程式交易之前世今生
30免費公開
由TradeStation、MultiCharts至完全自製交易程式的發展歷程，深入探討程式交易的交易觀念、策略寫法。
全部內容
免費與付費
最新發佈優先
今日的標題出自於邱吉爾，一個合格的策略上線並非程式交易的終點，而回測不出合格的策略，也非末日，在程式交易這條路上，繼續前行的勇氣是絕不可缺少的，在策略開發上，能成功上線的機率可能不到1%，其餘的99% 就當成打怪練等，累積經驗，當有足夠的經驗後，任何簡易的指標，都可稍加變化後，成為一支合格的策略。
一般的投資人進入程式交易領域大都是由一些公開課程學得，然後就拿授課老師給的程式來開始回測，找出一個較佳的績效後，就開始上線交易，剛開始時，可能績效還不錯，但久了，會發現某幾次的交易好像被針對了，常常一進場後，很快就剛好打到停損後，行情就又往程式的方向走。
除了回測參數外，還有人會開始改變K線的週期
開盤跳空（不管往上或往下），當日行情大都有一個大波段的走勢，但跳空之後，是持續往跳空方向走，或是反方向回補跳空缺口，將成為當日開盤後的判斷重點，只要掌握到對的方向，當日將有非常大的獲利。
在此介紹「市場輪廓圖（Market Profile）」的觀念，市場輪廓圖將成交價位與成交量加以堆疊，成為類似分
如果投資人設計的交易訊號是以當沖為基礎，則不需考量到結算日的操作，但若是波段的交易訊號會跨交易日，則需考量到結算日的交易操作，當結算日當天，訊號仍持有部位時，就需對這個持有的部位進行交易處理。
忽略轉倉價差
最簡單也是最多人的作法，就是不考量結算日後的轉倉價差，讓訊號的損益依照新倉的價位作為後續
這系列文章以市場的觀察方式的改變為開始，接下來介紹一系列MC的基本操作及策略開發、改善、回測、最佳化⋯⋯等，一個基本策略的發展及上線流程，但不管何種形式的策略，其核心判斷是要判斷今天應屬何類走勢，是順勢亦或是逆勢，在此就需更多的市場資訊來輔助，今天就簡單示範如何由權值股的漲跌幅來判斷該日走勢是由權值
大家常在交易時間看到新聞或看盤軟體中提到預估當日成交量是多少，若讀者仔細觀察，可發現不同的來源的預估成交量會有所差異，這是因為每個來源統計的數據不同所造成的，今日將介紹如何自製當日預估成交量。
預估成交量最簡單的作法是將過去一段時間（三年、五年、十年，甚至二十年）的每分鐘累積成交量計算出來後，再去
在MC的QuoteManager中，可以讓使用都新增自己的數據源，使用者可在QuoteManager的「工具」選單中，點選「數據源」，進行自己所要接收的數據源。
在數據源的設定視窗中，列出目前提供的數據源種類，往下捲動，找到「Universal DDE」這個類型後，再按下「設定」的按鈕。
在通用
在前文已介紹如何在MC中匯入券商提供的歷史資料源，投資人可利用這些歷史資料寫出與眾不同的策略，但這些都是靜態的歷史資料，當策略開發完成並進行好回測後，如何在上線時，也能即時取得這些資訊源呢？
一般人最常用的是使用「動能資料交換（DDE：Dynamic Data Exchange）」或「即時資料（R
在 古有草船借箭，今有AI借鏡 寫到如何將CNN訓練好的模型訊號以一個新商品的方式匯入成歷史資料，藉此當為進場訊號的輔助，本文就簡單示範，當匯入訊號後，策略的程式如何撰寫。
首先描述這個模型的特性及策略的設計，CNN模型以「市場輪廓圖」為基礎訓練圖形，以「日」為單位，預測接下來的行情是否發生反轉，
在AI浪潮下的訊號開發 提到可將AI訓練好的模型產生之訊號當成一個商品來匯入，今天將手把把示範如何把這訊號進行匯入成商品，並在策略撰寫時，可引用至此訊號，當為輔助資訊。
此表格為筆者使用的CNN模型訊號，在此利用開盤價、最高價、最低價、收盤價的技巧，讓多方趨勢的日期呈現紅K、空方趨勢的日期呈現黑K
2022/11 ChatGPT 3.5 正式對外發表，全球掀起了一陣AI風潮，各國也持續投入AI的軍備競賽，平常不會接觸AI的人，也開始學著如何跟ChatGPT溝通，有人用GPT來提升工作效率，但也有人是想看GPT的笑話，一直想辦法讓他回得出錯誤答案，一試出錯誤答案，就急著分享給朋友說GPT還不實用
策略績效報表的判讀，有許多的方向，有人是以獲利為優先，有人是以風險為優先，二者都無法錯之分，端看投資人的喜好及策略的目的，如果開發的策略是以吸引資金或出租策略為目標，那絕大多數人都是以獲利為優先，風險的考量就成了不要太差就好，而做為自己使用時，就不一定會以獲利為主要目標，試想投資人拿自己的錢進行投資
在主觀交易的投資老手，判斷行情時，絕對會長短線行情一同判斷，以長線確認市場的趨勢後，再用短線來確認較佳的進場時機，在多週期商品的牛刀小試 中，也利用此一市場判讀原則，先以長週期的商品確認趨勢力竭的方向，再以短週期的商品來取得較佳的進出場時機。
接下來檢視一下，經過簡單最佳化參數後的績效，由策略績效
在大數據時代，資料為王已介紹如何改寫函式，該函式可以抓取到預設數列以外的數列資料，本篇將利用這個改寫後的函式，進行訊號改寫，讓訊號可以依據長、短週期的數列，進行行情判斷，並依些產生進場訊號。
在策略中，新增二個輸入參數（輸入參數可進行最佳化），以下簡單介紹這二個參數：
LongBarCount：
在交易千萬別見樹不見林 中示範如何在同一張圖表上加入不同週期的行情走勢，本篇將對MultiCharts初體驗-函式撰寫、MultiCharts初體驗-訊號撰寫 的程式進行改寫，讓程式可以讀取到多週期的K線資料。
在MC中可以用Data1、Data2、⋯⋯、Data99的指定方式，來存取圖表中的數列
不管是主觀交易還是程式交易，投資人都不該只見樹不見林，在主觀交易者判斷行情時，通常都會一分鐘K線圖，當成進出場時機的判斷點，但除了一分K線圖外，都會在旁邊再放上三十分K線圖及日K線圖作為大趨勢的判斷之用，避免自己只專注於一分K的行情波動，而忽略了大趨勢的方向，造成原本要順勢交易的想法卻因短週期K線的
由績效總結果可發現，淨利下降到118萬（無停損停利機制前為247萬），由表面看來策略績效變差了，但仔細看可發現，最大策略虧損也隨之下降，剩下約19萬左右的最大策略虧損，未加上停損停利機制前為54左右，下降到約為原本的1/3，意味著風險也有效的降低。
在此可用風報比這個績效指標來衡量，其公式如下：
首先回憶魔鬼藏在細節裹，提到雖然以淨利為主要目標進行最佳化，可得到很傑出的年化報酬，但問題也在此，過渡追求淨利，容易忽略了風險，造成最大的獲利回撤很大、賺賠比過低、全時段持倉⋯⋯等問題，本篇就為上週的策略加入停損機制，以風險角度為策略進行改善。
在改善最大獲利回撤問題，有許多進階出場方式可使用，如
許多投資人都想要打造出一個打遍所有類型行情的程式，試問世上有幾個葉問，可以一個打十個，既然葉門稀有，那我們反過來就好了，改成十個打一個，利用策略群來打敗這個市場，圍毆再怎麼樣，也都比單挑有利。
一個打遍各式行情的程式應屬不可得，每個程式都會有短暫失效的期間，理由很簡單，若把順勢突破及逆勢區間的交易
週末輕鬆點，腦袋先把策略、回測、績效都抛開，來點歷史回憶的輕鬆文，在二千年初國內開始有一群人開啟了程式交易之旅，當時的程式交易的系統不像現在這麼方便，只要寫好策略，掛上系統，按個同步交易的按鈕，就可以自動交易了。
蠻荒年代也有蠻年代的樂趣，就如同汽車的進化一般，一開始就開自排車的駕駛是無法體驗手排
