計量交易系統的建構 1
TRANSCRIPT
講師介紹：酆士昌 [email protected]
經歷：厚生資本股份有限公司（資訊長）、同德股份有限公司（資訊中心主任）、友邁科技股份有限公司（資訊中心主任）、得捷股份有限公司（軟體工程師）
著作：包含作業系統、網路、生活、職能、旅遊類共 78本
授課與演講： 精英電腦─ Linux 基礎架設， 2012/5 台北市勞工局－ Linux 作業系統實務， 2012/8/27-2012/9/5 東吳大學數學系－ LPIC 國際認證營， 2012/9/24-2012/10/6 北市職能學院－企業雲端私有雲建置實務人才培訓班， 2012/10/15-2012/10/18 東吳大學數學系演講─企業雲端服務應用， 2013/5 北區職訓局－ LPIC 網路工程師， 2013/5-2013/7 三立財經台科技新聞線訪談－手機旅遊應用， 2013/8/12 台北市勞工局－ Linux 作業系統實務， 2013/7/24-2013/8/1 經濟部工業局－嵌入式軟韌體設計工程師班（作業系統）， 2013/8/16-2013/8/23 北市職能中心－企業雲端私有雲建置實務人才培訓班， 2013/9/9-2013/11/22 經濟部工業局－嵌入式軟韌體設計工程師班（作業系統）， 2013/12/30-2014/1/3 東南科技大學授課－網路與通訊技術整合（業界師資授課）， 2014/3/19-2014/4/23 東南科技大學演講－ MIS 職能分析與雲端服務應用， 2014/3/20 淡江大學演講－活用 Evernote- 提升教學準備度， 2014/5/23 文化大學－網路工程師職訓班， 2014/7 經濟部工業局－嵌入式軟韌體人才養成班（作業系統）， 2014/8/19-2013/8/21 文化大學－產業人才投資方案班（雲端伺服器）， 2014/8-2014/10 東南科技大學授課－網路與通訊技術整合（業界師資授課）， 2014/10/28-2014/12/2 文化大學－產業人才投資方案班（雲端伺服器）， 2015/3-2015/5學歷：清華大學數學研究所應用數學組
關於厚生資本公司簡介
我們專注於 kernel 、行程排序管理、記憶體存取、 cpu 指令、提取、演算與解碼。提供M5 creator language DSL 高頻系統專用，金融演算法的開發環境，演算法所用的數值分析工具庫，以及金融分析工具用的 K 線型態學。
產業領域 雲端數據庫– Big Data 資料探勘研究 金融即時報價源 Ultra-Low Latency DMA Embedded 金融交易平台
產品與服務 Ultra-Low Latency 即時報價源與資料解碼 完整的即時，歷史，金融走勢資料庫 ATS (alternate trade system) embedded 金融交易平台 M5Creator 演算法產生器 金融交易元件 數值分析元件 財務決策元件
http://www.eyem5.com/https://www.facebook.com/eyem5.com
Topics
一、交易的演進與發展二、金融大數據的應用三、利用歷史資料來建構交易模型四、金融交易的方法與技巧
1. 交易的演進2. 國外的案例3. 台灣證券交易所4. 演算法交易5. 三種交易創新的新服務
一、交易的演進與發展
• 實物交易計算類交易模型類交易• 人工掛單、電話下單、網路下單、程式下單• 由金融專業領域至財務、金融、數學、資訊結合的領域
一、交易的演進與發展1. 交易的演進
新加坡交易所 -Reach 系統
亞洲第 2 大交易所新加坡交易所於 2009年啟動全球最快新交易系統Reach ，和其他競爭對手一較高下。新交所聲稱斥資 2.5億美元（約19億港元）建造 Reach ，交易速度將由 3至 5毫秒提升至 90微秒，較港交所的 9毫秒快 100倍。
資料來源： https://www.reach.gov.sg
一、交易的演進與發展2. 國外的案例
香港交易所 - 領航者計畫
香港交易所斥資 3 0億建造 HFT核心技術，電信服務提供商 Pacnet 的首席執行官比爾‧巴尼 (Bill Barney)表示：“今天的金融市場需要快得像閃電般的連接，因為千分之一秒都可能會決定數百億美元的盈虧，尤其是高頻交易。 ” Pacnet是港交所設備托管服務的創始成員之一。
29/03/2012 09:48《與時並進》港交所擲 30億革新核心技術，強調非為高頻交易港交所 (00388)為革新核心交易平台，推出「領航星技術計劃 (Orion) ，３年內分階段推出提升連接港交所平台速度的網絡 SDNet/2 、數據中心的設備託管服務、衍生產品及證券交易結算的技術，降低交易時延，合共投資約 30億元。服務入場費每月2.5萬元。
資料來源 :http://sc.hkex.com.hk/TuniS/www.hkex.com.hk/chi/index_c.htm
一、交易的演進與發展2. 國外的案例
那斯達克交易所
NASDAQ以使用新一代具備分散儲存、平行擷取的資料庫技術方案(Greenplum) ，作為大量資料倉儲與資料分析採礦 (Data Mining)之工具。此 技術結合雲端架構上的虛擬化環境，並可支援 SQL與 MapReduce的資料平行處理，有效提供業界大量資料倉儲存取及賣分析解決方案。
一、交易的演進與發展2. 國外的案例
3. 台灣證券交易所
2015年六月股市由漲跌幅 7%調整為 10%
2015年六月以後準備股票逐筆撮合
一、交易的演進與發展
4. 演算法交易
1. 2006 經濟學人雜誌統計、歐美巿場 33% 以上股票交易使用演算法交易。2. 2007紐約交易所電子交易日，交易總量的 60%--70%使用演算法交易。3. 2007美國部分股票交易的演算交易到達 80% 。4. 2008年全球十大投資銀行：高盛、滙豐、德意志引進 FPGA晶片，「奈秒速度，華爾街金融革命」。
5. 2010美國 90%對沖基金採取演算法交易。
一、交易的演進與發展
Aite group 演算法交易比較
一、交易的演進與發展4. 演算法交易
美國紐約使用演算交易比例
一、交易的演進與發展4. 演算法交易
5. 三種交易創新的新服務1. 降低連線時間
交易所投入更大資本，更新目前的撮合引擎平台由秒升級為毫秒或微秒的撮合速度，為的是更高速的交易流量及高性能的網路基礎設施，以因應高頻交易系統及程式交易，同時提供 Co-Location 交易主機共置的服務，以降低網路封包延遲的問題。
2. 交易情報化証劵商利用 GPU高速平行運算力，分析即時金融走勢，透過數值分析、技術分析、財務資料庫來產生交易訊號提供給一般投資戸服務，同時利用Bigdata 來分析客戶的歷史交易明細庫、商品交易類型、交易手續、交易總金額來提供交易情報，提供不同手續費折扣，及快速下單所需頻寛管理，促使交易高運轉率增加手續費的收入。
3. 閃電下單ATS-alternate trade system結合 Ultra Low Latency DMA 低延遲存取技術、平行運算、多核心、高頻交易演算法的專業前台交易系統，提供給特定法人交易、中實戶，毫秒報價、亳秒成交，提升速度的服務。
一、交易的演進與發展
1. 什麼是 Big Data
2. 為什麼要學探勘、挖礦3. 大數據的挑戰4. 大數據的分析處理
二、金融大數據的應用
二、金融大數據的應用
價值（ Value）準確性（ Veracity ）
容量（ Volume）
快速（ Velocity）多樣性（ Variety）
Big Data
• 資料單位：容量（ Volume ） 二、金融大數據的應用
二、金融大數據的應用• 資料內容： 多樣性（ Variety）
• 運算速度：快速（ Velocity ）
二、金融大數據的應用
為什麼要學探勘、挖礦二、金融大數據的應用• 探勘：在隱藏性的資料找到特定的 pattern 、相關性或趨勢
• 挖礦：
• 目的：增加生活小確幸• 產出：書中自有黃金黃金屋
挖礦 1.0 金銀銅鐵錫鎳等貴金屬以重量為主
挖礦 2.0 雜湊與加密以運算為主
挖礦 3.0 數值、型態、排列、分析以模型為主
大數據
大數據的挑戰二、金融大數據的應用
1. 資料的運算能力：有限的時間要運算處理巨大的資料
2. 組織人才：缺乏大數據的組織人才3. 模型建構：不易評估處理 Big Data 資
料的分析方法與開發工具
大數據的分析處理二、金融大數據的應用
大數據的分析處理二、金融大數據的應用
1. 歷史資料的範籌2. 時間、價格、數量對金融走勢的影響3. 歷史資料的建構與分析與方法4. 利用歷史資料庫建構我的資料模型
三、利用歷史資料來建構交易模型
歷史資料的範籌三、利用歷史資料來建構交易模型
時間、價格、數量對金融走勢的影響三、利用歷史資料來建構交易模型
圖表時間範圍
歷史資料的建構與分析與方法三、利用歷史資料來建構交易模型
K 線圖範例
歷史資料的建構與分析與方法三、利用歷史資料來建構交易模型
MACD範例
歷史資料的建構與分析與方法三、利用歷史資料來建構交易模型
KD範例
歷史資料的建構與分析與方法三、利用歷史資料來建構交易模型
步驟 1. 定義資料探勘－利用 M5replayer 的歷史資料庫取得基本八價1.收集歷史資料2.取得歷史資料3.定義資料可用性4.圖表分析資料
利用歷史資料庫建構我的資料模型三、利用歷史資料來建構交易模型
步驟 2. 分析資料特性1. 從圖表中的排列找到特定的趨勢2. 從圖表中的排列找到特定的型態3. 從圖表中的排列找出異常的特定交易量4. 從圖表中的技術分析找到特定的交叉點
利用歷史資料庫建構我的資料模型三、利用歷史資料來建構交易模型
步驟 3. 模型選擇工具利用歷史資料庫建構我的資料模型三、利用歷史資料來建構交易模型
步驟 4. 設計模型利用歷史資料庫建構我的資料模型三、利用歷史資料來建構交易模型
1. 資料議題設定2. 尋找大數據的特徵與排列3. 建立部位的方法4. 資金管理
四、交易的方法與技巧
1. 交易資料的因果性2. 交易資料的隱藏性3. 交易資料的變動性4. 交易資料的關聯性
四、金融交易的方法與技巧資料議題設定
利用交易圖表的排列找到技術指標的交叉點
四、金融交易的方法與技巧尋找大數據的特徵與排列
四、金融交易的方法與技巧建立部位的方法1. 界定交易多空的原則2. 挑選交易巿場3. 設定風險控制的方法每筆交易最大風險、停損策略、分散交易
4. 交易訂單例如管理觀察圖表的排列、擬定計劃新的交易、更新部位的出場點
5. 撰寫交易筆記6. 交易日記
交易的理由、交易的結果、心得與教訓7. 分析自已的交易多空比例、交易筆數、停損停利、正確執行決定、部位資金管理與分配
資金管理• 為下一筆交易保留實力 • 瞭解自己願意付出多少以承擔風險• 帳戶餘額 /風險比例 =風險金額 • 學會如何決定交易規模 • 止損訂單
四、金融交易的方法與技巧
1. 資金配置－停損、停利2. 報價源－交易標的3. 選用交易指標、交易訊號4. 實際交易 / 計量回測
交易架構的規劃四、金融交易的方法與技巧
1. 觀察並寫下交易賠錢的原因2. 寫下個人交易的邏輯3. 使用 M5replayer執行歷史模擬下單
，並能連續 10筆績效為正。截出績效圖並說明交易邏輯為何。
作業