既然題目定的是一輩子專職程式交易，則內容就不會涵蓋（如何）獲利的問題，
而全部都是關於風險的問題，沒興趣人的看到這裡，
若覺得沒幫助，可以先選擇離開，沒關係
以下就列出一輩子專職程式交易不可不知的幾個問題：
1.一輩子交易在可能的範圍內，會遇到的最大回檔點數值的極限是多少點？
2.當一輩子最大回檔極限發生時，會耗時幾個月？
3.當一輩子最大回檔極限發生時，總資金由最高點會回縮幾個百分點？
4.模型在市場的損益機率分布是否高度背離原本的設計時的損益機率分布（模型健康檢查）？
5.多模型資產的投資組合是否具有效率，可否有效率的降低風險？
1.一輩子交易在可能的範圍內，會遇到的最大回檔點數值的極限是多少點？
當然，若只是單純說可能的回檔極限其實是無止禁的（根據抽樣分布原理），
但若在條件上加上一輩子投資的年數（50~100年）與顯著信心水準（95%）這兩項的話，
則可以求出一個最大回檔點數值的極限，
而這個極限值絕對不是回測模擬時找到的任何值，
相反的，要找出這個值必須透過蒙地卡羅模擬（monte caro simulation），
或者是統計的抽樣分布（sampling distribution）理論來推論這個值
2.當一輩子最大回檔極限發生時，會耗時幾個月？
這個問題跟第一個問題是一體兩面的，由第一個問題的方法即可找到此問題的答案，
知道最大回檔幾個月，能協助分配生活資金，此生活所需資金跟投資資金是分開的，
也就是在完全不動用投資資金的前提下，理論要準備的生活所需資金要足夠幾個月的開銷
3.當一輩子最大回檔極限發生時，總資金由最高點會回縮幾個百分點？
當找到第一個問題的答案後，搭配資金管理的模式下，
即可得知當遇到一輩子交易最大回檔點數值時，總資金由最高點會回縮幾個百分點，
而資金回縮百分比是否市自己能接受的，若不能則須再調整資金管理模式的參數，
若有投資組合時，可假設當所有資產模型都不幸同時共振回檔時的配置比重加權平均回縮值
4.模型在市場的損益機率分布是否高度背離原本的設計時的損益機率分布（模型健康檢查）？
程式交易執行困難的一個環節是用模型不疑，
交易市場本來就具有一定的機率偏移性，
若只是因為害怕回檔而縮手，是不明智的（當然這都建立在一開始就使用良好的資金管理的前提下）；
而程式模型在設計時也可能只是剛好只是curve fitting的情況，
若這樣的情況下，堅信的執行程式模型，恐會演變為愚忠的情節，
需要有一套模型健康檢查的程序，當然程式不是人，是不會生病的，
所以檢查要確保的是模型在市場的損益機率分布是否高度背離原本的設計時的損益機率分布，
設計這個模型健康檢查程序可以藉由統計的配合度檢定（goodness of fit），
每個月執行一次檢查程序，即可達到用程式不疑的正當性
5.多模型資產的投資組合是否具有效率，可否有效率的降低風險？
了解最大回檔點數的極限是重要的，但若要再進一步降低風險，
則須再藉由投資組合來強化，投資組合內的資產模型是否具有效率，
需看模型資產的相關係數（correlation coefficient），
而模型資產的配置比例是否具有效率，
則需看該配置比例是否落於efficient portfolio frontier裡，
既然是一輩子的專職程式交易，要挑戰的就是：
每年都獲利，進而每季都獲利，再進一步每月都獲利，
而這個挑戰，沒有投資組合來幫忙是不行的
以上是小弟的拙見，獻醜了，
欲表達的已全部寫完，且既然是量化性程式交易，文內就不包含任何玄學／虛幻的字眼，
且都已列有關鍵字，有興趣的再自行琢磨研究即可，
在此篇裡小弟將不再對任何問題回覆或討論，以免滋生困擾
(zt)
而全部都是關於風險的問題，沒興趣人的看到這裡，
若覺得沒幫助，可以先選擇離開，沒關係
以下就列出一輩子專職程式交易不可不知的幾個問題：
1.一輩子交易在可能的範圍內，會遇到的最大回檔點數值的極限是多少點？
2.當一輩子最大回檔極限發生時，會耗時幾個月？
3.當一輩子最大回檔極限發生時，總資金由最高點會回縮幾個百分點？
4.模型在市場的損益機率分布是否高度背離原本的設計時的損益機率分布（模型健康檢查）？
5.多模型資產的投資組合是否具有效率，可否有效率的降低風險？
1.一輩子交易在可能的範圍內，會遇到的最大回檔點數值的極限是多少點？
當然，若只是單純說可能的回檔極限其實是無止禁的（根據抽樣分布原理），
但若在條件上加上一輩子投資的年數（50~100年）與顯著信心水準（95%）這兩項的話，
則可以求出一個最大回檔點數值的極限，
而這個極限值絕對不是回測模擬時找到的任何值，
相反的，要找出這個值必須透過蒙地卡羅模擬（monte caro simulation），
或者是統計的抽樣分布（sampling distribution）理論來推論這個值
2.當一輩子最大回檔極限發生時，會耗時幾個月？
這個問題跟第一個問題是一體兩面的，由第一個問題的方法即可找到此問題的答案，
知道最大回檔幾個月，能協助分配生活資金，此生活所需資金跟投資資金是分開的，
也就是在完全不動用投資資金的前提下，理論要準備的生活所需資金要足夠幾個月的開銷
3.當一輩子最大回檔極限發生時，總資金由最高點會回縮幾個百分點？
當找到第一個問題的答案後，搭配資金管理的模式下，
即可得知當遇到一輩子交易最大回檔點數值時，總資金由最高點會回縮幾個百分點，
而資金回縮百分比是否市自己能接受的，若不能則須再調整資金管理模式的參數，
若有投資組合時，可假設當所有資產模型都不幸同時共振回檔時的配置比重加權平均回縮值
4.模型在市場的損益機率分布是否高度背離原本的設計時的損益機率分布（模型健康檢查）？
程式交易執行困難的一個環節是用模型不疑，
交易市場本來就具有一定的機率偏移性，
若只是因為害怕回檔而縮手，是不明智的（當然這都建立在一開始就使用良好的資金管理的前提下）；
而程式模型在設計時也可能只是剛好只是curve fitting的情況，
若這樣的情況下，堅信的執行程式模型，恐會演變為愚忠的情節，
需要有一套模型健康檢查的程序，當然程式不是人，是不會生病的，
所以檢查要確保的是模型在市場的損益機率分布是否高度背離原本的設計時的損益機率分布，
設計這個模型健康檢查程序可以藉由統計的配合度檢定（goodness of fit），
每個月執行一次檢查程序，即可達到用程式不疑的正當性
5.多模型資產的投資組合是否具有效率，可否有效率的降低風險？
了解最大回檔點數的極限是重要的，但若要再進一步降低風險，
則須再藉由投資組合來強化，投資組合內的資產模型是否具有效率，
需看模型資產的相關係數（correlation coefficient），
而模型資產的配置比例是否具有效率，
則需看該配置比例是否落於efficient portfolio frontier裡，
既然是一輩子的專職程式交易，要挑戰的就是：
每年都獲利，進而每季都獲利，再進一步每月都獲利，
而這個挑戰，沒有投資組合來幫忙是不行的
以上是小弟的拙見，獻醜了，
欲表達的已全部寫完，且既然是量化性程式交易，文內就不包含任何玄學／虛幻的字眼，
且都已列有關鍵字，有興趣的再自行琢磨研究即可，
在此篇裡小弟將不再對任何問題回覆或討論，以免滋生困擾
(zt)
