Python 股票投資,建議先手動交易練練盤感嗎?

這篇主要整理了筆者的學習歷程,以及周遭同業朋友的經驗。本篇內容雖然參考了客觀資訊,但仍然會有相當主觀的論述,主要提供準備入門 Python 理財與量化股票投資的讀者比較清晰的思考方式,來決定接下來的學習時間分配。

因此,不同投資背景的讀者,無論是有手動交易股票經驗、或是剛入門股票投資的初學者,還是做期貨程式交易的投資人,筆者認為都能有些收穫。

Python 股票投資-找到適合自己的交易模式

先講結論,筆者強烈建議大家在設計自己的 Python 自動化投資之前,先小額手動交易感受市場。但主要不是為了練盤感,而是透過感受市場的波動,來找到適合自己的交易模式,以及理解市場脈動的邏輯。

以下是筆者身邊兩個極端的例子:

案例一:精明的研究者

筆者在避險基金產業任職多年,曾經有一位同事十分具有研究精神,運用統計模型也是信手捻來,針對模型特性設計量化研究實驗也是相當熟練。但是,他在業內兩三年以來的操作績效卻是慘不忍睹,他幾乎沒幫基金賺過錢。

這位同事他幾乎沒有手動交易過,也沒有關注產業脈動和市場消息,而是投入 100% 的精力在價格時間序列與統計上。他認為,市場上所有資訊都反映在價格上。換句話說,他的觀念裡,認為價量資料已經包含所有資訊,因此全盤忽略其他維度的資訊。

他的問題在哪裡?我們試想一下,如果總體經濟環境、產業脈動、公司基本面、資金流等各種不同維度的資訊,如他所想都已經反映在價量資料裡,那很顯然,雜訊也會包含在價量資料內。因為,投資人不太可能參考完整資訊做理性決策下單交易,這些投資人的交易行為也會左右市場行情。

那回過頭來看這位同事的模型:真的存在這種完美模型,能把價量資料內的雜訊過濾掉,又盡可能保留獲利的交易嗎?回測上很容易做到,實盤又是另一回事。事實就是,如果只靠價量資料,我們非常難定義模型過濾掉的就是雜訊,而不是有用的資訊。

筆者一直在想,如果這位同事平常逐漸累積交易執行規則細節,以及投資研究領域的知識,與他的投資模型搭配,應該會成長得更快吧!

案例二:不理性的價值投資者

這個案例是筆者多年朋友,雖然這篇可能會被他本人看到,但這真的是個不錯的負面教材,這裡還是提出來,讓讀者都能有省思的 機會,獲得小小的進步。

這位朋友原本也是業界人士,投資經歷相當豐富。他早早財富自由後,開啟了多年的全職投資生活。但這裡既然會提出來,代表後來悲劇了。

原先,他保持良好的步調,在研究深度和投資風格上達到平衡,無論是做多還是做空,都獲得不錯的成績。直到他開始挑戰短線交易。

短線交易需要的研究深度、交易執行、心態調整都和原先的投資風格完全不同。但他在幾次連續虧損後就徹底失控了。他還沒找到短線交易該有的平衡,卻多次重倉操作,試圖快速賺回損益兩平,彷彿期間的瘋狂從來沒發生過。

於是他開始不進行任何事前研究,全憑盤感交易,在開了融資又遇上雙巴盤。他的近況是「經歷了創業失敗」而回到投資研究行業工作。

筆者認為,這位老朋友所犯的錯誤,除了紀律以外,最重要是沒有策略。沒有策略代表著沒有找到自己的投資優勢,就如同花錢報名了猜拳大賽,有時會贏、有時會輸,平均而言是虧了手續費和稅。一般來說,當你沒有找到自己的投資優勢,根本就不該參與這場遊戲。更何況這位老朋友的操作還搭配了恐慌情緒來攪局,變成錯上加錯,只輸一半算是運氣好了。

結論

看完上面兩個案例,我們稍微總結一下:想要用 Python 建立自己的自動化股票投資,需要先了解適合自己的投資風格。而不同的投資風格,對各個維度資料的研究深度有不小的區別。如果沒有實際進行一些交易執行,筆者認為單純埋頭苦幹研究程式模型的成長幅度有限,效率也不好(有強者前輩帶的話就另當別論)。如果沒有找到適合自己的投資風格、沒找到自己的投資優勢就不斷地交易,也是嚴重損害帳戶規模成長的行為。

因此,這裡建議 Python 股票投資的策略研究開發的同時,可以小額手動交易感受市場。兩者搭配,讓投資之路更寬廣。

延伸閱讀:


量化通粉絲社群,定期分享實用資源
✅加入LINE匿名群組量化通QuantPass」無壓力討論與分享!
✅追蹤量化通的粉絲專頁量化通QuantPass」即時獲取實用的資源!

程式交易課程推薦
📣 Python 程式交易系列線上課程,手把手開始用程式交易打造自己的被動收入!

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。