想法:

  1. 30分鐘短衝訓練
    1. 以5分鐘為一單位,假定為出手後半小時後就平倉
    2. 訓練資料可以是過去300分鐘的走勢、籌碼等資料數據
    3. 訓練區間為一個月,都只做多,若賺錢>30點或賠>30點就進入學習
    4. 若出現賺>30點的特徵就做多,反之就做空
  2. 當日高低點訓練
    1. 以15分鐘的資料作為訓練輸入
    2. 蒐集過去三個月來的低點與高點出現後的前10分鐘與後5分鐘資料來訓練
    3. 當目前走勢符合低點特徵就做多,反之就做空

人類培養操盤手的方式:

  1. 先養成正確的資金控管習慣
    1. 出手一口試單,作對加碼,做錯減碼
    2. 大賺時一直加碼,若發現不對全部出光

根據先前的研究結論:

假設上周結算價為中關,+200為上關,-200為下關,開倉建的單叫基本單,之後建的單叫加碼單

開倉時的基本單建倉做法:

  1. A單:上下關雙Sell(約20~30)
  2. B單: 中關雙Buy(約150)
  3. C單: 400點外雙買(約<3) 防止黑天鵝與偷保證金
  4. SC權利金需>BC,SP權利金需>BP

建倉之後,行情開始移動,以下為基本單的情境分析:

  1. 上漲直到上關:
    1. 此時基本單中,觀察 SC+BC 與 SP+BP 哪一組賺錢,平掉賺錢的部分
      1. 理論上剛開倉就到上關,BC+SC應會賠錢,SP+BP會賺錢
      2. 快結算才到上關,BC+SC與SP+BP應該都會賺錢
    2. 接著建立加碼單,採用逆勢建單(此做法是賭收斂)
      1. 建立中關BP與下關SP,SP權利金需>BP
      2. 若之後還是持續噴出,因為SP權利金>BP,所以就可穩收
    3. 若基本單中的SC+BC賠錢,基本則是BC續抱,SC停損,一路往上移單,直到賺錢為止
  2. 下跌直到下關:(略)與上漲相反
  3. 無大波動直到結算:不動作,兩邊雙收

 

關於移單補充說明:

  1. SC停損,一路往上移單,直到賺錢為止
    1. 例如SC9000了5口在30被軋到60,此時權利金由150->300
    2. 移單的做法就是停損SC9000,但SC9100(假設9100是30點那就sell 300/30=10口)
    3. 理論上被軋到價平的時候就一定要移,馬上移,如果遇到跳空還是得移
    4. 因為有建C單,當噴超過400點以上時,

 

若到下周結算前,有機會建立加碼單,以下為加碼單的情境分析:

融劵+OI計分的綜合進階版
計分方式:假設融劵為A,OI為B,綜合進階版為C
若:
A=1+B=1→C=1
A=1+B=0→C=1
A=1+B=-1→C=0
A=0+B=1→C=1
A=0+B=0→C=0
A=0+B=-1→C=-1
A=-1+B=1→C=0
A=-1+B=0→C=-1
A=-1+B=-1→C=-1

當C=1時→(1)原空手,隔天以期貨開盤價進場做多
(2)原空單,隔天以期貨開盤價為空單出場點(非翻多)

當C=0時→(1)原多單,隔天以期貨開盤價為多單出場點
(2)原空單,隔天以期貨開盤價為空單出場點

當C=-1時→(1)原空手,隔天以期貨開盤價進場做空
(2)原多單,隔天以期貨開盤價為多單出場點(非翻多)

以上為計分方式和進出條件,同學可多加觀察,對趨勢的判斷上有一定的幫助!!

 

 

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

選擇權探討:
前些時候準備的文章,內容比較生硬冗長,剛好今天有同學問到類似問題,這邊是比較詳盡的解答。

4/13期交所公布的盤後數據
OP選擇權201604合約的各履約價中未平倉量的觀察
CALL最大未平倉量→8900CALL的43490口
PUT最大未平倉量→8300PUT的40706口
一般投資人的認知為目前指數於4/20結算前的
支撐與壓力為8300與8900
所以投資人在了解時間價值後,在不預測多空的情形下
會選擇賣出勒式組合→SELL8300PUT+SELL8900CALL
那以今日加權上漲121點後來到8652,投資人想做多的情況下
找出OP5月合約的8300PUT進場賣出
(由於時間價值高,肉多,故選擇5月合約)適合嗎?
→我只能說我不會選擇8300PUT,縱使我知道支撐在那我也不選它。
選擇8500PUT比較好?我們來分析看看
以今日報價來計算(如附圖)
8300PUT=63;DELTA=0.1569
8500PUT=112;DELTA=0.3238
(DELTA為選擇權中的風險指標,簡單來說指數下跌100點時,
8300PUT的DELTA=0.1569→可估計8300PUT會上漲100*0.1569=約16點)
若我們要追求相似報酬S8300P2口相當於S8500P1口
S8300P2口的最大收益為2口*63*50=6300
S8500P1口的最大收益為1口*112*50=5600
而損益平衡點:
8300PUT=8300-63=8237
8500PUT=8500-112=8388
就進場後至到期前的勝率上來看會是8300PUT比較好,
但畢竟是理論,實務上行情若不如預期開始下跌,這時我們先來計算一下跌100點和跌200點的估計損益
下跌100點時:
8300PUT將上漲100*0.1569=16點*50*2口=1600損失
8500PUT將上漲100*0.3238=32點*50*1口=1600損失
下跌200點時:參考附圖一DELTA的變化
8300PUT將上漲100*0.2325=(23點+16點)*50*2口=3900損失
8500PUT將上漲100*0.4259=(43點+32點)*50*1口=3750損失
(註→關於DELTA的計算,必須使用VBA定價模式計算,屬於進階學習,而附圖的推論影響數值不大也不會影響結果)
→所以下跌100點時,8300PUT2口損失=8500PUT1口損失
下跌200點時,8300PUT2口損失>8500PUT1口損失
也就是說下跌100點以上開始,8300PUT的損失將>8500PUT
結論:1)根據期交所保證金公式,SELL8300PUT2口的保證金>SELL8500PUT1口的保證金,在資金有限的情況下,選擇8500PUT反而會讓部位有更多彈性運用的資金(尤其是行情於下跌時)
2)在行情不如預期的下跌中,1口的部位處理要比2口的部位處理更容易應付(或許1:2沒什麼差,10:20口時就開始有感了ㄅ,100:200口時你敢想像嗎)尤其若不設停損的情況下,行情跌到8300,已經到了你預設的支撐,你要怎麼辦?損失一推了,再跌就出場嗎,想一下損平點在8237,心裡很多聲音開始出現影響判斷
3)以最大未平倉量看支撐、壓力,不是不妥,而是要懂得作部位的變化,總不能要破支撐時再處裡,這種支撐壓力的數據,在趨勢盤中很容易被突破的

 

P-C-OI&融劵期貨進出

 

在做分類時常常需要估算不同樣本之間的相似性度量(Similarity Measurement),這時通常採用的方法就是計算樣本間的「距離」(Distance)。採用什麼樣的方法計算距離是很講究,甚至關係到分類的正確與否。

本文的目的就是對常用的相似性度量作一個總結。

本文目錄:

1. 歐氏距離

2. 曼哈頓距離

3. 切比雪夫距離

4. 閔可夫斯基距離

5. 標準化歐氏距離

6. 馬氏距離

7. 夾角餘弦

8. 漢明距離

9. 傑卡德距離 & 傑卡德相似係數

10. 相關係數 & 相關距離

11. 信息熵

1. 歐氏距離(Euclidean Distance)

歐氏距離是最易於理解的一種距離計算方法,源自歐氏空間中兩點間的距離公式。

(1)二維平面上兩點a(x1,y1)與b(x2,y2)間的歐氏距離:

(2)三維空間兩點a(x1,y1,z1)與b(x2,y2,z2)間的歐氏距離:

(3)兩個n維向量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的歐氏距離:

也可以用表示成向量運算的形式:

(4)Matlab計算歐氏距離

Matlab計算距離主要使用pdist函數。若X是一個M×N的矩陣,則pdist(X)將X矩陣M行的每一行作為一個N維向量,然後計算這M個向量兩兩間的距離。

例子:計算向量(0,0)、(1,0)、(0,2)兩兩間的歐式距離

X = [0 0 ; 1 0 ; 0 2]

D = pdist(X,’euclidean’)

結果:

D =

1.0000    2.0000    2.2361

 

2. 曼哈頓距離(Manhattan Distance)

從名字就可以猜出這種距離的計算方法了。想像你在曼哈頓要從一個十字路口開車到另外一個十字路口,駕駛距離是兩點間的直線距離嗎?顯然不是,除非你能穿越大樓。實際駕駛距離就是這個「曼哈頓距離」。而這也是曼哈頓距離名稱的來源, 曼哈頓距離也稱為城市街區距離(City Block distance)

(1)二維平面兩點a(x1,y1)與b(x2,y2)間的曼哈頓距離

(2)兩個n維向量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的曼哈頓距離

(3) Matlab計算曼哈頓距離

例子:計算向量(0,0)、(1,0)、(0,2)兩兩間的曼哈頓距離

X = [0 0 ; 1 0 ; 0 2]

D = pdist(X, ‘cityblock’)

結果:

D =

1     2     3

3. 切比雪夫距離 ( Chebyshev Distance )

國際象棋玩過麼?國王走一步能夠移動到相鄰的8個方格中的任意一個。那麼國王從格子(x1,y1)走到格子(x2,y2)最少需要多少步?自己走走試試。你會發現最少步數總是max( | x2-x1 | , | y2-y1 | ) 步 。有一種類似的一種距離度量方法叫切比雪夫距離。

(1)二維平面兩點a(x1,y1)與b(x2,y2)間的切比雪夫距離

(2)兩個n維向量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的切比雪夫距離

這個公式的另一種等價形式是

看不出兩個公式是等價的?提示一下:試試用放縮法和夾逼法則來證明。

(3)Matlab計算切比雪夫距離

例子:計算向量(0,0)、(1,0)、(0,2)兩兩間的切比雪夫距離

X = [0 0 ; 1 0 ; 0 2]

D = pdist(X, ‘chebychev’)

結果:

D =

1     2     2

 

4. 閔可夫斯基距離(Minkowski Distance)

閔氏距離不是一種距離,而是一組距離的定義。

(1) 閔氏距離的定義

兩個n維變量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的閔可夫斯基距離定義為:

其中p是一個變參數。

當p=1時,就是曼哈頓距離

當p=2時,就是歐氏距離

當p→∞時,就是切比雪夫距離

根據變參數的不同,閔氏距離可以表示一類的距離。

(2)閔氏距離的缺點

閔氏距離,包括曼哈頓距離、歐氏距離和切比雪夫距離都存在明顯的缺點。

舉個例子:二維樣本(身高,體重),其中身高範圍是150~190,體重範圍是50~60,有三個樣本:a(180,50),b(190,50),c(180,60)。那麼a與b之間的閔氏距離(無論是曼哈頓距離、歐氏距離或切比雪夫距離)等於a與c之間的閔氏距離,但是身高的10cm真的等價於體重的10kg麼?因此用閔氏距離來衡量這些樣本間的相似度很有問題。

簡單說來,閔氏距離的缺點主要有兩個:(1)將各個份量的量綱(scale),也就是「單位」當作相同的看待了。(2)沒有考慮各個份量的分佈(期望,方差等)可能是不同的。

(3)Matlab計算閔氏距離

例子:計算向量(0,0)、(1,0)、(0,2)兩兩間的閔氏距離(以變參數為2的歐氏距離為例)

X = [0 0 ; 1 0 ; 0 2]

D = pdist(X,’minkowski’,2)

結果:

D =

1.0000    2.0000    2.2361

5. 標準化歐氏距離 (Standardized Euclidean distance )

(1)標準歐氏距離的定義

標準化歐氏距離是針對簡單歐氏距離的缺點而作的一種改進方案。標準歐氏距離的思路:既然數據各維份量的分佈不一樣,好吧!那我先將各個份量都「標準化」到均值、方差相等吧。均值和方差標準化到多少呢?這裡先複習點統計學知識吧,假設樣本集X的均值(mean)為m,標準差(standard deviation)為s,那麼X的「標準化變量」表示為:

而且標準化變量的數學期望為0,方差為1。因此樣本集的標準化過程(standardization)用公式描述就是:

標準化後的值 =  ( 標準化前的值  - 份量的均值 ) /份量的標準差

經過簡單的推導就可以得到兩個n維向量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的標準化歐氏距離的公式:

如果將方差的倒數看成是一個權重,這個公式可以看成是一種加權歐氏距離(Weighted Euclidean distance)

(2)Matlab計算標準化歐氏距離

例子:計算向量(0,0)、(1,0)、(0,2)兩兩間的標準化歐氏距離 (假設兩個份量的標準差分別為0.5和1)

X = [0 0 ; 1 0 ; 0 2]

D = pdist(X, ‘seuclidean’,[0.5,1])

結果:

D =

2.0000    2.0000    2.8284

 

6. 馬氏距離(Mahalanobis Distance)

(1)馬氏距離定義

有M個樣本向量X1~Xm,協方差矩陣記為S,均值記為向量μ,則其中樣本向量X到u的馬氏距離表示為:

 

而其中向量Xi與Xj之間的馬氏距離定義為:

若協方差矩陣是單位矩陣(各個樣本向量之間獨立同分佈),則公式就成了:

也就是歐氏距離了。

若協方差矩陣是對角矩陣,公式變成了標準化歐氏距離。

(2)馬氏距離的優缺點:量綱無關,排除變量之間的相關性的干擾。

(3) Matlab計算(1 2),( 1 3),( 2 2),( 3 1)兩兩之間的馬氏距離

X = [1 2; 1 3; 2 2; 3 1]

Y = pdist(X,’mahalanobis’)

結果:

Y =

2.3452    2.0000    2.3452    1.2247    2.4495    1.2247

 

7. 夾角餘弦(Cosine)

有沒有搞錯,又不是學幾何,怎麼扯到夾角餘弦了?各位看官稍安勿躁。幾何中夾角餘弦可用來衡量兩個向量方向的差異,機器學習中借用這一概念來衡量樣本向量之間的差異。

(1)在二維空間中向量A(x1,y1)與向量B(x2,y2)的夾角餘弦公式:

(2) 兩個n維樣本點a(x11,x12,…,x1n)和b(x21,x22,…,x2n)的夾角餘弦

類似的,對於兩個n維樣本點a(x11,x12,…,x1n)和b(x21,x22,…,x2n),可以使用類似於夾角餘弦的概念來衡量它們間的相似程度。

即:

夾角餘弦取值範圍為[-1,1]。夾角餘弦越大表示兩個向量的夾角越小,夾角餘弦越小表示兩向量的夾角越大。當兩個向量的方向重合時夾角餘弦取最大值1,當兩個向量的方向完全相反夾角餘弦取最小值-1。

夾角餘弦的具體應用可以參閱參考文獻[1]。

(3)Matlab計算夾角餘弦

例子:計算(1,0)、( 1,1.732)、( -1,0)兩兩間的夾角餘弦

X = [1 0 ; 1 1.732 ; -1 0]

D = 1- pdist(X, ‘cosine’)  % Matlab中的pdist(X, ‘cosine’)得到的是1減夾角餘弦的值

結果:

D =

0.5000   -1.0000   -0.5000

 

8. 漢明距離(Hamming distance)

(1)漢明距離的定義

兩個等長字符串s1與s2之間的漢明距離定義為將其中一個變為另外一個所需要作的最小替換次數。例如字符串「1111」與「1001」之間的漢明距離為2。

應用:信息編碼(為了增強容錯性,應使得編碼間的最小漢明距離儘可能大)。

(2)Matlab計算漢明距離

Matlab中2個向量之間的漢明距離的定義為2個向量不同的份量所佔的百分比。

例子:計算向量(0,0)、(1,0)、(0,2)兩兩間的漢明距離

X = [0 0 ; 1 0 ; 0 2];

D = PDIST(X, ‘hamming’)

結果:

D =

0.5000    0.5000    1.0000

 

9. 傑卡德相似係數(Jaccard similarity coefficient)

(1) 傑卡德相似係數

兩個集合A和B的交集元素在A,B的並集中所佔的比例,稱為兩個集合的傑卡德相似係數,用符號J(A,B)表示。

傑卡德相似係數是衡量兩個集合的相似度一種指標。

(2) 傑卡德距離

與傑卡德相似係數相反的概念是傑卡德距離(Jaccard distance)。傑卡德距離可用如下公式表示:

傑卡德距離用兩個集合中不同元素佔所有元素的比例來衡量兩個集合的區分度。

(3) 傑卡德相似係數與傑卡德距離的應用

可將傑卡德相似係數用在衡量樣本的相似度上。

樣本A與樣本B是兩個n維向量,而且所有維度的取值都是0或1。例如:A(0111)和B(1011)。我們將樣本看成是一個集合,1表示集合包含該元素,0表示集合不包含該元素。

p :樣本A與B都是1的維度的個數

q :樣本A是1,樣本B是0的維度的個數

r :樣本A是0,樣本B是1的維度的個數

s :樣本A與B都是0的維度的個數

那麼樣本A與B的傑卡德相似係數可以表示為:

這裡p+q+r可理解為A與B的並集的元素個數,而p是A與B的交集的元素個數。

而樣本A與B的傑卡德距離表示為:

(4)Matlab 計算傑卡德距離

Matlab的pdist函數定義的傑卡德距離跟我這裡的定義有一些差別,Matlab中將其定義為不同的維度的個數佔「非全零維度」的比例。

例子:計算(1,1,0)、(1,-1,0)、(-1,1,0)兩兩之間的傑卡德距離

X = [1 1 0; 1 -1 0; -1 1 0]

D = pdist( X , ‘jaccard’)

結果

D =

0.5000    0.5000    1.0000

 

10. 相關係數 ( Correlation coefficient )與相關距離(Correlation distance)

(1) 相關係數的定義

相關係數是衡量隨機變量X與Y相關程度的一種方法,相關係數的取值範圍是[-1,1]。相關係數的絕對值越大,則表明X與Y相關度越高。當X與Y線性相關時,相關係數取值為1(正線性相關)或-1(負線性相關)。

(2)相關距離的定義

(3)Matlab計算(1, 2 ,3 ,4 )與( 3 ,8 ,7 ,6 )之間的相關係數與相關距離

X = [1 2 3 4 ; 3 8 7 6]

C = corrcoef( X’ )   %將返回相關係數矩陣

D = pdist( X , ‘correlation’)

結果:

C =

1.0000    0.4781

0.4781    1.0000

D =

0.5219

其中0.4781就是相關係數,0.5219是相關距離。

11. 信息熵(Information Entropy)

信息熵並不屬於一種相似性度量。那為什麼放在這篇文章中啊?這個。。。我也不知道。 (╯▽╰)

信息熵是衡量分佈的混亂程度或分散程度的一種度量。分佈越分散(或者說分佈越平均),信息熵就越大。分佈越有序(或者說分佈越集中),信息熵就越小。

計算給定的樣本集X的信息熵的公式:

參數的含義:

n:樣本集X的分類數

pi:X中第i類元素出現的概率

信息熵越大表明樣本集S分類越分散,信息熵越小則表明樣本集X分類越集中。。當S中n個分類出現的概率一樣大時(都是1/n),信息熵取最大值log2(n)。當X只有一個分類時,信息熵取最小值0

參考資料: 

[1]吳軍. 數學之美 系列 12 – 餘弦定理和新聞的分類.

http://www.google.com.hk/ggblog/googlechinablog/2006/07/12_4010.html

[2] Wikipedia. Jaccard index.

http://en.wikipedia.org/wiki/Jaccard_index

[3] Wikipedia. Hamming distance

http://en.wikipedia.org/wiki/Hamming_distance

[4] 求馬氏距離(Mahalanobis distance )matlab版

http://junjun0595.blog.163.com/blog/static/969561420100633351210/

[5] Pearson product-moment correlation coefficient

http://en.wikipedia.org/wiki/Pearson_product-moment_correlation_coefficient

這個策略特別的地方在於使用逆勢進場,進場後馬上可以推估出其可能的停利點,省去了移動停利的麻煩,在這裡簡單舉一個作多的例子如下:

001_ Jun. 07

指數連續上漲拉回到1的位置之後破新高到2的位置,之後下跌跌破1的位置來到3(如上圖斷示),當出現一底比一底還低的情況,就要注意這個可能會是洗盤。

003_ Jun. 07

當現在指數來到5的位置,可以發現「一底比一底低」,且「一高比一高低」,當形成這種明顯的下降趨勢的時候,其實可以如圖中畫點1至3的延伸線及點1至4的延伸線。當在5的地方如果出現k線收盤大於前根k線的高點時,就可以買進作多,停損點為5的低點,而停利點為1-4延伸線,當指數上漲破到1-4延伸線時,即停利出場。

004_ Jun. 07

 

作空範例如下:

005_ Jun. 07

 

我剛開始學到這個策略的時候,覺得很難判斷,到底哪個是1、哪個是2,很難判斷,尤其是在盤中。其實我教各位一個小技巧,只要記得下列兩句話就可以了:

(1) 大幅上升旗型,過高考慮作空。

(2) 大幅下降旗型,破低考慮作多。

期權交易方法上一篇介紹策略分類的第一項為套利,這邊要先說好的是,無風險的才算。例如很簡單的,大台指和小台指,兩個商品標的相同、結算日相同,規格差四倍,只要在同時間內對大台小台作買低的那邊,賣高的那邊,口數對應好一比四,就可獲取價差。

 

而期權的套利這個主題要先認識 put-call parity,參考wiki的解釋

我們可以瞭解賣權、買權和期貨價格有個等式如下

 

wiki_PCP

 

先別管證明了,公式經過移項和忽略利率時間的部份,實用上來個簡單的記憶方式,同個履約價選擇權作多的那邊,是 + CALL – PUT ,再加履約價後就等於期貨價格,也就是 C – P + k = S,知道這個公式後,我們就可以求得選擇權合成期貨的價格,當這個合成價格與市價不同時,就有機會套利,原理是結算時合成期貨與期貨會相等,無風險的。

除了合成期貨對期貨,不同履約價都各自有合成期貨的價格,當然若是有價差也可以套利。

 

再來,選擇權的價格特性上,相鄰三檔的履約價,兩邊的價格加起來一定會大於中間的成交價的兩倍。如果中間價格兩倍比兩邊加起來大,那也有機會套利。

 

來個圖一起觀察,

put-call parity

大台對小台: 大小台價格不論近遠月,都相等或非常接近。

 

合成期貨對期貨: 例如上方的履約價8000的合成期貨為 156 – 26 + 8000 = 8130,與小台的市價8132有兩點的價差,那麼空一口小台、同時買8000 call及賣出8000 put,就可以獲得2點價差,這是理論上,理想狀況,能夠成交而且沒考慮買價賣價。同時也觀察到不論近遠月,合成期貨對期貨的價差都很小或相等。

 

合成期貨對合成期貨: 例如履約價8100和8000的合成期貨價差為8132 – 8130=2 點,這套利的方向即為賣出8100的合成期貨,同時買進8000的合成期貨,要作四支腳。

 

中間履約價兩倍和兩邊履約價相加: 以call為例,8100為中間履約價,相鄰兩履約價是8000及8200,中間市價的兩倍 87 *2 = 174,小於 兩邊履約價相加 156+37.5 = 193.5。實際上中間兩倍大於兩邊相加的這種機會非常非常少會發生,若有發生時可以賣出兩口中間的履約價,同時相鄰兩個履約價各買一口,那麼損益最少就是所收的權利金。

 

從這幾項觀察可以看出來,現在要有套利機會是很難的,每一項的價差,以大部份人的交易費用作都不划算,還有下單速度的問題,如果是較遠的履約價還要考慮買賣價差大、流動性差。

 

畢竟這種套利方式是無風險的,原理又很簡單,當然各家法人會傾全力、比最快的速度、用最低的交易成本來作套利,一般投資人要想靠相同的作法來獲利幾乎是不可能的事。

 

那 put-call parity對一般投資人還有啥用武之地?

 

還是有的,一是看盤用,當台指期漲跌停時,價格已經不會動了,但選擇權的合成期貨價格可以算出來現在跑到哪裡去,對照摩台指還有得玩。

 

二是在非常快速的大波動時,一般人也有機會作套利,比如說幾分鐘內漲跌一兩百點,很快速的價格波動,法人們的造市單都停了,這時一般人就有機會,不過這種機會的時間很短、次數也很少、也有點風險,因為套利都是要作雙邊、三支四支腳,只有部份成交時價格又跑掉的話就麻煩了。

 

另外也補充一下紀錄,這種快速大波動發生的時候,有機會掛個什麼芭樂單都可以額外賺到,例如比較深價內的履約價,成交價都會跳個幾十、上百點的,因為亂,造市單不敢開,這時就看誰手快。還有一個例子是期貨價大跌時,若履約價不夠遠,最低的那個履約價的VOL很明顯會衝的比次低的履約價快,甚至快到相等,這也是因為怕因為亂,很多人狂買PUT,這時也有機會作到一點獲利,不過後面講的這些不是套利了,算是作點價差的經驗。

 

來個小結論,以一般投資人來說,研究套利是比較沒效率的策略方向,需要深入瞭解套利原理,然後進出策略的設計要仔細,因為一下子價格跑掉怎麼辦? 然後交易成本和下單速度怎麼和人競爭? 所以,大致瞭解一下,還有,若有人說要收費教學期權套利,那不妨想想,那是不是只能看不能作的策略,或是其實不是套利,而是有點小風險的價差交易方式,或是,他是騙子。

 

已經一年多沒登入這個Blog,交易上面臨愈來愈大的壓力,幾乎把時間都花在交易策略開發和資料整理收集上,

也很少上論壇或去關注其它朋友的文章 當然愈來愈沒動力寫也是一個原因.

金電價差在之前就已經有開發出一些策略,但MDD過大,且獲利不足.一直沒有實際去運作,最近才找到一些策略

上的key point,縮小MDD拉升Net profit才開始上線運作,如果只在單市場運作,建議不要局限於一種交易模式.

當沖,波段,價差.商品除了台指也可以作電子,金融期.重點就是商品和交易模型分散

這會幫忙渡過難關.除了策略外,最重要的是策略屬性配置的方法和資金管理,這兩者我覺得比策略本身還重要!!!

我的策略本身也沒多好,大部份都鳥鳥的.主要是靠配置方法才得以存活下來.

今天2月到4月中時,是波段策略面臨最大的考驗,下圖是這兩年來實際交易績效圖,(圈圈是在今年初那段績效)

策略上波段和當沖都有放,不過這兩者比例是相同的,波段是用長線+短線的方式,坦白說那段日子還蠻難熬的,

這種曲線表現過去重來沒發生過.

壓力很大也產生許多負面的情緒,心理想法是會不會市場改變了,過去適用的行為模式已經失效?

不過我不太會怕策略失效,反正失效再開發新的就好了.怕的是自己所認為的策略配置有問題,怕的是績效拉回的時間

會有多久?半年?一年?

時間是交易最大的成本,如果半年或一年都沒獲利或是小賠這樣也撐不下去.

後來的事,大家都知道.4/24開始壓力小了不少.之後就在思考如何避免這樣的事再發生,

以下金電價差就是解決方式之一

借用小肥牛開發的工具做疊圖,使用一個台指波段策略(1口)+一組金電價差(2:3)

紅色是價差績效,藍色是台指績效

淨值曲線

MDD發生的時間點

可以看出互補性蠻好的,波段策略組合裡再加上價差應該會不錯.

以下開始做價差開發和下單說明

價差策略就是利用兩個或以上的商品去創造一個新商品,新商品特性就會完全不同

相關性低就做發散->套用順勢策略

相關性高就做收斂->套用逆勢策略

新商品創造的作法有兩種:

作法一:同時開兩個商品圖,分別在圖上去下單

如下圖所示:

我們把電子/金融得到一個指標,可以利用這個指標來作策略,如對指標取均線,該值當往上大於均線時

表示電子比較強,金融弱所以做多電子放空金融(這裡補充:金電相關低所以是做發散,口數用等市值做配合.

2電子+3金融.也可以是3電子+4金融)反過來當該值當往下小於均線時,表示電子弱,所以做多金融放空電子.

訊號程式可以這樣寫:

if symbolname="EXF1″ then begin

value1=close of data1/close of data2;

value2=average(value1,len);

if value1>value2 then buy next bar at market;

if value1<value2 then sellshort next bar at market;

else if symbolname="FXF1″ then begin

value1=close of data2/close of data1;

value2=average(value1,len);

if value1<value2 then buy next bar at market;

if value1>value2 then sellshort next bar at market;

end;

這樣一個訊號就可以同時運作在電子和金融的圖上,接下來當然是做策略開做了,然後運用MC的portfolio

就能跑出組合績效

作法二: 將兩個商品等市值相減,直接創造出一個新商品

個人偏好這種作法,這就像上面提的:價差策略就是利用兩個或以上的商品去創造一個新商品.

首先是開一個圖:DATA1用電子, DATA2用金融,週期用1分鐘.接下來用一個指標把這兩個等市值

相減並畫出來

value1=close of data1*4000*2-close of data2*1000*3;

plot1(value1);

但出來的市值差可能是負值,所以我們把市值差加上200萬或100萬(就是做平移向上,不要有負值)

value1=close of data1*4000*2-close of data2*1000*3+2000000;

plot1(value1);

最後在QM新增商品把指標的數值導入QM.

QM設定如下:

核心概念就是創造一個新商品,我這邊是直接用市值差做,所以每跳一點就是一元,當然也可以再把

市值除一個數讓跳一點不是一元,不過新商品的跳動點就要去算電子和金融的跳動最小公倍數.

新商品產生後就可以把一些順勢策略直接套上去,如下圖:

績效就不用使用portfolio了,直接MC就可以看:

這邊要特別注意的有兩個重點:

1.進出場只能使用next bar at market; 不能用stop或limit

因為價差進場盡量在這兩個商品同時間去丟單,這邊最小週期是用到一分鐘

所以在k棒中丟stop的市值價格有可能不存在,金電相減時只有open,close價有參考價值

因為高低點有可能不會同時產生,如9:01分20秒電子產生1分k高點,9:01分25秒金融產生1分k高點,

時間點不同,在實際上是進不到的.所以只能取open,close價.

當然如果用到1秒相減,可以更精確(除非是要做短線,不然沒必要)

2.滑價+手續費+稅是設單邊2000元,來回4000元

通常會一個商品滑,一個商品少滑或進到好價

實際運作來回大概在1千多~2千多之間,不過樣本數還不夠最好是多設一點(單邊2000)

我目前是兩邊都送MARKET

3.商品報價是市值差,所以我是在外部用dde先相減再送入MC

4.下單方式如果用MC 可以用組合單做,下單大師可以用自訂訊號在文字檔內去變化,

或是自己用下單機去處理 (如果自己用下單機可以把金融掛限價,吃到單再MARKET電子,MC可以用GV去做)

策略部份下篇再繼續,基本上把波段策略套上去再修改一下就可以了.

金電價差的好處是隔夜風險很小,但MDD會比較大一些.

有其它想法歡迎討論.

最近聽到有某老師廣告說:學費收你30萬或多少有點忘了,學成後一個月要賺100萬沒問題!

這個年代了,應該不會有人相信吧?.但這樣的行為非常不好.

金融市場除了在市場交易獲利外,用行銷手法好像可以賺到更多又沒風險,利害,利害!

站在台上講這些都不心虛?

 

雖然標題是成交筆數,但這篇其實不是要講成交筆數

主要是想藉這個盤中籌碼來談一個觀念~

 

當然這些觀念只是自己的想法,個人資歷尚淺,所以很有可能是錯的..參考參考即可..

 

最近一位網友來信要期貨累積買賣成交筆數的資料,如果是用multicharts 且有接國內資料的人

可以在QM內看到,這二項數據 TXF1-TA,TXF1-TB

之前從MC 32位元轉到64位元時,有些資料沒備份出來,所以這資料我只到2012/2

就提供他到2012/2

 

這件事引起了一個興趣,我們都知道內外盤資料無論是口數或筆數

是可以用RPT檔內的成交明細去運算出來,結果是跟實際數值很相近的.

於是就利用成交明細算出:期貨累積買賣成交筆數

發現跟QM內的 TXF1-TA,TXF1-TB 值相差蠻多的(理論上會相似)

近一步比較即時報價數值..只能說TA,TB這二者的報價揭漏方式真的是很特別..

跟一般所謂的筆數認知不太一樣..> <

這篇重點不在這裡,就不累述了,有興趣可以觀察看囉~

 

回到主題:

那有了期貨累積買賣成交筆數這些資料,能做什麼呢?

上一篇沒提到,這裡分享自己一個策略想法.

首先把TA,TB放到Data2,data3

用以下指標把差值畫出來

vars:color(0);
value1=close of data2;
value2=close of data3;

if value1-value2>0 then color=red else color=green;
plot1(value1-value2,"",color);

得到下圖:

2013-11-20_142207

然後呢,買賣策略很簡單

就是差值大於一定值時買入,小於一定值時賣出.

不換月,結算日直接參加結算,結算日當日就不再開新倉了.

策略程式如下:

inputs:n1(1800),n2(-2300);
value1=close of data2;
value2=close of data3;

VALUE3=value1-value2;
if value3>n1 and _Endday_list=false then buy next bar at market;
if value3<n2 and _Endday_list=false then sellshort next bar at market;
if _Endday_list then begin
setexitonclose;
end;

 

 

ps:

_Endday_list 是自己用的結算日函數.包含例外日期

可以到這下載.

回測到2012/2 (因為資料只到這裡),來回成本設1000元

績效如下:

2013-11-20_142949

2013-11-20_143042

 

有興趣可以自己跑看看囉.

不過回測週期只有快兩年,交易次數不算多,再加入移動停利或濾網也沒什麼意義.

 

接下來就進入這篇的重點

先一個問題:

期貨累積買賣成交筆數,特別之處在那裡?

一項數據如果沒有可用或十分特別的地方,那就沒有必需使用的價值了.

先不管併筆問題

期貨累積買賣成交筆數,這數據如果做差值計算

意思就是:大戶都是一筆多口買進,所以當買入筆數會小於賣出筆數時

表示都是大戶買入….?

其實買賣過程就是一個價格移動過程.

使用以下程式:

vars:color(0);
if date<>date[1] then begin
value2=0;
end;

value1=close-open;
value2=value1+value2;
if value2>0 then color=red else color=green;
plot1(value2,"",color);

 

k棒上升就加上實体k棒點數,下降就減掉

可以畫出下圖形:

2013-11-20_153224

有沒有覺得跟"累積買賣成交筆數差"的圖形很像.

放入做比較:

2013-11-20_153741

可以分出那個是"累積買賣成交筆數差" 那個是 單純K棒價格差嗎?

 

上面:累積買賣成交筆數差

下面:K棒價格差

 

所以,如果是使用差值做判斷,其實用價格就行了,看來不需要用到:買賣成交筆數

這種籌碼使用上要找出特別之處,或根本的原理:如何產生的?,是否合理?

如果以上幾點沒有的話,那其實可以不需多加著墨.

 

那如果不用這兩個數值,我們去運作相同的策略,那績效如何呢?

策略一樣,只是把Data2,Data3拿掉,不使用買賣成交筆數這些數據.

改成用價格和成交量做判斷

策略程式如下:

inputs:n(13500);
if date<>date[1] then begin
value2=0;
end;

if close-open<>0 then value1=ticks* ((close-open)/absvalue(close-open));
value2=value1+value2;
if value2>n and _Endday_list=false and ExitsToday(date)<1 then buy next bar at market;
if value2<-1*n and _Endday_list=false and ExitsToday(date)<1 then sellshort next bar at market;
if _Endday_list then begin
setexitonclose;
end;

 

這裡我把多空進場參數都設一樣,可以自己把它分開,就看個人喜好囉~

回測到2012/2 ,來回成本設1000元

績效如下:

2013-11-20_155414

2013-11-20_155456

 

 

好像比原本用到 累積買賣成交筆數差 還好..

這只是兩年的績效,那回推到10年績效如何呢?

參數不變,回推到2003/1 ,來回成本設1000元

 

2013-11-20_155744

 

 

績效還算可以啦,近年來表現是算不錯

不過這樣本數就夠大了,可以試著加上移動停損利,及固定停損或濾網.

也可以利用績效特性做組合囉~

 

最後

我覺得不管是指標或什麼籌碼,先別只看表面.第一步是去深入了解,

雖然這過程可能很無趣,也可能讓原本的想像破滅.

但一定能學到更多的~

 

程式交易

 

11/22

補充:

1.之前訊號程式複製上來沒貼好,少一個負號.(已更正)

如有使用原本程式碼要改一下,不然會賠錢.

 

2.使用定值做進場會有一個問題,因為每年成交量大小並不同,如2005年就很小

可以改成近期均量的n倍,績效會比較好~

 

最近看了一些東西 覺得Sinewave這個指標還蠻有意思的 但是一般人可能不知道這個指標設計的原意 因此可能會誤用 我最早是在lovebeast大的blog上看到這個指標的 http://wenschair.pixnet.net/blog/post/36771599-%E2%98%85sine-wave%E7%B0%A1%E4%BB%8B 不過因為lovebeast大的source code要花錢買 所以我就沒有特別去研究 後來coco-in上有位mewmi大放了source code http://www.coco-in.net/forum.php?mod=redirect&goto=findpost&ptid=22403&pid=372426&fromuid=10665 所以我們就用mewmi大大的source code來討論看看 Sinewave指標的精神其實很簡單 假設市場會循環(cyclic) 所以股價的波動有週期性 Sinewave指標可以分成兩個部分來看 (其實原始的Sinewave指標只有後半部) 前半段的部分就是在計算市場的週期 (period) 而後半段的部分 就是已知市場週期 所以可以算出現在的價格在市場週期中的phase 有了phase, 就可以畫出市場的sine波形 當市場有週期的時候 Sinewave指標就會一直上下震盪 sine和leadSine這兩條線也會在上下相交 當市場週期消失 也就是出現趨勢的時候 (通常是前半段算出來的period值一直上升) sine和leadSine這兩條線就不會相交 所以這就可以避免了一般震盪指標會不斷相交而產生的假訊號 剛剛有提到 原始的Sinewave指標其實只有後半段 也就是說 前半段市場週期的算法 其實是可以有很多種算法的 重點就在於 怎麼去計算市場的週期… — ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.112.31.3

Genki626:Z大有指標的程式碼嗎? 感謝了 04/18 18:45
cybermohrg:http://www.aboutels.com/thread-77-1-1.html 04/18 19:50
Genki626:感謝C大,來研究看看 04/18 21:40
zxcmnb:我放的coco-in那個連結就有啊 04/18 21:55
zaqimon:據說要用tick chart比較好 這邊有AmiBroker版的 04/18 22:00
a5170040:我用AB版的,目前寫不出長期穩定的策略 04/18 22:09
a5170040:用1分K or 其他的週期都一樣,有什麼「眉角」嗎? 04/18 22:10
Casval:看Z大的敘述,在概念上類似動態均線,只是period反過來用 04/19 10:26
Casval:http://ppt.cc/5SYK 04/19 10:26

 

以下介紹Sinewave 指標,Sinewave指標有好幾種版本,在John F. Ehlers的著作中就有兩個版本。各種版本其實都大同小異,差異的地方主要在數值近似的手法。

(1)Rocket Science For Traders – John F. Ehlers -2001

(2)Cybernetic Analysis for Stocks and Futures – John F. Ehlers -2004

(3)E-mini watch的Better Sinewave

 

個人覺得Rocket Science For Traders的版本比Cybernetic Analysis for Stocks and Futures好,而且Rocket這本講解比較詳細,而E-mini watch的版本與Rocket Science For Trader版本類似。

 

Ø  前言

作者先假設一個市場走勢的簡單模型:

走勢 = 趨勢(Trend)與盤整(Cycle)的加總。

在趨勢盤時(Trend Mode)時,價格持續往同一個方向移動,價格走勢移動方向變動不大。因此可以把Trend想像成一個低頻的訊號。均線其實就是一種簡單的低通濾波器(low pass filter),因此大部分的均線策略在trend mode時績效很好。

而在盤整盤(Cycle mode)時,價格移動方向的時常變動,因此可以把Cycle想像成一個高頻的訊號,而一般的震盪指標其實都是簡單的高通濾波器(high pass filter),所以在一般區間盤整的時候,大部分的震盪指標都好像很準。

作者假設市場為一個動態週期的cycle,嘗試繼續使用數學的方法,取出目前市場走勢cycle的週期。計算出市場目前的週期後,接著發展出Sinewave 指標。

Ø  Hilbert Transform

作者使用複數的觀念phasor去描述一個cycle。

e = cos(θ)+jsin(θ)

A Phasor Can Represent a Cycle

作者一開始使用Hilbert Transform,從少量價格的資料近似出一個cycle的phasor 型式,接著進行一些平滑處理的動作,取出Quadrature、InPhase。

Smooth = (4*Price + 3*Price[1] + 2*Price[2] + Price[3]) / 10;

Detrender = (.0962 * Smooth + .5769 * Smooth[2] – .5769 * Smooth[4] –.0962*Smooth[6]) * (.075 * Period[1] + .54);

{Compute InPhase and Quadrature components.}

Q1 = (.0962 * Detrender + .5769 * Detrender[2] – .5769 * Detrender[4]- .0962 * Detrender[6]) * (.075 * Period[1] + .54);

I1 = Detrender[3];

Ø  Homodyne Discriminator

取出Quadrature、InPhase後,作者以此為基礎,使用Homodyne Discriminator近似出目前cycle的週期(period)。

HomodyneDiscriminator的概念為,將這根bar的複數訊號與前一根bar的共軛複數相乘。如下式,可以得到angular frequency(角頻率)、amplitude。

而angular frequency(角頻率) = (2π/Period),由此可得目前cycle的週期(period)

{Homodyne Discriminator}

Re = I2 * I2[1] + Q2 * Q2[1];

Im = I2 * Q2[1] – Q2 * I2[1];

Re = .2 * Re + .8 * Re[1];

Im = .2 * Im + .8 * Im[1];

If Im <> 0 and Re <> 0

then Period = 360 / ArcTangent (Im/Re);

Ø  The SineWave Indicator

Sinewave指標概念以下圖為基礎。假設走勢如同一個完美的cycle- sinewave走勢,若已知目前的週期(period)及目前的phase。

因此只要將角度往前shift一個量,即可達到一個領先的效果,從下圖中可以觀察到LeadSine的走勢領先Sine走勢。但事實上價格走勢不是一個完美的cycle,以及在近似計算時有些平滑動作已經有產生延遲(lag)了。因此作者說其實他只是想盡量讓lag變少。

Plot1(Sine(DCPhase), “Sine");

Plot2(Sine(DCPhase + 45), “LeadSine");

 

得到了價格走勢的動態週期(Period)後,下一步要取出目前市場的phase。若有cycle mode的話,看現在市場的狀態是在一個cycle中走到哪一個位置。

        Cycle mode:  phase會一直從0度增加到360度。

        Trend mode: 走勢往同方向一直持續,而phase不會增加。

取出phase後取sine(phase)及sine(phase+45),即為一個範圍從+1~ -1的震盪指標。下圖為使用完美cycle對sinewave指標做測試,中間為sinewave,下面為phase。可以看到下圖中sinewave指標的交叉轉折點比cycle的轉折點還快。

Ø  The SineWave Indicator觀察

Sinewave跟一般的震盪指標比起來有兩個優點

(1)若在cycle mode的話轉折點可以抓的比較快。

(2)可以分辨cycle mode 、trend mode:

若在trend mode時phase不會持續往前,而作者有提到說,若在上升的trend中,phase       會持續在180度左右。而在下降的trend中,phase會持續在0度左右。

Ø  辨認Cycle mode與Trend mode

下圖大約為2012/08~2013/02的台指期走勢,對應sinewave指標與phase圖,可以觀察出cycle mode與trend mode。而up tremd的phase大都在180度、down trend的phase大都在0度。

下圖還把sine指標死亡交叉與黃金交叉的價格點標出來,形成壓力與支撐。死亡交叉為灰點,表示在cycle mode的壓力。黃金交叉為紅點,表示在cycle mode的支撐。在up trend時可以觀察到價格都在灰點之上,表示一個往上突破cycle mode壓力的動作。而在down trend時,可以觀察到價格都在紅點之下,表示一個往下跌破cycle mode支撐的動作。

Ø  The SineWave Indicator程式碼(Rocket Science For Traders)

Inputs: Price((H+L)/2);

Vars: Smooth (0),Detrender (0) , I1 (0), Q1 (0), jI (0), JQ (0), I2(0), Q2 (0), Re (0), Im (0), Period (0), SmoothPeriod (0), SmoothPrice(0), DCPeriod (0), RealPart (0),

Imagpart (0), count (0), DCPhase (0), DCSine (0), LeadSine (0), Itrend(0), Trendline (0),

Trend (0), DaysinTrend (0);

If CurrentBar > 5 then begin

Smooth = (4*Price + 3*Price[1] + 2*Price[2] + Price[3]) / 10;

Detrender = (.0962 * Smooth + .5769 * Smooth[2] – .5769 * Smooth[4] –.0962*Smooth[6]) * (.075 * Period[1] + .54);

{Compute InPhase and Quadrature components.}

Q1 = (.0962 * Detrender + .5769 * Detrender[2] – .5769 * Detrender[4]- .0962 * Detrender[6]) * (.075 * Period[1] + .54);

I1 = Detrender[3];

{Advance the phase of I1 and Q1 by 90 degrees}

jI = (.0962 * I1 + .5769 * I1[2] – .5769 * I1[4] – .0962 * I1[6]) *(.075 * Period[1] + .54);

JQ = (.0962 * Q1 + .5769 * Q1[2] – .5769 * Q1[4] – .0962 * Q1[6]) *(.075 * Period[1] + .54);

{Phasor addition for 3 bar averaging)}

I2 = I1 – JQ;

Q2 = Q1 + jI;

{Smooth the I and Q components before applying the discriminator}

I2 = .2 * I2 + .8 * I2[1];

Q2 = .2 * Q2 + .8 * Q2[1];

{Homodyne Discriminator}

Re = I2 * I2[1] + Q2 * Q2[1];

Im = I2 * Q2[1] – Q2 * I2[1];

Re = .2 * Re + .8 * Re[1];

Im = .2 * Im + .8 * Im[1];

If Im <> 0 and Re <> 0 then Period = 360 / ArcTangent (Im/Re);

If Period > 1.5 * Period[1] then Period = 1.5 * Period[1];

If Period < .67 * Period[1] then Period = .67 * Period[1];

If Period < 6 then Period = 6;

If Period > 50 then Period = 50;

Period = .2 * Period + .8 * Period[1];

SmoothPeriod = .33 * Period + .67 * SmoothPeriod[1];

{Compute Dominant Cycle Phase}

SmoothPrice = (4 * price + 3 * Price[1] + 2 * Price[2] + Price[3]) /10;

DCPeriod = IntPortion(SmoothPeriod + .5);

RealPart = 0;

ImagPart = 0;

For count = 0 To DCPeriod – 1 begin

RealPart = RealPart + sine (360 * count / DCPeriod) *

(SmoothPrice[count]);

ImagPart = imagPart + CoSine (360 * count / DCPeriod) *

(SmoothPrice[count]);

End;

If AbsValue(ImagPart) > 0

then DCPhase = Arctangent(RealPart / ImagPart);

If AbsValue(ImagPart) <= .001

        then DCPhase = DCPhase + 90 * Sign(RealPart);

DCPhase = DCPhase + 90;

{Compensate for one bar lag of the Weighted Moving Average}

DCPhase = DCPhase + 360 / SmoothPeriod;

If ImagPart < 0 then DCPhase = DCPhase + 180;

If DCPhase > 315 then DCPhase = DCPhase – 360;

Plot1(Sine(DCPhase), “Sine");

Plot2(Sine(DCPhase + 45), “LeadSine");

end;

月:

  1. 期貨只做多
  2. 選擇權賣方只做SC
  3. 選擇權買方只做BP

周:

  1. 以上周結算價為主,遠離2%後逆向操作

 

想法:

選擇權的Delta代表著履約率,就等於是某個價位在結算時會不會來的機率

選擇權的Delta分布在履約價序列都是線性分布的,但價格的變動卻會與均線的開合與收斂有關

也就是說,各個位置的價格到達機率 與 履約價序列的到達機率 不完全相同,意味著有套利空間存在

也因此,選擇權的評價理論,其實是可以重新定義與調整的。評價後的價值與 black-shore model 之間的價差

就是獲利的空間

 

另外,針對選擇權評價的參數,可以使用KD或均價等技術指標的乖離或位置,去定義出一個結算位置的機率分部

在兩個標準差以內的分部,以近月賣方為主來操作。兩個標準差以外的部分,則以買方為主,但進場的標的是遠月OP

口數配置完全以發生機率去做調配,機率低必須高槓桿,機率高必須低槓桿,也可以在整個部位的價外低機率位置,買入週OP

以避免系統性風險,甚至從中獲利

 

[策略想法一]:

因週OP有80%機率結算在2%之內,有90%機率結算在3%之內,故基本上在新週OP開倉當天的收盤(上一週OP結算),

就可以以收盤價上下各2%的履約價做雙SELL動作,但是月OP則是在收盤價上下各3%的履約價做雙BUY動作

80%的機率在下周結算在2%之內,週OP大賺,月OP小賠

80%的機率在下周結算在2%之外,週OP的損失卻能受到控制

在結算日的時候要在13:30時,把所有月OP部位都結清,重新再進下周適當的月OP

週OP則是直接參與結算節省手續費

 

[策略想法二]:

配合策略想法一,當在未結算之前,如果指數跑動超過2%之外,此時可以反向建立BUY方部位,例如上周收8000

可以預期結算在8150~7850之間,如果到了結算前一兩天,超出這個範圍(例如7700),此時則可以買7800Call賭屢約,

或是買7850 Call賭加速度。賭加速度的做法則是需要掛單,翻兩倍時出50%,翻4倍時出25%,之後5,6,7,8,9倍則各出5%

 

[策略想法三]:短期與中期均線不同步的選擇權策略

台指選擇權的交易期間大約是20個交易日左右,因此,在制定選擇權的交易策略上建議觀察10日與20日移動平均線的趨勢。

  1. 10日與20日移動平均線的趨勢同步上升
    1. 不論是否出現黃金交叉,選擇權策略就要以多頭價差為主
  2. 10日與20日移動平均線的趨勢同步下彎
    1. 不論是否出現死亡交叉,選擇權策略就要以空頭價差為主。
  3.  10日移動平均線上升,但20日移動平均線下彎,市場價格在10日移動平均線之上,20日移動平均線之下:
    1. 建立10日移動平均線的多頭價差部位
    2. 同時賣出20日移動平均線的買權
  4. 10日移動平均線下彎,但20日移動平均線上升,市場價格在10日移動平均線之下,20日移動平均線之上:
    1. 建立20日移動平均線的多頭價差部位
    2. 同時賣出10日移動平均線的買權

 

全自動台指+週OP套利想法

前言

基於結算機率統計以及週OP快速收成的特性,加上馬丁概念的綜合策略,相較於月OP,有以下優點:

  1. 比較能夠快速收成,一周收成一次感覺較安心
  2. 部位不會滾的太大
  3. 可以充分享受到周OP時間價值流失最快的優勢,另外也規避掉波動率的影響 (週OP不易受波動率影響)
  4. 同時加入了結算機率統計,以上周結算價為中心點,搭配期貨逆勢單,逆勢單的勝率有8成以上。
  5. 起手勢基於結算機率統計,不需盲打,進退有據

但也有缺點:

  1. 動態調整間距必須縮小到50點,會多支出一些手續費
  2. 若隔日跳空超過50點,就必須動用到野戰醫院(月OP)

不過總體來說,相較月OP仍是瑕不掩瑜,因為:快速收成、安心、部位不會太大,這三大優勢遠比操作月OP更符合人性。

同時結合每周結算時與上周結算在150點內有高達八成勝率,200點內高達九成勝率的特性,逆勢單不會盲打。

 

策略細節

以本周結算在8000為例:

在周三尾盤確定結算位置為8000後,進行起手勢:SC8150  & SP7950  各一口,大概都在40~50點左右

 

若行情始終沒有打穿這個區間,就都不做任何動作,並且每天掛空小台 8150 & 8200 各一口,掛買7950 & 7900各一口

若每天都沒成交,下周結算就收兩邊的保證金,但….通常不太可能這麼順利,因此可能有以下狀況

 

一直往上的情況:

假設某一天 8150的空單成交了,成交的瞬間,就同時進一口SP8100 ,大概都在50~60點左右

接著若往上突破8200,再進一口8200的空單,同時進兩口SP8150(因為已有兩口小台)

若在繼續往上突破8250,期指就不再動作,但再進兩口SP8200

之後若持續一直往上,以50點為單位一路兩口兩口的SP上去

但若在過程中有往下,則以50點為單位一路兩口兩口的把SP平倉 (理論上仍能賺到少許的時間價值)

直到結算全部平倉

 

先上後下的情況:

一直往下的情況:

 

先下後上的情況:

 

 

跳空風險&野戰醫院:

若隔日有跳空超過50點以上的情況,因為周OP會產生一些無法規避的損失,所以需要採用月OP建立部位,利用時間價值換取跳空損失

狀況一:若一路SP上去,昨天收8250,但今天卻跳空開低60點,開盤時仍把昨天進的SP8200平倉,改進月SC8300&SP8100(月底前進本月OP,月底後進次月OP)

狀況二:若一路SP上去,昨天收8250,但今天卻跳空開低60點,開盤時仍加碼再進SP8250,但同時再進月SC8300&SP8100(月底前進本月OP,月底後進次月OP)