2024-08-18|閱讀時間 ‧ 約 26 分鐘

股市韭菜最速翻身 - 程式交易

今天來聊聊什麼是程式交易(或稱機械化交易、量化交易)。

開始正題之前,先問一個問題讓大家思考一下,請問大家對操盤高手的印象會是什麼?

會是勝率超高,沒有九成至少也不會低於八成嗎?

還是每次最少都是翻倍賺,一次賺個三五成都嫌太少嗎?

其實,多數人都想遠了。操盤高手只是認清投機賺價差的本質,就是統計上的正期望值。所以投機的基本就是機率,機率應用在賺價差上,就是期望值的計算。


所以操盤高手只在最有把握的時候出手,但即便自認勝算高,也不忘預先規畫停損點,因為勝算高,還是有概率是輸啊! 停損點的目的就是當股市走勢不如預期,可以小賠出場,不要重傷,保留參賽權,等待下一次的機會出現。如果買進的股票順利走出大行情,高手則會伺機加碼,擴大獲利,等到行情走勢開始鈍化或是翻轉,就全數出清,獲利出場。


有沒有發現上面說到的做法,和大部分散戶韭菜的做法完全相反,高手是小虧就跑,有賺錢才加碼。散戶韭菜則是小賺就要落袋為安,虧錢則是愈攤愈平,直到趴下。

 

那麼期望值呢? 期望值的基本計算方式其實不難,每次獲利的平均金額乘上勝率,再加上每次虧損的平均金額乘上賠率,加總起來就是期望值

期望值如果是正的,那麼表示長期參與這個賭局會是賺錢的。

反之,負的期望值,則是長期下來會虧錢。


可是要怎麼知道勝率賠率是多少呢? 如果是剛進入市場的股市菜鳥,參與的交易次數沒這麼多,樣本數不夠,怎麼有辦法計算出勝率賠率呢? 這就呼應到標題: 程式交易,因為程式交易多數是針對指數,指數能在網路上找到多年的K棒歷史數據,所以可以將自己定好的交易策略,對照歷史K棒逐一比對,統計符合策略的進場出場次數,以及每次的賺賠金額,這樣就可以蒐集到這套策略所對應的統計數據。


再來就是交易的問題,因為沒辦法直接買賣指數,可以利用指數期貨指數原型ETF指數槓桿型ETF來操作,期貨的優點就是槓桿可以開很大,極限大約是20倍槓桿,不過槓桿可以依存入的保證金調整,考量到風險與收益兩者兼顧的情況,較合理的建議是槓桿開4至5倍,風險耐受性低的投資人,可以再降低,或者是直接改買指數原型ETF,也就是不開槓桿,或者是買指數槓桿型ETF,目前美國股市有2倍還有3倍的槓桿型ETF可以選擇。

 

接著談談交易策略,交易策略依照建立的邏輯,區分為逆勢交易和順勢交易。逆勢交易就是當盤勢走到盤整區間的下緣,靠近支撐點位時買進,接著在盤勢走到盤整區上緣,接近壓力價位時賣出,勝率在7成上下是常態,但是因為獲利被壓縮在盤整區間,而且不能確定每次一定能走到盤整區的另一邊,每一筆真的能賺的錢不多,但是一旦指數價位突破或是跌破盤整區間,走出一波趨勢的時候,就會虧一筆大的,虧多大呢? 不多,也就是之前盤整區間賺到的還不夠賠而已。


所以順勢交易是程式交易的首選,缺點就是勝率低,多數落在3成多至4成多,少有突破5成的,這是因為指數多數時間都在盤整,盤整區間常常連續小賠,賠到懷疑人生...但是趨勢來的時候,就是把盤整區間賠掉的連本帶利賺回來。

 

有沒有發現兩者間的差別? 逆勢交易是常勝軍,但是會輸掉整場戰爭順勢交易多數時間是陷入失敗的泥沼,不過能贏得最後勝利。再對比周遭親朋好友,或是那些長期參與市場多年的人,交易型態是不是和逆勢交易相同?

這是因為人性使然,多數人喜歡看著自己交易勝率高,多數時間在賺錢,但殊不知這就是市場餵食的誘餌,等著最後一把收割,也因此,市場贏家終歸是少數人專有。不過程式交易的最大優點就在這,剖析市場的本質、探究人性的弱點,搭配統計機率科學化的呈現,直接指明一條通往財富的道路,但是路上依然重重險阻,光是長期的連續虧損,將信心消磨殆盡,在這樣最黑暗的時刻,還能堅定不移持續交易,等待最後曙光到來的人有多少?


其實說穿了,還是離不開人性。既然人性是天生的,何不繞開就好? 策略只用一套的時候,心裡給折磨的苦不堪言,那如果用上第二套進出場邏輯的策略呢?既然是第二種進出場邏輯,那麼兩套策略就能互補了。

首先是資金的分配,打個比方,兩套策略如果單獨執行的時候,遭遇到連續虧損都會虧掉30%的資金,但是現在兩套策略一起運行,總資金平均分配,變成兩策略各自虧損時,只佔到總資金的15%,風險降一半,心理壓力也降一半。

第二點,因為進出場邏輯不同,所以兩套策略賺錢和虧損的週期不同,多數時間會是一個策略賺錢另一個策略在虧損,但兩個策略終歸是持續賺錢積累的,會讓執行策略的你不會感到壓力山大,能夠平常心看待自己的交易,心態平穩了,自然就能長久依計畫執行,離財富的目標繼續前進。

分享至
成為作者繼續創作的動力吧!
從 Google News 追蹤更多 vocus 的最新精選內容從 Google News 追蹤更多 vocus 的最新精選內容

作者的相關文章

“親子創業夢工場”親子共創業實作課程分享 的其他內容

你可能也想看

發表回應

成為會員 後即可發表留言
© 2024 vocus All rights reserved.