最新消息

Latest news.
從程式交易到智能交易,談交易機器人的進化

從程式交易到智能交易,談交易機器人的進化

課程主題:

程式交易智能交易,談交易機器人的進化 【課程重點】

主講人:陳凱文技術長,Quanffett銓智金融科技

 

#從程式交易到智能交易,談交易機器人的進化

#用手機看要【切換成桌機版網站】文章會較清楚

程式交易透過目前市面上的一些下單軟體,如Multicharts已經可以協助使用者做到系統自動化的買進賣出、停損停利、績效評估、如何調整每個交易策略的最佳化參數及投資組合資金配置等,以上這些大概是程式交易軟體可以幫助使用者解決的問題。

但是,還是有些問題還沒獲得解決,如策略失效、策略間過度相似等問題。比如說,現在的策略績效不錯可能是因為剛好用到績效好的策略,那如果不小心剛好挑到壞的呢? 如果手邊有很多的交易策略,怎麼挑選現在可以上線的策略? 上線交易的策略比例該如何配置? 上線交易後需不需要調整,或經過多少時間後組合調整? 怎麼評估交易策略組合的風險位置? 這些變成了現在程式交易者更關注的問題。

大部分的程式交易者都希望策略報酬要越大越好及風險要越小越好,或是專注這個交易策略的進出場買賣點好不好等問題做研究。這次為了解決剛剛上述提的各項問題,請到了銓智金融科技陳凱文技術長跟大家分享finTech金融科技,從經典理論出發,用Markowitz的變異數投資組合CAPM資本資產定價及Brinson的投資組合效果決定因子來開始探討期貨交易機器人的設計模型範例。

Markowitz 1952年提出的變異數投資組合模型來看,用效率前緣(Efficient frontier) 看既定風險下求期望報酬最大的投資組合。當時1952年提出這個理論會遇到一個問題,就是當時科技沒有這麼進步,要分析一組投資組合,光跑個數據可能要花上非常多天的時間,但這個問題到了現在就得到了比較有效的解決。

CAPM資產定價模式夏普比率,當時也是為了解決科技沒有辦法去檢視每個投資組合,所以假設全市場的投資人都是最有效率也最理性的,再加上無風險資產,會得到一條有效組合的資本市場線(CML)。

1986年的Determinants of Portfolio Performance投資組合效果的決定因子,理論中提到決定投資的因素有哪些,以及如何區隔不同的因素對於投資績效報酬率的影響,將投資的獲利分拆成三個效果,分別為資產分類擇時選股。什麼是資產分類,以台股為例,第一件事情就是把所有股票分成電子股是一種資產分類、金融股也是一種資產分類等不同類別的族群,做完資產分類後,第二件事情是決定什麼時間點要投資什麼股票,最後是什麼時間點投資哪一檔股票。

把切割後的三個效果:投資選哪個分類、什麼時間投資什麼股票、什麼時間投資哪一檔股票,分開做變異數分析。最後得到的結論是資產分類是最重要,佔獲利績效比93.6%,而擇時跟選股的效果佔不到一成,當然事實上這個結果會不會有爭議,答案是有的。因為這個理論當時所使用的數據是美國退休金計畫,而這個Pension Fund當時的投資標的是大型長期穩定的標的,以台股為例,如台灣50 ETF或台積電等,使用這樣的資料在整個投資組合中,資產分類當然會佔很高的比例。

但是大部成的程式交易Multicharts使用者在交易的期貨選擇權金融商品波動比台灣50ETF及台積電來的大,投資標的物的不同,所產生的資產效果也一定會有所不同。但是同意在篩選投資組合與研判交易決策的過程中,資產分類是重要的

資產分類

期貨交易機器人該怎麼做資產分類,下列為常見資產配置方法:

  1. Fixed Weights:固定平分每個資產權重
  2. 股60債40:股票及債券依比例分散風險
  3. Markowitz:優化風險與獲利的效用函數
  4. Risk Parity:資產對投資組合的風險貢獻度要相同
  5. Smart Beta:投資標的分為多種不同族群,根據弱勢調整權重
  6. Black Litterman:策略績效組合報酬率的評估導入Markowitz

期貨交易機器人可以參考銀行的理財機器人,用基金投資組合的風險偏好程度來做下列三種模型分類,再根據各模型擬定什麼樣的投資人應該用什麼樣的期貨交易策略:

1.積極型投資人:極大化投資組合報酬率、限制每個標的的持股百分比、給定風險的容忍值限定

2.穩健型投資人:極大化夏普比率(概念像報酬與風險的比率)、限制每個標的持股百分比、給定期望報酬率

3.保守型投資人:極小化投資組合變異數(MDD減到最小)、限制每個標的持股百分比、給定期望報酬率

期貨交易機器人要考慮到所有投資組合中,最壞情況下可能產生的最大金融風險,銓智金融科技也提出如何管理評估投資組合下方風險的蒙地卡羅方法,簡稱:VaR (Value at Risk),簡單來說就是評估風險績效。透過交易機器把投資某個策略組合,評估使用一段期間後,將報酬風險的分佈與機率分配列出來,看投資組合所產生的風險,百分之95的比例會落在什麼位置,這也是目前Multicharts或其他程式交易軟體比較無法去衡量的金融風險。

策略分類

期貨交易機器人如何分類-透過AI人工智慧

大部分Multicharts或其他程式交易使用者的策略分類只是分當沖策略跟波段策略,而期貨交易機器人可以透過一些分類的方法做資料分群:

1.聚合式分群法:每個期貨交易策略都視為一個群聚,n支策略就會有n個群聚,最後合併。

2.分割式分群法:一開始先說要分幾個群聚,把這幾個群聚分割開來,再從分割開來的群聚去找。

聚合式階層分群法比較困難的點是在於如何衡量n支策略中的n個策略群聚間的距離該如何衡量。比如說A策略跟B策略的距離多少要合併等,聚合式兩個群聚間距離的衡量方法有:單一連結、完整連結、平均連結與沃德法。

分割式分群法是一開始要先告訴電腦要分幾個策略群,從這幾個策略群的特定時點先做分類,再透過電腦自動找出策略群聚的中心點的位置,每分割一次,這個中心點的位置就會慢慢的往策略群聚的中心點集中,變異數也越來越小。

銓智金融科技CTA交易機器人

Quanffett CTA交易機器人的特色:

1.海量策略庫(單商品300~400支策略)

2.AI人工智慧(策略開發及分群分類)

3.動態調整與風控管理

銓智未來研究發展方向:

1.AdaBoost(Adaptive Boosting):訓練機器分群的能力

2.Pattern Recognition:依據商品走勢判斷商品類型

3.Black Litterman Model:B-L model主張將投資人主觀對於未來的商品預期報酬納入系統評估中,但此法無法做歷史回測與追蹤。Quanffett交易機器人則將主觀的預期報酬,替換成自動交易策略績效,此時可以客觀分析,可以回測,同時可以把短線的CTA多空見解納入長線的ETF投資模型中。

銓智未來產品發展方向:

1.跨國外期貨多商品自動交易策略開發

2.ETF理財機器人網站

3.CTA全自動化交易機器人上線

4.與期貨公司合作發行CTA基金

Author: