好久沒來軟體板了
先用網頁板寫一下心得
我已經進入股市十幾年了
等一下用貼文po最近幾個禮拜的對帳單
Jppt的貼手機圖比較快
平均一年靠股票期貨美股交易都能年收八位數字
講這個不是要炫耀
主要是想談談我對AI與程式交易的看法
我這幾年也接觸不少關於AI的工程師
根據我問到的狀況
現在的AI針對股市交易我所聽過世界最頂尖的就是好像去年有出一本自傳
的Jim Simons
The Man Who Solved the Market: How Jim Simons Launched the Quant Revolution
Simons有一個很神秘的基金現在已經Closed只給內部員工買
俗稱大獎章
他是數學界很有名的人物
程式交易和量化交易這種領域他幾十年前就接觸了
而且可以說電腦還很落伍的時代
半導體還不怎麼快又貴的時代
他就在用了
但他還是常常使用主觀交易
原因是因為很多時候AI弄出來的東西
AI無法說明他的邏輯是什麼
所以不選擇採用
Simons認為這種東西無法讓經驗複製
日本的股神BNF
總資產據稱超過100億台幣以上
本金出發時不到100萬
我也沒看到他採用太多量化交易的東西或者程式交易
很多人的思考邏輯是
我會寫程式
所以我再會一點金融就能把程式帶入
但這種東西往往是不好用的
而且乍看之下什麼都有
其實是什麼都沒有
更不可能把錢丟進去就會生錢
就算會生錢
也會發生Simons說的狀況
不知道為什麼賺錢
也不知道怎麼規避風險
這在投資來講
是一個很嚴重的問題
對AI來說錢賠光了他也不痛不癢
但對持有者來說不是開玩笑的
我認識蠻多在做Multicharts的人
但他們都沒辦法說服我一個最關鍵的核心問題
就是有沒有一套真正可以好用的指標
就我所知你拿某些指標在一兩年內的期貨程式交易
獲利會不錯
但是不知道是不是有人一起用或者回測出類似的結果
當大家都在用
一兩年後指標開始失靈了
我曾經跟蠻多工程師開發的選股AI去對戰
沒有一個AI能打的
短期或許我都會輸
打到三個月全部沒有一個AI會贏
因為他們懂的東西太少
AlphaGo會贏是因為圍棋的排列組合雖然多
但再怎樣棋盤就是那麼大
跑完了整個學習過程
計算機率就能做出蠻好的決策
但股市不一樣
影響股市和期貨的東西實在太多了
你如果靠AI去預測當初疫情美國有可能大規模感染導致股票爆跌的機率是多少
依據過去歷史經驗學習百年都沒見過這樣的狀況
美國失業率從4%飆高到高盛預期六月可能到25%
我不相信AI會預測得出來
就算他預測的出來
他一定不會給這個事件一個很高的機率
現在問題來了
AI算出來
美國爆發感染100萬人機率 0.0001%
感染10萬人機率98%
感染1萬人紀律99.99%
你有可能拿數千萬去賭爆發感染100萬人嗎?
就算是AI一定也不會推薦你這個黑天鵝事件
可能推薦你感染10萬人
然後跟橋水一樣做一個風險平價策略然後加槓桿
接著死在流動性爆倉
華爾街的人在這幾年都在做空波動性
上一次死在2018年
這一次死在2020年
巴菲特2019年的績效連標普500的一半也沒有
橋水更是爛到差點變成負的
這都是什麼世界級的大師
一個是價值投資大師
航空股做到停損
卡夫食品做到公司出現公司治理問題
做量化最有名的Simons後來那本書總結他的作法
就是去尋找一些市場的特殊慣性
他這做法有點類似以前一個號稱當沖很有名的陳建宏
我是覺得蠻值得買來看一看
雖然裡面很多方法早已失效
後來還出了一本一萬元的書
但重點在啟發
我認為Simons就類似他的路線
他有很多交易上的經驗使用量化程式去回測後有高機率可以獲勝
但很多這種交易受限於規模的問題
比如股板有很名的Test520
我曾經追蹤他的券商分點學懂他的部分交易模式
發現他的方法後積極學習
發現這方法會有資金限制
因為有些量能過低好賺是好賺
但你絕對不能投太多錢
不然會發生出貨困難
這就可能是大獎章後來為什麼關閉的原因
而小獎章的績效都普普
管理費又特貴
後來期貨那個我記得還收掉了
做數據這行的
很難做是因為很多數據通通都要錢
Bloomberg terminal一年七八十萬台幣
你連去證交所下載券商分點都要$$
資料是有價的
分析技術本身我相信很多工程師會越做越好
輪子越來越先進
但輪子本身不生產只是工具
資料就像汽油
有再好的超跑和輪子也要有好的汽油
不然就會縮缸
工程師有心進入資本市場蠻好的
但我覺得AI交易的本身不是重點
重點還是理解真正對推動股價有實質影響的東西
而這種可能不需要AI
比較需要批次處理
需要迴歸分析
和背後的金融邏輯
不過3490真的也不貴拉
股市一跌就算本金不多的人
也可能可以上個10次20次了
有時候去上一些課好幾萬
只有一兩分鐘發生靈感
就也可以影響一輩子或創造一個很不錯的靈感
鼓勵大家多多看書
而且也不要那麼現實只看理財書
有時候真的讓你終身獲益無窮的東西
往往在你想不到的書裡
比如我還蠻喜歡的一本書
在怦然之後：關於愛情的16堂課
乍看之下與投資完全無關
不過因為這本書
我蠻懂得當時怎麼站在女朋友角度思考
我可以節省大量時間讓他不吵不鬧
然後懂得怎麼調適自己的情緒
省下來的時間就能做更多的事
這當中的連結是當初看書時完全想不到的
在這個低利率的時代
你只要有點錢能借到不錯的利率
+一個不錯的投資方法和槓桿
可能就能在幾年內身價大升級
甚至30歲以前就籌到買新北房子的頭期款
馬der
寫到最後好像沒寫到什麼重點
重點就是:
AI要炒股應該還是沒辦法
遠不如人聰明
講一個就好
上市櫃的財報很屌
很多都直接掃描上傳PDF
那個光是要搜尋還有改成WORD還是Epub就超難了
一堆軟體辨識下來還是要人工改
有時候我實在覺得很多科技講得很潮
但其實光是把掃描的文件100%的轉成正確的字在word上
google微軟還是什麼世界一流大廠
都沒人辦的到
吹得跟什麼一樣~
廢話一堆
問一下機械學習跟深度學習有沒有比較簡單易懂的入門書
來當作閒暇的興趣好惹
最近看到誠品一間一間的倒實在非常難過
我的書櫃有超過2000本以上的書
自從有了kobo以後
kobo也快速累積到將近500本
Libra H2O容量也不足惹
一定都沒有看完
不過有空就會一直看
順便分享一下
宋代八股祖師大儒朱熹的讀書法
循序漸進、熟讀精思、虛心涵泳、切己體察、著緊用力、居敬持志
看起來屁話六句
不過都蠻值得深思
我自己認為
循序漸進
白話點就是每天都要讀
嘴巴嘴砲容易讀書慢慢念出進度難
不過出了學校就是特別開心
不用在讀一堆垃圾
喜歡什麼讀什麼
讀了以後
熟讀精思
盡信書不如無書
讀了就要思考
是這樣嗎? 怎麼應用? 應用後出現了什麼問題?
能時時刻刻應在在生活上的書更好
比如在推薦一本神書
怦然心動的人生整理魔法
這本神書也是一個工程師介紹的
幾年前買已經賣到百刷了
裡面就是一個字
丟
只要一年用不到的東西就丟
我覺得這個方法真的是超級好
超級棒
丟了以後人生無罣礙
據說他的徒弟是日本Amazon暢銷書
我決定簡單的生活：從斷捨離到極簡主義，丟東西後改變我的12件事
我看完那本書要丟東西時
心理無比的不自在
但丟了以後
人生斷捨離
死了也是被你的家人當垃圾丟掉
別人丟不如自己丟
要用再買就好
丟得越多越激勵你買東西的罪惡感與更能精確地買到好東西
書的熟讀精思與這個概念一樣
讀熟了我就把書通通捐給圖書館和送給朋友了
留著無用
第三步
虛心涵泳
這步教你謙虛
所謂真正的謙虛
我體會了蠻久
什麼叫做自信與自大
自信是相信你自己做的到
自大是覺得自己很了不起
年輕時就覺得都是後者
越老越能感受前者
書念得越多感受這個世界越深
就越覺得生命的偉大與沒什麼
而且好像會慢慢懂得感恩與付出
這裡面講得是讀書的這種感覺
如果你自大覺得自己很多見識高超
就慢慢無法體會虛心涵泳
所以我前面再談AI可能不能用
但後面問有沒有AI的書
就是想從心了解一下
或許真有可用或者發揚的地方
第四步
切己體察
思考後就要行動落實在生活
理財書可能最有機會吧
馬上就能驗證一堆書都在胡說八道
第五步
著緊用力
把握時間讀讀讀
其實就是重複第一件事情執行力
第六步
居敬持志
注意力集中
現代人毛病
先把手機關飛航
然後才開始做事
酒肉朋友與廢物朋友少交
如果你過個一兩年兩三年都不換朋友
代表你人生境界一直沒有變化
我大概兩三年會換一次蠻大的交友圈
朋友一直來來去去
真正的好朋友不太需要一直膩在一起
有時候大家講兩三句話就能還是能體會大家都是知己的感覺
又是一堆廢話
重點
1.執行力
2.注意力
3.應用力
4.謙虛點
就這樣
剛好看到前面那篇勾起一點興致
有機會大家在一起討論AI的書我看看再分享一下心得
※ 引述《f496328mm (123)》之銘言：
: ※ 引述《xun771111 (~xun~)》之銘言：
: : 活動:《用 Python 打造你的 AI 股票交易引擎》業界專家實戰教學，DIY 散戶的股市印鈔機
: : 簡介：市面上唯一結合深度學習與機器學習優勢的股市課程，選股、合理持有比例與個股歸因分析資訊一應俱全，結合 AI 演算與預測優勢，讓股市交易輕鬆省時不費力，現在就善用 AI 股票交易技術，零基礎打造你的高勝率交易策略吧！
: : 價格：7/15 號以前報名享早鳥 ，單人早鳥票 $3,490 元，多人團報早鳥票 $3,290 元/人。（徵1人一起團報）
: : 時間：2020-07-01開課
: : 請站內信聯繫，招到便截止，謝謝！
: : 學習方式：採線上影音課程＋AI 股市交易系統一個
: : 附上活動頁面：https://pse.is/KPY3Y
: 我也來分享自己做的東西
: 市面上相關課程，有一半時間，都在教你做爬蟲
: 同樣的資料，為啥每個人都要重複抓一遍? 覺得很沒意義
: 我開發的 FinMind，提供台股各種 data，用 api 形式提供，任何語言都能使用
: 只要發 request 就好
: https://github.com/FinMind/FinMind
: https://finmind.github.io/tutor/TaiwanMarket/DataList/
: