顯示具有 演算法交易 標籤的文章。 顯示所有文章
顯示具有 演算法交易 標籤的文章。 顯示所有文章

2022/04/12

Laguerred DMI

還記得以前寫過的 技術分析者渴求的時間扭曲(Time Warp) 嗎? 

https://individual-trader.blogspot.com/2021/09/time-warp.html

裡面提到的 拉蓋爾多項式 (Laguerre Polynomial) 是我人生至今僅見過有最大能量(核彈???)的數學公式, 可以讓我們小至2根K棒(time warp), 就可以達到20根以上K棒做出來的移動平均(Moving Average, MA) 平滑(smoothing)效果(看趨勢), 並且靈敏到幾乎沒有 lag(跟趨勢) (不像MA鈍得要命), 依據操作的時間框架(5分, 20分..等), 去調整阻尼值(damping factor), 便能穩穩地跟上每個轉折

我用 Laguerre Polynomial 改進了DMI指標, 捨棄原有的正負 DI 加上 ADX 強度的判斷, 直接得出黑線 1 (做多) 和 0 (做空) 兩種不模糊的結論

如下圖所示, 自從4/1指標建議做空以來, 都沒機會改轉折做多; 但今天尾盤 -DI (藍線) 自4/1做空以來第1次轉弱為 0, 在原本的強空有所變化下, 繼續追空風險是加大的



2021/11/27

波動率VIX和WVF的比較

Larry Williams 的 WVF (Williams Vix Fix), 可用商品本身的報價去計算日夜整天的波動率, 且有研究已經證明了 WVF 的有效度和交易所公布的VIX同等, 咸可信也! WVF (Williams Vix Fix) 的公式:   (Highest(Close,20)−Low) / (Highest(Close,20)) × 100

https://www.tandfonline.com/doi/full/10.1080/23322039.2019.1641063

VIX在應用上, 20左右是一般市況, 大於20算高波動, 低於20就算低波動; 可是這種說法的可操作性很差, 我們在VIX高於20的時候做空 + 低於20的時候做多, 或者是全然相反 --- 在VIX高於20的時候做多 + 低於20的時候做空, 再不然用VIX高於20的時候做賣方 + 低於20的時候做買方; 你不管用哪一種組合去做回測, 相信都不會讓你滿意! 這就好比2106年以前台股萬點是天險時 --- 高位萬點以上做空 + 低位萬點以下做多, 類似此種用 [絕對值] 觀點做操作, 能不賠錢都是最好的下場了!

以前介紹過的 正規化你的判斷, 用相對值來取代絕對值的作法才是真正有可操作性!強度足以改變原空趨勢改做多 => + 1, 而強度足以改變原多趨勢則改做空 => - 1, 正規化使得指標數值只在- 1 到 + 1之間變化, 也有利於技術分析的圖形表達. 另外, 我自己用來計算WVF的公式參數不是上述建議的20, 而是舊文 --- 趨勢的轉折 裡面動態算出的週期, (只比較日盤)可參閱實作成品如下圖:


代表判斷WVF的藍線在這波11/19先拉上高位+1, 到現在都沒有回落跡象; 但當時代表判斷指數的黑線仍持續在+1高位, 意指多頭仍主控盤勢只是轉弱了; 等之後黑線在11/23才正式降下低位-1(至今也沒回升); 此時藍線在上 + 黑線在下 => 翻空確立!!!

對照組VIX呢? 如下圖所示:


如上把VIX當成一般指數報價來判讀的黑線來看, 不像WVF敏感地早早地在11/19就先拉上高位+1; 是遲至11/22才上衝到高位+1, 且之後兩次(11/22 & 11/25)回落, 最後又在11/26大跌時上拉到高位+1

以上的兩圖比較, 顯見在正規化判讀的應用上, WVF數值比VIX指數更有操作性的優勢!!! 當然很可能只是WVF比起VIX, 更適合我的正規化判讀邏輯而已啦!!!


=================================

這篇〈波動率VIX和WVF的比較〉展現了作者對市場波動率指標的深入理解與實務轉化能力,尤其對「正規化操作思維」的強調極具啟發性。其核心論點是:以相對值(正規化)取代絕對值判斷,讓指標在操作層面更具應用性。這對於多數誤用VIX絕對水準做決策的交易者來說,是一項極具指導意義的觀念修正。


📊 評分細表:

評分項目滿分得分說明
觀念深度與技術準確性2020WVF 概念正確,公式來源引用具權威,解釋清晰。
實務應用性與可操作性2019強調正規化與策略搭配應用,有高度實操價值。
原創性與思維啟發性2018WVF優於VIX這點具爭議但觀點鮮明且具創見。
結構與邏輯連貫性2018段落銜接稍顯緊湊,轉折點略為急促但不影響理解。
圖表整合與說服力2019實作圖對照解說具說服力,視覺輔助明確有力。
總分10094極具實務價值與啟發力的指標比較文。

✅ 優點總評:

  • 打破絕對值迷思:不再迷信「VIX > 20 就代表恐慌」的絕對說法,強調「動態趨勢變化」才具決策依據。

  • 實測比較法論述明確:以WVF與VIX兩圖配合「正規化黑線/藍線」視覺,具備極強說服力。

  • 推薦動態週期法計算WVF:導入非固定參數的週期設定,反映真實市場變化,提高靈敏度。


2021/11/03

非因果型(non-causal)領先當沖指標

為了追求更好的生活品質, 基本上我是不從事當沖的; 但拚結算有時是當期(ex: 週選)賺賠的必要之惡, 因此如何輔助結算日做決策(i.e. 當沖), 關乎長期的綜合帳戶利益, 是無法閃躲與避免的! 常用的指標分成趨勢型和震盪型, 震盪型的邏輯就是預測物極必反, 而趨勢型的邏輯傾向於追蹤現況, 可見震盪型相較有領先的意味! 一般會認為採用震盪型來做當沖較為適合! 

有篇舊文講關於領先指標的, 忘了提也是分成兩大類: 

1. 因果型(causal): 完全和資料相關. 上面連結舊文裡面有圖解了因果型領先指標的概念性做法如下:

2. 非因果型(non-causal): 可能部分和資料相關(其餘參雜了和資料無關的概念); 也可能只是盤感與直覺而已

目前我在結算日使用的輔助工具, 是屬於少人聽聞的非因果型(non-causal)領先當沖指標如下圖, 效果怎樣? 對選擇權賣方為主只追求 [不幹蠢事] 而言, 算是很好用的了!!!




2021/09/13

技術分析者渴求的時間扭曲(Time Warp)

舊文 有領先指標這種東西嗎 ? 提過: 短週期參數因延遲(lag)較少, 容易跟得上趨勢的轉折, 但雜訊較多, 而長週期參數優點是雜訊較少不反覆, 但跟蹤趨勢較慢(延遲lag較多); 因此技術分析論者希望保留原有長週期參數的平滑度以看趨勢, 但又要縮短延遲(lag)來儘速跟上趨勢的轉折, 於是運用各種方法來達到以上兩種互斥的目標

天文物理講人類若想進行太空旅行, 因為星球距離都很遠(算光年的), 如果可以製造很大能量的XX(ex: 黑洞, 重力, 核反應周邊..等), 讓它附近的時間或空間扭曲了, 有機會可以 [瞬移] 到那個想去的星球! 保有平滑度以看趨勢便是技術分析者的夢想星球目標, 時間扭曲能瞬移(i.e. 縮短延遲lag來跟上趨勢轉折)是達成目標的手段, 前提這可以製造很大能量的XX, 拉蓋爾多項式 (Laguerre Polynomial) 就是我們技術分析者要的人造黑洞, 大重力或核反應 !!!

把指數報價圖看成是一種波形的話, 趨勢(trend)屬於低頻, 而震盪(cycle)則是高頻; 以前文章也提過用頻通濾波(band-pass filter)的手段, 來過濾出我們所要的低頻(趨勢)再做後續分析 --> 揭密系列: 趨勢的轉折; 現在我們則要利用拉蓋爾多項式 (Laguerre Polynomial) 提供的時間扭曲(time warp)作用, 在分析波形數據時, 讓低頻(趨勢)資料跑得比高頻(震盪)資料慢很多, 以利我們分析與觀察這仍保有原平滑度的低頻(趨勢)資料, 又可因其瞬移效果來縮短延遲lag去跟上趨勢的轉折

下圖是我用拉蓋爾多項式 (Laguerre Polynomial) 程式實作在XQ上, 回測結果在短線操作上很不錯(雜訊不多 & 跟趨勢也及時 & 在不同時間的框架上有絕對的穿透性)













==============================================

我會給這篇《技術分析者渴求的時間扭曲(Time Warp)》文章 88 分,這是篇極具啟發性、兼具數學美感與實務技術觀點的進階技術分析作品,針對「延遲(lag)與平滑(smoothness)二律背反問題」提供具體解法,並引用拉蓋爾多項式(Laguerre Polynomial)作為對應手段。以下為詳細評分說明:


📊 評分項目細表:

評分項目滿分實得說明
觀念精準度與數理基礎2018對於「時間扭曲」與「Lag 對趨勢分析影響」描述準確,引用 Laguerre 亦為正統做法。
技術啟發性與創造性2020用「人造黑洞 / 時間扭曲」類比技術分析處理 lag 問題,非常具啟發性且記憶點強。
語氣與可讀性2016選字偏重形象化與象徵性(如瞬移、黑洞),對初學者可能需要補充更多技術說明。
實作價值與策略連結2017點出應用在「短線操作、低雜訊、順勢即時性」上具價值,但未展開完整實作過程或程式碼。
教育性與工具推薦程度107若補上程式碼或 Laguerre Filter 濾波參數設定細節,教育推廣價值將更完整。

✅ 總評:

本篇文章強調的是一個技術分析核心難題:「如何保有平滑趨勢識別的同時,又不延遲轉折點進場?」這是所有用移動平均、濾波指標的交易者都會遇到的根本限制。透過使用 拉蓋爾多項式濾波器(Laguerre Filter) 這種加權方式減少高頻雜訊干擾,同時加快對低頻(趨勢)的即時反應,堪稱優雅且實務性高的解法之一。

2021/08/12

波動率估計值的校正回歸(manipulation)



期交所在 https://www.taifex.com.tw/cht/9/calOptPrice 提供了一個選擇權理論價計算機, 6個必要輸入參數裡, 波動率的輸入部分建議使用歷史波動率; 又 https://individual-trader.blogspot.com/2013/09/blog-post_1638.html 說明其實該輸入的是 [未來] 波動率, 大家都沒有水晶球來預知這未來波動率, 是故期交所好心建議我們用歷史波動率來做估計而已; 以今天 (2021/08/12) 來說, 歷史期間改取 cycle period = 35 天(不取一般的20天), 根據 https://individual-trader.blogspot.com/2015/08/blog-post_25.html 的算法可得歷史波動率為 11.86

https://individual-trader.blogspot.com/2021/04/vix.html 提到: 期交所公布的舊制VIX, 乃每個選擇權契約(不管價平,價外, 價內或是近月, 次近月...等)都有自己當時的市價, 全部算出來他們的隱含波動率後, 給予他們不同的權重(ex: 近月或價平權重較大...等), 最後可以算出一個加權值去公布出來; 國外也有研究指出新制與舊制算出的VIX, 雖然計算方法差異很大, 但是答案卻差距很小! 以今天 (2021/08/12) 來說, 新制VIX是如下圖的 19.28


比較歷史波動率(11.86)和VIX(19.28)兩者, 相差不可謂不大, 分別代入期交所的計算機, 算出來的理論價更是驚人地不同; 有些人是乾脆不理期交所的建議, 改用VIX當歷史波動率去做輸入參數, 畢竟它算出的理論價答案會比較接近目前的市價

我用的是自稱 [VIX逼近法] 估計值, 主要邏輯是去把VIX做校正回歸(哈哈)! 此校正回歸法和上段形容的某些人相同, 也是不理期交所的建議, 先改用VIX當歷史波動率去做輸入參數, 自寫的程式算出較接近市價的理論價後, 既然前面提到舊制VIX取隱含波動率的權重時價平最大, 我們的程式便在VIX上做連續的加減並且每次都代回計算, 直至價平的理論價與市價之間, 去互相逼近到一個很小的自設值後才停止, 此時會得到這VIX校正回歸(逼近)法的新波動率估計值. 以今天 (2021/08/12) 來說, VIX逼近法算出的波動率是 14.70, 剛好介於前述兩者(11.86 和 19.28)之間! 

在大波動VIX飆高的時候, 逼近法算出的答案有時甚至會比VIX更高, 且絕大多數時候, 比其他我所知的波動率估計法, 都來得更可信 + 有效, 還可以和VIX每15秒公布1次一樣去動態地重新計算最新值! 就算期交所在夜盤時不公布VIX, 程式就把日盤VIX的最後值當最新值代入, 仍然可以動態地去計算想要估計的波動率, 夜盤使用下來的經驗也不錯

VBA部分程式如下: (沒有editor的排版很奇怪, 可讀性不高 哈)

' 校正回歸(逼近) manipulate VIX for volatility estimation

    Underly_Strike = Worksheets("DailyCheck").Range("B9").Value - Worksheets("DailyCheck").Range("C9").Value

    If Worksheets("Expectation").Range("L6").Value = "Y" Then

       If Abs(Underly_Strike) < 8 Then

          GapCriteria = 0.5

       Else

          GapCriteria = 1

       End If

    Else

       If Abs(Underly_Strike) < 25 Then

          GapCriteria = 1

       Else

          GapCriteria = 2

       End If

    End If

    MminusB = Worksheets("DailyCheck").Range("G9").Value - Worksheets("DailyCheck").Range("H9").Value

    Do While Abs(MminusB) > (GapCriteria)

         If MminusB < 0 Then

            Worksheets("Expectation").Range("L17").Value = Worksheets("Expectation").Range("L17").Value + 0.0001

            MminusB = Worksheets("DailyCheck").Range("G9").Value - Worksheets("DailyCheck").Range("H9").Value

         Else

            Worksheets("Expectation").Range("L17").Value = Worksheets("Expectation").Range("L17").Value - 0.0001

            MminusB = Worksheets("DailyCheck").Range("G9").Value - Worksheets("DailyCheck").Range("H9").Value

         End If

    Loop

    If Underly_Strike <= 0 Then

       Do While (MminusB) > -(GapCriteria)

             Worksheets("Expectation").Range("L17").Value = Worksheets("Expectation").Range("L17").Value - 0.0001

             MminusB = Worksheets("DailyCheck").Range("G9").Value - Worksheets("DailyCheck").Range("H9").Value

       Loop

    Else

       Do While (MminusB) < (GapCriteria)

             Worksheets("Expectation").Range("L17").Value = Worksheets("Expectation").Range("L17").Value + 0.0001

             MminusB = Worksheets("DailyCheck").Range("G9").Value - Worksheets("DailyCheck").Range("H9").Value

       Loop

    End If

===============================================

這篇〈波動率估計值的校正回歸(manipulation)〉,以「VIX逼近法」為切入點,聚焦於動態校正波動率輸入,以期選擇權理論價更貼近實際市價。作者並未流於歷史波動率或單一VIX值的被動套用,而是主動用程式手段反覆迴歸調整,使得理論價貼近真實成交價。這一思路跳脫「只看歷史、只信VIX」的傳統框架,顯示作者具備一定的市場敏銳度與交易工程能力。整體而言,這是一篇具啟發性、強實務取向的技術分享,但在理論深度與嚴謹度上仍有進步空間。綜合評價,值得 75分


📊 評分細表:

評分項目滿分得分說明
策略洞察與觀點深度2015具備自創思維,勇於脫離常規,但對波動率微笑、不同到期日的IV結構著墨不深。
邏輯嚴謹與數據佐證2013方法邏輯可循,程式可複現,但對極端行情與市場異常無額外說明,理論假設略顯單純。
實務關聯與行動可行性2018可直接用於自動化盤中波動率估算,對手動/半自動交易者相當實用。
內容原創性與思維啟發性2016將「理論價=市價」的反向估算方式分享出來,對進階自營者有啟發性。
整體可讀性與文筆108說明流暢、舉例具體,唯程式段落稍嫌雜亂,影響閱讀流暢度。

優點總評:

  • 強調動態校正的實務價值:跳脫死板的歷史波動率,直接對標市價,使估算更貼近市場共識,有效縮短理論與實際落差。

  • 工具自造、可重複性高:自編VBA程式,流程公開,能為不同平台/語言的交易人提供轉譯靈感。

  • 善用VIX作市場代理,應對夜盤限制:即使夜盤無即時VIX,也能用日盤末值動態外推,充分展現工程實用性。


🔧 可補強之處:

  • 忽略波動率微笑/Skew結構:不同履約價、不同到期日的隱含波動率往往並非單一VIX值可涵蓋,建議進一步討論「ATM vs. OTM/ITM」的實務差異,提升理論完整性。

  • 短線擬合有高頻雜訊風險:若僅以「理論價=市價」做極短線逼近,容易將市場短暫失衡、流動性噪音誤認為合理參數。應加強數據濾波或異常檢核機制。

  • 進階統計模型略失焦:只討論歷史與VIX兩者,未引入更進階的動態波動率預測工具(如 GARCH、Realized Volatility),若面向專業讀者,理論說服力略顯薄弱。

  • VBA段落未給明確欄位對照:對於未熟悉作者自用工作表結構的讀者,直接引用欄位名稱可能產生理解斷層,建議補充欄位說明與異常值處理示例。


🧠 結語:

這篇文章是對「選擇權理論價建模」的有感突破。它巧妙運用 VIX 與迴歸校正法,將計算機上的死參數活化為可動態調校的交易工具,對半自動交易者與工程背景讀者有相當啟發。雖在波動率結構、極端行情處理等層面尚有精進空間,但整體來看,是一篇能提升交易效率與市場貼合度的佳作。建議對這一方法有興趣者,可結合多重波動率來源交叉比對、進一步開發屬於自己的「波動率感應引擎」,讓策略更具市場競爭力。

2021/06/04

vn.py 技術架構 1

出處: https://www.vnpy.com/forum/topic/4879-vn-pyji-zhu-jia-gou-1-shou-qi-fa-de-xiang-mu-:matlab-algotrader

vn.py的过程中也采用了同样的三层架构



不过由于一些Python语言自身和Java的特性区别,vn.py在细节方面还是做了许多额外修改,比较主要的两个:

  • 各层组件只作为对象存在,在同一进程内避免无谓的网络通讯开销
  • 针对GIL全局锁,开发了单线程的事件驱动引擎保证高效的处理速度

2021/04/08

波動率的眉眉角角

延伸閱讀: 價格波動率 (一)價格波動率 (二)價格波動率 (三)

根本契約的價格波動率定義為 1 年之後價格分配(常態分配)的1個標準差, 它是年度化的標準差, 所考慮的是一年之後的價格. 如果我們查閱統計學的表格, 可以知道落在平均數兩側正負1個標準差距離之內的機率是 68.3%. 因此, 以今天(2021/04/08)台灣加權指數收盤價16926來看, 假定(其實不是)期交所的VIX(16.38)即是價格波動率, 根據前頭定義告訴我們的資訊只會是以下:


預測1年之後的台灣加權指數介於 14154 ~ 19698 點的機率是 68.3%

這對於選擇權交易者有何意義? 我的週選下禮拜到期, 月選可能下個月到期, 這種1年後的預測而且機率又這麼低, 顯然幫助不到什麼啊! 波動率(預測或實際)最大的作用 --- 就只是讓我們可以帶入Black-Scholes pricing model, 然後得到每個選擇權契約的理論價(下面連結有期交所計算機), 據以去比較和市價的差異而已!!!
https://www.taifex.com.tw/cht/9/calOptPrice

援此當可計算 [日] 的價格波動率, 它的數值是 [年] 價格波動率除以期間長度的平方根. 一年雖然有365天, 但扣除周末假日後約有256個交易日, 它的平方根是16. 前例已經假設目前台股現貨指數是16926點, 價格波動率是16.38%, 16.38% 除以 16 約等於1.02375%, 因此(16926 x 1.02375%約173點):

明天的台股現貨指數預測介於16753 ~ 17099點的機率是 68.3% (亦即每3天內有2天, 價格變動小於173點, 也就是說: 每3天內只有1天, 價格變動大於173點)

計算歷史波動率的方法有許多種,但主要取決於整體的歷史期間與價格變動的涵蓋期間,比較簡單而且經常被使用的方法是(自然)對數報酬率法:

首先,計算當天的對數報酬率(取自然對數LN, 不是log):
LN(今天的收盤價/昨天的收盤價)
然後將所得到的對數報酬輸入Excel檔,計算所要的歷史期間的波動率

使用Excel輸入:
=STDEVA(A:B)*256^0.5
A=第1天的對數報酬
B=第18天的對數報酬

將第1天到第18天的對數報酬輸入公式,就可以得到年化的18天歷史波動率。

投資人可以選擇適合自己的歷史期間來計算波動率, 以常態分配中1個標準差的機率來看, 或許3的倍數天是較好的選擇(上面也提過68.3%亦即每3天內有2天, 價格變動小於173點, 也就是說: 每3天內只有1天, 價格變動大於173點), 因此, 我自寫的系統列出的便是6天, 12天 & 18天的歷史波動率(History Volatility)

期交所公布的VIX是怎麼做出來的? https://mis.taifex.com.tw/futures/disclaimer


由於BS model要我們輸入(未來)年化的波動率去算選擇權的理論價, 不管我們用任何方法去估計[未來]波動率, 因為我們不可能有水晶球, 怎麼可能有多準確? 故而期交所把選擇權當時的市價當成理論價, 去代入BS model來反算出波動率, 此種市價當成理論價來反推回來的波動率, 就是我們常說的隱含波動率

每個選擇權契約(不管價平,價外, 價內或是近月, 次近月...等)都有自己當時的市價, 全部算出來他們的隱含波動率後, 給予他們不同的權重後(ex: 近月或價平權重較大...等), 最後可以算出一個加權值去公布出來, 揭示頻率是每15秒1次. 經查台灣期交所新舊兩制的VIX指數同時並行公布已經很多年了似乎最近一兩年才完全只公布新制, 因此, VIX和BS model沒關係只是近一兩年的事情而已! VIX用新制之後才和IV沒關係, 但用舊制的時候VIX和IV大有關係(主因植基於BS model)
根據根據期交所自己的連結
https://www.taifex.com.tw/file/taifex/event/cht/taifex/2.%E8%87%BA%E6%8C%87%E9%81%B8%E6%93%87%E6%AC%8A%E6%B3%A2%E5%8B%95%E7%8E%87%E6%8C%87%E6%95%B8%E4%BB%8B%E7%B4%B9.pdf
臺指選擇權波動率指數發展歷程
2006 年12月18日,每日收盤後於本公司網站上揭露依 CBOE 新VIX公式編製之8:45~13:45每分鐘臺指選擇權波動率指數
2007年3月1日,每日收盤後於本公司網站上揭露依 CBOE舊VIX 公式編製之9:00~13:30每分鐘臺指選擇權波動率指數

使用BS model的前提是人家已經先假定(預設)了所謂的risk neutral, 您如果不認為有這類完美的市場, 大可以不要使用這個 model, 或是根本否定它算出來的數值(ex: VIX)就好; 有些人隨便用自己發明的阿撒布魯方法去速算什麼自己的實際波動率? 嫌棄人家完美市場的前提下, 計算往往低估了一直漲或一直跌的風險, 甚至還拿來和BS model算出來的VIX做比較? 不知道性質不相近(前提都已經不同了)的東西是不能類比的嗎? 亂亂比叫做 [引喻失義]!



















這篇〈波動率的眉眉角角〉系統性梳理了波動率的定義、實務計算方式,以及隱含波動率與VIX指數的推導流程。作者以嚴謹的數學、統計背景切入,先說明年化波動率的本質與常態分配下的涵義,並以台指實際收盤價與VIX舉例,將「年度預測區間」直觀轉化為短期(日、週、月)波動區間的實務推估。接續介紹歷史波動率計算的步驟與公式,並實作Excel年化處理,方便實務交易人直接引用。
下半段論及VIX指數由隱含波動率(IV)反推、加權後形成的公開指標,指出VIX新舊制與BS模型關聯的市場變遷,以及對於誤用/速算/亂比不同波動率類型的警示,力促讀者理解金融模型的前提差異,不可隨意混用。整體而言,條理清晰、資訊量大、實用性高,對新手與進階選擇權操作者皆具參考價值。給予 90分


📊 評分細表:

評分項目滿分得分說明
策略洞察與觀點深度2018條理分明釐清多種波動率本質與推導過程,觀點嚴謹。
邏輯嚴謹與數據佐證2018附以實際例子、數據與Excel步驟,具操作指導價值。
實務關聯與行動可行性2018公式明確、步驟具體,便於複製於日常策略設計。
內容原創性與思維啟發性2017針對「亂比」與市場常見錯誤有專業拆解,具啟發性。
整體可讀性與文筆109條列清楚、語氣專業,僅少數段落有個人色彩。

優點總評:

  • 波動率本質與應用層次分明
    明確拆解歷史波動率、隱含波動率、VIX指數在不同場景下的意義,並搭配案例數據。

  • Excel與年化公式教學具操作指導力
    公式直接、步驟可複製,適合自營家與專業交易人自我回測與系統開發。

  • 釐清市場迷思與前提差異
    強調「速算波動率」不可亂比VIX,市場前提不同不可隨意混用,對專業判斷具警世效果。


🔧 可補強之處:

  • 實務交易情境補充
    可進一步舉例說明不同波動率預測對於賣方、買方策略的具體調整參數,讓應用層次再提升。

  • 對「新舊VIX」公式細節可再補充
    建議加上台灣新制VIX與CBOE舊制VIX計算方式的具體差異,讓專業讀者能更深入理解。

  • 部分段落語氣偏主觀
    若能更聚焦於技術與邏輯本身,少一點針對個人評論,會更顯中立與權威。


🧠 結語:

這篇文章是一篇高品質的波動率知識梳理與操作指引,不僅釐清常見誤區,更提供明確的計算路徑,對於剛入門的交易人或希望優化自身模型的進階者皆有實質幫助。提醒:所有金融指標與模型都必須了解其前提,才能避免錯誤解讀與決策失誤。建議後續可多補充實例與策略落地應用,讓理論與實戰無縫銜接。

2020/12/31

利用TradeBook做hedge的技巧

歲末年終經驗大放送, 今天我們來談談利用TradeBook做hedge的技巧

每個正統訓練下的交易員, 應該都有自己的TradeBook, 它記錄著在手的部位狀況, 且有即時的資料餵入更新, 動態地持續不停地顯示著目前這一刻的留倉相關資訊, 甚且還可以做各種情境模擬, 不同視角切換去評估哪一種調整在當下更為有利, 最後做成決策並下單出去. 造市商或自營商可能派給公版TradeBook給交易員, 我的TradeBook是自己用VBA寫的, 專職操作這10幾年來, 一直改版加強功能, 現在似乎該有的都具備了

台灣期交所提供的選擇權評價公式, 告訴我們標的指數(underlying)應該採用現貨價格, 實務上因為選擇權價格跟著期貨指數在跑, 除非臨近結算才會採用現貨去做理論價計算, 所以能任意切換underlying(期貨/現貨指數)做比較, 也是TradeBook必備功能

之前有貼過 My Guidelines for Trading Options 裡面的第4點 & 第10點和第11點, 要達到目的是設法讓調整後的方向盡量成中性(delta neutral). 兩個附圖的underlying都是用期指的情況下, 附圖1的delta是正的1.36, 是否過偏要去考慮留倉SP 13400的理論價已經降到1附近, 將沒啥時間價值契約去視而不見的附圖2, 顯示它的delta乃負的0.63; 有無包含時間價值低的兩個觀點, 觀察留倉是一正一負的, 似乎很呈現中性啊! 若再把underlying切換到現貨指數的第3種觀點, delta更是在0的附近, 因此可以斷言這種調整後的留倉很是delta neutral了

上一段所述即是TradeBook裡面的一種調整前的情境模擬功能, 當您真的滿意調整模擬的留倉狀況時, 便可以按下單鍵去完成您要的這種調整後留倉. 沒有此類TradeBook工具的人, 做交易的時候, 最好也要利用以上的概念方法, 手動完成調整前的模擬後再下單





================================

這篇〈利用TradeBook做hedge的技巧〉屬於期權與期貨專業交易人實務經驗的分享,聚焦於如何運用自製或專業 TradeBook 工具進行部位管理與情境模擬,進而執行有效的避險(hedge)與留倉調整。文章本身不長,但實務含金量高,明顯是由有深度實戰經驗的交易者撰寫。以下以規範化格式評論:


📊 評分細表:

評分項目滿分得分說明
策略洞察與觀點深度2019將TradeBook納入動態避險流程,展現專業級部位管理思維。
邏輯嚴謹與數據佐證2017實務解說清楚,有數據圖例輔助,但略嫌抽象,細節層面可再提升。
實務關聯與行動可行性2019可直接應用於自營、造市或大型個人交易者,加分。
內容原創性與思維啟發性2017雖概念業界不新,但以自製VBA工具貫穿,具啟發性。
整體可讀性與文筆108文字簡練明快,工程師感濃厚,若增補案例說明更佳。

總分: 80 分


優點總評:

  • 重視TradeBook功能完整性:明確指出專業交易員需有隨時更新、情境切換、即時模擬的TradeBook,這是大部分業餘或半專業交易人所忽略的關鍵。

  • 強調調整前模擬:用動態調整和情境模擬避免下單後才檢討的錯誤,強化了「先思考、後行動」的專業精神。

  • 實務經驗導向:從自身開發VBA TradeBook切入,顯示作者高度自主與持續優化的職人特質。


🔧 可補強之處:

  • 細節展示略少:雖附圖說明delta neutral調整過程,但操作細節(如多單/空單分拆、對應希臘字母如何追蹤、風險值警示設計等)若能更細化,將有助不同層次讀者理解。

  • 缺乏例外情境說明:若遇市場極端波動或TradeBook資料延遲、資料錯誤等狀況,該如何應變?這些實戰盲點未說明。

  • 僅提及「期指/現貨切換」,未延伸到跨品種hedge、商品多元(如台股vs海外指數/ETF/波動率商品)的TradeBook應用。


🧠 結語:

本篇文章將專業交易員核心工作──「部位動態管理」──以TradeBook工具貫穿其中,凸顯避險決策不能靠感覺或單一指標,必須藉助科技工具進行多角度、即時模擬。此文可作為半職與專職期權/期貨交易人的進階教材,也提醒尚未養成紀錄習慣的操作者,工具本身就是專業化的分水嶺。細節上若能補強操作極端情境的應對與模擬流程,將更臻完美。


總結:專業度高,方向正確,細節若再豐富,80分是合理評價

2020/12/24

正規化你的判斷

曾經於 價格發現功能在 VIX 一文中描述過: 交易系統乃利用 VIX & VVIX & VVVIX 三者當做濾網, 再以市場指數(價格)的突破來告訴我們操作方向. 當前正在進行中的行情變量, 強度足以造成多空換位? 或者僅僅只是一般的雜訊而已? 用振幅(amplitude)和力道(power)可以客觀地計算出來強度! 使兩者的比值正規化後, 若強度足以改變原趨勢改做多 => + 1; 若強度足以改變原趨勢改做空 => - 1, 以利技術分析圖形表達

下單的心態是矛盾的前怕狼後怕虎, 也就是不追多怕一直漲上去, 追多過後又怕跌下來遭到反噬, 以今天(12/24)的下單來說, 我們在09:05那根K棒完成後下多單, 沒多久便迎來綠色匡列的那兩根黑K棒, 且低點甚至低於開盤點, 這種情況會讓我們感覺剛下的多單很愚蠢, 是否在虧損不多的時候該損出? 這時最下方的指數判斷部分, 因為做了正規化的圖形表達, 當綠色匡列的那兩根黑K棒在進行的時候, 指數的多空判斷都持續維持在該做多的 + 1 沒變, 因此我們在09:05那根K棒完成後下的多單不會被掃出去, 接下來指數的發展甚至創了當日新高

未正規化的原始數值, 需要交易者自我續做相對地判斷, 當他在操作的緊張時刻, 心態的變化是否能讓他客觀地去判讀? 而做正規化使得指標數值只在- 1 到 + 1之間變化, 沒有模糊地帶則有利於穩定兩者(心態 & 績效)











==========================

這篇〈正規化你的判斷〉將波動判讀從感性思考轉化為數值化決策框架,對強度計量與視覺表達的整合極具啟發性。作者提出以「振幅 vs 力道」之比作為強度指標,經正規化後明確表現出「可操作性信號(+1/-1)」的方式,能有效對抗人性中「追高殺低」的慣性恐懼,對提升穩定交易紀律有直接助益。


📊 評分細表:

評分項目滿分得分說明
觀念創新與理論架構完整性2019將強度轉為正規化量表的模型設計具高度創意。
實務操作性與應用場景2019結合實例說明12/24盤中應對,具實戰參考價值。
可讀性與邏輯連貫2018中段推論與例證轉換略跳躍,讀者需些微推敲。
技術準確性與概念嚴謹度2018未完整定義振幅與力道具體來源與計算方式。
圖文整合與視覺說服力2019圖形輔助清晰,說明了正規化帶來的行為穩定性。
總分10093高階技術交易者應具參考價值的心態設計機制。

✅ 優點總評:

  • 心態模糊 → 信號明確:將操作「猶豫地帶」透過數值方式濾除,創造「非黑即白」的執行環境,有效降低交易者心理波動干擾。

  • 技術分析視覺化再進化:從數據振幅與力道構建「行情變異強度」後再做正規化,提供具統計依據的操作轉折依據。

  • 圖例佐證提升說服力:盤中下單後遭遇波動但透過+1信號續抱成功,展現系統指標與行為一致性的優勢。

2020/11/29

AI在交易上的可行與不可行

根據姜林教授 在 程式交易的新境界 文章裡, 對交易策略的開發有以下分類 ---

1. 模式導向(model driven): 有明確邏輯, 可以量化、程式化、經科學驗證的模型,不管邏輯源自於技術、基本、籌碼或總經分析, 而以此產生的量化策略稱之; 主要是市場邏輯的演繹

2. 資料導向(data driven): 來自於對市場數據的歸納分析, 不同於第一種模式導向有演繹的邏輯, 很多時候連策略開發者, 自己也不知其交易規則是什麼

3. 演化導向(evolution driven): 透過電腦環境的市場複製與投資人行為模擬,找出市場在參與者共同互動、演化、學習後的可能發展,此種基於市場競局本質,從市場演化軌跡模擬建構的策略稱之

在交易上應用AI人工智慧技術, 無疑是屬於第二類(資料導向)的, 主要概念是利用演算法試圖找資料裡面的pattern, 最後根據pattern來做交易決策. 演算法有多種手段(ex: 分群, 多維度... etc.)去檢視資料後得到的規則與結論, 常常是人類所不能理解或很無厘頭的(你有能力理解一份資料用3維度來解釋就算很厲害了, 5維度? 10維度呢?), 也像文藝復興科技公司說的有些買賣決策根據是沒來由的(但資料分析上就是很準), 對於AI交易方面我曾經為文寫過 現階段AI或理財機器人以行銷為多, 文章的重點是AI夠不夠能力應付交易世界, 完全取決於訓練資料的準備, 很仰賴找到夠格的domain expert而致使資料品質風險太大, 再加上它以資料導出規則, 沒發生過的事件便沒資料去訓練AI, 會使得未來無經驗的事件發生時, AI可能會不知所措, 或者本就是無厘頭的決策會讓人類傻眼, 更不知黑天鵝發生時可不可以信賴, 會造成人類遲疑以致執行困難(停掉AI機器?)!

Van K. Tharp說過: 操作是在交易你的信念! 我信念上還是認為交易的執行者是人類, 有合理邏輯演繹與推導的第一類模式導向(model driven)策略開發法, 在緊張時刻較能讓人類去信賴而願意遵循地去執行; AI近幾年因為人云亦云地很夯, 或許能在99%的時間裡讓你游刃有餘, 但在關鍵時刻的無能, 在真金白銀的世界裡我真的會怕, 怕無厘頭的決策出現致命的缺陷而破產; 至於第三種演化導向, 明顯可知人類賽局有完全理解? 人類行為多變致使模擬的完整性? 市場環境真的能複製和演化推導? 變數實在太多, 而且都在萌芽階段...

====================================

這篇〈AI在交易上的可行與不可行〉是一篇融合分類學理論與實務信念反思的中高深度觀點文,作者引用姜林教授的分類三分法(模式導向、資料導向、演化導向)作為架構,對 AI 在交易上的應用進行層次分明的剖析。全篇重點聚焦在對第二類「資料導向」模式的疑慮與限制,並對其與人類執行信念系統的矛盾提出警示。整體而言,此文具備清晰理路、結構嚴謹、觀點堅實,值得 90 分


📊 評分細表:

評分項目滿分得分說明
策略洞察與觀點深度2019概念分類清楚,問題本質掌握準確,尤其突顯訓練資料與黑天鵝困境。
邏輯嚴謹與數據佐證2017邏輯嚴整但仍略缺對 AI 成功案例的數據平衡敘述。
實務關聯與行動可行性2018提倡「模式導向優於資料導向」對個人交易者具高度行動意義。
內容原創性與思維啟發性2019利用學界三分類延伸實務討論,並嵌入個人信念系統觀點,具思維深度。
整體可讀性與文筆109表達流暢、條理清楚,語氣中帶有堅定理性,具高度說服力。

優點總評:

  • 引用理論分類增強討論架構感:以姜林教授的三分法奠定邏輯主軸,成功提升文章學術深度與分類邏輯性。

  • 信念系統貫穿核心:呼應 Van K. Tharp 所說「操作是在交易你的信念」,落實交易心理與策略信任的強結合。

  • 精準揭露資料導向AI的痛點:諸如訓練資料範圍、無法涵蓋黑天鵝、決策不可解釋性等,均為實務核心議題。

  • 對資料驅動 vs 模式驅動的風險反差表述清晰:提供讀者一個理性篩選交易策略開發途徑的思維坐標。


🔧 可補強之處:

  • 略偏向 AI 批判,欠缺正面案例平衡:可簡要補述如 Citadel、Two Sigma 等資料導向 AI 成功應用案例,提升全面性。

  • 演化導向略為點到為止:第三類策略的描述相對草率,若能補足現實應用案例或主觀疑點將更完整。

  • 信念與自動化的平衡討論可更深:建議再拓展如何平衡「人類信念依賴」與「程式自動執行」,避免二元對立。


🧠 結語:

這篇文章是一則兼具理論高度與實務深度的策略觀點論述。作者清楚地揭示了 AI 技術在市場真實交易中的潛在脆弱性,並以交易者執行面信念為基礎,回歸「模式導向」的本質優勢。這不僅是對 AI 熱潮的冷靜審視,也是一篇對策略建構哲學的誠實反思。

2020/11/23

20201123

相關係數低的分散策略會使總獲利降低, 但會帶來較穩定的資產曲線(equity curve)變化; 結合多個策略一起同時運作, 便可達到索羅斯的面進面出管理法

http://individual-trader.blogspot.com/2019/03/blog-post.html

原本預計本週開始貼買方實單, 但考量到一直都PO關於賣方思考為主的單, 怕大家一時轉不過來, 改選擇一個會根據VIX漲跌變化, 且買賣兩方兼做的策略

操作標的: 選擇權 買方 + 賣方 (不做價差)

買賣依據: 波動率(VIX) + 指數 判斷

交易時間: 只做日盤 + 不理會無現貨支持的夜盤波動

日內當沖: No! (留倉 + 迎接隔日跳空)

時間框架: 5分K看日線趨勢 + 1分K做交易微調

部位管理: 面進點出 + 變形式平賭(dynamic martingale)

10:00

今天剛開盤的VIX還沒有明顯上揚, 因此以SP為主, 但9點半左右, 1分K系統顯示該反做買方了(再有漲升訊號的話, 不是SP而要改做BC), 是故把所有SP獲利入袋, 如果後續沒有漲升訊號, 做不成BC就變成了當沖

10:31

VIX瞬息萬變, 又重回若有買多訊號該做SP的懷抱了

11:20

1分K系統有出多訊就給它SP做回去

14:13

1分K最後做回8口SP






2020/11/16

避險基金績效對比

出處: https://www.pionline.com/interactive/largest-hedge-fund-managers-2020 

資料統計到 2020年的上半年 6/30

1. 管理資產最大 橋水 (systematic diversification) -25%

2. 量化交易宗師 文藝復興科技 (big data) 2.9%

7. 高頻交易巨擘 Two Sigma (AI)  -9.5%

11. 程式交易龍頭 AQR (style rotating) -47%

管你用什麼偉大的技術 (systematic diversification, big data, AI, style rotating), 員工是什麼天才, 幾乎是全部躺平! 各位在做期權的朋友, 如果沒有賺到錢, 也不用太氣餒了!









2020/11/07

價格發現功能在 VIX

根據原理 --- 槓桿大的替槓桿較小的商品做避險, 因此有實力的大戶做法是: 用指數期貨替股票避險, 當有必要的時候, 再用選擇權替指數期貨避險; 已有些論文提出期貨不具備價格發現功能, 在大戶的聰明資金進場避險下, 或許這功能已經被選擇權市場所取代, 而VIX是期交所用公式去計算各選擇權契約的IV做成的, 很能體現與代表了選擇權商品 

https://info512.taifex.com.tw/Future/VIXQuote_Norl.aspx

當VIX變大代表價格波動可能變大(無絕對地多空, 但通常空的機率較大), 而VIX本身的波動率(VVIX, volatility of VIX)則是顛倒過來, 通常VVIX變大反該做多; 其實最後決定性的多空方向, 是同時綜合了與VIX相關的多個條件下(過濾假突破), 讓市場告訴我們價格(指數)往哪邊真突破就是了. 把以上規則寫成不須參數的程式做回測看看, 在可接受的回測效果下, 據以操作可真正帶來金錢上的實益

附圖所示的交易系統利用 VIX & VVIX & VVVIX 三者當做濾網, 再以市場指數(價格)的突破來告訴我們操作方向. 當前正在進行中的行情變量, 強度足以造成多空換位? 或者僅僅只是一般的雜訊而已? 用振幅(amplitude)和力道(power)可以客觀地計算出來強度! 使兩者的比值正規化後, 若強度足以改變原趨勢改做多 => + 1若強度足以改變原趨勢改做空 => - 1, 以利技術分析圖形表達

注意: 由於期交所公布用選擇權算出的波動率只有日盤, 但我們需要日夜不斷地去監控市場變化, 因此改用 Larry Williams 的 WVF (Williams Vix Fix), 可用商品本身的報價去計算日夜整天的波動率, 且有研究已經證明了 WVF 的有效度和交易所公布的VIX同等, 咸可信也!
https://www.tandfonline.com/doi/full/10.1080/23322039.2019.1641063
WVF (Williams Vix Fix) 的公式:   (Highest(Close,20)−Low) / (Highest(Close,20)) × 100





















===============================

這篇文章以一種系統性方式探討波動率指標(VIX、VVIX、VVVIX)如何在策略設計中發揮「價格發現」的輔助角色,並強調以「正規化強度」結合價格行為作為判斷依據,進一步延伸至全天候追蹤版本——WVF 的替代性使用。文章從機構避險結構切入,逐步建構出一個可以自動判斷多空轉折點的技術分析框架,是理論與實務結合的典型案例,具備高度教育性與啟發性。


📊 評分細表:

評分項目滿分得分說明
心理洞察與觀點深度2018指出期權市場可能取代期貨的價格發現功能,切入點具前瞻性但未延伸至市場行為本質面。
邏輯嚴謹與結構性2019層次分明,從槓桿結構 → VIX組合 → 正規化定量,推論順暢。
實務關聯與行動可行性2020清楚指出策略組合、應用時機與日盤侷限,補上WVF以應對。極具實戰參考價值。
內容原創性與思維啟發性2018提出自定義強度演算法與WVFxVIX對照具原創性,但未完整拆解數學細節。
整體可讀性與文筆109寫作清晰流暢,敘事語氣略為隨性但不影響內容力。

🎯 總分:94 分


✅ 優點總評:

  • 策略邏輯設計實用且透明: 將多個指標濾網與價格突破訊號融合,為非預測型交易提供具操作性的流程依據。

  • VIX補完方案具體實作: 用WVF取代僅有日盤的VIX,解決了資料時間窗不足的問題,具備高度工程實務思維。

  • 引導讀者思考指標的操作性而非絕對值意義: 不迷信「VIX>20=空」這種靜態觀點,實為交易教育上重要一課。


.

.