程式交易有兩種。 指標交易－用指標當作判斷式的條件，決定進出場 一般人會接觸到的程式交易 (或稱 EA) 這種居多， 臉書或 Line 看到獲利滿滿的也是這種居多，但會讓人看到獲利滿滿的，小心是詐騙。 要入門指標交易，學習為交易而生的程式語言還有對應的交易及開發工具最有效率， 例如外匯有 MetaQuotes Language 還有對應的 MetaTrader， MetaQuotes Language 幫你實作好許多指標，你只要呼叫函式，它就給你結果， 而 MetaTrader 幫你處理好程式交易所需的一切，你只要專心發展你的策略。 指標交易要再深入一點就是自己創新的指標。 另一種程式交易是 演算法交易－用機器學習或其他演算法，決定進出場 我們在交易其實是在做一件事，就是是用現有的價格 (或其它資訊) 去預測 晚一點會漲還是跌 (分類)，甚至預測晚一點的價格 (預測)。 在這很多領域例如影像、聲音或文字都有類似的問題 (分類跟預測)， 電腦科學為此早就發展了歷史悠久的機器學習去解決這些問題， 既然機器學習是在解決分類跟預測的問題，理所當然也可以用在交易上。 但用在交易上有效嗎？顯然不容易，不然學校教授早就發達了。 可是機器學習在解決影像、聲音或文字的分類跟預測的問題時，其實表現不錯， 甚至比人類還厲害，用在交易上怎麼不太容易？問題在哪？ 我是這樣看，我是價格 Random Walk Theory 的信奉者，每一時刻的價格都是隨機的， 而且背後沒有相同的隨機分佈，隨機沒問題，但沒有相同的隨機分佈就不行， 這就是交易價格跟影像、聲音或文字的差別。 要入門演算法交易，就是學習機器學習理論， 實作上就以對機器學習支援較多的程式語言為主，例如 R 或 Python。 演算法交易要再深入一點我想是研究交易價格的本質。 ※ 引述《micbrimac (shark)》之銘言： : 哈囉 : 大家好 : 小弟是投資初心者 : 在職場上工作浮浮沈沈了幾年 : 以前對投資理財沒什麼興致 每次聽到朋友在聊投資股票 都避而遠之 : 覺得投資跟賭博一樣 常常聽銀行業朋友在報明牌 （可是都覺得超不准XDD : 唯一碰過的一次股票 是去年聽了銀行業朋友的話 : 買了一張台GG股票 後來覺得壓力大 持股不到一週就趕快賣掉了 : 最近也不知道怎麼回事 突然起了興致想研究理財 : 這一個月開始尋找stock版上推薦的書單 也跟銀行業朋友要書單來看 : 陸續看了一個投機者的告白 走進我的交易室 stock for the long run : 才終於有點知道基本面、技術面是什麼東西 : 後來又找了玩投資的朋友聊天 探尋散戶們都怎麼玩股票的 : 直到上禮拜看到臉書上的一個朋友 玩程式交易 賺了滿滿白花花的銀子 : 才注意到程式交易 跟量化投資 認識到James Simons這位大神 : 這幾天在google跟一些網站上蒐集了一些書單 有一本是版上推薦的Kaufman的書 : 稍微瞄了一本哈佛教授寫的量化金融初級入門書 : 結果裡面全是一堆看不懂的方程式跟數學 : 雖然我在理工科也念了些微積分、線代、ODE、PDE跟一點工程統計 : 想請教一下 大家一開始都怎麼建立自己的交易系統的 : 難道真的都是從學機率、統計學還有數學入門？ : 才一步步建立起自己的交易邏輯跟編輯程式的 : 雖然這樣也蠻有趣的啦～ : 身為一個理工宅 某種程度上我也是挺相信數學的 : 只是不知道要從哪裡開始 才能讀懂那一堆看不懂的書 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.73.220.116 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Trading/M.1483803698.A.B08.html Ok，實務的部分再多寫一些，人在做交易或回測，過程如下 交易－ 登錄帳戶 看盤 產生決策 下單 回測－ 拿一段歷史數據 產生決策 下單 重複 最後統計 程式去做是一樣的過程，所以完整的程式交易除了產生決策外， 其餘的過程也需要被實作。 一樣分為指標交易跟演算法交易。 指標交易如前所述，用為交易而生的程式語言跟工具最方便， 大部分除了交易的過程幫你準備好之外，回測的過程也準備好了， 所以比較沒有困惑，就是去學語言跟工具，至於學那套會跟你的交易商有關 (支援那套)。 演算法交易比較繁瑣，需要把過程串起來，有幾個跟交易商有關的， 需要串交易商的 API (Application Programming Interface)，例如 Interactive Brokers (IB) https://www.interactivebrokers.com/en/software/api/api.htm OANDA http://developer.oanda.com/ 交易的過程會如下 交易－ 登錄帳戶 (交易商的 API) 看盤 (交易商的 API) 產生決策 (例如 R 或 Python) 下單 (交易商的 API) 如果想要回測，就需要另外實作剩餘的過程，不過還好，外國人都很 Nice 的， 很容易找到素人實作好的函式庫，例如 Python 就有回測專用的函式庫 PyAlgoTrade http://gbeced.github.io/pyalgotrade/ 回測的過程會如下 回測－ 拿一段歷史數據 (Python - PyAlgoTrade) 產生決策 (Python) 下單 (Python - PyAlgoTrade) 重複 (Python - PyAlgoTrade) 最後統計 (Python - PyAlgoTrade) ※ 編輯: heuristics (42.72.142.63), 01/08/2017 23:27:34 您可能將隨機誤解成任意，隨機是有機率分佈的，價格是隨機的， 演算法交易才有機會。 提供一個觀點，反而短時才容易出現短暫的交易模型， 您可以追一些著名的演算法或量化機構，大部分都是做高頻交易。 ※ 編輯: heuristics (223.140.129.33), 01/10/2017 20:07:20 (ETHZ 刪除 ES200h 的推文: 分身亂版！)