Hi 我是James, 後端軟體工程師,量化交易零基礎。這 30 天不是我來教什麼,是我們從頭學一遍,把過程紀錄下來。 切入點是把量化交易當成一條資料 pipeline:資料進來、算出特徵、判斷條件、產生訊號、決定部位、下單、記錄。
前段先弄懂免費資料源怎麼抓、K 線在講什麼、自己實作的指標算得對不對;中段試著從逐筆成交與掛單簿挖特徵;後段把策略拆成能用設定檔組合的積木,學怎麼回測、怎麼算真實成本、怎麼判斷結果是不是自己騙自己;最後讓它在 testnet 上跑起來。
理想回測的三個假設全都是假的 昨天那張表是理想回測,而理想回測假設了三件事: 能用收盤價成交。 實際上買要用賣價、賣要用買價,中間差一個價差。 不用付錢。...
那個很自然的念頭 昨天的結論是三個策略在真實成本下都不成立:一個毛利就是負的,一個只剩 0.32%,一個需要零手續費。 接下來最自然的念頭是:參數調一調就好了吧...
第三階段的最後一個問題 昨天用夏普當排名依據跑完組合搜尋,而夏普只是一個數字,它擋不住的東西很多。 今天做兩件事。前半段把績效指標補完,而每一個指標都要回答同一...
第四階段的第一個問題不是策略 第三階段結束時手上有一套能表達策略、驗證策略、並且判斷驗證結果可不可信的工具。它到目前為止只做過一件事:讀歷史資料,算出一條權益曲...
同一個訊號,四種下注方式 昨天處理的是「這張單送不送得出去」。今天處理它前面那個問題:這張單該下多少錢。 Day 19 到 Day 22 的四天回測裡,這個問題...
它現在會做的事,跟我們知道的事 到昨天為止,機器人會算訊號、會決定下多少、送單會自己重試、啟動會跟交易所對帳。這些能力有一個共同點:它們全部發生在沒有人看的地方...
Day 05 留下的那個尾巴 Day 05 寫 EMA 的時候留了一句話:遞迴指標沒辦法向量化,因為每一根都依賴前一根的結果。那時候用 ewm() 繞過去了,而...
從「跑得動」到「一直在跑」 到目前為止所有指令都跑在本機,而本機有幾個很好的性質:Python 版本是對的、.env 在該在的位置、資料庫在 localhost...
一份答不出問題的日誌 機器人在雲端跑了幾天,日誌長這樣: 回補完成:寫入 24 列 送單成功:BUY 0.0002 BTC/USDT 回補完成:寫入 24 列...
先問一個問題:這些事在資料裡發生過嗎 今天的清單是這些:價格瞬間跳 20%、成交量歸零、交易所維護、掛單簿只剩一邊、下單被拒、部分成交、系統時間跳動。 在寫任何...