蒙特卡洛算法在程序化交易中簡單應用

近年來，程序化交易發展愈來愈火爆，傳統的程序化研究一直致力於各種成熟指標的組合，如將MACD和均線指標結合起來，在各種期貨合約品種上應用，尋求最佳的歷史回測效果；另外還有投資者利用自己對盤面的獨特了解，建立個人自定義的指標；然而隨着市場越來越多地程序化研究越來越深入，程序化交易方法基本是從市場價格和成交持倉信息出發，通過數學計算，構建交易模型，這也是造成模型同質化的根本原因，因為大家建模的出發點過於一致。目前市場對於程序化研究主要從宏觀和微觀兩個方面深入。宏觀方面，投資者可以基於更多的市場信息開發新型的交易模型，主要有以下幾種模式：

第一，基本面數據建模。可以從CPI、PPI、貨幣發行量等宏觀經濟指標出發，建立擇時交易系統，這種方法為多為機構應用。對於期貨市場，每個品種都有供需方面的統計數據，投資者可以結合對這些數據的理解，使用數學方法分析數據，形成多空判斷；

第二，利用數據挖掘技術分析新聞事件，在深入分析可能造成市場異常波動的事件基礎上，把握交易時機，獲得超額投資回報；

第三，基於現貨市場的走勢，比如，對於建立在滬深300指數上的股指期貨，可以利用指標股的走勢建模，選擇對指數影響大的權重股，構建領先指標進行交易。

微觀方面，筆者認為，可以講傳統的指標組合方法進行升華，引入在物理數學中成熟的數學模型，改進傳統的程序化交易模型，如運用數值計算中的蟻群算法和模擬退火算法等，本文介紹的也是數值計算中的蒙特卡洛算法。

蒙特卡洛（MonteCarlo）方法,也稱統計模擬方法,或稱計算機隨機模擬方法,最早是由法國布豐等數學家提出用來分析一些科學現象的仿真方法,它是一種以概率統計理論為指導的一類非常重要的數值計算方法,是指使用隨機數（或更常見的偽隨機數）來解決很多計算問題的一種方法。蒙特卡洛方法的基本思想是：為了求解數學、物理或工程技術等方面的問題,首先建立一個概率模型或隨機過程,使其某個參數等於問題的解,然後通過對模型或過程的觀察或抽樣試驗來計算所求參數的統計特征,最後給出所求解的近似值。

金融市場充滿了確定性和不確定性，因此形成的數字化變量也是具有確定性和隨機性兩種特征，而蒙特卡洛算法本身就屬於一類隨機算法，利用盡可能多的模型采樣，尋求近似近似最優解，在金融市場中可以理解為盡可能的尋找市場的確定性方向。

目前市場上比較流行的一種方法是雙均線突破系統，然而這種系統面臨的問題表現在兩個方面：1.在市場噪音較大時，無法有效地給出買賣信號；2.雙均線的參數無法有效確定，基於這一現狀，筆者考慮引入蒙特卡洛算法，改善傳統雙均線突破系統。

基於蒙特卡洛算法的雙均線系統主要過程如下：

1.首先確定系統兩個參數樣本空間Q和P，初始化多頭指標B=0，空頭指標S=0；

2.從樣本Q和P中從隨機抽取參數m和n，其中m>n；

3.m周期均線值MA1，m周期均線值MA2，當MA1>MA2，S=S+1；當MA1

4.重復執行K次，統計多空指標S值和B值；

5.確認買賣信號，S>L時，系統發出賣信號，B>L時，系統發出買信號（其中L為系統參數，L

【免責聲明】本文僅代表作者本人觀點，與本網站無關。本網站對文中陳述、觀點判斷保持中立，不對所包含內容的准確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，並請自行承擔全部責任。