现在金融市场,不管是专家还是小白,普遍知道了一个词语:量化交易。似乎只要是和量化沾边的,就是高水平,就是高大上。笔者以多年的经验,给大家全面的分析一下量化交易的种种概念和我们到底应该如何去使用。
还记得前面给大家分享过的交易计划的内容么?在当中就有个判断市场,设定进场,止损止盈,这实际上就是系统化交易的雏形。而量化交易正是建立在系统化交易之上的。
在正式开始给大家解说量化交易之前,我们先想想自己作为外汇投资者身上的臭毛病。
1.不听从市场
获得必要的外汇交易技巧是很容易的,但是如果你不能将这些应用在适当的环境中,你的技能就不会产生你想要的利润。交易的一天结束时,市场依旧是市场,将决定价格走势,而那么无视外汇市场的交易者往往以失败告终。花点时间来了解,在确定当前的外汇价格行动之前是否有更多的信息,而不是固执己见,甚至在还没确定前就增加你的仓位。
2. 不享受交易
练就某种技能需要过程,这是由内心真正的愿望,学习并且希望把它做的更好的心。没有对这种技能的好奇和享受,交易者很难进行刻意的实践和技能开发。当外汇交易者对游戏不感兴趣时,进行市场分析并掌握市场所需的时间无疑会是一件苦差事。这就解释了为什么大多数有抱负的外汇交易者干脆决定放弃,选择追求其他东西。
3. 设定不切实际的期望
一些新手交易者错误地认为,为了成功,他们不应该承担损失。因此,他们压力太大,每次交易都违背了他们的方式,受到打击。 为了避免交易宿命,你必须接受你将面临损失的可能。你会体验亏损,而这种经历可能会让你感觉很糟糕。 不管你喜欢与否,在某些情况下,你都会在交易之路上犯错。但这没关系,即使最好的外汇交易者也会经历这些。
希望自己是正确的,而不是赚钱的
这种想法是错误的,这就是为什么这么多交易难以消化他们的亏损,承认自己的错误并继续前进。 在外汇交易中,交易者往往会对货币产生偏见。这并不是说有什么不好,而是有时交易违背他们的计划时,他们会表现出无法承受的样子。他们则坚持自己的交易,坚持自己所认为正确的,拒绝退出已经失去的仓位。 当你交易时,你应该记住,不应该在交易中投入感情。成功的交易者知道什么时候应该退出一个失去的仓位,他们能够迅速反应。 为了持续盈利,你应该寻找良好的交易,接受你不能控制结果的事实。
以上几种就是我们普通投资者经常有的习惯,弱点,心态等等问题。而量化交易的出现就是为了避免以上情况的出现,帮助我们克服很多人性的弱点。那么什么是EA呢?EA实际上是外汇智能交易系统的简称(Expert Advisor)。我们业内人士一般把外汇中的量化交易简称EA交易。

EA程序化交易系统(量化交易)是将交易策略的逻辑与参数在电脑程序运算并系统化。说穿了,就是一个把我们人类的交易思想以计算机的语言去量化出来,然后在市场中去自动交易的系统。这才有了量化的概念。

以上四个特点一说,相信大多数朋友都明白了EA大致是怎么回事。你要用EA去做:
首先必须有交易模型,计算机只看得懂数据模型(金融工程),和它诗情画意,它怎么看得懂。1是1, 2是2,1+2就是等于3.就算是最先进的阿尔法狗,也是遵循一定的算法而不会带有感情色彩的。
其次同时在完整的EA中,风控是必不可少的,这些原来的人工交易员的风控法则,也是通过程序语言体现在EA的整个架构中,以保证交易模型在安全的边际内执行。
再次,速度,交易贵在速度。再怎么样,电脑的反应速度总是远超过我们普通人的,能在发觉交易机会的第一时间进场是EA的一大显著特点。
最后,执行价位的控制,也就是俗称的滑点控制,行情千变万化,点差瞬间跳动,能否在我们需要的可接受的范围内去下单,这也是EA的整个交易流程中会包含进去的问题:比如设定参数离开触发价格正负2个点范围内可以入场,超过了就放弃,等待价格回归在入场,这样的事情对于EA来说轻轻松松。
这样一来,EA的优势显而易见。

由于EA如此突出的优点,所以不少投资者一直觉得有一款或者几款优秀的EA就可以高枕无忧,尽享财富人生了。那笔者也给这些人泼一盆冷水了,凡是都有两面性,在千变万化的投资市场,没有一成不变的恒久的赚钱定律。否则这样市场就没有输钱的人了,去买一款EA然后VPS上一挂,剩下的就是打呼噜了!

让我们理性的去看待EA(量化交易):高度模型化,严格执行力,稳定状态,没有人类情感左右等,这正是我们普通投资者所欠缺的地方,也是专业交易员一直孜孜不倦追求的。当交易过程中把上述短板给弥补了,我们就一只脚跨入成功的大门了,否则我们还是跪在门外不得其解。
那一只脚跨进去了,另外一只脚呢?问的好,好比我们拿了驾照,但是开车水平还是差距很大,有的人经常撞车,有的人四平八稳。因此有必要进一步的认识到EA的局限和我们如何能把它物尽其用。

一遇道破天机,EA只是工具,也许是个很棒的工具但是使用的效果还是要看人。因此这就告诉各位不要觉得有一个EA就有了一个交易的圣杯。前面说了克服弱势心理,告诉反应和价格控制等优势。有了这些优势还不够的,首先我们要明白量化交易的根本是数学模型,如果而且这个模型并不是一成不变的,市场走势千变万化,没有一个模型可以一直适应行情,参数或者算法在一段时间内需要修改优化。其次,每一款EA都有很多参数,调节不同的参数,跑出来的结果大相径庭。特别是仓位,风险比例,交易时间段,货币兑等参数可以直接决定了交易的盈亏,这个时候使用者的水平,对市场的理解,对风控能力的把握就和EA本身一样重要了。
现在各位看官不知道是否明白了,EA不是万能的,至少在目前而言它最多是个把交易算法固定进去的软件,后续很多地方需要我们投资者自己去把握,自己去修改和衡量。一个外汇小白是不可能成为一个量化交易高手的,这也破解了所谓的好EA,万年不用愁的骗局。
笔者不会全信EA,也不会微信EA,看食物要客观,要公正。好工具加上正确的使用方法,才是我们投资者可能获利的正确的途径。

大家都希望自己的资金曲线完美如上图,那如何正确的使用EA能让量化交易大放光彩?那笔者就和大家分享一下正确使用EA的打开方式:
我们先看看市场上常见EA的运作类型:
1:趋势性EA:


2:振荡性EA:


3:剥头皮EA:


4:逆势加码类:


5:网各类EA:


目前看,在长期历史表现中,能有持久获利概率的一般还是趋势性和震荡类EA,当然前提还是算法精确并且定期有良好的适应性模型升级。


所以当我们选择了相对优秀算法的EA后,经过长期的回测和账户测试,稳定上行的是可以入选的,其次还有使用人员对于其参数的精确调整,特别是笔者前面提到过的仓位,风险系数等参数。这两者缺一不可。选择了不可能赚钱的EA,参数再精确也没用,反过头来选择对了,参数乱设也等于是自杀!

一款EA,不但要能赚钱,而且获利机会要平均,如果过去十年,一共赚了500%,但是只其中一年内完成的,其他9年都是亏损或者打平的,本身说明这个获利太偶然,市场适应面太小。如果是每年都有适当的盈利那就好很多,说明适应面比较广。还有最大回撤要适中,和预期年化收益要匹配,以笔者的经验,一般最大的回撤和年化收益在1:2左右是比较适中的,也是合情合理的,如果回撤过大,则说明其中的风控环节有问题。说穿了,就是成功率,仓位和盈亏比达到一个平衡的问题,也是平衡,越是棒棒的量化交易系统。

其中最后一条是最关键的,将我们精心选择的优秀几款不同类型的EA以投资组合的形式进行良好的匹配做成一个复合型量化交易模式,通过风险对冲减少最大回撤,同时数款EA都具有获利性从而提高长期的综合获利指数,这是投资组合的经典思想。
下面是一些衡量量化交易常见的参数供大家参考:
年化收益率
年化收益率是把当前收益率(日收益率、周收益率、月收益率)换算成年收益率来计算的,是一种理论收益率,并不是真正的已取得的收益率。例如日收益率是万分之一,则年化收益率是3.65﹪(平年是365天)。因为年化收益率是变动的,所以年收益率不一定和年化收益率相同。
年化收益率=[(投资内收益 / 本金)/ 投资天数] * 365 ×100%
最大回撤
最大回撤率:在选定周期内任一历史时点往后推,产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤用来描述买入产品后可能出现的最糟糕的情况。最大回撤是一个重要的风险指标,对于对冲基金和数量化策略交易,该指标比波动率还重要,最大回撤是越低越好。
贝塔比率(Beta)
*相当于业绩评价基准收益的总体波动性
*衡量策略的系统性风险:
如果Beta为1,策略和市场(参照沪深300指数)同进退
如果Beta为1.1,市场上涨10%时,策略上涨11%;市场下滑10%时,策略下滑11%。
如果Beta为0.9,市场上涨10%时,策略上涨9%;市场下滑10%时,策略下滑9%。
那么问题来了, Beta值到底是大好还是小好呢?这得具体问题具体分析,如果是牛市,股市兴兴向荣,个股、大盘狂涨,那就要选择Beta值大的策略;如果是熊市,经济下行压力大,就应该选择Beta值小的策略,这样就可以比较好的控制风险,确保资金的安全。
阿尔法比率(Alpha)
*实际收益和按照Beta系数计算的期望收益之间的差额。
*代表策略多大程度上跑赢了预期的收益率
夏普比率
*代表投资人每多承担一分风险,可以拿到几分报酬;
—单位风险所获得的超额回报率
*该比率越高,策略承担单位风险得到的超额回报率越高。
所以说夏普比率是越高越好滴..
测试天数
|
测试的自然天数(包括当天)
|
测试周期数
|
测试的K线根数
|
指令总数
|
出现指令数目
|
初始资金
|
初始投入总资金
|
空仓周期数
|
没有持仓的周期数
|
最长连续空仓周期数
|
连续无持仓的K线根数
|
*最长交易周期
|
开仓到持仓为0这个过程一共占用的周期数称为交易周期;多头,空头所有交易都有一个对应的交易周期值,取其中的最大值
|
标准离差
|
√(SUM((每次盈利-平均盈利)^2,N)/ N)
|
标准离差率
|
离差/平均盈利
|
夏普比率
|
夏普比率计算公式:=[E(Rp)-Rf]/σp;E(Rp):平均年收益率=年化单利收益率Rf:无风险利率(大约是3%) σp:收益率的标准差率(年化标准差率)=标准差率/sqrt (测试天数/365) 标准差率=标准离差/初始资金
|
*盈亏总平均/亏损平均
|
((总盈利-总亏损)/交易次数) / (总亏损/亏损交易次数)
|
权益最大回撤
|
从测试开始到结束,动态权益计算出来的波段从高点到低点回撤的最大值
|
权益最大回撤时间
|
最大回撤出现的时间
|
权益最大回撤比
|
最大回撤和最大回撤时的最大权益的比值的最大值
|
权益最大回撤比时间
|
最大回撤比出现的时间
|
损益最大回撤
|
从测试开始到结束,动态损益计算出来的波段从高点到低点回撤的最大值(损益最大回撤是以持仓等于0时的资金为标准计算的)
|
损益最大回撤时间
|
损益最大回撤出现的时间
|
损益最大回撤比
|
损益最大回撤和损益最大回撤时的最大权益的比值的最大值
|
损益最大回撤比时间
|
损益最大回撤比出现的时间
|
风险率
|
本金最大回调/本金
|
收益率/风险率
|
收益率/风险率
|
每手最大回撤
|
每手回撤的最大值。(每手回撤:对于每次交易,用该次交易的亏损值除以这次交易过程中的成交手数)
|
每手平均盈亏
|
(总利益-总亏损)/ (总成交量的 1/2)
|
期间最大权益
|
整个测试过程中每个周期已缴保证金+剩余可用资金+持仓浮盈所得结果中的最大值。
|
期间最小权益
|
整个测试过程中每个周期已缴保证金+剩余可用资金+持仓浮盈所得结果中的最小值。
|
手续费
|
交易产生的总手续费
|
成交额
|
成交价*(开仓或者平仓手数)*交易单位
|
盈利率
|
盈利占初始资金百分比
|
年化单利收益率
|
单利收益率/(交易天数/365)
|
月化单利收益率
|
单利收益率/(交易天数/30)
|
年化复利收益率
|
期末权益/起初权益^(360/交易天数)-1
|
月化复利收益率
|
期末权益/起初权益^(30/交易天数)-1
|
胜率
|
非亏损交易周次数/总交易次数
|
风险收益评级
|
星指数越多说明模型风险越小越稳定
|
*平均盈利/最大回调(最大回撤)
|
平均盈利 = 总盈利/盈利交易次数
|
*平均盈利/平均亏损
|
平均亏损 = 总亏损/亏损交易次数;平均盈利 = 总盈利/盈利交易次数
|
净利润
|
净利润 = 总盈利 – 总亏损
|
总盈利
|
盈利的总和
|
总亏损
|
亏损的总和
|
其中持仓浮盈
|
其中持仓的浮动盈亏,最后交易状态如果是有持仓,按照收盘价计算盈亏。
|
*交易次数
|
发生交易的次数
|
*盈利比率
|
盈利次数/总交易次数
|
*盈利次数
|
盈利的交易次数
|
*亏损次数
|
亏损的交易次数
|
*持平次数
|
持平的交易次数
|
平均交易周期
|
总周期数/交易次数
|
*平均盈利交易周期
|
总周期数/盈利次数
|
*平均亏损交易周期
|
总周期数/亏损次数
|
平均盈亏(利润)
|
总利润率/总交易次数
|
平均盈利
|
每一次的盈利额比总资金额的均值
|
平均亏损
|
每一次的亏损额比总资金额的均值
|
*最大盈利
|
单笔最大盈利
|
*最大亏损
|
单笔最大亏损
|
最大盈利/总盈利
|
最大盈利和总盈利的比值
|
最大亏损/总亏损
|
最大亏损和总亏损的比值
|
净利润/最大亏损
|
(总盈利-总亏损)/最大亏损
|
*最大连续盈利次数
|
测试周期内连续盈利交易的次数
|
最大连续亏损次数
|
测试周期内连续亏损交易的次数
|
平均持仓手数
|
持仓手术/持仓周期数
|
最大持仓手数
|
在持仓周期内持仓手数最大值
|
平均使用资金额
|
持仓保证金求和/持仓周期数
|
最大使用资金额
|
在持仓周期内,持仓保证金额最大值
|
平均资金使用率
|
((持仓保证金)/(当前权益)求和)/持仓周期数
|
最大资金使用率
|
(在持仓周期内持仓保证金/当前权益)的最大值
|
扣除最大盈利后收益率
|
(最终权益-最大赢利-初始资金)/初始资金
|
扣除最大亏损后收益率
|
(最终权益+最大亏损-初始资金)/出始资金
|