<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	
	xmlns:georss="http://www.georss.org/georss"
	xmlns:geo="http://www.w3.org/2003/01/geo/wgs84_pos#"
	>

<channel>
	<title>閱讀心得 &#8211; FinLab</title>
	<atom:link href="https://www.finlab.tw/tag/%E9%96%B1%E8%AE%80%E5%BF%83%E5%BE%97/feed/" rel="self" type="application/rss+xml" />
	<link>https://www.finlab.tw</link>
	<description>深入淺出的量化投資，讓你在在茫茫股海中，找到專屬於自己的投資方法</description>
	<lastBuildDate>Fri, 25 Aug 2023 03:43:58 +0000</lastBuildDate>
	<language>zh-TW</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.0.9</generator>

<image>
	<url>https://www.finlab.tw/wp-content/uploads/2020/07/favicon.png</url>
	<title>閱讀心得 &#8211; FinLab</title>
	<link>https://www.finlab.tw</link>
	<width>32</width>
	<height>32</height>
</image> 
<site xmlns="com-wordpress:feed-additions:1">179699571</site>	<item>
		<title>反思菲式思考 Part.2｜策略回測探討</title>
		<link>https://www.finlab.tw/phcebus-thinking-report-part2-backtest-sop/</link>
					<comments>https://www.finlab.tw/phcebus-thinking-report-part2-backtest-sop/#respond</comments>
		
		<dc:creator><![CDATA[Ben]]></dc:creator>
		<pubDate>Fri, 25 Aug 2023 03:21:55 +0000</pubDate>
				<category><![CDATA[Python新手教學]]></category>
		<category><![CDATA[FinLab 量化平台]]></category>
		<category><![CDATA[選股策略]]></category>
		<category><![CDATA[歷史回測]]></category>
		<category><![CDATA[菲式思考]]></category>
		<category><![CDATA[閱讀心得]]></category>
		<guid isPermaLink="false">https://www.finlab.tw/?p=5505</guid>

					<description><![CDATA[本篇會將針對「菲式思考」第 5 章關於量化策略回測的部分做延伸探討，加強此塊的論述。說明回測的重要性，回測和實 [&#8230;]]]></description>
										<content:encoded><![CDATA[
<p class="has-medium-font-size">本篇會將針對「菲式思考」第 5 章關於量化策略回測的部分做延伸探討，加強此塊的論述。說明回測的重要性，回測和實盤要注意哪些細節？回測的侷限性又在哪裡？</p>



<h2>為什麼要回測?</h2>



<p class="has-medium-font-size">書中提出 5 點原因，明瞭易懂：</p>



<ul class="has-medium-font-size"><li>評估交易策略</li><li>節省時間和精力</li><li>減少風險</li><li>檢測數據的可靠性</li><li>提高交易者信心</li></ul>



<p class="has-medium-font-size">回測是用電腦程式快速使用歷史數據來模擬策略想法，用數據說話，而不是像江湖術士口說無憑。得已從模擬結果觀察出策略在每個時期的表現、屬性是不是適合自己？例如發現策略績效曲線的最大回檔很高、策略報酬曲線波動很大，那想趨避波動風險的人就要思考避開。</p>



<h2>什麼是好的策略？</h2>



<p class="has-medium-font-size">菲式思考的定義簡單易懂，藉由回測驗證，好又穩定的年化報酬率、勝率，盡量小的最大回撤幅度(MDD)。這裡的好除了絕對值不差，還要是相對大盤優異，大盤牛市時漲更兇，熊市時回檔的大盤少。不然我們不用如此費心，直接投資指數就好。</p>



<p class="has-medium-font-size">但你若是投資老手會知道只看這些是不夠的，應該還要再看「夏普率」來評估風險，細節請見<a href="https://www.youtube.com/watch?v=YwVObkPPe84&amp;t=53s" target="_blank" rel="noopener">影片</a>。<br><br>另外只看最大回撤有些陷阱，有時候很優秀的高勝率仍有不小的 MDD，是因為虧損的交易剛好連續在一起，或是某些交易意外碰到公司營運的特殊事件。再來若兩個策略前五大回檔分別是「5、8、10、15、35%」、「15、20、23、25、27%」，單看 MDD 你會覺的是後者比較好。但若用平均來看，降低少數數據影響，則是前者比較好。因此我會建議看 MDD 改看 前5大平均或搭配年化夏普率一起判斷。</p>



<p class="has-medium-font-size">勝率的部分看的是最終報酬結果，忽略了持股過程的重要性，若一個策略裡的交易對往往都要先經歷回檔套牢的煎熬，之後才漲上去，你覺得這樣夠好嗎？應該要再檢測交易對的波動細節，看獲利的交易在持有過程是不是很少有回檔，代表買點抓得漂亮，反之若常要先套牢，是不是可以思考延後進場？虧損的交易若普遍先上漲再下跌，是不是可以研究停利點？持股歷程這中間有很多內容可以研究，延伸內容可以看「<a href="https://www.finlab.tw/display_mae_mfe_analysis/">揭開策略的波動面紗｜MAE&amp;MFE分析圖組使用指南</a>」、「<a href="https://www.finlab.tw/mae-distribution-stop-loss-setting/">脫離韭菜命運的關鍵：利用MAE分析實踐正確的停損</a>」</p>



<h2>回測的侷限性</h2>



<h3>回測 V.S. 實際下單</h3>



<p class="has-medium-font-size">回測模擬出一個報酬和波動指標都完美的策略，就沒問題了嗎？<br>書中沒講到，這邊要潑一下冷水，<strong>回測模擬是無法 100 % 與實際執行貼合</strong>，你如果對此期待，那最終會會幻想破滅，回測只能看趨勢，盡量貼合實際下單。<br>首先，你的策略若很常買到「冷門低量股」、「漲跌停鎖死股」、「處置股」、「全額交割股」，那你有很高的機率輝出現「快樂表」的結果，發現模擬與實際相差甚大，因為「回測系統」都會假設你全部的委託單都順利成交在模擬價格，實際上的你其實要排隊碰運氣，運氣差就是沒買到或是要為了滿足進出量而成交在比較差的價格，出現流動性風險。</p>



<p class="has-medium-font-size">這部分可參考「<a href="https://www.finlab.tw/customized_liquidityanalysis/">客製化流動性風險檢測 | 策略可以實戰嗎?</a>」、「<a href="https://doc.finlab.tw/reference/analysis/#finlab.analysis.liquidityAnalysis.LiquidityAnalysis" target="_blank" rel="noopener">FinLab Package 流動性檢測</a>」來驗證策略。</p>



<p class="has-medium-font-size">偶爾還會發生書中交易日誌提到的狀況：市場突然關閉、券商突然出問題、伺服器或網路出狀況、交易程式的問題。這些問題都很難模擬，要有心理準備會有誤差，數據打折來看比較真實。</p>



<h3>資料難題</h3>



<p class="has-medium-font-size">可參考財報狗技術部落格寫的「<a href="https://medium.com/statementdog-engineering/the-common-mistakes-when-backtesting-your-investment-strategies-f7bf1a080d80" target="_blank" rel="noopener">你真的做對股票回測了嗎？談回測容易犯的幾種錯誤</a>」。這些無法避免，連官方都沒保留舊數據，無從驗證，資料很難完美。</p>



<ol class="has-medium-font-size"><li>使用公開資訊觀測站的資料要小心，<strong>有時候上市櫃公司上傳的財報是錯誤的</strong>，通常過一陣子公司會修正財報重新上傳資料到公開資訊觀測站。（如果有發現公司上傳的資料有錯，可以向公開資訊觀測站或證交所回報，他們會請該公司修正。通常有反饋時他們很快就會修正。）</li><li><strong>過去的錯誤資訊現在已經無法取得</strong>。<br>以台股來說，公開資訊觀測站只會保留修正後的資料，所以除非你從多年前就不斷的即時抓取當時的最新資料，或者找到其他資料源提供這個資訊，否則這個問題無解。某些總經數據可能還會校正回歸整條序列&#8230;</li><li><strong>誤植的資料很可能錯得很離譜，使得你的策略績效受到影響</strong>。<br>上市公司如果提供了錯誤的數字，不出正負號錯誤或小數點位數點錯。例如 EPS 應該是 5，結果打成 -5 或 0.5。<br>如果你的策略持有股票數量偏低時，如此大幅度的數據錯誤很可能顯著影響你的策略績效。</li><li>部分資料在近期才被開放出來，沒有足夠長的數據可做驗證，降低統計代表性。</li></ol>



<h2>回測要注意的細節</h2>



<ul class="has-medium-font-size"><li>交易比數要夠多，若小於500筆，統計代表性較低，除非是特定事件交易本身次數就不多，不然過擬合機率高。通常交易比數低是因為條件太複雜所造成。</li><li>注意每一期持股檔數是否穩定？單檔持股比例最好定上限，減低某幾筆特殊交易對整體報酬有過大影響，參考「<a href="https://www.finlab.tw/backtest_system_position_limit/">選股回測系統豆知識 (2)｜持股比例上限設定</a>」。</li><li>停損一定要設，避免特殊事件影響，降低未來策略失效的損害，通常至少設定 -20%。停利不一定要設，區間操作的策略比較需要，參考「「<a href="https://www.finlab.tw/mae-distribution-stop-loss-setting/">脫離韭菜命運的關鍵：利用MAE分析實踐正確的停損</a>」」。</li><li>交易價格序列的模擬的差異，參考「<a href="https://www.finlab.tw/customed-tw-stock-backtest-price/">客製化選股策略的回測價格序列 | 比較進出場的時間點特性</a>」</li><li>模擬期間是否夠長？有無包含到熊市？台股來說，比較弱的年份是2008、2011、2015、2018、2022，弱勢年如果可是正報酬率，你全職投資起來的信心會比較強。</li></ul>



<h2>好想上線賺錢</h2>



<p class="has-medium-font-size">研發出好策略你可能急著想上線，又擔心實際下單會不會又是另一回事？<br>給幾個建議供您上戰場有所準備。</p>



<ul class="has-medium-font-size"><li>用預期投入資金的一半以下來實盤。</li><li>檢驗交易策略的實盤表現。</li><li>若在過程中發現策略有重大缺失或難貼合實盤的狀況，則撤回策略，重新研究。若是心態面問題，如主觀介入、凹單不停損，則要慢慢說服自己理性的理由。</li><li>若發現如預期進行，信心增強，慢慢放大部位。</li><li>繼續研究，增強策略多樣性，多策略低相關性互補，避免大賠，控制風險，長期活在市場。</li></ul>
]]></content:encoded>
					
					<wfw:commentRss>https://www.finlab.tw/phcebus-thinking-report-part2-backtest-sop/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
		<post-id xmlns="com-wordpress:feed-additions:1">5505</post-id>	</item>
		<item>
		<title>反思菲式思考 Part.1｜關鍵交易思維的啟發</title>
		<link>https://www.finlab.tw/phcebus-thinking-report-part1/</link>
					<comments>https://www.finlab.tw/phcebus-thinking-report-part1/#respond</comments>
		
		<dc:creator><![CDATA[Ben]]></dc:creator>
		<pubDate>Thu, 24 Aug 2023 04:26:50 +0000</pubDate>
				<category><![CDATA[投資新手]]></category>
		<category><![CDATA[FinLab 量化平台]]></category>
		<category><![CDATA[Python新手教學]]></category>
		<category><![CDATA[生產力]]></category>
		<category><![CDATA[股票策略]]></category>
		<category><![CDATA[事件交易]]></category>
		<category><![CDATA[交易思維]]></category>
		<category><![CDATA[菲式思考]]></category>
		<category><![CDATA[閱讀心得]]></category>
		<guid isPermaLink="false">https://www.finlab.tw/?p=5496</guid>

					<description><![CDATA[菲式思考 是近期非常火紅的財經書籍，想不到上市第一天就被秒殺，在出版業不景氣的現在十分罕見，可見「菲比斯」人氣 [&#8230;]]]></description>
										<content:encoded><![CDATA[
<p class="has-medium-font-size"><a href="https://www.eslite.com/product/10012013192682417909008" target="_blank" rel="noopener">菲式思考</a> 是近期非常火紅的財經書籍，想不到上市第一天就被秒殺，在出版業不景氣的現在十分罕見，可見「菲比斯」人氣之高。<br>Ben 編在近期才收到書，閱讀完後有些啟發，將結合自身的交易經驗，撰寫數篇心得。<br>第 1 篇會聚焦在「菲式思考」第1~4章，關於交易員思維的部分。<br>第 2 篇會將「菲式思考」第 5 章關於量化策略的部分做一個量化分析總評與策略設計概論。<br>我想很多人看完書後也不知道如何實作，所以第 3 篇後會使用 FinLab 開發工具實作驗證、優化「菲式策略」的程式碼，教大家怎麼優化他人的策略成為適合自己的策略。</p>



<h2>菲比斯的崛起</h2>



<p class="has-medium-font-size">菲比斯是生物技術學歷出身，近 30 歲時投入券商工作，擔任期貨與證券從業人員，關鍵的交易歷程在 2013~2015年，花 3 年從 10 萬本金成長到 1000 萬的規模，十分驚人，資金到一定規模後離職，成為全職交易人。<br>初期由於低薪和本金不多，有靠信貸取代券商融資的高利率，操作股票期貨、週選擇權來擴大槓桿。<br>以上槓桿操作是否適合投資新手？有待思量～第一步的容錯率低，壓力大，如果用最低保證金壓滿小資金，稍不慎就會被清空帳戶，還會面臨欠債風險，進入賭徒輪迴。必須有一定交易實力、心理素質，對風險有所認知才適合此套方法，菲比斯也是在2013年以前花了幾年摸索，如果你是新手，無法承受槓桿的壓力，也對短期交易的勝率沒自信，可以參考「<strong><a href="https://www.finlab.tw/low_price_strategy_tw_stock/">給小資族的禮物｜低價股量化策略的實戰訣竅</a></strong>」一文，提供比較保守的做法。</p>



<h2>股票期貨的推薦</h2>



<p class="has-medium-font-size">「菲比斯」交易市場聚焦在台股，交易商品遍及上市櫃、 興櫃股票、股票期貨、台期指、選擇權、可轉換公司債資產交換 CBAS，不太碰權證與現股當沖。交易週期偏短。<br>其最推薦以股票期貨當作台股主要操作工具，如果標地有股期，就買股期，如果沒股期或股期流動性太低，才買現股。<br>股期優點是交易稅費低，具7.5倍左右的槓桿，方便資金調度，可多可空，且交易時段比較長，有機會領先現股先佈局。<br>股期空單的好處在沒融券強制回補的限制，也不用付借券費，是相當好的做空工具。另外股期多單也可替代存股操作，省去股利所得稅的問題。<br>股期缺點在標地只有200檔上下，其中有足夠交易流動性的，可能不到100檔，所以若策略以中小型股為主，可能很難在此工具佈局。<br>「菲式思考」贏的第一步重要思維挑選「低成本的工具、資金」來操作，還沒入市，選對工具就先贏在起跑點，反過來說滿共同基金的人，一開始就先輸「管理費3%」。</p>



<h2>成為全職投資人的標準</h2>



<p class="has-medium-font-size">「你必須掌握風險、穩定地賺錢，持續兩年賺的錢比原先工作所賺的高兩三倍。」(菲式思考：p.107)，其實這是比較鬆的標準了，更嚴謹的要求是要走過一個景氣循環(5~10年)，驗證自己在系統風險下的存活率。再來如果是高薪職業，如醫生、工程師，靠投資要賺到比原先工作高兩三倍，除非投入本金很高，不然很難達標，放棄工作的機會成本挺高的，高薪族群比較適合靠本業搭配保守的投資。<br>另一面思考，本業非高薪的人是否較適合投入全職投資？我認為既然行業有天花板，那投資交易確實是沒有上限的地方，靠工作薪資存到100萬容易，但要累積到千萬以上，又不想等很久，就難了，確實要靠投資來衝。<br>若本金太少，也很難做好基本的持股分散、多空雙向策略佈局。<br>以年薪36 萬來說，2~3 倍是 72~108 萬，以全職主動投資人50% 報酬率的水準，至少要累積到150~200萬的資金再考慮全職，你說沒有操作的頭期款怎麼辦？存頭期款、工作的期間就是你最好學習投資知識、認識風險的時候，才不會書到用時方恨少，到時輸一屁股。<br>另外你最好要有一個覺悟，要有隨時可以回職場的能力，讓你「全職投資人」失敗時，還有能力生存下去。</p>



<h2>菲式交易邏輯的啟發</h2>



<ul class="has-medium-font-size"><li>挑選成長性展望好、評價不太高的股票做多單。基本面與產業面為主，技術面與籌碼面為輔。</li><li>挑選未來展望不佳的股票做空，平衡部位趨向，有機會再大盤回檔時，降低整體資產回檔。</li><li>依營收、財報、法說會、產業新聞來追蹤標的展望，認為合理的獲利點達到，逐步出場，若展望不如預期，則不計結果出場。</li><li>多單與空單的比例隨整體大盤市況調整。</li><li>利用營收、財報公佈時程、股票期貨換月轉倉來調整持股組合。</li><li>分散投資，不要重注單押。</li></ul>



<p class="has-medium-font-size">以上內容參考書中 p.121 的部分。<br>在 FinLab 策略監控台上有基本面策略如「<a href="//ai.finlab.tw/strategyview/?uid=TJN4FDuqrwU8DML7DAjUYFIMutp2&amp;sid=營收股價雙渦輪">營收股價雙渦輪</a>」、「<a class="" href="https://ai.finlab.tw/strategyview/?uid=TJN4FDuqrwU8DML7DAjUYFIMutp2&amp;sid=%E8%B2%A1%E5%A0%B1%E6%8C%87%E6%A8%9920%E5%A4%A7" target="_blank" rel="noopener">財報指標20大</a>」，也有產業面的策略「<a class="" href="https://ai.finlab.tw/strategyview/?uid=TJN4FDuqrwU8DML7DAjUYFIMutp2&amp;sid=%E5%A4%9A%E7%94%A2%E6%A5%AD%E5%83%B9%E6%8A%95" target="_blank" rel="noopener">多產業價投&nbsp;</a>」，與菲式思考的基本面策略類似。<br><br> FinLab 比較缺少「事件型」與「做空避險」的策略，原因在「事件型」很難搜集到完整的各媒體的歷史新聞資料，法說會影音與簡報分析比數值資料複雜、混亂，但若不要求回測功能，而是將功能定位設定在讓 AI 學習菲比斯的解讀思維，下提示字 (Prompt) 讓 AI 變專業分析師，撥絲抽繭出新聞事件的關聯標地，增加質化分析的效率也是很有價值的，目前 ChatGPT 甚至能做到語音分析的功能，書中提到判斷公司內部人在法說會的語氣和表情，應都可用 AI 快速、大量處理，也許未來 FinLab 會有相關服務上線。<br>如果要做回測，目前公開資訊觀測站的重訊公告是比較完整的資料，可應用於策略開發。<br>另外菲比斯多看的是國內財經媒體的新聞，但若要看總經或國際金融，其實是要看過外媒體才有「<strong>夠快的時效性</strong>」，等國內翻譯外電太慢了，如Bloomberg、WSJ、CNBC，部分網站也提供 RSS 訂閱功能，很方便能下載資料供 AI 找出精華。<br><br>做空的回測由於過去10年是大多頭，很難找到績效漂亮的空方策略，但菲比斯提供幾個方向，例如增資股出籠、可轉債大量轉換、內部人申報轉讓就是一個可研究的方向，當市場籌碼供需出現嚴重的不平衡時，就有大行情出現。<br><br>未來 FinLab 會增加策略的豐富性，尤其是「事件型」、「做空避險」、「逆勢交易」的策略，增加策略佈局的平衡度。</p>



<h2>產業面選股的解析</h2>



<p class="has-medium-font-size">每個產業都有關鍵指標。</p>



<ul class="has-medium-font-size"><li>電力供應產業要追蹤「政府標案」。</li><li>營建業要追「合約負債」、「建案完工入帳時間點」。</li><li>設備業要追「合約負債」、「裝機驗收時間點」。</li><li>新藥要追「解盲時程」、「競品研發上市進度」。</li><li>電腦板要追「加密貨幣走勢」、「國外指標大廠財測與新品」。</li><li>航運要追「新船下水」、「重大景氣循環事件」。</li><li>金融業要看資產負債表，損益表是給外行看的。</li></ul>



<h2>撰寫交易日誌</h2>



<p class="has-medium-font-size">我認為書中第 235~239 頁交易日誌撰寫的部分除了抒發交易情緒外，更重要的是要寫下如何改進這些缺失？才能避免重蹈覆徹，這是書中缺漏的部分，稍可惜。<br>策略要定期驗證，追蹤績效是否與過去偏離，或有關鍵政策、規則改變市場。<br>如果選股進出都是靠量化程式，那交易的缺失就會在執行面，要學會策略驗證 (Validation) 與制定潛在威脅等級表，參考「藍月記事」撰寫的 <a href="https://www.maemfe.org/2020/08/validation.html" target="_blank" rel="noopener">交易人的基本功：驗證 (Validation) 與潛在威脅等級表</a>：</p>



<p class="has-medium-font-size">假設交易策略都沒什麼問題，而差異與缺失若主要來自實際交易的話<br>通常可能來自於四個方面：</p>



<p class="has-medium-font-size">1.&nbsp;<strong>重複發生</strong>的不穩定來源：交易成本的變化<br>2.&nbsp;<strong>偶爾發生</strong>的不穩定來源：價格的跳多、跳空<br>3.&nbsp;<strong>鮮少發生</strong>的不穩定來源：市場突然關閉、券商突然出問題、伺服器出狀況<br>4.&nbsp;<strong>不該發生</strong>的不穩定來源：交易程式的問題、整體風控的問題</p>



<p class="has-medium-font-size">並試著解決處理問題，設定碰到問題時的 SOP。</p>



<h2>結論</h2>



<p class="has-medium-font-size">以上是「菲式思考」第一部分的心得，「菲比斯」台股交易經驗涉獵很廣，提供許多面向的分析方法、交易工具的特性，啟發 Ben 未來開發的規劃。<br>其實很多人的起步都比「菲比斯」要好，他 30 歲才起飛，但很多人 20 歲就展開交易的旅程，不一定要和他一樣追求在10年內暴富，投入全職在嚴苛的交易工作、時刻盯盤與分析盤面。<br>從書中擷取適合自己的路線，照自己的節奏走，將啟發的觀點內化成自己的招式，一樣能走向自己理想的財富目標。</p>
]]></content:encoded>
					
					<wfw:commentRss>https://www.finlab.tw/phcebus-thinking-report-part1/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
		<post-id xmlns="com-wordpress:feed-additions:1">5496</post-id>	</item>
	</channel>
</rss>
