近年來資料科學興起，大家都在談論Big Data。在這股浪潮下，金融交易也不例外。交易者不僅容易取得市場資料，要回測歷史數據，甚至對未來進行自動化交易(演算法交易、程式交易)，都是相當容易的一件事。究竟巨量資料時代的來臨，金融交易是否也跟著產生巨大改變? 本文我們探討金融交易遇上資料科學的變與不變。
(附註：本文節錄前面幾篇文章的部分內容)
過去嘴上股神，現在資料說話
老一輩喜愛金融交易的朋友，往往花很多時間在研究各種技術分析、K線型態、價量指標…等，無非是想要準確預測明天股市行情，是漲是跌雖然只有兩種可能，可惜卻沒有人能夠保證。而交易的目的在獲利，投資人除了關心每次輸贏外，賺賠多少也是關鍵因素。就一個資料工作者而言，我們不知道明天是漲是跌，但我們可以計算出過去漲跌的機率分佈。舉例來說，長紅棒代表多頭氣勢如紅，收盤價遠大於開盤價，因此預期未來行情會繼續漲；反之長黑棒是收盤價遠低於開盤價，預期行情會繼續跌。然而真是如此嗎? 我們實際回測歷史數據如下，統計時間為2007年01月至2016年06月。
下圖為長紅棒出現，3天後的漲跌幅分佈。這裡我們定義的長紅棒為收盤價高於開盤價1%以上。同理，右圖為長黑棒出現後，3天後的漲跌機率分佈。
根據統計，約有59.40%的機率在長紅棒出現後，3天後的收盤價會更高，漲跌幅的平均值為0.177%；同理，長黑棒定義方式為收盤價小於開盤價1%以上。長黑棒出現後，約只有46.22%的機率3天後收盤價會更低，但漲跌幅的平均值竟然仍為正數0.1854%。
由此看來，台股從2007年01月至2016年05月，歷經過空頭與多頭市場，但長紅棒似乎較具有指標意義，勝率高達近60%；而長黑棒的平均漲跌幅仍為正數的結果，代表未來三日行情不一定會往下發展。有趣的是，這樣的統計結果，漲跌幅的期望值與0相當接近，與一般認知K線型態所傳達”預測”並不相同。
大家都在談勝率，但這卻是個假議題
上面例子道出了資料分析在金融交易的『真實性』。然而，只要讓資料說出『正確的話』，交易就萬無一失，投資就一片光明嗎? 若是如此你就太小看這個『邪惡的市場』了，多少英雄好漢正是死在這樣的錯誤觀念之下。過去的金融市場，流傳著各種跟神一樣的技術分析大師，只要看對一次行情就造神成功，看錯了就選擇性忘記，反正時間會沖淡一切。現在的市場，數據會說話，任何策略或指標都可立即回測知道結果，當然也可告訴你一般投資人最在意的『勝率』。
這的確符合人性，畢竟大家都想要追求高勝率的交易策略，最好是天天賺，不會賠。可惜金融市場越符合人性的事，就越不是好事。一個有方向性的好策略，通常勝率低於50%，甚至不到40%。也就是輸多贏少。這是因為好的策略其特徵往往是多次的小賠與少次的小賺，再加上幾次極少數的大賺，造就了一般人難以接受的低勝率，但長期下來卻是穩定獲利。
這對大部分的資料科學家是難以接受的。他們用盡各種高深技巧，在市場上收集完整資料，運用訊號處理，機器學習，甚至最近最夯的深度學習，無非就是想要追求高勝率策略。可惜賺錢真的不容易，高勝率低賠率的結果，期望獲利可能還是負值。但也別灰心，這不是資料科學出了問題。這是資金管理沒有學好。千萬別小看這門學問，即使天才如LTCM團隊(長期資本管理公司，由諾貝爾獎得主組成)，也是死在這個議題之下。
最簡單的資金管理，賭小一點!
資料科學用在金融交易的真正優勢是，將資金妥善運用於多商品、多市場、多策略，進行彼此之間的關聯統計分析，包含策略是否互補、損益相關係數、甚至發展高頻套利…等。然而，不論資訊科技發展的再進步，資料分析多詳盡，實際交易最重要的還是風險管理，這可是鐵鐺鐺的數學定理，千古不變。舉例來說，如何將資金使用最佳化，為何8成以上的投資者都賠錢? 為何你該賭小一點?今年的資料科學年會，我將向大家介紹這個議題。
0 意見:
張貼留言