時間與交易

《如果能夠掌握 1 * 100 = 2 * 50 = 4 * 25 的簡單邏輯，技術分析的時間週期就不再是問題》

敝團隊日前撰寫過數篇關於濾鏡的文章，且著眼於「時間」便是一種天然濾鏡，不需要加入人造濾網。且由於濾網多是逆勢概念而成，將逆勢判斷套入順勢系統中，容易造成過度參數化，也降低策略的穿透性。

一般量化交易的時間取樣方式在兩個地方可做調整：「K 棒週期」與「K 棒數量」。

對於時間這個濾鏡而言，越長時間的 K 棒週期所含的雜訊比率越低，趨勢也越明顯，獲利可能性也越高，唯交易者須承擔較高的價格擺盪幅度。然而，到底該採用哪個週期的 K 棒呢？結論可能跌破許多人的眼鏡：從最小的 1 分K到小時K、日K、週K等，不外乎是一樣的東西。市場中不乏交易者耗費許多時間在取決技術分析使用的 K棒週期以及數量，若能了解時間與雜訊間的關係，可能得以開闢一條捷徑。

K 棒的採用數量便是統計的樣本數量。由於統計是技術分析的根本，樣本的數量、品質以及取樣正確性決定了分析的成敗。我們以此次台北市長選舉為例說明樣本數量的意義：設籍於台北市的選舉人數是 2,147,213 人，以過往選舉投票率約七成推估，投票數為 150 萬。在開票初期，由於選票樣本過少，寥寥數百張或數千張選票的候選人得票率並不足以代表整體投票人口。然而當開票數逐漸增加到某種程度後，開票得票率已足以代表整體樣本，並且誤差範圍極小，直至開票完成各候選人的得票率都不再有明顯變化。

交易者一般使用的技術指標提供了趨勢的推估，但由於擔憂因採用過長週期而錯失交易良機，人們偏好選擇短週期指標作為判斷依據，實則與統計的基本原則有所衝突 – 然而統計便是形成技術分析的根本。

承上，一般採用小樣本的指標因為無法著手探測商品特徵，因此並不容易具有長久的存活性與商品穿透性，往往在實際下單後發現策略失效。一個良好策略本身應該具有觸摸商品本質的特性，亦即在以統計法則為基礎的技術分析下，當採用 K 棒週期、K棒數量這兩個時間總和大過某一個門檻後，回測績效不再明顯變動，並能避免經常重新調整策略內容或參數值。

一本由寰宇所出版的書籍《短線投機養成教育》，其英文原書名為「Long-Term Secretes to Short-Term Trading」，作者是著名的交易者 Larry Williams。書名其實就是貫穿整本著作的概念，亦即作者分享了在約 50 年的交易生涯中，所觀察到眾多商品與市場共同存在的一些特質，這些特質適用在各種商品的短線交易當中，而且是避免策略失效的關鍵。

在此使用敝團隊的海期策略回測台指期簡易說明時間架構兩個數值間的關聯。

下方第一張圖中，該策略以日 K 長度回測台指期，使用 K 棒週期為 A；第二張圖片使用同樣策略回測台指期小時K，K 棒週期為 5A ( 每交易日 5 小時 )；最後一張圖片回測台指期週K，K 棒週期改為 0.2A ( 每週 5 個交易日 )。可以看出三個回測曲線型態相差不大，因為在引用的週期參數下，已經採計了足夠探測商品特徵的樣本，且雜訊比降至可接受範圍。若將這三個週期再調整為大於 A、5A、0.2A 的數值，回測結果亦同。

近來迅速發展的程式交易工具協助了交易者從有別於以往「價格走勢」的眼光觀察趨勢，並且有效的協助人們在發展策略時，採用完善的統計方式避開週期的惱人問題。璞格建議交易人在設計自有的策略時，暫時放下所閱讀過或使用過的一切工具，細心觀察不同商品及市場中的共通特徵，再據以做為發展依據。