2012年2月21日 星期二

DLM at 統計套利


程式交易小學堂─期貨投機事業的王道
最近在看一本書「統計套利」,坦白說~很催眠!因為內容有一大堆數學計算式,而且我通常是在睡前看這本書,我早上醒來時它就常常是跌落在床邊,等我要再拿起來讀的時候,還得盡量回想...我看到哪邊了 XD

在我目前的交易模式之中其實是沒有在做套利的,只是好像曾經有人介紹過這本書,然後我去看了一下前言還是序就吸引我訂書了。這本書我讀起來的進度很慢,因為每看幾頁就會想起不少事情,不時捧著書眼睛卻看向牆壁呈現痴呆的樣貌,然後急著找紙筆...

DLM,翻譯成中文是:動態線性模型。詳細內容有興趣的話,請自己找書的 P.101 開始。在這一個章節我聯想到的是均線。從統計套利裡面想到要去做單邊交易的改善。


在均線的使用上多半是用來作趨勢的指向,實際上均線只是價格的跟屁蟲,就算沒有均線,其實我們看著K棒圖也是可以感受到趨勢的方向,只是 believe it or not 而已。均線的種類繁多,諸如最常見的 SMA、EMA、WMA、EWMA,或是有自動調整的AMA,非常多種。所有的均線基本上都具有取最近一段期間的價格去做某種均值的計算,對交易決策來說是不存在均"線"的,線是劃給人看的。

通常,面對各種盤勢變化,不管我們選用哪一種均線,都會有個遺憾,任何一段期間,總是會有一種均線表現的特別好,如果我們的交易策略簡單到只是站上作多、跌落放空的話(交易策略要簡單!),同一種均線有會有不同期間參數在某一段日子特別適用的狀況。於是,選擇均線的種類與均線參數的決定就成了交易策略的成敗關鍵,這在多次歷史回測中也可以發現,績效表現通常就是被參數的多少所決定的,換言之,常常很難有績效對參數高原的現象。

在這個 DLM 的觀念中,因為他的線性預測值用來對預期差值的自我回饋修正,我想到這是不是可以用在均線系統內?概念是這樣的,我們可以在系統內把很多種均線都拉進來,在上1根K棒時,做各別均線的線性預測值,把這個預測值與現在的價格做誤差比較,取誤差最小的那個均線所產生的值作為現在K棒的數值,給他取個名字叫 AutoMA 好了,這樣比較方便表達。在每一根K棒都對多種均線做線性預測值與當下價格的誤差比較,選用誤差值最小的均線作為 AutoMA 的值,因為這每一根K棒所記錄下來的值還是從均線中去選出來的,基本上,畫在圖表上應該還會是"看"起來均線。

要計算均線總是要有取樣期間的長度才行,區間的長度可以用參數化的形式去跑最佳化來做選擇,這個應該比較容易做。讓每次要選哪一個均線所產生的值作為 AutoMA 的區間長度的參數都是一致的,也可以讓每根要去計算均線的時候卻可能參數都不同。理由是通常在價格波動大的時候,我會希望均線取樣的長度大一些(離價格遠一點)以免洗來洗去巴到腫。


==========================
我試著以這樣的概念去發展個系統,意外發現這樣的效果:套用在不同時間週期的資料,不需要調整參數卻看到 Equity curve 卻都長得很像!
3

熱門文章