|
先分享我是怎么盈利的, 和目前进展 遇到那些问题。 欢迎玩金融的一起交流
在金融行情交易里，我们主要识别以下内容，进行操作 就能盈利（说得容易）。
一）感知当前趋势的涨跌起伏。
我们需要对当前的趋势（市场情绪）的方向进行感知判断。顺着方向做。 特别是在趋势起始时做，趋势快结束时收手 或做反方向。
遗憾的是，传统指标都是滞后的。实时算出来的趋势曲线是这样
二）K线形态（又称行为过程）的识别
我们通过观察，发现形态会走出一些特定的形态。常见的K线形态有M顶、W底、N涨、反N跌等。 非常神奇，可能是人类的性格，或整体社会的决策策略导致。 M顶，就是两个上攻的峰的顶部价格持平，或基本持平（说明可能遇到压力了，冲不过去了）；同时，第二个峰在上升的底部浪连成的切线之外（说明趋势变缓了）； 当最后 价格跌破M形中部的低谷那个位置，下跌趋势就已经形成， 大概率一泻千里，直到到市场认可的另一个价格支撑位为止。 W底则相反。
我的观察，还总结出更多的行为过程。
但传统的指标，都是滞后的。即是等你看得出这样的形态时，实际已是时间走得很远之后了。 熟练的操盘手，都会根据之前的形态，来预估将出现的形态的概率、可能的时长等。我用这套识别来决策进场/出场（开仓前，预定好止损、初期止盈策略），实际操盘 轻松在约大半个月时间本金翻倍，连续几个月，最大动态回撤小于15%。但投资人认为，这是我脑子里的知识，不能用实际的方法描述出来，就可靠性不高。纵使做单有高达95%以上的成功率（事实没那么简单，还要对价格支撑/压力位判断、仓位管理博弈 等很多金融知识）。我也承认，精力不可能有计算机好，在疲劳时 会出现误判。
于是，需把所有的算法逐一实现。 一路摸索走来9年，是我人生中坚持最长的项目，实属不易。 绘出的实时的波段切割线（红线）。 看得更明了了 ，是吧。 在这上面做模式识别等量化，容易多了。简易的模式识别‘N’。 即便在横盘水平震荡的区域 , 切割波段也能表现很好。 还有更多内容要识别，如：
中枢震荡、振铃/异方差震荡、波段的拐点择时预判（提前减仓，回避风险）、在上升趋势的底部 或下降趋势的顶部画趋势切线（作为趋势可能停止的第二道预警）。
还有，最末段的：根据之前的波动方差来画上下夹线作为趋势通道（过滤噪音 防止误触发止损预警）、上升趋势中逐步提升止损价 等。 交易的优先条件是：择时；尽量不要去预判价格会走到那里反转； 震荡市，可以预判价格大概率可到达哪里，如反弹到上个下跌波段的45%。 传统的指标策略，我认为比较好的如这个：
在价格下穿布林上轨时， 和kdj的D在80以上，和macd在比较大的值，做空。 做多的策略 相反。如图 我认为这是比较坑的策略。 这是掏底摸顶策略。当然 ，没有比买在（近）最低点，卖在（近）最高点的事更让人更兴奋了。 但是， 这是反向操作的，是逆势行为，要非常多次的尝试失败 才能成功一次。在数学统计上，我认为不是好信号。正确，应该是，如 在跌势里，每次反弹高点尝试做空，顺势而为。
总结： 传统指标，只是向你表明行情有这些特征。 但如果你用这些指标，不断摸索改良，得到对历史数据表现比较好的信号，然后想去实盘做单，连你都不怎么信任，对吧。 三）多周期共振。
如果你将行情放大/缩小，会发现在不同时间周期的K线里，很多行为过程是相同的。 类似分型。
1）应该顺大势，逆小势。 顺着大时间周期的K线，根据上面的行为过程识别，预估这段将可能持续多长。这段能否有足够的时间空间让小周期进行操作。
2）小周期已盈利的单，逐步移到更大的周期进行决策，抓取得到更长时间的利润。 下跌时，每次回到中线时空； 上涨时，每次下到中线时多。顺着大周期的趋势，逆小周期的趋势。 四）用决策树进行决策。
我本身是机器学习、数据挖掘大牛，自己也创造过几个神经网络算法。今年ChatGPT火的时候，也做了2个多月的智能人工客服研发，成功落地了2个项目。 但由于没有非常富裕的公司合作（很多夕阳行业的公司是想借这个技术创新弯道超车，但连开正常高劳动力的研发工资能力都没有。画饼，需要研发人员承担太多的风险），GPT还存在非常严重的联想胡说话问题（虽然我在技术上已经基本解决这个问题，但在落地的具体案例里，细致的工作量还是非常多的。总体说，目前替代了7成以上的人工客服工作量，还是可以用的），等待有更好的人工智能方案出现 再继续吧。 如有实力的公司想应用，还是可以开展合作的。我认为，我提出的解决方案给年轻工程师，他们就可以实现。他们胜在年轻、精力充沛，解决这些事情有学习需要，成就感。而我 就没有什么成就感了，走下去（在这个人工智能框架上）也可能不会有太多突破，就不在上面深研了。 说远了。 今年写的高频策略，用不到十个（高不相干）的因子，让决策树进行学习后，在新的行情数据上由原来的自然准确率3~40%，轻松提升到83%。
高频策略是相对最容易做，目前国内做得最多的。
一般有： 定价止盈，如开仓价+1点止盈； 定时止盈，如股票买了，第二天就卖。
评判策略有效性就非常容易了，只要对开仓信号进行 筛选就行，因为平仓不用考虑了。 不断地加因子，一般量化公司有几百，甚至过千个以上因子的库，都很常见。
好处是，资金曲线能非常平缓，不会出现大起大落，因为有问题一下就能发现，马上就终止策略了。
坏处是，资金容量不大，很多只能容纳几W，多不了了。也是个累活，常要加因子，重新学习，纯粹是个计算机累活，很占时间。太多公司在竞争了，很多公司靠这个生活，盘口哪怕有那么一点机会，都被大家抢光。
所以我不怎么想发展。 高频策略现在还被大家骂，说是薅广大股民的羊毛，可能还有政策的风险。
决策树的实力是非常强的，输入的特征（即因子）哪怕是个反指，主要鲜明，就能协助最终的决策。比如这个人是个亏货，他做单大概率都是亏的，那可以把他的做单时都做为特征输入，哪可以帮计算机做出正确的决策。
事实上，我上面做的所有量化，都是为了提取当前环境的特征，让计算机可以很好地感知，特别是包括不同周期的当前状态。一个K线的趋势的状态包含涨/跌/震荡、可能反转，需要超过半数识别方法都投票相同才认可，如5种识别方法里 需至少有3种。
像价格穿越布林上下轨这些，也可以丢给决策树做特征输入。但我不是很喜欢， 喜欢泾渭分明的特征。 这种，有时能赢，有时又亏的特征,是在为难计算机吧。 调试时不会用，最后运行时还是会挂上，一百个臭皮匠或许能顶半个诸葛亮吧。
我今年还根据金融行情的特征，开发了流式数据的决策树。
因为普通决策树 是需要把所有待学习的历史数据喂完，最终才能拿到决策分配的结果。
但金融行情的风格可能会一直在变，之前没出现过的套路，现在就出现； 之前有效的套路，现在就专门反着来。
我在里面设置了近景和远景学习结果，只有两种结果不冲突时才生效。 新增的数据 可以不断更新这些学习结果。
五）用深度学习，筛选出最好的策略。
这步还没做到。 愿景是，用深度学习自动挖掘出除了我们已知的M头、W底等以外未知的行为过程。 就像AlphaGo与人对弈围棋时，下的？130手子。
回想很多个交易日，网上玩家们被行情折磨得胡言乱语，我在静待机会 ，一到就发。 等行情过后，大家讨论时 我晒的单，大家惊呼基本开平在最低最高点。 大家恐慌时，我反而高兴，主力的筹码掉到我的嘴巴里。看跌不是跌，看涨不是涨。8年来 拜访多位成功投资大佬，研读过历史上有名的操盘大作手 如克罗、杰西利佛摩尔的书， 发现操作方式都是相近的。
但在极少些交易日，自己一点都看不明白，但网友非常笃定地指出后面的行情，然后进行操作， 如期爆发。看得我一脑蒙，知道自己并不是知道了所有。 想用计算机去挖掘未知的行为过程，可能应该识别那些特征 我并不知道。
将波段的每一段进行符号化，整个行为过程可以用马尔科夫链来表示，推断未来行为的可能。
但每段的信息，不止有涨跌、高低比较，还有所在的上个大周期的行为过程的节点 的影响、涨跌气氛的影响、是否有震荡分歧、上下的支撑压力位， 这些都会影响未来行为走向。这么多维的特征，如何量化塞进马尔科夫链，该如何构建此神经网络结构，我还没想好。有好想法提议的同学，跟我说说，谢谢。
也可以发挥普通指标信号的玄学： 反正我就发出这个信号了，到达另一个条件时就平仓，才不管中间发生什么。 大道至简。 哈哈。只要机器算力足够大，谁知道这种圣杯是否有存在呢。
还总觉得现在对特征的分析，都是视为单独孤立的，并没有考虑过他们互相组合时情况（正想在前方加一个cnn解决）。如果有200多个特征，用传统方法穷尽， 可能得到宇宙结束的时间。这时，量子计算机就派上用处了。想远了。
总结
目前，就上面已经做好的，最难的平滑趋势、趋势判断、波段切割、趋势通道等算法已经完成。 为什么最难？下文有补充说明。 再提高模式识别的准确率， 排除 各个周期（层次）的波动的串扰(就算不排除,能吃掉已经识别得出来的波段,都已经很够)，程序就能上线了。
估计离实用还要2~3月个工作量。前2个月用于提高识别准确度，实现策略。 后1个月 对接实盘，各种问题。
欢迎合作， 或赞助研发（哈哈，是想实盘了。没办法，传统行业做得差都有人买。 这个，没做成 ，产出就为零。赞助可了解最新研发结果、研发提取出的有效策略、实验数据、及以后的优先投资机会等）,欢迎数学好的小伙伴一起玩。
谢谢大家看到这里，送大家一个 特别厉害的方法：
大家都喜欢用macd分析，对吧。但macd的过零点总是不准，什么原因呢？
来， 看我画一束macd， 看你能发现点什么 仔细观察,你会发现 只有最贴近行情那根macd的过零点是生效的。 意思 行情里你可以画一万根均线，但没有任何一根会一直是压力/支撑，因为行情的快慢是在变化的。只有最贴近的那根才能拟合行情。 也就是说，公开书上说的什么10日、50日均线压力/支撑，都是人云亦云，子虚乌有。 一切用数据说话。
为什么计算趋势均线最难实现？ 放在过去，可能用均线等指标，就能做进一步的策略的编写，而且成功。 如今这些年的行情，波动的噪音非常多，可能是太多的量化加入了导致。用传统指标，不会被误触发、误识别是不可能的，到处是诱导。 规律依然还是那个规律，人性依然。 而趋势等平滑结果，是其他识别的基石。其他识别，相对容易得多。今年花了尽2个月在这算法上，用尽了各种算法。（历史上，我不花少于2年研究在这算法上。小波分解、核平滑、RBF、LSTM、微积分...这个星球上公开的最优秀的算法我都试过，玩得滚熟。） 尽量地要接近人类观察的结果。最终今年，我把阶数定在最多3阶，认为人类预判一般基于不大于3阶。抛弃过去所有标准算法的思路，根据金融特征，做平滑。 当然，结果还不能完全理想，但我认为够用了，能表达我的观察结果。 欢迎爱思考、数学好的朋友一起玩。
| 
发表于 2023-10-9 14:00:37
变色卡
抢沙发
楼主
浙公网安备 33078202000157号