1,4] for (m in rownames(STK)[-1]) { if(STK[m,1]<=lastC*0.99){profit[m]=STK[m,4]-STK[m,1]} if (STK[m,1]>=lastC*1.01){profit[m]=STK[m,1]-STK[m,4]} lastC=STK[m,4] } • 最佳化參數：開低?%買，開高?%賣，收盤前空手 2016/09 28
- 29. 當然你也可以試試其他股票 中鋼、中華電、鴻海、統一、國泰金、 甚至…..宏 達 電 !>< 2016/09 29
- 30. HTC: 開高賣，開低買 • Total Profit: 37470 • Trading Days: 488 • Profit Per Trade: 79.55541 • # of Win: 228 • Win Rate: 48.40764 % • Winning Average: 21658.89 • Lossing Average: -20167.72 • Maximum Draw Down: 591000 • The Periods of MDD: 5 7 19 41 151 • Profit Factor: 1.007646 • Total Profit/MDD: 0.06340203 2016/09 30
- 31. 扣掉交易成本 • 股票手續費 • 成交金額*0.1425% ， • 買賣各一次 • 小數點以下無條件捨去，不足20元以20元計 • 證券交易稅：0.3% • fee=STK[m,4]*0.006 • 期貨滑價+手續費扣5點 • 傳統回測：2+2+1? • 經驗平均滑價約1.5點 2016/09 31
- 32. 台積電：聖盃 靠盃 2016/09 32
- 33. 尋找0050成份股哪隻股票最會獲利? • 你可以考慮下面規則? • 1. 周K架構 or 月K架構哪個好? • 2. 開高(?%)賣，開低(?%)買 • 3. 開低(?%)買，開高(?%)賣 • 4. 是否可做到停損 & 停利? • 停損不停利 • 停利不停損 • 請扣掉手續費：fee=STK[m,4]*0.006 • 試找出2007年至今，誰的 “profit”最高? 或是誰的PF最大? 2016/09 33
- 35. 馬丁格爾的聖盃!? (以輪盤為例~) 贏: 翻倍；輸: 賠光 勝率18/37，賠率為1 (1:1) 2016/09 35 https://www.youtube.com/watch?v=RldNUWT2pyY
- 37. 一種天真浪漫的賭法~(勝率18/37，賠率1) • Martingale: 贏了下注1單位，輸了就加倍。 • 只要贏一次，就能賺一個單位。 • 輸衝贏縮，賺小賠大。 連輸 次數 第 一 次 第 二 次 第 三 次 第 四 次 第 五 次 第 六 次 第 七 次 第 八 次 第 九 次 第 十 次 第 十 一 次 投注 1 2 4 8 16 32 64 128 256 512 ??? 已輸 金額 -1 -3 -7 -15 -31 -63 -127 -255 -511 -1023 2016/09 37
- 41. 10枚籌碼，最多玩80次，最後超過50枚的機率! 2016/09 輸錢離場的機率為81.106% 賺超過50枚的機率為5.322% Beginner’s Luck 確認! 模擬10000次 41
- 42. 現在，我們開始 ”玩” 策略… 馬丁格爾: 贏了交易一張，輸了加倍交易 2016/09 42
- 43. 交易的馬丁格爾 • 產生一個計算每次部位大小的向量 • PZ=setNames(rep(1,length(profit)),names(profit)) • 如果上次輸，下次加倍買 • if (sign(profit)[m-1]<0){PZ[m]=2*PZ[m-1]} • 如果上次贏，下次買一張 • If (sign(profit)[m-1]<0){PZ[m]=1} • 計算每一次的PZ • for (m in 2:length(profit)){ if (sign(profit)[m-1]<0){PZ[m]=2*PZ[m-1]} if (sign(profit)[m-1]>0){PZ[m]=1} If (sign(profit)[m-1]==0){PZ[m]=PZ[m-1]} } 2016/09 43
- 44. 將PZ前與PZ後畫在一起比較 • source(“performance.R”) • par(mfrow=c(1,3)) ##三張圖畫同一個畫面 • performance(profit) ##PZ前 • performance(profit*PZ) ##PZ後 • ProfitBar(PZ) ##PZ大小 • max(PZ) ##最大使用部位 • mean(PZ) ##平均使用部位 2016/09 44
- 46. PZ大法：輸縮贏衝 • 練習：類馬丁格爾 (1234…) • 練習：贏了交易一張，輸了交易兩張 • 或是找出你認為最好的輸贏PZ? • 輸輸贏、輸輸輸贏、贏? 2016/09 46
- 50. 濾網：去蕪存菁，拆解成… 輸了買2張，贏了買1張 = 買1張+ 輸了才買1張 2016/09 50 Total Profit: 70978.7 Trading Days: 488 Profit Per Trade: 292.0934 # of Win: 135 Win Rate: 55.55556 % Winning Average: 2195.129 Lossing Average: -2086.701 Maximum Draw Down: 15423 The Periods of MDD: 27 35 41 48 107 Profit Factor: 1.314952 Total Profit/MDD: 4.602133 輸了“才”買1張
- 52. 動量策略 v.s.均值回歸 • 動量策略 (順勢交易，買高賣低，違反人性): • 因為過去漲，所以現在買進；因為過去跌，所以賣出 • 均值回歸 (逆勢交易，買低賣高，大家都愛)： • 漲多了該回跌，跌深了該反彈 • 牛頓第二運動定律:動者恆動，靜者恆靜? • 股價漲未來是否會繼續漲?股價跌未來是否會繼續跌? • 進場、加碼、停損、停利 屬於哪一種? • 在交易裡，大部分違反人性的事，都是好事! • 不正常的人才會獲利!!! 2016/09 52
- 56. 台指期貨隨機交易統計 • 不停損，停利30點 • 停損145點，停利35點 • 停損140點，停利40點 • … • 停損35點，停利145點 • 停損30點，不停利 2016/09 56 順勢、動量、違反人性!
- 59. Momentum v.s. Mean Reverse 2016/09 59
- 61. “突破”10日高點買進，3日後賣出 • 何謂突破? • Cl(STK)[m]>max(Hi(STK)[(m-10):(m-1)]) ##今天收盤>前10日高點 • Cl(STK)[(m-1)]<max(Hi(STK)[(m-10-1):(m-2)]) ##昨天收盤<昨天前10日高點 • 前10日跟最後3日是否可交易? • for (m in (10+1):(length(rownames(STK))-3)){ profit[m]=Cl(STK)[m+3]-Cl(STK)[m]-fee } • 停損 • SL=0.95 #5%停損 • if (min(Lo(STK)[m:(m+3)])<Cl(STK)[m]*SL){profit[m]=Cl(STK)[m]*(SL-1)-fee} 2016/09 61
- 66. 將目前的策略，增加波動濾網 • 採用10日標準差當波動，門檻值0.7 • if (sd(Cl(STK)[(m-10):(m-1)])<0.7){ 原策略 } • 波動小策略品質好? 還是波動大策略品質好? • 找出最好的波動門檻? 2016/09 66
- 72. 加碼的奧義: 成也加碼，敗也加碼!! • 摩天大樓 (1,1,1,1….) • 海龜 • 金字塔 (5,4,3,2,1) • 正常人 • 倒金字塔(1,2,3,4,5) • 瘋子 2016/09 72 投票表決一下你覺得哪個加碼法好?
- 74. 原始策略(單口當沖)績效與累計損益:X 2016/09 損益: 1670 總交易天數: 1375 實際交易次數: 199 平均每次損益: 8.434343 獲利次數: 80 勝率: 40.40404 % 平均賺: 56.175 平均賠: -23.9322 最大連續虧損: 250 最大連續虧損區間(天): 108 114 197 254 302 獲利因子: 1.59136 總獲利/MDD: 6.68 74
- 76. 加碼第一口後: X+X1 2016/09 損益: 1670 2951 總交易天數: 1375 實際交易次數: 199 平均每次損益: 14.82915 獲利次數: 75 勝率: : 40.40 % 37.69% 平均賺: 92.96 平均賠: -32.42742 最大連續虧損: 375 最大連續虧損區間(天): 75 94 197 261 313 獲利因子: 1.59136 1.733897 總獲利/MDD: 6.68 7.869333 76
- 77. 加碼第二口後: X+X1+X2 2016/09 損益: 29513880 總交易天數: 1375 實際交易次數: 199 平均每次損益: 19.49 獲利次數: 75 勝率: 37.69% 37.64 % 平均賺: 111.68 平均賠: -36.25 最大連續虧損: 425 最大連續虧損區間(天): 79 93 96 197 257 獲利因子: 1.733897 1.862989 總獲利/MDD: 7.869333 9.129412 77
- 78. 加碼第三口後: X+X1+X2+X3 2016/09 損益: 3880 4439 總交易天數: 1375 實際交易次數: 199 平均每次損益: 22.30653 獲利次數: 75 勝率: 37.64 % 37.68 % 平均賺: 120.8 平均賠: -37.26613 最大連續虧損: 425 最大連續虧損區間(天): 89 93 94 200 257 獲利因子: 1.862989 1.960615 總獲利/MDD: 9.129412 10.4447 78
- 80. 第一次加碼: X1 2016/09 損益: 1281 總交易天數: 1375 實際交易次數: 103 平均每次損益: 12.43689 獲利次數: 47 勝率: 45.63107 % 平均賺: 55.12766 平均賠: -23.39286 最大連續虧損: 215 最大連續虧損區間(天): 93 96 98 114 345 獲利因子: 1.977863 總獲利/MDD: 5.95814 80
- 81. 第二次加碼 :X2 2016/09 損益: 1281 929 總交易天數: 1375 實際交易次數: 46 平均每次損益: 20.19565 獲利次數: 24 勝率: 45.63107 % 52.17391 % 平均賺: 60.66667 平均賠: -23.95455 最大連續虧損: 102 最大連續虧損區間(天): 93 96 110 269 305 獲利因子: 1.977863 2.762808 總獲利/MDD: 5.59 9.107843 81
- 82. 第三次加碼: X3 2016/09 損益: 929 559 總交易天數: 1375 實際交易次數: 24 平均每次損益: 23.29167 獲利次數: 14 勝率: 52.17391 % 58.33333 % 平均賺: 56.21429 平均賠: -22.8 最大連續虧損: 100 最大連續虧損區間(天): 56 63 91 110 871 獲利因子: 2.762808 3.451754 總獲利/MDD: 9.107843 5.59 82
- 83. 觀察：越加碼 品質越好! 等差加碼 (1234神經病!) 等比加碼 (1248瘋子!) 2016/09 83
- 84. 等差加碼1234 2016/09 損益: 9255 總交易天數: 1375 實際交易次數: 199 平均每次損益: 46.50754 獲利次數: 72 勝率: 36.1809 % 平均賺: 229.7083 平均賠: -57.35433 最大連續虧損: 858 最大連續虧損區間(天): 93 94 98 114 257 獲利因子: 2.270593 總獲利/MDD: 10.78671 84
- 85. 等比加碼1248 2016/09 損益: 12420 總交易天數: 1375 實際交易次數: 199 平均每次損益: 62.41206 獲利次數: 72 勝率: 36.1809 % 平均賺: 289.1389 平均賠: -66.12598 最大連續虧損: 1079 最大連續虧損區間(天): 93 94 114 157 257 獲利因子: 2.478924 總獲利/MDD: 11.51066 85
- 87. 交易的聖盃:資金管理的理論與實務 凱利、最佳化比例、槓桿空間模型 固定分數、固定比例、Ranking賭小一點 交易 v.s. 賭局 是否一樣? 哪裡一樣? 哪裡不一樣? 何謂賭局? 何謂交易? 2016/09 87
- 88. 給你一枚銅板，人頭輸，數字贏2倍! • 勝率50%，賠率為2 • 期望獲利 • 50%*(1+2)-1=0.5 • 平均來說，每賭1元，可獲利0.5元，50%報酬。 • 你有100元，可以玩無限多次，你會怎麼賭? • 如果連這麼好的賭局，你都不會賭，你憑什麼在交易上獲利? • 你可能會有其他說法，交易跟賭局不一樣? • 交易勝率不固定，賠率不固定 • 交易次數有限次，賭局無限次 2016/09 88 賠光 WIN LOSE
- 89. 要玩 “期望淨利 > 0” 的賭局，這個大家都知道! 但這樣就夠了嗎? 2016/09 89
- 90. 做個賭徒模擬實驗就知道…. • 勝率50%，賠率為2 • 1. 玩40次下注多少比例f會最好? • 不同下注比例10%,20%,…,60% • 2. 玩很多次下注多少比例f會最好? • 玩100次、500次、1000次、5000次 • 用R語言模擬一下~ • Input: 勝率、賠率、下注比例 • Output: 資金成長曲線! 2016/09 90
- 93. 考慮 勝率50%，賠率為2 的賭局 2016/09 資金100元，如果下注20元 贏：100*(1+2*20%) 80元 20元 20元 20元 93
- 94. 考慮 勝率50%，賠率為2 的賭局 2016/09 資金100元，如果下注20元 贏：100*(1+2*20%) 100元 20元 20元 140元 20元 94
- 96. 賭局設定: • nbet=40 ## 賭幾局? • Odds=2 ## odds (賠率) • Pwin=0.5 ## win rate (勝率) • initM=100 ## initial capital (初始資金) • f=0.3 ## bidding fraction (下注比例) • capital=rep(initM,1) ## current capital (紀錄每一局資產) 2016/09 96
- 97. 銅板賭局模擬 • 開始賭! • for(i in 2:nbet){ ## 每一局 dice=sample(0:1,size=1,prob=c(0.5,0.5),replace=T) ## 模擬賭局輸贏 capital[i]=dice*capital[i-1]*f*(1+odds)+capital[i-1]*(1-f)} ## 資金成長 • 畫累計損益 • plot(capital,type="l",col="red",lwd=3,font=2 ,xlab="The # of Bidding",ylab="The Growth of Capital" ,main=paste("WinRate",pwin*100,"%,","Odds",odds,", Play",nbet,"Games, " ,"Bidding",f*100,"%")) • abline(h=initM,col="green",lty=2,lwd=3) 2016/09 97
- 98. 2016/09 98
- 101. 定義問題!! • 勝率50%，賠率2的賭局 • 初始資金100元，玩無限多次 • 假設人生可以天長地久 • 每次決定下注比例f (0% < f < 100%) • 假設資金可以無限分割 • 問題：f選多少可讓資金成長最快速! 2016/09 101
- 102. 凱利公式推導 • 勝率為50%，賠率為2的賭局 • 賭1元，輸了賠光，贏了拿回3(=1+2)元。 • 假設每次下注為f比例 • 如果贏： At= At-1(1+2f) • 如果輸： At= At-1 (1-f) • 假設在T次的賭局中，一共贏了W次，輸了L次 (W+L=T) • 結論：AT= A1(1+bf)W(1-f)L • 我們想要最大化AT • 如果玩無限多次會怎樣? 2016/09 102
- 103. 求 f 使得 AT= A1(1+bf)W(1-f)L 最大 ? • Rearranging: 1 𝑇 log 𝐴 𝑇 𝐴1 = 𝑊 𝑇 log(1 + 𝑏𝑓) + 𝐿 𝑇 log(1 − 𝑓) • As 𝑇 → ∞, we have 𝑝 log(1 + 𝑏𝑓) + (1 − 𝑝) log(1 − 𝑓) 𝒇 = 𝒑 𝟏 + 𝒃 − 𝟏 𝒃 • 什麼時候 f=1? (Showhand!) • 勝率99%，賠率10000的賭局，要你全壓，你賭不賭? 2016/09 103
- 104. 2016/09 104
- 105. 凱利騙局 •到底是誰騙了誰? • Kelly • Thorp • Larry William • Ralph Vince 2016/09 105
- 106. 不同的部位配置(position sizing, PZ)， 會造成不同的報酬損益!! 不是老師帶你上天堂、住套房，而是 ”資金管理” 帶你上天堂、住套房!! 2016/09 一句話談交易：用風險換報酬 106
- 107. • 勝率固定(50%)，賠率固定(2)的賭局 • 不管如何Sample (10個取，20個取，50個取，100個取) 都一樣!! • 我以為的交易是上面這樣… • 實際的交易損益是：不知道機率、不知道賠率!? 博弈理論 v.s. 交易實務 2016/09 -1 107
- 108. 交易賭局：機率未知，但可 “預估”….??? • 賭局給定機率、賠率 • 交易回測給定”歷史損益” (Ralph Vince’s Optimal F) 2016/09 108 In Sample Out Sample
- 109. HPR: Holding Period Return • Idea: HPR= 1 + f (-profit/biggest loss) • Example: 16、-8、+4 • TWR (f) = HPR1 * HPR2 * HPR3 = [1 + f (-16/-8)] * [1 + f (-(-8)/-8)] * [1 + f (-4/-8)] = (1 + 2f ) * (1 – f) * (1 + 0.5f) • How to find optimal f to maximize TWR(f)? • Brute method: from f=1%, f=2%, f=3%,…,f=98%,f=100% 2016/09 109
- 110. HPR理論 (玩1次的損益期望值 v.s.下注比例) 2016/09 110
- 111. 然而，人生並不像銅板賭局那麼簡單… 交 易 也 是! 沒有連續，只有離散 沒有永恆(無限)，只有曾經(有限) 2016/09 111
- 113. 2016/09 113 TWR模擬：從 (16,-8,4) 取樣也天南地北! 10次 52% 500次 38% 40次 35% 100次 46% 1000次 36% 5000次 38%
- 114. 三個層級的先知 • 第一層 (神)：不用知道勝率，因為他知道下一場會贏還是會輸! • 可以梭哈(ShowHands) • 第二層(半仙)：知道未來10次，”一定會贏5次，輸5次“ • 可以下最佳比例(Optimal f) • 第三層(智者)：知道未來10次發生的機率“確實是50%”。(不容易) • 一旦遇到偏差，錯誤的下注比例很有可能讓你受傷慘重。 •賭小一點(1%~2%) 2016/09 114 再來我才要解釋這件事!
- 115. 下面策略，你選哪一個? 2016/09 115 100萬 230萬 100萬1642萬
- 117. 2016/09 117 1% 3% 5% 8% 單口 風險比例
- 118. 最常用的資金管理：固定分數(Fixed Fraction) •凱利賭局的勝率已知，賠率已知 控制虧損 •交易的勝率未知，賠率未知 ????? 還是只能控制虧損!! 2016/09 118
- 119. 開盤突破昨日波動(高低)*k1 • 開盤突破昨日波動*k1買進 • 20點停損，收盤平倉 • 回測標的：台指期貨 • 回測時間：2010.05.25~2015.09.10 2016/09 程式碼： 7_TX_HL.R Total Profit: 1140 Trading Days: 1543 Profit Per Trade: 2.76699 # of Win: 161 Win Rate: 39.07767 % Winning Average: 43.81366 Lossing Average: -23.56175 Maximum Draw Down: 312 The Periods of MDD: 107 112 171 188 254 Profit Factor: 1.192763 Total Profit/MDD: 3.653846 119
- 120. 輸贏濾網：輸了一次再進場! 2016/09 120 Total Profit: 1140 # of Win: 161 Win Rate: 39.07767 % Maximum Draw Down: 312 Profit Factor: 1.192763 Total Profit/MDD: 3.653846 Total Profit: 1427 # of Win: 106 Win Rate: 42.23108 % Maximum Draw Down: 235 Profit Factor: 1.419582 Total Profit/MDD: 6.07234
- 121. 固定分數 (以台指期貨為例，固定風險比例2%) • 每口最大損失: 200*(30+5)=7,000 • loss=7000 • 初始資金: 1000,000 • initM=1000000 • 風險比例: 2% = 0.02 • risk=0.02 • 設定目前總資金 • capital=initM • 計算第m天的下單口數 • PZ.FF=floor(capital*risk/loss) • 初始下單口數：floor(1000000*0.02/7000) • 如果資金成長到1500,000，下單口數?? 2016/09 121 程式碼：8_Fixed_Fraction.R 每次交易最多損失總資金的2% 假設你有100萬，每次交易最多可損失 100萬*2%=20000 則你最多下 (下高斯20000/7000) =2 口
- 122. • 設定固定分數向量 • PZ.FF=setNames(rep(1,length(profit)),names(profit)) • PZ.FF[1]=floor(capital*risk/loss) • 計算每一時期的固定分數 • for (m in 2:length(profit)){ PZ.FF[m]=floor(capital*risk/loss) capital=capital+PZ.FF[m]*profit[m]*200 } • 程式碼檢查 • head(cbind(profit,PZ.FF,"P&L"=profit*PZ.FF,"Cap"=initM+cumsum(profit*PZ.F F*200)),1000) 2016/09 122
- 123. 2016/09 Total Profit: 3054 # of Win: 161 Win Rate: 39.07767 % Maximum Draw Down: 1273 The Periods of MDD: 112 171 188 204 254 Profit Factor: 1.150466 Total Profit/MDD: 2.399057 Total Profit: 1140 # of Win: 161 Win Rate: 39.07767 % Maximum Draw Down: 312 The Periods of MDD: 107 112 171 188 254 Profit Factor: 1.192763 Total Profit/MDD: 3.653846 123
- 124. 再來看一下Kelly是不是真的那麼神? • 勝率: 39.07 % • 賠率:平均賺/平均賠 • 平均賺: 43.8 • 平均賠: -23.56 • 凱利比例: 11.5 % 2016/09 124
- 125. 固定比例 (Fixed Ratio) • 瑞恩.瓊斯(交易的遊戲,1999) • 固定分數的缺點：最初合約的增速很慢，一但累積到一定數額後， 合約的速度會突然增加很快。 • 固定比例 • 試圖平等對待每份合約，使資金的增長速率相同。 • 1. 假設資金X，從一個單位做起，例如1口。 • 2. 固定每份合約的增長量(Delta) 2016/09 125
- 126. 初始資金100萬，做1口；Delta = 8萬。 •做2口的資金 = 做1口的資金 + 1*Delta = 108萬。 做3口的資金 = 做2口的資金 + 2*Delta = 124萬。 做4口的資金 = 做3口的資金 + 3*Delta = ? 萬。 •做n口的資金 = 做n-1口的資金 + (n-1)*Delta = ?。 2016/09 126
- 127. 固定比例：做n口的資金 = 做n-1口的資金 + (n-1)*Delta • = 做n-2口的資金 + (n-2)*Delta + (n-1)*Delta • = 做n-3口的資金 + (n-3)*Delta + (n-2)*Delta + (n-1)*Delta ... • = 做2口的資金 + 2*Delta + 3*Delta +... + (n-1)*Delta • = 做1口的資金 + 1*Delta + 2*Delta + 3*Delta +... + (n-1)*Delta • = 初始資金+ (n(n-1)/2)*Delta 2016/09 127
- 130. 買權買方 v.s. 買權賣方 買買權 Long Call 賣買權 Short Call 賭大漲! 賭不會漲! 2013/10/21
- 131. 賣權買方 v.s. 賣權賣方 買賣權 Long Put 賣賣權 Short Put 賭大跌! 賭不會跌! 2013/10/21
- 132. 7950 8000 -1750 750 損益 大盤結 算位置 大盤結 算位置 -1750 損益 我認為的大盤 結算位置機率 機率 <7950 機率20% >8000 機率50%7950~8000 機率30% 選擇權的多頭價差 v.s. 個人認為的機率分佈 買7950CALL; 賣8000CALL 期望獲利： −𝟏𝟕𝟓𝟎 × 𝟐𝟎% + −𝟏𝟕𝟓𝟎+𝟕𝟓𝟎 𝟐 × 𝟑𝟎% + 𝟕𝟓𝟎 × 𝟓𝟎% = −𝟏𝟐𝟓 < 𝟎 (不要賭!) 大盤結算位置損益 2013/10/21
- 133. 機率分佈 f(x) -1750 750 損益 大盤結算位置損益 我認為的大盤結算位 置機率 機率 7950 80007985 大盤結 算位置 p*(1+b)-1 > 0 ? 1. 計算市場賠率 2. 預測市場分佈! 3. 如何驗證此分佈是否正確？ 2013/10/21
- 134. 如何操爆你的資金!? 槓桿空間模型 (Leverage Space Model) 2016/09 134 多策略、多商品、多市場
- 135. 2016/09 135 多策略、多商品、多市場 若下注40次，每次下f比例(理論) A 𝒇 = 𝟏 + 𝟐𝒇 𝟐𝟎 𝟏 − 𝒇 𝟐𝟎 … 𝒇 = 𝟐𝟓% 剩下的75%資金要幹麻? 玩另一場?
- 136. 同時玩2場，每場各壓23%，資金運用達46%! 2016/09 136 10倍 90倍 報酬再多9倍!
- 137. 同時玩3場，每場各壓21%，資金運用達63%! 2016/09 137 10倍 90倍622倍 報酬再多62倍!
- 138. 2016/09 138
- 139. 2016/09 139
- 144. 看功夫學交易! 2016/09 144
- 148. 課程綱要 1. 交易執行與API系統架構 2. R計量交易套件介紹 3. R下單機設計說明與展示
- 151. 交易執行系統架構 交易系統的基本要求： 1. 即時 (延遲低於微秒) 2. 零誤差 (小於 6 Sigma) 3. 同時處理大量資料 4. 高可用性與熱機備援 5
- 152. 完整交易系統架構圖 Application Order Manager Market Data Complex Event Processing engine Exchange 1 Storage Application Server Exchange Strategy Settings UI State Mgmt (PnL + Position) Order / Execution Monitor Within application TMS Maths Calc OMS Admin Monitor Exchange 2 F I X F I X Data Normalizer Order Router Back office record MktData Store Event History Adaptor for third party apps – R, Matlab, etc Data Retrieval Data Vendor Replay of stored data Simulator exchange API 軟 體 6
- 153. 台灣券商 API - 元大期貨為例 7 報價API 程式 下單API 程式
- 154. 券商API 資訊流 中斷連線 帳務查詢 建立連線 商品註冊 行情資料 取銷註冊 海外期貨 國內期貨 手動委託 委託回報 手動回報 成交回報
- 155. 台灣券商 API 比較 2014年Julian Lin整理 9
- 156. 海外券商 API – 盈透(Interactive Brokers)為例 1 0
- 157. IB Trader Workstation 系統資訊流 Establish Connection ibtws Get Info accounts contractdetails portfolio Get Data getdata timeseries history realtime marketdepth Create Orders orderid createorder orders executions Close Connection close
- 159. IB API 透過程式進行自動交易 1 3 資料來源: http://holowczak.com/ib-api-java-realtime/3/
- 160. 交易系統化的優點 • 情緒影響最小化 • 可反覆回測驗證 • 維持交易紀律 • 一致性結果 • 提升下單速度 • 交易多角化 1 4
- 161. 交易系統化的缺點 • 軟硬體失靈故障 • 必須持續性監看，預防技術性異常的處理 • 過度優化 1 5
- 162. R計量交易套件介紹
- 163. R 計量財務套件規劃圖 Cran Task View: Empirical Finance https://cran.r-project.org/web/views/Finance.html Big data High Frequency High Frequency Sendrequeststheserver Downloadandload Data Mining quant mod Raw Data A web application Online Shiny Price Data TTR Techical Trading Candlestick Chart Additions of different lines to the chart * Moving Average * Bollinger Bands * Moving Average Convergence Divergence Demonstration framework for R Statistics * Downside risk measures * Risk-adjusted performance Plots * Density plot * Time series plot * Drawdown plot Return Data Performance Analytics Performance Analysis Data Journcy ExamplesofUsingRinFinanceExtensions Datacleansing Datatransformation Webpages Files Database RCurl httr rvest 17
- 164. R計量分析套件階層分類 應用範圍 R 套件 績效度量表及圖表 PerformanceAnalytics - 投資績效與風險分析 投資組合優化與 計量交易策略 PortfolioAnalytics - 投資組和分析與優化 quantstrat - 規則為基礎的交易系統開發 blotter - 交易系統帳務基礎結構 歷史資料存取與財務圖 表 quantmod - 量化財務模型框架 TTR - 技術分析規則 時間序列物件 xts - 時間序列物件延伸功能 zoo - 時間排序觀察 1 8
- 165. R 回測套件的優缺點 • 仍在持續開發中，難免有些小瑕疵 • 回測速度慢 (相較 Python, C, MATLAB) • 問題必須自己找解答 • 免費 • 開放原始碼 • 客製化自由度高 • 多幣別 多商品 多策略 1 9
- 166. quantstrat 安裝說明
- 167. 安裝計量套件指令 install.packages("devtools") require(devtools) install.packages("FinancialInstrument", repos="http://R-Forge.R-project.org") install.packages("blotter", repos="http://R-Forge.R-project.org", type=“source”) install.packages("quantstrat", repos="http://R-Forge.R-project.org", type=“source”) install.packages("PortfolioAnalytics") 2 1
- 170. 安裝後檢查 2 4
- 171. 測試結果 install.package(“RCurl”) source_https <- function(url, ...) { # load package require(RCurl) # parse and evaluate each .R script sapply(c(url, ...), function(u) { eval(parse(text = getURL(u, followlocation = TRUE, cainfo = system.file("CurlSSL", "cacert.pem", package = "RCurl"))), envir = .GlobalEnv) }) } 寫一段直接到git_hub載入程式碼的程式碼： 2 5
- 172. 直接載入github內quanstrat的範例程式碼 bbands.R 為quantstrat 在 Github 上的一個布 林通道策略範例 source_https.R source_https("https://raw.githubusercontent.com/R-Finance/quantstrat/master/demo/bbands.R") 2 6
- 173. 交易回測step by step
- 175. quantstrat 基本的回測流程 29 幣別、商 品、 歷史資料 載入起始 化 投資組合、 帳戶、交 易單、交 易策略 起始化 加入交易 指標、交 易訊號、 交易規則 策略回測 更新投資 組合、帳 戶、權益 資料 產生投資 績效報告 與圖表 起始化動作 策略定義 回測處理 帳務更新 報表產生
- 176. 策略商品的啟始化 library(quantstrat) ttz<-Sys.getenv('TZ') Sys.setenv(TZ='UTC‘) if (!exists('.blotter')) .blotter <- new.env() if (!exists('.strategy')) .strategy <- new.env() suppressWarnings(rm("order_book.macross",pos=.strategy)) suppressWarnings(rm("account.macross","portfolio.macross",pos=.blotter)) suppressWarnings(rm("account.st","portfolio.st","stock.str","stratMACROSS",'start_t','end_t') stock.str='AAPL' currency('USD') stock(stock.str,currency='USD',multiplier=1) startDate="2000-12-31“ initEq=1000000 3 0
- 177. 策略的帳戶、下單、投資組合啟始化 portfolio.st='macross' account.st='macross‘ initPortf(portfolio.st,symbols=stock.str initAcct(account.st,portfolios=portfolio.st, initEq=initEq) initOrders(portfolio=portfolio.st) stratMACROSS <- strategy(portfolio.st) 3 1
- 178. 定義指標 stratMACROSS <- add.indicator( strategy = stratMACROSS, name = "SMA", arguments = list(x=quote(Cl(mktdata)), n=50),label= "ma50" ) stratMACROSS <- add.indicator( strategy = stratMACROSS, name = "SMA", arguments = list(x=quote(Cl(mktdata)), n=200),label= "ma200") 3 2
- 179. 定義訊號 stratMACROSS <- add.signal( strategy = stratMACROSS, name="sigCrossover", arguments = list(columns=c("ma50","ma200"), relationship="gte"), label="ma50.gt.ma200") stratMACROSS <- add.signal( strategy = stratMACROSS, name="sigCrossover", arguments = list(column=c("ma50","ma200"),relationship="lt"), label="ma50.lt.ma200") 3 3
- 180. 訂定交易規則 stratMACROSS <- add.rule( strategy = stratMACROSS, name='ruleSignal', arguments = list(sigcol=“ma50.gt.ma200", sigval=TRUE, orderqty=100, ordertype='market', orderside='long'), type='enter') stratMACROSS <- add.rule( strategy = stratMACROSS, name='ruleSignal', arguments = list(sigcol="ma50.lt.ma200",sigval=TRUE, orderqty='all', ordertype='market', orderside='long'), type='exit') 3 4
- 181. 開始回測 start_t<-Sys.time() out<-applyStrategy(strategy=stratMACROSS , portfolios=portfolio.st) [1] "2002-01-07 00:00:00 AAPL 100 @ 1.50565" [1] "2003-05-16 00:00:00 AAPL 100 @ 1.23608" [1] "2006-09-26 00:00:00 AAPL 100 @ 10.205548" [1] "2008-05-19 00:00:00 AAPL 100 @ 24.143005" [1] "2009-05-14 00:00:00 AAPL 100 @ 16.16766" [1] "2013-09-11 00:00:00 AAPL 100 @ 63.238555" end_t<-Sys.time() print(end_t-start_t) Time difference of 0.234004 secs 3 5
- 182. 交易帳戶資料更新 start_t<-Sys.time() updatePortf(Portfolio='macross',Dates=paste('::',as.Date(Sys.time()),sep='')) [1] "macross“ end_t<-Sys.time() print("更新交易帳") [1] "更新交易帳“ print(end_t-start_t) Time difference of 0.07900095 secs 3 6
- 183. 回測結果報表 chart.Posn(Portfolio='macross',Symbol=stock.str) add_SMA(n=50 , on=1,col='blue') add_SMA(n=200, on=1) 3 7
- 184. 回測結果報表 3 8
- 185. 交易過程訊息 book = getOrderBook('macross') stats = tradeStats('macross') ptstats = perTradeStats('macross') rets = PortfReturns('macross') txns = getTxns('macross', stock.str) getOrderbook：交易單所有記錄 tradeStats：所有交易統計資訊 perTradeState：每筆交易統計資訊 PortfReturns：投資報酬 getTxns ： 交易明細帳 3 9
- 186. 交易單資料總表 names(book) [1] "macross“ names(book$macross) [1] "AAPL” names(book$macross$AAPL) [1] "Order.Qty" "Order.Price" "Order.Type" [4] "Order.Side" "Order.Threshold" "Order.Status" [7] "Order.StatusTime" "Prefer" "Order.Set" [10] "Txn.Fees" "Rule" "Time.In.Force" textplot(book$macross$AAPL[, 1:5]) 4 0
- 188. 策略的累積報酬率 chart.CumReturns(rets, legend.loc = "topleft", main="累積報酬率", minor.ticks=FALSE) 4 2
- 189. R下單機設計說明與展示
- 190. 下單機程式架構 4 4 Ticks清整模組 動態回測模組 C# 控制介面 預測模組 預測當天收盤點位 雲端資料庫 (交易明細報表) 回測歷史數據 儲存預測結果 儲存歷史數據 取得即時交易Tick E-mail 即時軟體手機App (元大API) email 參考自: http://www.slideshare.net/newmanchurch/r-56476014
- 191. 開發工具 toolchains 與步驟 • 開發工具下載與安裝 • 下載Visual Studio 2013 Express • 下載 R.NET • 設定券商API與憑證 4 5
- 192. API程式為何選擇 C# + R? • 各有特長，也各有缺點 • R 缺乏有效率的Asynchronous Event-Driven機制 • R born to count • C#先進的物件導向語言特性 與.Net緊密結合網路作業環境 • 券商必定提供之語言類型 : VBA/Java/C/C# • C# 逐漸變成開放標準(open standard) 開放原始碼(Open Source) • 爭取時效，縮短開發時間，減化程式複雜度 系統介面與數學演算模型間互相妥協與專業分工 4 6
- 193. C# - 系統的語言 • C# 先進的物件導向語言特性 • 與.Net緊密結合網路作業環境 • 券商必定提供之語言類型 VBA Java C C# • C# 逐漸變成開放標準(open standard) 開放原始碼(Open Source) 4 7
- 194. R 統計的語言 • R 完整的數學與財務分析套件 • 豐富且免費的參考學習資源 • 完全免費 4 8
- 195. Visual studio express 2013下載 https://www.microsoft.com/zh-tw/download/details.aspx?id=44914 4 9
- 196. 執行Visual Studio 2013 Express 5 0
- 197. 關鍵字R.NET搜尋 Nuget元件庫 左邊 線上 選擇netget.org，右上角 搜尋 框內 打入 “R.NET” 5 1
- 198. 確認專案參考檔 如圖 安裝R.NET C#套件，結果應如右圖所示 參考套件裡，多了三個套件 RDotNet, RDOtNet.NativeLibrary, DynamicInterop 5 2
- 199. API檔下載 http://easywin.yuantafutures.com.tw/api/download.html 元大行情API，請選擇： 國內行情API元件及說明文件 國內行情API C# 範例 元大交易API，請選擇： 交易API元件及說明文件 交易API C# 範例 5 3
- 201. 註冊OCX元件 命令式窗下 切換到API 元件放置目錄 cd c:API 執行註冊 報價元件 與 下單元件 5 5
- 202. API測試 如果看到連線成功 商品代號為 TXFJ6, 也註冊成功 那恭喜! API就此連通了。 5 6
- 204. 完整畫面 5 8 登入設定區 設定商品區 進出場條件區 即時報價 所有狀態訊息顯示 R 整合圖表 交易啟動與關閉
- 206. 2. 設定商品代碼 6 0
- 209. 報價畫面 6 3
- 210. R tick點位分佈圖 6 4 6 4 C# tick價位資料傳送給R R plot 點位分佈圖 貼在C#上
- 211. 交易執行畫面 6 5
- 212. 計量與程式交易面臨的風險 • 交易策略 • 市場風險 • 模型風險 • 交易執行 • 流動性風險 • 作業風險 6 6
- 213. 程式常見的錯誤 - 內部 • 程式語法錯誤 • 邏輯錯誤 • 未預期的例外未處理 • 作業風險 -> 肥手指、邏輯炸彈、漏網之魚 6 7
- 214. 解決辦法 • 耐心的除錯與練習 • 一個完整交易系統必經過程 • 嚴謹程式開發流程 • 先驗證 測試觀察 上線後監控 • Divide & conquer 二分法釐清問題 • 善用除錯工具 • 網路除錯 • 券商API 元大除錯工具 範例程式 6 8
- 215. 程式常見的錯誤 – 外部 • 網路延遲斷線問題 • 券商伺服器本身穩定性問題 6 9
- 216. 解決辦法 • 網路封包測速工具指令 • traceroute • ping • 多券商備援 • 觀察報價與下單回應時間差異 • 隨時預防部位避險 • 雙網路備援 • 不同ISP之寬頻連網 • 固定線路與4G 7 0
- 217. 資料處理問題 • Garbage in, garbage out • 不乾淨資料就導致從源頭就錯誤 • 即時資料防錯處理 • 回測資料清整與驗證 7 1
- 218. 即時系統回報機制 • 狀態回報是能否自動交易的關鍵。 • 好的系統不在於多聰明，在於少犯錯 • 系統大小事都要存log, 做重點性回報 7 2
- 219. 部位限制與管理 • 部位保證金限制 • 限制帳戶不放策略設定部位之最大資金之1.5倍 • 證券帳戶在自動交易上，要非常小心! 7 3
- 220. 風險管理案例 • 騎士資本的教訓 • 曾經是美國股票交易市場最大造市與高頻交易商，一度佔NYSE 17.3%與NASDAQ 16.9% 的市場交易量 • 2012年8月，因內部流程疏忽，沒有經過嚴格測試的造市程式 直接上線進行交易 • 軟體臭蟲導致30分鐘內損失4.4億美金，兩天內自動交易接近 150檔不同的各式股票，隔日公司市值因此損失75% • 2012年12月，同意競爭對手Getco, Virtu Financial收購 7 4
- 221. 風險管理案例 • LTCM的教訓 • 匯集所有世界級數學與金融財務的 精英團隊 • 固定收益債券套利交易 • 作空S&P長期波動率 • 併購套利 7 5 低利差高槓桿，累積缺乏流動性商品，導致在金融風暴下虧損一發不可收拾
- 222. 閃崩(Flash Crash) 案例 2014年10月15日 歐洲股市9:33到9:45 之間， 因為泛歐斯托克銀行指數(EURO STOXX® Banks) 期貨喪失流動性，導致價格急速攀升 (連帶導致利率短期利率驟貶) 五分鐘後，又急速回升到9:33時的價位水準 瞬時湧入的交易量，超過2008雷曼風暴 2011美債降等所引發的崩盤
- 223. Q & A
- 224. 附註: R 相關工具安裝說明 • R 主程式軟體 • Rtools34 • RStudio
- 225. R 安裝 台灣 R Project 映射網站 http://cran.csie.ntu.edu.tw/ 下載 R 3.3.1
- 226. base下載 主安裝檔
- 227. 下載Rtools 3.4
- 228. 安裝R 與Rtools
- 229. R 主程式安裝 記得32bit 與 64bit都要安裝!
- 232. Rtools 安裝
- 233. Rtools 安裝 其餘保持預設值
- 234. 開發工具介紹 • 安裝 • 基本功能介紹
- 237. 安裝RStudio 9 1