2023.01.4

你看過真正的量化交易嗎? 20年經驗自營交易者告訴你!

  在上一篇文章中,我們已經淺談量化交易是什麼,以及它和傳統交易之間的優劣分析。在接下來的文章我們將會深入介紹關於量化交易的執行步驟,讓你可以更清楚量化交易的操作細節!


量化交易架構與執行步驟

在執行量化交易之前,首先要了解其中的架構。

一般而言,量化交易的流程會包含

■ 資料串接
■ 模型建立
■ 回測驗證
■ 投資組合建立
■ 風險控管

等等的以上步驟,至於每一個步驟分別是什麼,就讓我們進一步說明!

資料串接

  關於量化交易策略開發的第一步,都是先從資料串接開始!其實量化交易的原理就是將數學和統計學彙整,並結合大數據後運用程式來擬定投資策略的一種方式。換句話說,數據資料就是一支策略的根本。

  當數據資料整合完成後,接著就會開始過濾並整理資料,一但收集完成該策略所需的數據後就能夠進行資料的串接,然後進到下一個步驟。

模型建立

  在有呢基本的數據資料後,接下來就是要將策略的主體打造出來。常見的模型如均線黃金交叉、KD鈍化等,都是可以拿來做為策略主體的概念。

除了策略主體之外,還要搭配停損與停利才會是完整的策略。

回測驗證

  當完成資料串接與模型建立後,接著就需要進行回測驗證。說到這裡,首先要知道一支量化交易的策略,是先將收集的大數據建構成金融模型,然後才能夠交由程式運行。可是呢,我們在前面步驟所收集的數據都是過往的參考資料,並不能確定是否能夠應用在當前或未來的行情中。因此,我們需要進行策略的回測驗證。

  至於回測(Backtesting),就是將一支策略運用過去某段期間的歷史行情,透過模擬交易的方式運行,然後根據該策略的績效表現評估其獲利與風險,是否能夠套用在當前或未來的行情中。

  一般來說,回測的驗證都需要仰賴Python或C++等程式語言的輔助來協助運算。當該策略的回測果沒有達到預期,則會根據回測結果進行參數的調整。倘若回測結果符合該策略的預期,也就代表一支策略開發完成!

投資組合建立

  在一般的金融市場中,當我們提到「投資組合」時,通常是代表將投資工具或標的以多元化的方式組合起來,避免集中在單一項目,藉此達到分散風險的目的。 而在量化交易中也是相同的概念,在投資組合建立的過程中,交易員需要考慮到勝率、獲利因子、平均獲利與虧損比例。而想要在這之中達到完美的平衡點,光靠一支策略是行不通的,畢竟市場上沒有任何一種策略能夠達到完美,因此在投資組合上就需要依靠不同的策略以達到相輔相成的效果,進而提高在市場中獲利的機會。

風險控管

  不管進行何種投資,風險控管都是非常重要的環節。同樣的,在量化交易中也是需要注意到風險控管。任何的交易策略,都總會有失效的時候,千萬不能想說一支策略能夠無限期地使用下去。在量化交易中,縱使一支交易策略成功被開發出來,開發者還是會根據市場的波動,持續調整或更新策略的參數,以達到風險最小化!


量化交易與量化交易機器人的差異

  隨著量化交易在投資市場日漸盛行,因此也誕生出所謂的量化交易機器人。而它是建構在量化交易之下,透過程式輔助,然後使用一套固定的模型與策略進行交易,以達到全年無休的交易與屏除人為心理恐慌所產生的影響。

  以加密貨幣為例,其中較為知名的就是派網Pionex。派網是全球首間主打量化交易的加密貨幣交易所,而交易所有提供各式各樣的量化交易機器人給用戶使用。

  至於真正的量化交易與一般市面上的量化交易機器人差別在哪裡呢,就讓我們進一步跟你說明。

差異一:專業度程度

  關於第一點差異,在於量化交易與量化交易機器人的專業程度。雖然兩者的交易策略都是由程式交易員所撰寫,但是多數的量化交易機器人都是在策略寫好之後,基本上就不會再做調整,這會導致交易機器人在使用一段時間後就會失效,進而讓用戶達不到預期的績效。 相對的,真正的量化交易會持續地與時俱進,一但策略開發完成後還是會不斷的優化,以應對未來的各種行情。

  以量化王者為例,我們的程式交易團隊都是由交易年資12至25年的程式交易員所組成。在熱衷於開發各種程式交易策略的同時,我們也會不斷地優化既有的交易策略,讓用戶在使用我們所開發的交易策略時,能夠在投資市場長久穩定的獲利,而不是單純的只有短期投機。

差異二:交易靈活度

  至於第二點差異,在於兩者之間的交易靈活度。以量化交易為例,縱使交易員正在運行某些策略進行操盤,一但市場出現預期外的震盪時,交易員都能夠立即停止或調整參數以應對市場的趨勢波動。

  相對的,量化交易機器人的策略都是根據過去的歷史績效所運行,所以執行交易都是透過AI自動計算參數開單。而自動開單所設定的參數,通常較為死板,當遇到突發的震盪行情時,量化交易機器人並沒有辦法應對這樣的情況,只會依照參數設定繼續執行交易,因此容易造成嚴重虧損和錯失獲利機會。

差異三:報酬與風險

  關於兩者的最後一個差異,在於報酬與風險的高低。談起投資,不外乎就是想要有多一點的報酬,而報酬與風險之間則是環環相扣的,想要追求高報酬,必然要承受高風險。

  但是,有能力承擔高風險卻未必能夠獲得高報酬,這點或許能夠套用在量化交易機器人上。相信曾有使用過量化交易機器人的你,應該多少都會看到平台曬出非常吸引人的績效圖,但實際執行後卻發現收益根本不如預期,甚至都是虧損的狀態。

  這是因為量化交易機器人所使用的策略都是根據過去績效所執行,並且不會更新。這會導致它無法應對波動較大的行情走勢,不管是獲利與虧損都只會在設定的參數內。

  而專業的量化交易,雖然也是依靠程式自動執行交易,但不同的地方在於,資深的程式交易員能夠根據市場波動而靈活調整自己的參數與交易策略,以達到獲利最大化、風險最小化的情況。


結語

  總結來說,專業的量化交易還是勝過於使用量化交易機器人,量化交易機器人嚴格來說比較像是協助下單的機器人,對於投資人的風險和報酬較沒有保障。不過呢,使用機器人投資的門檻就相對較低,本身不需要具備任何程式背景就可以透過此方式投資。

  相對的,想要透過專業的量化交易來投資,對於一般散戶來說門檻會稍微高一些。因此,不懂量化交易,又不想使要量化交易機器人投資的話,其實還有另外一種量化交易的投資方法,也就是「跟單交易」,或許跟單交易能夠幫助你省去研究投資的時間,又可以獲得不錯的報酬!

  最後,本篇文章為量化交易相關的資訊分享,不構成任何投資建議,進行任何投資前請審慎評估!