創富坊

用Trading View寫Machine Learning算法(二)|將簡單訊號變成實用策略|Random Forest (隨機森林)|動態計算訊號權重|麥振威

 

上一段影片已介紹了KNN算法,自己一直也強調有很多的演算法其實也適合用來設計交易策略。要學習AI、Machine Learning就要明白各種的演算法,這次介紹的Random Forest也是常用的演算法,若配合「權重投票」,可以寫成很多不同的策略。 雖然大部份人都會運用Python來寫Random Forest,但我們可用Trading View 的pine script,配合array的寫法,不斷「動態」去計自每個入市訊號的權重。

例如以下四個十分簡單的入市準則:

1)MACD的快線是否高於慢線? 股價是否上升/下跌?

2)Zero lag MACD的快線是否高於慢線? 股價是否上升/下跌?

3)RSI升穿或跌穿50? 股價是否上升/下跌?

4)ATR是否升穿或跌穿其SMA(10)? 股價是否上升/下跌?

 

例如MACD的快線升穿慢線,其後股價真的上升的話,這個訊號的的權重就會增加0.1,若果股價下跌,這個訊號的權重就減0.1,不斷「動態」咁去計算每個入市準則既權重,權重越高,之後再有訊號出現時,重要性就越高。用這種方法,一樣可以有Random Forest的效果,而且一些好簡單的入市準則,只要經過這個步驟來組合之後,效果都可以提升。

 

重點是用「動態」的方法去計算每個入市訊號的權重,只要學懂這種方法,過去大家想過很多的交易策略,都可以嘗試去改良。例如你同時運用了1分鐘圖、5分鐘圖、15分鐘圖、小時圖的訊號綜合一齊變成一個買入策略,但有時候1分鐘圖、5分鐘圖的訊號配合,股價便已上升,但有時候則確實要四個timeframe的訊號也配合才算準確,原因就是市場的波幅會不斷變化,透過「動態」的方式去計算毎個timeframe的訊號權重應多大,整個策略的效果就會有很大的不同。

富昌金融集團聯席董事麥振威

電郵: paul.mark881@gmail.com

 

[編輯聲明]

本篇文章為作者所擁有,經版權持有人授權CyberCTM.com發表。

麥振威

程式交易在美國及臺灣其實早已流行,在中國內地也有不少程式交易的專家,而近年程式交易在香港也逐漸興起,其實程式交易不是很多新手想像的那樣神秘,只要學懂基本的用法,遇上問題時有專人解答,再自己不斷嘗試,經過數月的時間,大部份人也會學懂如何將自己的交易策略轉化為程式語言,又或將來在發現一些市場的特性時,也懂得如何利用程式去自行做測試,優化個人的交易策略,無論是股票、期指等也能透過程式做分析,藉此提高交易的回報,本網誌便是希望介紹各種有關程式交易的知識,讓更多的投資者了解這個新趨勢。

聯絡: paul.mark881@gmail.com
網頁: www.quants.hk
 

熱門推介