要怎麼在數千支股票中,找到符合條件的投資標的呢?或是如何在工作繁忙時,也能掌握投資先機呢?在現今資訊與科技發達的社會,隨著「量化交易」的出現,這些問題有可能迎刃而解。許多人或許會疑惑:量化交易是什麼、量化交易策略真有可參考價值嗎?今天TEJ台灣經濟新報資為大家帶來量化交易入門懶人包!從瞭解量化交易,比較量化交易缺點及優點,以及新手學習量化交易的步驟等,讓你多方嘗試不同的投資策略,找到最適合自己的投資方法唷!
Table of Contents
量化交易是一套透過電腦程式來執行的交易方法,依照明確定義的交易策略及規則,自動化獲取、清洗、統計、分析大量數據,以建立數據模型並下單交易,再經反覆回測驗證、策略重構,形成一套有邏輯和客觀的量化交易。
這樣數據驅動的概念,如今已被許多交易量體龐大的對沖基金或大型機構採用,希望能在全球股市中找到獲利方程式。與一般交易相比,量化交易在以下幾個層面有所區別:
量化交易 | 一般(主觀)交易 | |
交易投入時間 | 24小時全天候投入,能隨時察覺全球市場變動、即時交易。 | 投入時間有限,進而導致只能從有限的資訊與時間內,做出投資決策。 |
交易速度 | 快,一達到下單標準即啟動交易。 | 慢,可能錯失投資良機。 |
選股策略 | 由不斷回測、優化的數據模型挑選。 | 個人經驗法則或技術分析。 |
關注範圍 | 廣,可同時處理全球上千檔股票,可容易找出巨觀的產業板塊變動或個股漲跌與事件的相關性。 | 窄,通常在10檔以下。 |
是否可回測 | 是,藉由調整各項變因權數,即可瞭解各模型的可靠性、勝率、風險等。 | 僅能從過往績效回測 |
量化交易能夠排除人性的貪婪、恐懼等主觀情感,且依據歷史數據進行客觀的交易,因此受到許多投資人的喜愛。只不過,仍有投資者或機構選擇採用主觀的人為交易,其原因在於量化交易仍有一些限制,以下為各位分別介紹量化交易優缺點:
4個量化交易優點
許多投資人在入門時,經常會因為經驗不足、受到市場情緒的影響,或是沒有準確判讀消息面,導致每一次交易都像是在猜漲跌,嚴重受到情緒影響。透過量化交易可以使投資變得更加紀律,且可回測驗證,摒除個人的主觀情緒。
人為主動投資者,很多時候都是仰賴多年來累積的投資經驗,對於剛入門的投資者而言,在時間、經驗與金錢有限的狀況下,量化交易更能迅速打下投資基礎,透過一次次的回測、修正模型,慢慢建構出屬於自己的投資策略。
量化交易比起主觀交易,能夠更快篩選出合適的交易標的。主動投資者則需要一個個評估每檔股票,沒辦法監控到可能獲得超額報酬的領域或個股,因此若搭配量化交易使用,通常就能大幅增加研究範圍,找到增投資的可能性。
當交易的資金及量體越來越多時,由於人的精力有限,將會面臨有效管理的臨界點,此時若搭配量化交易,將盯盤與交易的工作交給機器來做,投資人只要負責訂定策略,就能大幅降低失誤發生的可能性。
能透過量化交易來驗證自身策略是否能盈利,判斷在過去是否能賺錢,並藉由調整參數敏感性來反覆驗證策略,以提高績效穩定度。
量化交易可以針對技術指標、除權息行情、法說會、獲利創新高、重大事件等部分來即時追蹤,並藉由觀察市場特性,來統計日內趨勢,或是觀察到星期幾較容易上漲。
4個量化交易缺點
由於是依據歷史數據所建構出的模型,當市場發生大幅變動時會無法及時反應,例如金融市場規則改變、市場短期失靈、黑天鵝事件或是市場情緒大幅恐慌時,這時都會造成超出預期的績效。
可別以為採用量化交易,就代表一切全部交給程式或AI去跑,由於量化交易的策略較多是以過往歷史數據作回測,在執行量化交易後,交易員仍然要依照數據績效、表現,定期做程式上或策略上的優化,不然若都沒有調整量化交易,長期下來虧損和獲利也可能波動較大哦!
我們常可以看見坊間許多利用Python爬蟲、分析資料的教學,但最難的部分不是寫程式,而是怎麼拿到數據,更準確的說,拿到「別人沒有」的數據。對非大型投資機構的投資者而言,許多進階數據可能需「付費」才能獲得,若越來越多人拿著同樣的數據進行量化交易,那麼就會使利潤變稀少,因此資料取得也是困難點之一。
大多數進行量化交易的人或機構,都擁有大規模資金,原因在於量化交易的買賣次數頻繁,需要大量資金來談手續費優惠,且量化交易多數時候是以機率為主,在長期市場震盪時必須承受回檔時的波動,資金較小的投資者較難承受此波動,資金也常是量化交易者的門檻之一。
就算是在自動化平台操作量化交易,量化交易針對coding、數學、邏輯能力要求均較高,對於新手來說進入門檻可能稍高。
從古至今許多藝術家都是透過臨摹,一步步紮實學習、鑽研技術,才能成為獨當一面的專家,量化交易也是如此,初期透過學習常見的策略,才能慢慢培養數據及市場敏感度,發展專屬自己的策略。以下為各位介紹6大常見的量化交易策略:
透過程式分析看好跟看壞的幾支股票,對看好的股票組合做一定金額的多,那麼就一定要對看壞的股票組合做相同金額的空,讓Beta值(衡量系統性風險的值)接近為0,避免系統性的風險。較不受空頭市場影響,但風險並沒想像中低,且對一般人而言較難操作。
類似市場中性策略,也是透過抵銷多空市場,降低市場系統性風險。然而做空與做多的金額不相等,通常採130/30策略,多頭佔了130%、30%做空,希望在做多與做空的部位都能獲得超額利潤,非常考驗選股的技巧,是最常見的投資策略。
通常跟隨趨勢,分為順勢交易或是逆勢交易,順勢交易是跟隨趨勢進行操作,逆勢交易通常為猜高點、猜低點的趨勢策略。
當某公司發生特殊事件,例如併購、財務困難,甚至破產時,就會進行交易,例如發生併購事件時,通常消息一出被併公司的股票會上漲,而收購公司則會下降,在那之前分別進行做多及做空,就能賺取報酬。然而風險較高,需準確計算併購成功率。
研究顯示,目前美股有約半數(55%)的交易,都是由高頻交易所完成。其藉由強大的電腦及網路設備,在極短的時間內快速參與市場波動,例如在50塊的時候將所有掛賣的100張單子全成交,再用51塊賣出,以賺取價差。然而,這樣的方式由於交易頻率高,需搭配極低的手續費,甚至演算法也是影響搶單成敗的關鍵,需具備一定資金規模及強大的程式能力。
最後,技術分析是非常容易入門的量化交易策略,因為像是EMA、MACD、RSI、KDJ等數據指標都相當容易下載,但要如何在眾多基本的量化技術分析中取勝,就得仰賴自身的能力,透過結合市場多空比、新聞情緒或基本面財報等來做變化。
對沖交易一般來說,可以歸為一種「避險策略」,藉由觀察不同交易所出現的價差或市場不效率,並使用量化交易的程式來進行套利,像是配對交易、因子檢定等各種套利方式。
前面我們提到,量化交易十分適合剛入門的投資人,可以更快熟悉股市交易及建立策略回測習慣。然而許多人一聽到量化交易,就會直覺想到艱深的數學和複雜的程式碼,其實只要做好以下4個步驟,就可以嘗試量化交易囉!
想要入門量化交易,那麼最簡單的方法便是挑選支援量化交易的平台,這些平台有些會提供範例量化交易策略,以及可微調的參數,新手們可以先拋開程式學習,感受量化交易與一般交易的差別。
當找到量化交易平台後,便要開始瞭解該平台內的運作、基本的市場交易規則,如果能同時開始接觸基本的程式語言設計、演算法、機器學習等,就能夠將市場回饋的知識一步步實作成一支可用的程式。
熟悉各種策略後,根據程式收集及分析數據的結果,挑選出最適合的策略並進行參數的調整,並在各部位中設定合理的進出場價格及數量,管理好風險後便可開始交易。
量化交易策略在一定時間內進行時,需全程監控策略績效,切忌不要受到個人情緒影響而隨意平倉或加倉,並在整個策略運行結束後,可以透過比較同時間段不同策略的績效表現來持續優化,或是考慮轉換使用其他的策略。
答案是對的,量化交易又可被稱作「程式交易」、「計量交易」、「演算法交易」等,是一種有別於主觀交易、數據驅動的方式。任何交易的策略,都可以用電腦程式進行自動化抓取、回測、統計、分析數據及下單。
但投資新手也別因為量化交易和寫程式碼有關,而對其感到畏懼。其實目前有很多AI智能計算和模型,甚至是券商、交易平台等,都有推出自動化的量化交易模型和策略,只要知道其原理、進行參數的修改,同樣能夠參與量化交易的體驗。程式只不過是工具,該如何對交易結果產生洞察及持續回測模型,才是量化交易的精髓所在。
TQuant Lab 為TEJ採用Quantopian所提供的量化交易研究架構,延伸開發之回測平台。經過反覆的訓練與改善,成為完善、可靠又可信的回測系統。
TQuant Lab 所有證券相關資訊皆來自 TEJ 獨家提供的資料庫,保障使用資料的高質量,資料庫主要分為四大面向,分別是證券特性標注、籌碼面、營運面與財務面。再搭配 TQuant Lab 的量化分析工具,從資料整合、 多因子分析、交易策略回測、績效分析,最後產出視覺化報表,全方位協助提升量化分析的效率!此外,由於以 Zipline 為基底開發,程式架構已經過多年第三方驗證,確保程式上的正確性,TQuant Lab 也針對不同交易限制與成本皆有參數可供調整,方便使用者打造最擬真的交易環境。若有興趣者,歡迎與我們聯繫以獲得更多資訊。
延伸閱讀:
TQuant Lab 華倫.巴菲特企業投資法則 – TEJ台灣經濟新報
相關連結:
電子報訂閱