#美股#美股開戶#美股卷商#投資理財
許多讀者學到了一些美股投資策略後，來問蕾咪到底該怎麼用美股開戶？這次蕾咪要分享四大美股卷商的特性，不論你是喜歡短期投資還是長期交易，都可以依據自己的狀況選擇最適合的呦！
如果喜歡我的影片別忘了點讚訂閱喔:)
#補充相關網站：
eToro開戶→(適合小資本、複製跟單，0手續費美股交易，近期因法規問題暫不推薦)
Firstrade開戶 →https://bit.ly/3gFB9gF (適合長期ETF)
TD Ameritrad開戶→https://www.tdameritrade.com/home.page (最大美股券商，若虛推薦可留信箱，適合長期ETF)
IB開戶→https://www.interactivebrokers.com/cn/home.php (適合高頻率交易)
※感謝網友提供最新訊息：
TD是被併購，而且目前開放都免傭喔！
eToro降低出金手續費，從25美金→5美金。
從2019年10月開始，TD與Firstrade 都是免佣金喔！但是還是注意短期變換標的的手續費差異。
---
可以看到更多的蕾咪~
訂閱蕾咪PressPlay專業知識服務→ https://app.pressplay.cc/CFP
想看蕾咪IG限時動態→ https://www.instagram.com/ramihaha/
想找蕾咪FB留言聊天→ https://fb.com/ramihaha.tw/
觀察蕾咪旅遊部落格→ https://ramihaha.tw/
---
可以看到更多影片！
【理財教學】賺超過薪水？邁向財務自由！被動收入與主動收入差在哪？
❤ https://youtu.be/JeblgTqh_J0
【投資教學】買進就下跌、股票被套牢怎麼面對？基礎3種投資策略解密！
❤ https://youtu.be/XHQ52YkGcOo
【理財教學】保險原來這樣買？我適合哪種保險？基本保險觀念剖析！
❤ https://youtu.be/dDb2ROuaLB8
【理財教學】擺脫月光族！SOHO族、自由工作者必看3招理財術！穩定收入又能加薪！
❤ https://youtu.be/BOWf0hpBh7U
【投資教學】美股投資選股策略快速教學，4本經典好書入門推薦！
❤ https://youtu.be/JGT-jUj4cL4
歡迎有更多的理財問題，可以留言跟我說，
我會挑選適合的問題，錄製更多教學影片囉！
希望從這理財的小小習慣去改變我們彼此的生活啦！
歡迎訂閱蕾咪的頻道喔:)
※這不是商業影片！ ^^
※This is NOT a sponsored Video.
高頻交易ptt 在 [心得] 我是高頻交易員, AMA. Ask Me Anything! - 看板Trading 的推薦與評價
我三年多前離開了科技業的工作, 到一間小公司做高頻交易.
想和大家分享一下這幾年來我在這個產業的一些心得和見聞.
不過我有點懶得寫成一篇完整的文章, 所以想用問答的形式來回答大家的問題.
規則是:
1. 在Trading版的這篇底下推文發問, 我有時間的時候會來修文回答.
2. 期限一個星期到下星期六為止. 問題內容不限.
不過先說明兩點:
1. 我沒有賺很多錢, 公司也沒有, 因為我們在之前市場好的時候沒有scale得很好,..
而最近市場變得愈來愈難賺錢. 我們沒有交易台灣 沒有交易crypto. 保證沒有賺到各位大大der錢.
2. 我為什麼要做這個問答呢? 我今年的目標是希望可以多認識一些業內人士互相交流.
也希望透過資訊的分享 提升我個人的知名度 為將來出書開課做準備(誤).
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.30.32
※ 文章網址: https://www.ptt.cc/bbs/Trading/M.1550903204.A.2B2.html
※ zxcmnb:轉錄至看板 Option 02/23 14:27
大家真正做的是Low Latency Trading
有些策略可能要求很低的latency 但是實際上交易的次數和頻率並不高
速度當然是愈快愈好 latency愈低愈好
從收到報價 中間運算 到下單到交易所 時間單位是microsecond
有些策略要搶快 那就要低於10 microsecond
有些比較複雜運算較久的也會低於100 microsecond
但大部分應該都會低於20~30 microsecond
level 2 orderbook, 逐筆成交紀錄等等
愈多愈精確的資料有助於產生各種有預測力的feature.
不過當然還是要看你怎麼用這些資料
有些人的交易策略會用好幾年的資料
市場的結構和狀態是會不斷改變的
如果你的模型可以抓住這些改變的話
用長時間的資料可能可以讓你的預測更準確...
商品當然是每個能賺錢的商品都跑
跑多商品還有個好處是可以考慮hedge自己不想要的risk factor
... 這好像是廢話 不過也是事實 我們目前沒有一個很科學的方法來做這件事
一個好的策略通常可以活幾個月
交易策略開發會找有機器學習相關經驗的人
交易成本的絕對值是多少其實不重要.
重要的是你能不能拿到最低的成本.
交易成本高的商品會有比較寬的spread 比較高的波動性 和比較低的交易量
但不代表不能賺錢 比較寬的spread對造市策略來說有比較高的利潤
比較高的波動性代表有更高的可能有錯價
基本上如果你有最快的速度 最好的預測 最低的成本
那麼在每個市場都可以很容易賺到錢.
說到交易成本 可以舉例來說 假設某個商品的交易稅突然調降
這時你本來的策略不但很可能不會多賺錢 反而會因此而少賺或賠錢.
這是因為假設本來市場參與者的均衡狀態是
每筆單要平均能賺100元才下單, 如果交易下降20元,
這時候大家看到有賺80元的機會就會衝了,
而還在傻傻等賺100元機會的人可能就等不到機會了.
基本上可以把商品按micro structure分成三種
一種是tick size很大 掛單很厚 每天動很少的
一種是tick size很小 掛單很薄 動得很劇烈
第三種就是中間的
三種商品交易有不同的難處
問我建議的商品的話 我會建議大家不要交易.
交易是一個很不公平的競賽 想要交易的人應該先想想自己的edge在哪裡
市場上有人有比你快的速度 比你多的資料
比你聰明/努力的人做的預測模型 比你低的交易成本...
想要賺錢 必須在每方面都做到盡可能的好,
而當你賺錢的時候也不能鬆懈. 因為後面永遠有在追趕你的人...這是一條永無止境的路
看你的預測模型 用到nvidia gpu的話就要裝cuda.
通常機器學習大家會用會用python或r或是matlab 看個人喜好
聽說確實有人這樣做 不知道效果好不好
(我好像修壞推文了)
), 02/23/2019 20:02:38
快市就是一筆賺錢單或是賠錢單而已
大家比較怕的是flash crash
需要在異常狀態的時候暫停交易
但是當基本面受到改變而策略又開始賠錢的話 應該要把策略直接關掉
例如當貿易戰提高黃豆關稅的時候
不同月份黃豆期貨原有的相關性也會跟著改變
這很可能會讓本來交易calendar spread的策略失效
當你做了這麼多麻煩的事情 你不會只想交易某個特定商品
而是會交易所有可以交易的商品
那種讀每個星期公布的及時經濟數據後只下單一次的策略也算是高頻
接近選擇權到期日的時候,
股票的價格往往會往最接近的選擇權的strike price靠近
作者認為這很可能是market maker避險行為所產生的副作用
不過如果你認為這個現象很重要的話
可以做出這類feature丟進預測模型裡
然後靠這個公式就可以賺大錢
現在認識到要賺錢並沒有什麼神奇的公式
而是需要把每個方面都盡可能地做到最好
從 資料數量/種類 預測模型 下單方式 到系統速度等等..
沒有一個神奇的公式/信號/均線可以讓你賺大錢
即使有 這個東西也很快會被其他人發現而逐漸失去效力
其實我們每天的pnl和市場的交易量有蠻高的相關性
當市場交易量很大的時候 這通常是散戶(或是非專業投資者)大量進場
無論當天是大漲還是大跌還是震盪什麼的 我們都很容易賺到錢
有點像是散戶在瘋狂撒錢的感覺
但是當市場交易量很小的時候
就是大家在互相對作 爭奪微薄甚至沒有的利潤 這時候會很難賺錢 甚至賠大錢
從這方面來看的話 這個行業和出海捕魚也蠻像的
天氣好的時候可以撈到魚 天氣不好可能會翻船
賺錢的漁船會擴充自己的船隊把漁撈完害別人沒得撈
我認為對散戶比較有利的交易策略最好
避免單純使用價量技術分析頻繁交易
使用一些不常發布的經濟數據指標
如果你的預測模型只能找到大家都看得到的獲利機會的話
速度慢代表你的單只能排在別人的後面
賺錢機會都被前面的人吃了
但是過短的週期 價格的變化量可能不足以支付交易成本
而容易被預測到的變化也往往代表會有很多的競爭者
所以如果你想問的是那個週期最容易賺錢的話
答案和你的系統速度 商品的特性 市場上的其他參與者 都有關係
或是reinforcement learning訓練下單
預測的標的可以是價格, 價差, volatility或是任何你覺得可以交易的時間序列
如果回測也不賺錢 那可能是其他方面的原因
改進通常要有方向 單純調參數意義不大
當然也是有怎麼改進都賺不了錢的時候 那就只好放棄
以手遊課金或是制服店消費的娛樂心態來做短線交易
不要把失去的錢想成是投資失敗的結果
想成這是娛樂的必然開銷
這樣心理才會比較健康 也才不會玩到家破人亡
推 yuwenche: 上面打錯字: 30um => 30us 02/25 13:59
microsecond = 0.000001 second
交易時段要稍微注意一下策略是不是有不正常的狀態
所以應該是沒有吧
我只會看很明確有重要改進的paper
但通常是看看能不能給自己什麼啟發或是直接拿來用的工具
如果要自己寫一個solver這種程度的話我不會 也沒時間
話說回來deep learning 我只能說... 不是deep learning沒用 是我沒用
收報價 錄資料 調整機器 最佳化程式速度 和broker建立關係等等
一個人有可能做到 但會有點辛苦
不過如果只有一個人 可以不用要求賺那麼多錢的話 也許不用做得那麼好也不一定
但是能夠每天或是每個星期賺錢的人應該很少
但是還是會有一些侷限 例如某些本來就很好預測的商品
你如果搶不過別人 就很難賺錢
除非是有市場容納量問題
那會優先考量相關性低的策略
在交易週期比較長的量化公司
可能會需要懂財報的人
還有選擇權定價需要懂財務工程的人
還有沒有專找DL人喔 deep learning只是個buzzword...
我覺得至少要懂機器學習 而且對交易有興趣的人
如果是實盤不賺錢但是那天的回測還是賺錢 => 速度太慢或是回測有問題 => 關
回測每天交易100次天天賺錢的策略 假設連續賠錢一個星期 => 關
但如果是回測10天只有6天會賺錢的策略 就會需要比較長的觀察時間
中文資料:
1. 知乎上 高頻交易 量化交易 的討論和一些live
2. babyquant的《中国期货市场量化交易（R与C++版）》
英文書:
入門書
1. Ernest Chan的三本<<Quantitative Trading>>, <<Algorithmic Trading>>,
<<Machine Trading>> 我個人比較喜歡第二本
2. World Quant老闆Igor Tulchinsky的
<<Finding Alphas>>搭配101 Alphas的paper
看完以後可以了解WorldQuant(或是量化基金)在做什麼
3. Euan Sinclair的<<Option Trading>>和<<Volatility Trading>>
我覺得寫得很好 即使你不交易選擇權 也可以獲得一些啟發
進階
1. <<Quantitative Equity Portfolio Management>> by Chincarini & Kim
雖然年代有點久遠了 不過我覺得這本內容還是蠻扎實
可以當工具書或是尋找靈感的參考
2. <<Quantitative Equity Portfolio Management>> by Qian, Hua & Sorensen
<<Active Equity Management>> by Zhou & Jain
這兩本也不錯 不過其實這類書很多內容都大同小異
我只要是感覺書上有寫我感興趣的東西的話就會買來看
3. <<Advances in Financial Machine Learning>> by Lopez de Prado
作者是業界的名人 書裡一大部分我覺得都是在教你怎麼處理資料避免overfitting
純理論
1. <<Algorithmic and High-Frequency Trading>> by Cartea, Jaimungal & Penalva
這本書會告訴你在給定的數學模型下 optimal execution會是什麼
當然現實生活和數學模型其實有很大的差距
2. <<Market Microstructure in Practice>> by Lehalle & Laruelle
這本介紹了很多microstructure相關的知識
這兩本如果是想找交易策略靈感的話 可以不用看.
但是看了以後可以對市場有更深的理解.
最後來鋪個開課梗(誤):
我以前會覺得開課/出書的人都是沒辦法在市場上賺到錢的人
所以這些人的課程或是書籍都是沒用的 想要賺錢的話 只能靠自己想辦法
但是我後來發現其實不是這樣
這些人可能基於各種原因真的沒辦法從市場賺到錢 所以才出來開課/出書
但他們的資訊對我來說還是可能是有用的
舉例來說
某個開課大師他可能有個交易策略 可以平均每口交易賺10元
但交易成本是50元 這樣交易完他還要倒賠40元
而我是一個穩定獲利的交易員 平均每次交易可以賺65元
加上他的方法以後 我可以變成每次交易賺75元 扣除成本之後
我的淨利會從15元提升40%變成25元
一個在別人手中沒用的資訊 到了我的手上變成黃金!
(這個例子有點過於理想化 但其實交易在做的事情大致就是這樣
到處收集各種微小微弱的信號 把他們合在一起 團結力量大)
心態改變以後 我會很願意去看書或是聽課
即使大部分內容都是沒用的 但只要有一兩個有用的資訊就值回票價
而有時候真的也還可以找到一些有幫助的想法
(當然個人的時間和金錢都是有限的 所以還是要篩選一下)
===
感謝大家的發問 公開的回應就到這邊結束了
希望業界的朋友可以站內信交流囉
(還有開課梗是開玩笑的 目前沒有開課的打算 將來應該也沒有)
※ 編輯: zxcmnb (1.160.197.32), 03/04/2019 00:27:18
... <看更多>
相關內容