zoukankan      html  css  js  c++  java
  • 程序化交易高手的交易心得 分享~

    总体来说,**程序化交易**系统应该由:资金管理模块、交易策略模块和行情研判模块三部分组成。这三部分是一个整体,如果单独拿出哪一部分来讲都是没有意义的。

    一、行情研判模块
    行情研判模块是主要为资金管理和交易策略服务的。如果除去这一点,所有的行情研判就都失去了目标也就没有办法设立标准,当然也就没有了实际的意义。预测是研判的一部分,但是研判不仅只是建仓前的预测,还包含减仓之后的跟踪判断,它的重要性要高于预测。

    关于行情研判我们需要明确两个问题:

    1.进场交易要在什么情况下进行?
    不论投资者采用哪种分析方法,它的进场信号类型主要分为两种类型:

    (1)顺势交易型:顺势而为

    (2)逆势交易型:低吸高抛

    这两种分析研判思路完全不同,投资者可以根据自己的情况选择一种,但不要在交易中来回切换这两种思路。

    2.离场要在什么情况下进行?

    离场主要有三种含义:
    (1)由于行情的发展变化不再符合投资者目前的持仓标准时离仓

    (2)止损和止盈是离场的目标

    (3)离场的动作要积极主动

    二、资金管理模块
    所有被视为独家秘笈的“交易模型”能够得到稳定收益的原因,就在于风险和资金管理的策略安排。换句话说,程序化交易能够成功主要在于六成的纪律,三成的资金风险管理和一成的技术模型。

    (1)为了能够在变幻莫测的市场中长期生存下去,我们需要把亏损限于小额。对于不同的人来说“小”的定义也不同。由于我们没有办法预料会出现几次连续的亏损,所以只能控制每一次亏损都是最小额。

    (2)交易的最终目的就是获利,获利才可以弥补止损。行情研判必须能够计算出盈亏的比例,不然的话就说明这个行情研判是有缺陷的。

    三、交易策略模块
    行情的节奏感是许多程序化交易投资者都非常容易忽略的一个内容。准确跟上行情的节奏是制定交易策略的目标。

    交易策略中一般需要解决以下三个问题:

    (1)进场时机
    我们如何在确认好自己交易的时间级别之后,判定入场的信号?例如对于一个日线级别的交易者而言,在整个交易日中,如果是做突破的投资者,遇到开盘跳空突破关键价位时,如何选择是否进场?

    为了避免这些问题的干扰,对于日线级别的交易者来说,应该在快收盘的时候,依据信号选择进场并且过滤掉日内的信号。虽然这样的做法会造成一些盈利空间的丢失。但是这样可以有效的避免日内波动所带来的不必要止损动作。

    (2)遇到行情突发事件我们应该怎么办
    我们要采取积极的措施来应对突发事件,不管是有利还是不利的,都要最大程度的保证交易策略的实施。避免被打乱节奏造成被动离场或者盲目进场。

    (3)平滑心态,加减仓位
    当交易者面对纷繁复杂的市场行情时,都不可避免的需要面对人性中恐惧和贪婪者两大弱点。这些心理因素给交易者带来了很多麻烦。首先想要克服弱点,我们就应该从尊重弱点开始。我们可以尝试制定明确的交易策略,通过加减仓位,来平滑或者冲抵盈亏波动对人性弱点的考验。

    四、资金管理:
    程序化交易系统是由各个模块组成的,这种组成并不是简单的叠加,而是通过通盘的考虑和同步建立的。一个有效的交易系统中的每一个细节,都是可以反映出该系统的技巧、目标和原则等所有信息。
    ————————————————
    版权声明:本文为CSDN博主「是小鑫鑫啊~」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
    原文链接:https://blog.csdn.net/weixin_44037256/article/details/86979463

  • 相关阅读:
    【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 15—Anomaly Detection异常检测
    【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 14—Dimensionality Reduction 降维
    【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 13—Clustering 聚类
    【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 12—Support Vector Machines 支持向量机
    【原】机器学习公开课 目录(课程笔记、测验习题答案、编程作业源码)...持续更新...
    【原】Coursera—Andrew Ng机器学习—Week 11 习题—Photo OCR
    【原】Coursera—Andrew Ng机器学习—Week 10 习题—大规模机器学习
    【原】Coursera—Andrew Ng机器学习—Week 9 习题—异常检测
    【原】Coursera—Andrew Ng机器学习—Week 8 习题—聚类 和 降维
    【原】Coursera—Andrew Ng机器学习—Week 7 习题—支持向量机SVM
  • 原文地址:https://www.cnblogs.com/gzhbk/p/14780717.html
Copyright © 2011-2022 走看看