"一套可长期稳定获利的交易系统"的实现，要建立一个认识基础，这个基础个人认为有几个方面组成：（1）稳定获利并非是每次获利；（2）最终是否获利应彻底排除运行过程的人为因素才能作出判断；（3）长期获利并不一定是最大化获利。 认同以上三个基本点，我认为这样的系统是存在的。但历史经验是知识库，对系统短期运行而言，知识库1％的错误决策，就会否定长期、稳定这个前提，因此我认为知识库是否可以有效应用于该系统，是值得商榷的事情。 因此个人认为，建立一个长期稳定获利的交易系统的实质，实际上是基于上述三个基础，对每次交易的风险控制到最小，以三至五年作为时间点来判断这个系统是否有效。实际上，该命题应是建立一个"风险最小化交易系统"，由此构建"长期稳定获利的交易系统"。
我用自動交易的心路歷程 原创藍色投機客 http://www.wearn.com/bbs/topic.asp?topic_id=138302&forum_id=5295&cat_id=19&show=13 剛開始用交易系統來做backtesting的時候，隨便寫個程式，回測的結果都是每一口每年可以賺個好幾十萬。所以那時候就會開始盤算，那我準備個5口,10口的資金去操作的話，每年就會有好幾百萬的收入，那我不就可以退休了嗎？然後每天只要讓開著電腦幫我賺錢，自動下單，我每天就去健身房運動，打高爾夫球，看電影就可以了。 然後就去TS開戶之後，把自己寫的幾個程式放到歷史資料去測試。經過了完美的最佳化流程。沒錯，我所說的 "完美的最佳化流程" ，就是把用超複雜的觀念，好幾組參數，數十萬種排列組合，去跑一整個晚上的最佳化所得出來的結果。那時候雖然知道系統交易世界裡面有一個叫做curve fitting的名詞，但是那時候認為，這個"完美系統"可以在過去10年的歷史資料跑出這麼漂亮的equity curve，在接下來的實際交易中，應該也會有不錯的績效表現才對。 所以就先用一個 "完美策略"去自動執行下單的動作。剛開始的時候還覺得自動下單這種東西真是太神奇了，我們只要坐在電腦前面，看著訊號發生的時候，電腦自動幫我們下單。只要遵照系統的指令去做，長久下來一定會獲利的。那時每天晚上就會看著電腦裡面的價格自己在那邊跳來跳去，自己心裡面的情緒也跟著高低起伏，當部位是贏錢的時候，就覺得自己就跟神一樣，可以發明這麼神奇的交易系統。完全掌握行情的發展。當部位是輸錢的時候，整個心情就有夠差，就會有自己動手去把部位輸錢部位close掉的衝動（事實上也這樣做了幾次）。 這時候一整天就想要看到現在部位是贏錢還是輸錢，晚上可以看盤看到凌晨三四點，就算白天在公司也連回家裡電腦看狀況。一個小時沒看到就覺得不踏實。 剛開始的時候，這個神奇系統表現真的還算不錯。所以前幾個月結算下來贏了不少錢。但是之後這個系統開始不準了。怎麼輸的次數越來越多，贏的錢越來越少。我的整體資金開始縮水了。沒錯，這就是因為我自己造的孽，因為太喜歡跑最佳化，所以跑出來一個超級漂亮的equity curve，而這個equity curve也只能適用於過去的歷史資料而已，一放到實戰以後就剉屎了。 這時候開始懷疑系統交易了，心裡面想的只有趕快把輸的錢贏回來。那時候的心理狀態就像是賭徒一樣。只想賭一把大的，把過去輸的全部贏回來。然後就在某一天的晚上，決定玩一把大的，要把資金打平。這時候就不管交易系統了，觀察了好幾個市場，發現那天晚上歐元一定會漲，就給他玩下去。結果各位猜猜看是怎麼樣？ 結果就是那一天晚上我輸了一百萬。沒錯，台幣一百萬，在一個晚上的時間而已。害的我第二天都沒有心情上班。原來想要翻本的想法，結果害的我損失更慘重。雖然整體資金還夠讓我繼續賭下去，但是賭輸這把之後。自己也覺得那時候應該是被輸贏沖昏了頭，已經沒有辦法正常的思考了。所以先休息一陣子，讓自己冷靜一下。想清楚是到底哪裡出了問題。（這也是我為什麼這麼重視資金管理,投資組合的原因，因為曾經受傷過） 經過這幾年系統交易的經驗下來，現在也是電腦整天開機讓他自己去跑。不過幾乎都不大看盤了，只有晚上睡覺前瞄一下，看網路連線是不是正常，然後隔天早上起床後，看一下前晚部位輸贏的狀況，就整理東西上班了。輸贏的錢現在對我來說，就只是電腦裡面real time account equity欄位中的一堆數字而已。贏錢也沒有很高興的感覺，輸錢也不大會痛。因為自己心裡面其實很清楚，我們每天在賭博，其實就是在玩"機率"和"統計"的遊戲而已。 以上是我個人的一些經驗，或許幫助不大，只是希望有人能不要重複我的錯誤而已。
Algorithmic Trading原创AlgoTrader Hello everyone~ Nice meeting you all here. This is my first post. I would like to introduce some stuff about algorithmic trading. There is a complete reference for algorithmic trading in Wikipedia. In electronic financial markets, algorithmic trading, also known as algo, automated, black-box, or robo trading, is the use of computer programs for entering trading orders with the computer algorithm deciding on certain aspects of the order such as the timing, price, or even the final quantity of the order. It is widely used by hedge funds, pension funds, mutual funds, and other institutional traders to divide up a large trade into several smaller trades in order to manage market impact, opportunity cost, and risk.[1] It is also used by hedge funds and similar traders to make the decision to initiate orders based on information that is received electronically, before human traders are even aware of the information. Algorithmic trading may be used in any investment strategy, including market making, inter-market spreading, arbitrage, or pure speculation (including trend following). The investment decision and implementation may be augmented at any stage with algorithmic support or may operate completely automatically. *from Wikipedia http://en.wikipedia.org/wiki/Algorithmic_trading Below is a demo for applying algo trading on TXF. 1. Conceptualize your trading ideas. We would like to have a trend-like system. So, we use exponential moving average and RSI as our combined signals. In the first pane, signals are triggered by price close cross above/below moving average. In the second pane, signals are triggered by double RSI cross above/below 45/55. In the third pane, buy or sell order is triggered by the combined signal. 2. Test the sensitivity of the technical indicator parameters with time-varying. 3. Test the sensitivity of technical indicators which are stable on the specific time frequency. Find the global maximum which has clustering and high degree of freedom features. 4. Use the global maximum indicator values to compare the performance matrix with its underlying asset (ex:correlation,return,volatility,max drawdown...). 5. If you finished the modeling process and find a reliable trading system, you can finally combine the 自動下單機 to complete the whole algo trading. Again, the above is just a demo of algo trading. Any comments are welcome. ^_________^ 當然我們希望DDE的資料可以透過Customized Real-time Adapter直接進到Wealth-lab的資料庫裡，這樣是最有效率的方式。 但是我看過wealth-lab的real-time adapter specification 後，我覺得太複雜，小弟我是做不出來的。 之前網路有人寫過wealth-lab DDE adapter，我用過，感覺很不穩，所以最後只好採用這種間隔讀取文字檔的方式。 其實DDE是一種很舊的資訊交換技術，在傳輸過程中很容易遺失掉資訊，所以tick的Information是很不正確的。 如果模型是單純以價格來驅動，那其實採用DDE做即時的交易，對於績效應該不會有太大影響。 如果模型中，含有量的驅動(例如一些量價指標)，那對於即時交易應該就會有比較大的影響。 把DDE的資訊透過VBA，寫到DISK的好處就是，VBA會過濾一些重複的Tick，這樣你的Tick所含的交易量，基本上都是準的。 其實最好的方式，還是接即時資訊源。我用過esignal，可以直接連tradestation，價格合理ˇ、穩定、又有backfill的功能，斷線時按一下Refresh，價格就回來了。 但是他沒有台灣的期貨，是蠻可惜的。再不然就是接Bloomberg或路透的報價，每各月幾萬塊，我想也不用考慮了。 基本上會使用到welath-lab的人，除了他有很豐富社群以外，另外就是他的開放和擴充性， 與其說wealth-lab是平台，還不如說welath-lab是一各交易的engine，只要你會寫程式，大概很少有東西是wealth-lab做不出來的。 順便一提，wealth-lab 5.0 今年會出來，他由原先的Delphi Script已經改成C#，平台也更為開放，所有的核心API都可以透過外部程式呼叫使用。AlgoTrader
AlgoTrader是个会思考的人。 很酷的图。 AlgoTrader在策略前期用的Scilab也是个很酷的开源软件。估计这是R的有力补充。 hylt兄在2005年的帖子里提到过这个MatLab的替代者。开源力量势不可挡啊。 多谢分享。