選擇權的眉眉角角
本帖最後由 EntrepreneurOPs 於 2020-12-30 08:22 編輯前情提要: (賣方為主思考)11/13(五)的留倉狀況如下幾圖
1. 調整累計損益
2. 留倉
3. 到期累計損益圖
調整: 11/16(一)開盤後的調整 --- 加多單組合 BC 13250 + SC 13450
思考: 加多單的方法雖多如牛毛
1. 時序已經進入周選的後半(6個交易的後3個交易日), 各契約的權利金收斂得也差不多了, 當買方比賣方有優勢, 因此SP的加多法可先全部捨去
2. 考量到流動性和結算盈虧的清楚歸屬, 選擇近月(11月選)
3. 失去紀律的主要原因 https://individual-trader.blogspot.com/2020/10/blog-post_30.html 文章裡說了: 策略的貫徹取決於執行時的心理, 人性幾乎都是趨利避損, 下單的心態是很矛盾地前怕狼後怕虎, 也就是不追多怕一直漲上去, 追多過後又怕跌下來遭到反噬, 檢視我建議的組合(BC 13250 + SC 13450), 加入這種多單後的效果(到期損益圖), 漲上去比不加多時可增加不少獲益, 若不漲反跌的話, 還可以賺更多. 這樣單子不就毫無猶疑地下出去了嗎? 不用違反人性, 不用像收費老師說的要煉心, 徹底做到該多即多 & 該空就空, 沒啥煎熬心情
4. 留倉已有SC 13250, 做此種加多組合的BC買方, 不就剛好認賠原先在手的SC 13250? 符合操作原理
5. 看我下面附圖的實單細目時間, 當時的11月期指點數在13450附近, 此種加多組合的另一腳SC賣方, 會賣在價平附近, 收到最多的時間價值. 亦符合操作原理
調整後結果:
1. 交易明細
2. 到期累計損益圖
3. 調整後留倉
本帖最後由 EntrepreneurOPs 於 2021-3-21 08:12 編輯
每次的調整都代表一次的成本付出, 因此, 能夠不要調整是最好! 為什麼常說要MOC ? OP賣方以日線來評估完整的循環cycle周期是最妥適的 --- 不容易過度交易, 也不會太過遲鈍而欠反應行情變化的事實! 只可惜我也常常做不到MOC 哈哈 本帖最後由 EntrepreneurOPs 於 2021-11-3 13:11 編輯
非因果型(non-causal)領先當沖指標
為了追求更好的生活品質, 基本上我是不從事當沖的; 但拚結算有時是當期(ex: 週選)賺賠的必要之惡, 因此如何輔助結算日做決策(i.e. 當沖), 關乎長期的綜合帳戶利益, 是無法閃躲與避免的! 常用的指標分成趨勢型和震盪型, 震盪型的邏輯就是預測物極必反, 而趨勢型的邏輯傾向於追蹤現況, 可見震盪型相較有領先的意味! 一般會認為採用震盪型來做當沖較為適合!
有篇舊文講關於領先指標的, 忘了提也是分成兩大類:
1. 因果型(causal): 完全和資料相關. 上面連結舊文裡面有圖解了因果型領先指標的概念性做法如下:
2. 非因果型(non-causal): 可能部分和資料相關(其餘參雜了和資料無關的概念); 也可能只是盤感與直覺而已
目前我在結算日使用的輔助工具, 是屬於少人聽聞的非因果型(non-causal)領先當沖指標如下圖, 效果怎樣? 對選擇權賣方為主只追求 [不幹蠢事] 而言, 算是很好用的了!!!
本帖最後由 EntrepreneurOPs 於 2021-9-15 18:01 編輯
AI 不適用在交易的根本理由
延伸閱讀:
https://individual-trader.blogspot.com/2019/03/3-ai.htmlhttps://individual-trader.blogspot.com/2020/11/ai.html
前提聲明: 只侷限針對AI不適合應用於交易範圍, 做主觀的判斷與釐清; 但深信在很多的其他領域(ex: 商業智能business intelligence相關的多維度分析, 影像識別pattern recognition在醫療或保安的導入..等) 真的非常有用!!!
接下來會對人工智慧 AI 科普半天, 我要導引的結論就是 --> AI 不過是試圖透過資料去做最佳化(所謂的訓練)而已, 根據資料找規則就是典型的資料擬合(data fitting) !!! 既然我們已經知道開發交易策略時, 做參數最佳化有很多陷阱要注意, 最忌諱 curve / data fitting, 是一種要不得的行為, 而這本質就是做最佳化或資料擬合的所謂 AI 科技, 我們真的還要用它來開發交易策略嗎?
所謂人工智慧 AI 便是想讓機器去模擬人類的思考方式, 而人類的思考最常用到的是回歸與分類! 回歸是我們試圖找尋 X 與 Y 兩者的關係, 當我們有大量(假設是 m 個)各式的 X 值和 Y 值資料的時候(即 Xi 和 Yi 有 m 個), 透過觀察分析眾多的(X軸) Xi 資料和(Y軸) Yi 資料如下圖:
當損失函數最小時, 可以做出那條藍色預測線 Y = WX - H (其中 W 代表斜率, H 代表截距); 設每個紅點到藍色預測線的垂直距離(預測失敗的損失)是 ΔYi (實際紅點和預測藍點的差距), 則讓損失函數最小便可以看做 --> 怎樣去找到合適的 Wi 和 Hi 讓 ΔYi 的平方(因為有正負)最小, 這是邏輯上的理解, 損失函數的數學表達當然不止於此. 通常我們會使用梯度下降疊代法(Gradient Descent)去找到合適的Wi 和 Hi, Gradient Descent 的邏輯是利用測試估計值 Wn+1 和最佳值(讓損失函數最小的最佳解)的斜率關係(梯度)下降, 去次次逐漸逼近(疊代)出最佳值, 也就是當 Wn+1 約略等於 Wn 的時候, 我們想要的最佳解 Wi 就出現了
注意以上是只針對 Wi 的最佳化來解說(兩個維度比較好理解), 其實 Wi 和 Hi 是要同時進行最佳化的, 也就是線性回歸求解其實該是三個維度的! 然而我們真實世界要解決的問題很可能更複雜, 不會只是要看 X 和 Y 兩者的關係而已, 更可能想看的是多重變數的之間的關係, 也就是預測式等於 Y = W1X1 + W2X2 + ... + WnXn - H; 那就會變成超過三個維度, 是人類更難理解的多維度, 但反而更適合機器去幫我們做了, 機器找尋那些最佳解的過程被統稱為 [訓練]. 另外, 先前提過人類的思考最常用到的是回歸與分類, 分類的本質仍可視做為類似回歸, 比如上圖的線性回歸可以看成 --> 用藍色線把資料切分成兩大分類
啊! 不是啊! 你說了半天和我平常聽人家說的類神經網路 AI 差很多耶! 類神經網路 (ANNs, Artificial Neural Networks) 大多基於下圖的 M-P 模型 (McCulloch-Pitts model 代表一個神經元)去架構的
先前解釋過的多重變數回歸, 其複雜預測式 Y = W1X1 + W2X2 + ... + WnXn - H; 注意 M-P model左邊的輸入訊號部分, 不就是 W1X1 + W2X2 + ... + WnXn ? 在右邊的 ϴj (閾值) 就是預測式 Y 裡面的 H, 中間的 NETj (處理單元) 我把它看做找尋最佳解過程(訓練), 再右邊的 f (轉換函數或激活函數)最常用的是 Sigmoid, 也就是類似一種normalization(只映射至 之間). 看到了嗎? 其實和我先前講解回歸是一樣的!!! 無聊人士可以繼續抗辯, 你講的和我常看到的類神經網路圖不一樣耶 ? M-P model 只是一個神經元, 加多個神經元去多層串連在一起如下圖, 這是你習慣看的 ANNs 了吧?
EntrepreneurOPs 發表於 2021-5-4 22:28
重申第30樓:
紀律的達成不是靠修持, 而是去設計好機制讓它 [被迫] [不得不] 自動維持
...
挺好的 本帖最後由 EntrepreneurOPs 於 2021-4-13 20:13 編輯
所謂的實際波動率速算應該也是要有原理邏輯根據的! 在該計算標準差的地方卻用平均數在做(0.8%，1.2%，-3%，2%，1%，將這五個絕對值平均後為8/5=1.6), 平均數是試圖去找數列的重心(中間值), 但標準差是在看數列和重心的離散程度, 因為兩者的概念天差地別, 這樣混用想必有很好的理由?
殊不知這種 [似是而非] 最可怕, 沒真懂的人容易被誤導! 統計學老師看了他的論點當和他取經重修吧? 你覺得平均數和標準差算出來的答案差不多, 是因為樣本數列的關係啊! 換個樣本數列(未來市場會出哪一種數列沒人知曉)搞不好就差很多了啦! 主要是這個波動率值要用來帶入BS model, 不符合當初model數學原理的方法, 代入之後算出的選擇權理論值, 沒有BS得過諾貝爾獎的數學基礎做論證; 都還沒說到他舉例的報酬率數列該是取自然對數的報酬率, 才符合BS的數學要求呢!
期交所公布的VIX是怎麼做出來的?https://mis.taifex.com.tw/futures/disclaimer
https://www.taifex.com.tw/cht/9/tradersQAProducts#q3
經查台灣期交所新舊兩制的VIX指數同時並行公布已經很多年了, 似乎最近一兩年才完全只公布新制, 因此, VIX和BS model沒關係只是近一兩年的事情而已! VIX用新制之後才和IV沒關係, 但用舊制的時候VIX和IV大有關係(主因植基於BS model)
根據根據期交所自己的連結
https://www.taifex.com.tw/file/taifex/event/cht/taifex/2.%E8%87%BA%E6%8C%87%E9%81%B8%E6%93%87%E6%AC%8A%E6%B3%A2%E5%8B%95%E7%8E%87%E6%8C%87%E6%95%B8%E4%BB%8B%E7%B4%B9.pdf
臺指選擇權波動率指數發展歷程
2006 年12月18日，每日收盤後於本公司網站上揭露依 CBOE 新VIX公式編製之8:45~13:45每分鐘臺指選擇權波動率指數
2007年3月1日，每日收盤後於本公司網站上揭露依 CBOE舊VIX 公式編製之9:00~13:30每分鐘臺指選擇權波動率指數
由於BS model要我們輸入(未來)年化的波動率去算選擇權的理論價, 不管我們用任何方法去估計[未來]波動率, 因為我們不可能有水晶球, 怎麼可能有多準確? 故而期交所把選擇權當時的市價當成理論價, 去代入BS model來反算出波動率, 此種用市價當成理論價來反推回來的波動率, 就是我們常說的隱含波動率. 每個選擇權契約(不管價平,價外, 價內或是近月, 次近月...等)都有自己當時的市價, 全部算出來他們的隱含波動率後, 給予他們不同的權重(ex: 近月或價平權重較大...等), 最後可以算出一個加權值去公布出來, 揭示頻率是每15秒1次
使用BS model的前提是人家已經先假定(預設)了所謂的risk neutral, 您如果不認為有這類完美的市場, 大可以不要使用這個 model, 或是根本否定它算出來的數值(ex: VIX)就好; 有些人隨便用自己發明的方法去速算什麼自己的實際波動率? 嫌棄人家完美市場的前提下, 計算往往低估了一直漲或一直跌的風險, 甚至還拿來和BS model算出來的VIX做比較? 不知道性質不相近(前提都已經不同了)的東西是不能比較的嗎? 亂亂比叫做 [引喻失義]!
http://individual-trader.blogspot.com/2014/04/blog-post_4961.html
本帖最後由 EntrepreneurOPs 於 2021-5-11 14:53 編輯
20210511
終於跌得稍微有感一點了, 不過幅度上和早年(2007或2008年)時的全職操作相較, 還是差了不少(更不用說到2009年4月底的兩根漲停超過14%); 今日台指期也才跌了3.9%而已, 要想見到市場恐慌的話, 跌點還要多加油啊! (記得2015年8月盤中接近10%, 當時便有點恐慌的味道) 量能創了七千多億的新高, 倒是挺妙的, 表示山頂上亂玩的人是 [一大堆] !!! http://individual-trader.blogspot.com/2015/07/blog-post.html
本帖最後由 EntrepreneurOPs 於 2021-1-10 13:29 編輯
在波動度大的市場上, 有裸賣部位的調整, 容易因為掌握不了波動變化的幅度, 以及裸露致使心裡害怕的過度調整, 最終導致不如預期的結果
若從部位風險 & 操作心態的角度考量, 純買 + 價差 也是種很好的留倉策略之一
本帖最後由 EntrepreneurOPs 於 2021-9-16 08:34 編輯
獲利是來自於管理
我最常引用的是 Van K. Tharp說的: 操作是在交易你的信念; 信念也可以看成是專屬你自己的哲學, 一種你從事交易時的基礎觀念! 那我的哲學是什麼? 明白揭露我的哲學是 --- 市場不可能預測!!! 這就引發了一個大疑問 => 既然從根本上否定了多空可以預測, 演算法交易分類裡面研究了不少理論去分析市場多空, 還搞了不少數學模型, 究竟有何意義? 到底為了什麼? 答案是 --- 只為了進出有一致性 + 有所本地去方便管理而已!!!
隨便做能贏嗎? 勝率、買賣點很重要嗎？演算法(程式)交易之我見
說到底我就是個隨機論者, 不可預測的隨機沒什麼可怕呀, 做好管理即可 --- 管理我們的資本, 管理我們的分析, 以及管理好我們自己; 如果管理得正確, 就能產生利潤!!! 因此, 演算法交易分類裡的研究, 是為了更正確的管理, 為了達到賺的時候部位多, 賠的時候部位少!
賠的時候押10元, 而賺的時候押100元實單示範: 賺多賠少策略
以上, 可以完全解釋了為何因應多空指標信號的調整後, 我幾乎都是讓整體部位趨近delta中性, 而不是單純地改做多或做空. 壓根兒我就不認為信號能有多準確啊! 壓根兒我就不認為有什麼方法可以過濾出市場有效的信息啊! 市場是不可能預測的!
EntrepreneurOPs 發表於 2020-12-18 08:57
價差只有當VIX在多頭的時候(i.e. 相對適合當買方的時候), 在Puts那單邊有積極建立的必要性; 或是自己在手裸 ...
這一篇將價差及裸賣寫得很好-----做好管理,不要排斥風險,尤其是本人最喜歡的交易者,索普說的話--交易是在交易您的信念
萬千世界中,每個人的信念都不一樣.以前很排斥階級及門當戶對的觀念,交易選擇權後,慢慢懂了(原來自己是聰明無智慧的人)相同的階級,才會有相同的觀念及做法.
說實在的,要說服他人是很困難的事--如同跟定存者或股票投資者,講選擇權是很好的商品,他們根本也不會相信
本人使用價內或價平價差,能讓我安心,可以不必理會大盤(含夜盤)的震盪,再憑藉相當數量的順勢價外裸賣來獲利---就是順我的性
本帖最後由 EntrepreneurOPs 於 2020-12-21 09:56 編輯
價差只有當VIX在多頭的時候(i.e. 相對適合當買方的時候), 在Puts那單邊有積極建立的必要性; 或是自己在手裸露部位受迫又不適合停損的時候, 才有建立價差的需要
裸露部位哪裡是一廂情願地用covered put/ cash secured put去思考? 客觀的資金控管觀念要重建了! 絕對不必1口去準備危言聳聽的50萬! 買賣權同時雙漲停的最誇張行情, 如0206事件那天1口10萬也夠了, 2009年4月底的兩根漲停也是不用, 更不用說平時市場穩定的時候資金準備更低, 因為我全部親身經歷過, 當時都有裸賣的部位, 從來也不知道接 margin call 是什麼感覺(只有日盛亂來誤發過1次給我, 營業員說可以截圖當紀念), 最終也是獲利出場(雖然不大, 我的獲利全職10幾年來從來沒有大過 哈哈). 只要做好資金安全性的規劃與管理(包含流動性), 即使有裸賣部位, 甚至可以和我一樣常不去管沒現貨支持的夜盤波動 (操作的目的是過上更好更自在的生活, 睡個好覺是基本吧)
不要排斥有裸賣的部分, 更不要排斥遇險時該做的價差. 重點是做好管理, 而不是排斥風險. 建立賣方部位的同時去架構價差, 猶如有人採用資金下跌5%的方法去停損; 而我一直在使用的視情況動態地加建價差, 就好像另外某些人, 是採用突破支撐或壓力時才開始去做停損一般, 誰好誰壞因為沒驗證過, 應該不一定吧? 端看您的信念是什麼! Van K. Tharp我最認同的話 --- 操作是在交易你的信念!
做了價差還要半夜4點起床關心行情, 難道這種方式會比較好? 希望劉律師不要亂入去扭曲別人的原意, 用補充的名義說自己的意見真的很不好, 在自己文裡去主張自己的意見就好. 麻煩您像我賦予尊重一樣, 不管如何地不認同您的意見, 也不會過版去做什麼 [補充]!!!
好 不少人操作期權有個壞習慣 --- 佔小便宜(比較有肉), 喜歡漲起來賣買權, 跌下去賣賣權; 尤其最近的瘋漲, 看到有人受不了誘惑去做了大量的SC 13700, 檢視目前用的交易系統訊號, 自從11/3顯示要改做多以來, 沒有出現強烈的轉弱訊號過, 因此大原則上只能順勢做多! 並不是說這種佔便宜的方式一定不會成功, 重點是勢頭不在你這邊的時候, 類似部位很容易受迫, 讓你緊張睡不好(昨晚SC 137漲超過兩倍), 戕害心靈而得不償失啊
本帖最後由 EntrepreneurOPs 於 2020-11-18 08:45 編輯
出處: https://www.pionline.com/interactive/largest-hedge-fund-managers-2020 資料統計到 2020年的上半年 6/30
1. 管理資產最大 橋水 (systematic diversification) -25%2. 量化交易宗師 文藝復興科技 (big data) 2.9%7. 高頻交易巨擘 Two Sigma (AI)-9.5%11. 程式交易龍頭 AQR (style rotating) -47%
管你用什麼偉大的技術 (systematic diversification, big data, AI, style rotating), 員工是什麼天才, 幾乎是全部躺平! 各位在做期權的朋友, 如果沒有賺到錢, 也不用太氣餒了!
本帖最後由 EntrepreneurOPs 於 2020-11-23 15:18 編輯
2020/11/23相關係數低的分散策略會使總獲利降低, 但會帶來較穩定的資產曲線(equity curve)變化; 結合多個策略一起同時運作, 便可達到索羅斯主張的面進面出管理法http://individual-trader.blogspot.com/2019/03/blog-post.html
原本預計本週開始在部落貼買方實單, 但考量到一直以來都是PO賣方思考為主的單, 怕大家一時轉不過來, 改選擇一個會根據VIX漲跌變化, 且買賣兩方兼做的策略
操作標的: 選擇權 買方 + 賣方 (不做價差)買賣依據: 波動率(VIX) + 指數 判斷交易時間: 只做日盤 + 不理會無現貨支持的夜盤波動日內當沖: No! (留倉 + 迎接隔日跳空)時間框架: 5分K看日線趨勢 + 1分K做交易微調部位管理: 面進點出 + 變形式平賭(dynamic martingale)
10:00今天剛開盤的VIX還沒有明顯上揚, 因此以SP為主, 但9點半左右, 1分K系統顯示該反做買方了(再有漲升訊號的話, 不是SP而要改做BC), 是故把所有SP獲利入袋, 如果後續沒有漲升訊號, 做不成BC就變成了當沖
10:31VIX瞬息萬變, 若有買多訊號又重回該做SP的懷抱了
11:201分K系統有出多訊就給它SP做回去
14:131分K最後做回8口SP
EntrepreneurOPs 發表於 2020-11-23 14:34
2020/11/23相關係數低的分散策略會使總獲利降低, 但會帶來較穩定的資產曲線(equity curve)變化; 結合多個策 ...
這文章中間的眉眉角角方方面面真的很豐富。 「不理會無現貨支持的夜盤波動」倒是相當玄妙。 EntrepreneurOPs 發表於 2020-11-23 14:34
2020/11/23相關係數低的分散策略會使總獲利降低, 但會帶來較穩定的資產曲線(equity curve)變化; 結合多個策 ...
最下面的圖很美，multi-dimension EntrepreneurOPs 發表於 2020-11-17 08:25
不少人操作期權有個壞習慣 --- 佔小便宜(比較有肉), 喜歡漲起來賣買權, 跌下去賣賣權; 尤其最近的瘋漲, 看 ...
也是啦。 本帖最後由 EntrepreneurOPs 於 2020-11-27 14:29 編輯
多策略的管理
本格一向推崇的是多策略並行法, 相關係數低的分散策略雖然會使總獲利降低, 但會帶來較穩定的整體淨值曲線(total equity curve)變化, 這樣也能平穩到交易者的心態, 回過頭來可令多策略更有紀律地施行; 舊文也多次提過操作成功最重要的不是啥偉大的技術或指標, 完全取決於執行者的心態而已
當我們像策略與員工裡面講的 --- 已經開發出各種不同特性的策略員工後, 當老闆的我們就必須面對如何管理好員工的問題, 而資金加權(獎勵或懲罰)的動態最佳分配是最被推薦的; 其邏輯和我們一般上班族的工作表現獎懲一樣, 表現好的員工分配給他較多的資金當獎勵, 相對表現差的員工只能降薪(配少資金或乾脆解雇)懲戒! 但我們要問的是評核的標準是什麼? 前段提到的整體資產曲線(total equity curve), 其實是由多個策略自己個別的淨值曲線(equity curve)加總而成, 老闆要根據每個策略的表現(淨值曲線, equity curve)做獎懲, 就是去 trade equity curve (不要只會 trade K線, 邏輯是一樣的)
落實到實例上, 比如我們可以去做某A策略它的equity curve的10日和20日平均線, 當某A策略equity curve大於20日平均線時, 我們分配給它10分之1的總資金; 當equity curve又大於10日平均線時, 我們再多加分配給它10分之1的總資金(此時已經佔了10分之2總資金了); 以此類推, 當某A策略equity curve小於20日平均線時, 我們將這個A策略下架, 不給它任何資金(上線)跑了, 等它的equity curve是否回歸到大於20日平均線時再說
當然舉例的管理邏輯很粗糙, 有人更進一步地把equity curve做包寧傑區間帶(Bollinger Bands)管理的, 這都看各自交易者的創意, 當然也可以去做回測看效果! 至於我們這種早將判斷趨勢轉折寫成程式模組的人, 把equity curve當成指數報價直接套用進去, 讓既有的程式模組來判斷各自策略的equity curve是否發生轉折, 就會得到 -1 (下架) 與 + 1 (上架) 的結果, 其他所謂的資金加權或加碼不過是少許的變形而已