在金融市場中，根據蠟燭圖的交易策略需要明確的進出場規則，才能有效控制風險並最大化收益。技術分析中的出場策略與進場策略同樣重要，它決定了交易的最終盈虧。本文將介紹幾種常見的出場技術，並說明如何結合技術指標和模式識別來最佳化交易策略。出場技術的選擇需要根據市場環境和個人交易風格進行調整，才能在實戰中取得良好的效果。風險管理是交易中不可或缺的一環，尤其在蠟燭圖模式失效時，更需要有效的風險控制措施來避免重大損失。
離開技術與風險管理在蠟燭圖交易策略中的應用
在金融市場的交易中，蠟燭圖模式的識別僅是交易策略的一部分。正確地離開交易對於風險管理和收益最大化至關重要。本篇文章將探討在蠟燭圖交易策略中，不同離開技術的應用及其重要性。
對稱離開技術（Symmetrical Exit Technique）
對稱離開技術是一種根據蠟燭圖模式的高度和低度之間的距離進行價格預測的方法。這種方法的優點在於其簡單直觀，能夠根據市場的波動性提供目標價位。
圖表說明
內容解密：
- 蠟燭圖模式的高度和低度之間的距離代表了市場的波動性。
- 對稱離開技術透過將這個距離對映到預測的價格目標上。
- 這種方法能夠根據市場的實際波動情況動態調整預測目標。
固定持有期離開技術（Fixed Holding Period Exit Technique）
固定持有期離開技術假設交易者在確認蠟燭圖模式後，會在預先設定的時間段後離開交易。這種方法相對僵化，假設市場反應會在特定的時間視窗內發生。
程式碼範例
def fixed_holding_period_exit(entry_time, holding_period):
exit_time = entry_time + holding_period
return exit_time
# 假設在第0期進入交易，持有5期
entry_time = 0
holding_period = 5
exit_time = fixed_holding_period_exit(entry_time, holding_period)
print(f"在第 {exit_time} 期離開交易")
內容解密：
fixed_holding_period_exit函式計算了根據進入時間和固定持有期的離開時間。- 這種方法的關鍵在於選擇合適的持有期，以匹配市場的反應時間。
- 持有期太短可能導致過早離開，而太長則可能錯過最佳離開時機。
變動持有期離開技術（Variable Holding Period Exit Technique）
變動持有期離開技術是根據市場中出現的另一蠟燭圖模式來決定是否離開交易。這種方法同樣具有一定的僵化性，因為它依賴於特定的市場訊號。
圖表說明
內容解密：
- 交易者根據初始蠟燭圖模式進入交易。
- 繼續監測市場，直到出現新的蠟燭圖模式。
- 當新的模式出現時，離開交易。
混合離開技術（Hybrid Exit Technique）
混合離開技術結合了對稱離開、固定持有期和變動持有期的特點，提供了一種更靈活的離開策略。這種方法根據不同的條件，以先到者為準的原則進行離開。
程式碼範例
def hybrid_exit_technique(symmetrical_target, variable_exit_signal, fixed_holding_period):
if symmetrical_target_reached or variable_exit_signal:
return "離開交易"
elif current_time >= fixed_holding_period:
return "離開交易"
else:
return "繼續持有"
# 假設條件
symmetrical_target_reached = True
variable_exit_signal = False
fixed_holding_period = 5
current_time = 3
exit_decision = hybrid_exit_technique(symmetrical_target_reached, variable_exit_signal, fixed_holding_period)
print(exit_decision)
內容解密：
hybrid_exit_technique函式綜合了三種離開條件。- 當對稱目標達成或出現變動離開訊號時，立即離開交易。
- 如果上述條件未滿足，則在固定持有期結束時離開。
風險管理與模式失效（Pattern Invalidation）
當蠟燭圖模式未能如預期般運作時，適時地限制損失是至關重要的。風險管理技術，如固定止損和根據ATR的止損，可以幫助交易者控制風險。
圖表說明
@startuml
skinparam backgroundColor #FEFEFE
skinparam componentStyle rectangle
title 蠟燭圖交易策略中的離開技術與風險管理
package "時間序列分析" {
package "資料準備" {
component [時間索引] as time_idx
component [重採樣 Resample] as resample
component [缺失值處理] as missing
}
package "特徵分析" {
component [趨勢 Trend] as trend
component [季節性 Seasonality] as season
component [殘差 Residual] as residual
}
package "預測模型" {
component [ARIMA] as arima
component [指數平滑] as ets
component [Prophet] as prophet
component [LSTM] as lstm
}
}
time_idx --> resample : 時間聚合
resample --> trend : 分解
trend --> season : STL分解
season --> residual : 殘差分析
trend --> arima : 自迴歸
season --> ets : 季節調整
residual --> prophet : 預測
residual --> lstm : 深度學習
note right of arima
p: 自迴歸階數
d: 差分階數
q: 移動平均階數
end note
@enduml
內容解密：
- 交易者在進入交易時設定止損。
- 不斷監測市場價格變動。
- 當價格觸及止損時，自動離開交易以限制損失。
結合技術指標最佳化交易策略
技術指標在交易策略中扮演著重要的角色，可以幫助交易者更好地理解市場動態並做出更明智的決策。本篇文章將探討如何結合相對強弱指數（RSI）與移動平均線（MA）等技術指標，最佳化根據蠟燭圖案的交易策略。
結合雙重困擾模式與RSI指標
雙重困擾模式是一種用於識別市場趨勢的蠟燭圖案。透過將該模式與RSI指標結合，可以進一步提高交易策略的準確性。
策略條件
- 當出現看漲的雙重困擾模式且14週期的RSI值高於50時，產生買入訊號。
- 當出現看跌的雙重困擾模式且14週期的RSI值低於50時，產生賣出訊號。
程式碼實作
def signal(data, open_column, high_column, low_column, close_column, atr_column, rsi_column, buy_column, sell_column):
data = add_column(data, 5)
for i in range(len(data)):
try:
# 看漲設定
if data[i, close_column] > data[i, open_column] and \
data[i, close_column] > data[i - 1, close_column] and \
data[i - 1, close_column] > data[i - 1, open_column] and \
data[i, high_column] - data[i, low_column] > (2 * data[i - 1, atr_column]) and \
data[i, close_column] - data[i, open_column] > data[i - 1, close_column] - data[i - 1, open_column] and \
data[i, buy_column] == 0 and \
data[i, rsi_column] > 50:
data[i + 1, buy_column] = 1
# 看跌設定
elif data[i, close_column] < data[i, open_column] and \
data[i, close_column] < data[i - 1, close_column] and \
data[i - 1, close_column] < data[i - 1, open_column] and \
data[i, high_column] - data[i, low_column] > (2 * data[i - 1, atr_column]) and \
data[i, open_column] - data[i, close_column] > data[i - 1, open_column] - data[i - 1, close_column] and \
data[i, sell_column] == 0 and \
data[i, rsi_column] < 50:
data[i + 1, sell_column] = -1
except IndexError:
pass
return data
內容解密：
data = add_column(data, 5)：為資料新增額外的列以儲存訊號。for i in range(len(data)):：遍歷資料中的每一行。if和elif陳述句：分別檢檢視漲和看跌的條件是否滿足，包括蠟燭圖案的特徵和RSI值的條件。data[i + 1, buy_column] = 1和data[i + 1, sell_column] = -1：在滿足條件的下一行資料中標記買入或賣出訊號。
結合三根蠟燭模式與移動平均線
三根蠟燭模式是一種強烈的趨勢指示訊號。將該模式與移動平均線結合，可以進一步確認趨勢的方向。
策略條件
- 當出現三白兵模式且市場價格高於100週期移動平均線時，產生買入訊號。
- 當出現三黑鴉模式且市場價格低於100週期移動平均線時，產生賣出訊號。
程式碼實作
def signal(data, open_column, close_column, ma_column, buy_column, sell_column):
data = add_column(data, 10)
body = 0.5 # 設定實體閾值
for i in range(len(data)):
try:
# 看漲設定
if data[i, close_column] - data[i, open_column] > body and \
data[i - 1, close_column] - data[i - 1, open_column] > body and \
data[i - 2, close_column] - data[i - 2, open_column] > body and \
data[i, close_column] > data[i - 1, close_column] and \
data[i - 1, close_column] > data[i - 2, close_column] and \
data[i - 2, close_column] > data[i - 3, close_column] and \
data[i, close_column] > data[i, ma_column] and \
data[i, buy_column] == 0:
data[i + 1, buy_column] = 1
# 看跌設定
elif data[i, open_column] - data[i, close_column] > body and \
data[i - 1, open_column] - data[i - 1, close_column] > body and \
data[i - 2, open_column] - data[i - 2, close_column] > body and \
data[i, close_column] < data[i - 1, close_column] and \
data[i - 1, close_column] < data[i - 2, close_column] and \
data[i - 2, close_column] < data[i - 3, close_column] and \
data[i, close_column] < data[i, ma_column] and \
data[i, sell_column] == 0:
data[i + 1, sell_column] = -1
except IndexError:
pass
return data
內容解密：
data = add_column(data, 10)：為資料新增額外的列以儲存訊號。body = 0.5：設定蠟燭實體的閾值，用於判斷蠿燭是否足夠大。for i in range(len(data)):：遍歷資料中的每一行。if和elif陳述句：分別檢檢視漲和看跌的條件是否滿足，包括三根蠟燭模式的特徵和價格相對於移動平均線的位置。data[i + 1, buy_column] = 1和data[i + 1, sell_column] = -1：在滿足條件的下一行資料中標記買入或賣出訊號。
結合瓶型態與隨機震盪指標的趨勢跟隨策略
在技術交易領域中，隨機震盪指標是一種被廣泛使用的動能指標，不僅零售交易者熟悉它，專業交易者同樣對其有所瞭解。隨機震盪指標透過一個基本的正規化函式，將數值限制在0到100之間。相較於相對強弱指數（RSI），它的計算方式更為簡單。在探討隨機震盪指標之前，讓我們先了解正規化的概念。
正規化的概念
當你有一系列不同的無界數值，例如市場價格（或任何其他隨機的時間序列資料），你可以將這些數值正規化到0和1之間，其中0代表特定時間視窗內的最低值，而1代表最高值。以下表格示範了這個過程：
| 時間步 | 1 | 2 | 3 | 4 | 5 | |
-|
-|
-|
-|
-|
-| | 數值 | 10 | 40 | 5 | 90 | | | 正規化數值 | 0.06 | 0.41 | 0.00 | 1.00 | |
從表格中可以看到，當變數從第1期移動到第5期時，正規化後的數值被限制在0和1之間，其中0對應最低值（5），1對應最高值（90）。同樣地，介於0和1之間的值具有約0.41的正規化數值，意味著它可能是中間值。這是正常的，因為40大約是5和90之間距離的一半。
正規化公式
正規化任何數值到0和1之間的公式如下： [ x_{\text{Normalized}} = \frac{x_{\text{Original}} - x_{\text{Low}}}{x_{\text{High}} - x_{\text{Low}}} ]
讓我們使用前面的表格進行一個例子。取數值10並使用公式進行正規化，你應該得到以下的計算： [ x_{\text{Normalized}} = \frac{10 - 5}{90 - 5} = 0.06 ]
隨機震盪指標的計算
隨機震盪指標透過結合最高價和最低價，以一種修改的方式正規化市場價格。其公式如下： [ \text{Stochastic value}i = \frac{\text{Close}i - \text{Low}{i-n:i}}{\text{High}{i-n:i} - \text{Low}_{i-n:i}} ]
這個公式表示，當前的隨機震盪指標值是當前收盤價與過去n期最低價之間的差值，除以同一時期內最高價與最低價之間的差值。
建立預設的隨機震盪指標
要建立預設的隨機震盪指標，請遵循以下步驟：
- 使用隨機震盪指標的函式，以14期的回溯視窗正規化數值。
- 對第一步的結果進行3期移動平均。這就是隨機震盪指標。
- 計算訊號線，即對第二步的值再進行3期移動平均。這就是訊號線。
與RSI類別似，隨機震盪指標被限制在0到100之間，並且有低於20的超賣區和高於80的超買區。由於其公式特性，它比RSI更具波動性，並且往往更快地在兩個極端之間移動。
結合瓶型態與隨機震盪指標的交易策略
該策略的交易條件如下：
- 當出現看漲的瓶型態，且隨機震盪指標高於其訊號線時，生成多頭訊號。
- 當出現看跌的瓶型態，且隨機震盪指標低於其訊號線時，生成空頭訊號。
程式碼實作
以下是如何編寫隨機震盪指標的程式碼範例：
def stochastic_oscillator(data, lookback, high, low, close, position, slowing=False, smoothing=False, slowing_period=1, smoothing_period=1):
data = add_column(data, 1)
for i in range(len(data)):
try:
data[i, position] = (data[i, close] - min(data[i-lookback+1:i+1, low])) / (max(data[i-lookback+1:i+1, high]) - min(data[i-lookback+1:i+1, low]))
except ValueError:
pass
data[:, position] = data[:, position] * 100
if slowing == True and smoothing == False:
data = ma(data, slowing_period, position, position + 1)
if smoothing == True and slowing == False:
data = ma(data, smoothing_period, position, position + 1)
if smoothing == True and slowing == True:
data = ma(data, slowing_period, position, position + 1)
data = ma(data, smoothing_period, position + 1, position + 2)
data = delete_row(data, lookback)
return data
程式碼解說：
此程式碼實作了隨機震盪指標的計算。首先，它為資料新增一列用於存放計算結果。然後，遍歷資料，對於每個資料點，使用給定的回溯期計算隨機震盪指標的值。如果啟用了減速或平滑選項，則對結果進行相應的移動平均處理。最後，刪除前lookback行資料，因為它們不包含完整的計算結果。
策略邏輯分析
此策略結合了瓶型態和隨機震盪指標，利用兩者的優勢來提高交易的準確性。瓶型態提供了一個視覺上的交易訊號，而隨機震盪指標則提供了一個動能上的確認。這種結合使用的方法可以幫助交易者在趨勢跟隨策略中獲得更好的交易機會。