bmpidev2019 最近的时间轴更新
bmpidev2019's repos on GitHub
2095 人关注
awesome-seo
Google SEO Research and Web Traffic Monetization
Markdown · 33 人关注
bmpi.dev
vercel for bmpi.dev
3 人关注
bloghub
Discover interesting souls 一群自由而有趣的灵魂,终将在此相遇
JavaScript · 3 人关注
chinese-independent-blogs
中文独立博客列表
2 人关注
architect-awesome
后端架构师技术图谱
Java · 1 人关注
ddd_parklot
Emacs Lisp · 0 人关注
.emacs.d
desc
Common Lisp · 0 人关注
.lem
Lem configuration files
Elixir · 0 人关注
advent-of-code-elixir
0 人关注
alfred-workflows
:metal: A collection of Alfred 2 workflows that will rock your world
0 人关注
aosabook
The Architecture of Open Source Applications
0 人关注
appsec101-vba
0 人关注
appsec101-vfa
0 人关注
Armstrong
Vue · 0 人关注
awesome-fenix
讨论如何构筑一套可靠的分布式大型软件系统
0 人关注
awesome-logseq
Awesome Logseq resources created by the community <3
0 人关注
Best-App
收集&推荐优秀的 Apps/硬件/技巧/周边等
Python · 0 人关注
booksbot
A crawler for http://books.toscrape.com
CoffeeScript · 0 人关注
codecombat
Multiplayer programming game for learning how to code.
Python · 0 人关注
CodeShare
A simple code share site By Tornado Runing SAE.
0 人关注
CS-Notes
:books: 面试必备基础知识
0 人关注
ddd
a ddd demo
0 人关注
ddd-sample
An SVN import of the Domain Driven Design (DDD) example project hosted on http://dddsample.sourceforge.net/
Python · 0 人关注
django-oauth-toolkit
OAuth2 goodies for the Djangonauts!
0 人关注
dlion
Shell · 0 人关注
Dropbox-Uploader
Dropbox Uploader is a BASH script which can be used to upload, download, list or delete files from Dropbox, an online file sharing, synchronization and backup service.
0 人关注
ebook-backend
This project includes several sub-projects, here we can see there are ebook file converting, cloud storage synchronization, version control service integrated and so on.
0 人关注
ECMobile_Android
基于ECShop的手机商城客户端
0 人关注
ECMobile_PHP
ECMobile API
bmpidev2019

bmpidev2019

V2EX 第 552209 号会员,加入于 2021-07-31 20:17:54 +08:00
今日活跃度排名 5919
做了一个支持多策略的全球市场投资交易提醒工具
  •  8   
    分享创造  •  bmpidev2019  •  1 小时 20 分钟前  •  最后回复来自 bmpidev2019
    77
    我的 2023,年度关键词: AI + 出海
    分享发现  •  bmpidev2019  •  48 天前  •  最后回复来自 bigpigB
    34
    ChatGPT 背后的语言模型简史
    分享发现  •  bmpidev2019  •  345 天前  •  最后回复来自 evil0harry
    8
    ChatGPT 应用开发小记
    分享发现  •  bmpidev2019  •  2023-04-19 15:31:31 PM  •  最后回复来自 Akalusi
    8
    我的 AI 阅读助手
    分享创造  •  bmpidev2019  •  2023-04-03 12:50:48 PM  •  最后回复来自 bmpidev2019
    9
    基于 chatGPT 的文章阅读助手 # myGPTReader
    分享创造  •  bmpidev2019  •  2023-03-25 12:06:14 PM  •  最后回复来自 m4d3bug
    43
    SQLite 的文艺复兴
  •  3   
    分享创造  •  bmpidev2019  •  2023-02-01 15:47:16 PM  •  最后回复来自 cxt890604
    27
    AI 降临
    OpenAI  •  bmpidev2019  •  2022-12-06 23:29:25 PM  •  最后回复来自 hs0000t
    1
    善用 GitHub
  •  1   
    分享发现  •  bmpidev2019  •  2022-11-18 09:14:47 AM  •  最后回复来自 weivi
    15
    bmpidev2019 最近回复了
    1 小时 20 分钟前
    回复了 bmpidev2019 创建的主题 分享创造 做了一个支持多策略的全球市场投资交易提醒工具
    @bmpidev2019 主要是感觉期权的价格浮动非常夸张,经常两天价格变动 50%以上,本来很便宜的期权可能立马变得很贵,这估计是期权本身内在价值受外部影响因素过多导致的
    1 小时 22 分钟前
    回复了 bmpidev2019 创建的主题 分享创造 做了一个支持多策略的全球市场投资交易提醒工具
    @Sawyerhou 昨晚又算了下,的确不便宜,要降低头寸亏损,比如 10%下跌时开始保护,期权成本都占总仓位的 4%了,相当于就算头寸不涨也得亏 4%,这还是两个月到期的,远期的更贵一些
    18 小时 22 分钟前
    回复了 bmpidev2019 创建的主题 分享创造 做了一个支持多策略的全球市场投资交易提醒工具
    @Sawyerhou 测算了下,纳指 100 的期权不贵,保五万的多头仓位,只需要 700 多,按三倍杠杆的组合波动,一晚上都 1000-2000 刀没了,所以感觉挺划算。
    22 小时 36 分钟前
    回复了 bmpidev2019 创建的主题 分享创造 做了一个支持多策略的全球市场投资交易提醒工具
    想到一种用期权来降低风险的策略,这种在币圈应该是基操,不过我没操作过期权。目前美股 1 号是一个全仓三倍做多的杠杆 ETF 组合,这种组合虽然有策略来止损退出,但是因为波动性过大,止损有效时组合已经产生较大的回撤,那可以使用期权来保护,比如买入纳斯达克 100 的 Put 期权,大致测算的过程如下:

    以下对话来自 ChatGPT:

    美股 3 号是一个满仓 TQQQ 的组合,组合持仓金额达 10 万美元,目前的报价为 53.71 美元,我们买入 QQQ 240517 379.78 Put 的期权( 1 份目前价值 0.91 美元),这名字里有行权价和到期日,分别测算最近 1 个月纳斯达克涨 10%与跌 10%,及没有大的涨跌的情况下,这个组合的收益大概怎么变化(与无期权的策略对比)

    ---

    让我们来详细分析和计算您提到的美股 3 号组合在不同市场情况下的潜在收益变化。这个组合完全投资于 TQQQ ,总值为$100,000 ,同时您考虑购买 QQQ 的看跌期权来对冲风险。

    ### 初始设定
    - **TQQQ 持仓金额**:$100,000
    - **TQQQ 单价**:$53.71
    - **TQQQ 持股数**:$100,000 / $53.71 ≈ 1862 股
    - **QQQ 看跌期权**:行权价$379.78 ,价格$0.91/股,到期日 2024 年 5 月 17 日
    - **期权合约每份覆盖**:100 股 QQQ
    - **期权合约购买数量**:需覆盖相当于 TQQQ 持仓的份额,由于 TQQQ 是 QQQ 的三倍杠杆,考虑覆盖相当于$100,000 三倍,即$300,000 的市值。假设 QQQ 价格与纳斯达克 100 指数相近,大约为$400 ,则需要的 QQQ 股数约为$300,000 / $400 = 750 股。因此需要购买大约 8 份期权合约( 750 / 100 )。

    ### 成本计算
    - **期权总成本**:8 份 x $0.91 x 100 股 = $728

    ### 纳斯达克涨跌 10%情况分析
    我们先假设 QQQ 价格大约为$400 ,以简化计算。以下为市场涨跌 10%的影响:

    #### 1. 纳斯达克上涨 10%
    - **QQQ 新价格**:$400 * 1.10 = $440
    - **TQQQ 新价格**:因为是三倍杠杆,TQQQ 大约涨 30%。
    - **新的 TQQQ 价值**:$100,000 * 1.30 = $130,000
    - **期权到期无值**,损失$728 。

    #### 2. 纳斯达克下跌 10%
    - **QQQ 新价格**:$400 * 0.90 = $360
    - **TQQQ 新价格**:因为是三倍杠杆,TQQQ 大约跌 30%。
    - **新的 TQQQ 价值**:$100,000 * 0.70 = $70,000
    - **期权内在价值**:行权价$379.78 ,QQQ 价格$360 ,每股内在价值$379.78 - $360 = $19.78 。
    - **期权总价值**:$19.78 * 100 股 * 8 份 = $15,824
    - **净收益**:$15,824 - $728 = $15,096

    #### 3. 没有大的涨跌
    - **TQQQ 价值**:基本保持$100,000
    - **期权损失**:$728 (时间价值的逐渐流失)

    ### 总结
    - **纳斯达克上涨 10%**:
    - **无期权策略**:$130,000 (净增$30,000 )
    - **有期权策略**:$130,000 - $728 = $129,272 (净增$29,272 )
    - **纳斯达克下跌 10%**:
    - **无期权策略**:$70,000 (净损$30,000 )
    - **有期权策略**:$70,000 + $15,096 = $85,096 (净损$14,904 )
    - **市场平稳**:
    - **无期权策略**:$100,000 (无变化)
    - **有期权策略**:$100,000 - $728 = $99,272 (净损$728 )

    通过这种详细的分析,我们可以看到在不

    同市场环境下,使用看跌期权来对冲风险确实可以减少损失,尤其在市场下行时。然而,在市场上行或稳定时,期权的成本会略微减少总体的投资收益。这种策略提供了一种权衡,旨在保护极端市场下跌带来的风险,但需付出一定的代价。

    ---

    想请教下做过期权的大佬,这种测算在真实市场中有啥没有考虑到的?因为看起来加入期权后,这种组合既有保底又又很强的进攻性,看起来非常完美,但是总感觉没那么简单🤔
    @lefer 填写首页的问卷调查就能获得试用资格,还有对于这个工具是不适合我的问题,我整理了大约 20 多个 FAQ 的问题到这两个页面,关注的朋友可以阅读下:

    - https://www.myinvestpilot.com/strategy
    - https://www.myinvestpilot.com/portfolios
    @standchan 缅 A 还行啊,A 股 2 号年复合 16%的收益还行,毕竟无风险利率都干到 2 个点了
    @winglight2016 策略优化很难避免拟合,只能降低,真正拟合的参数没有用,不然表现比现在的组合还要炸裂。
    @reechangs 美股 4 号就是定投策略。自动化交易并不适合普通交易者,目前还没有这个规划。
    @Inn0Vat10n 我还没试过你说的方式,不过目前这个产品并不是一个为专业投资者打造的工具,所以策略尽可能简单操作少。
    @Livid 我用 coinapi 获取到的日内数据,你可以自己试试这个策略的回测看看最终效果
    @Livid 搞到 15m 和 1h 的 BTC 日内数据了,2021 年到现在,大概几十 MB ,我测试了下你的策略效果都是负的。

    https://imgur.com/a/dOfRibG

    无论设置到 2021 年开始,还是 2022 年牛市开始,这种高频策略最终的收益都是亏损的。策略代码如下:

    ```python
    class RsiStrategy(bt.Strategy):
    params = (
    ('rsi_period', 14),
    ('rsi_overbought', 70),
    ('rsi_oversold', 30),
    )

    def __init__(self):
    # 为两个不同的时间框架数据分别计算 RSI
    self.rsi_15m = bt.indicators.RSI(self.datas[0].close, period=self.params.rsi_period)
    self.rsi_1h = bt.indicators.RSI(self.datas[1].close, period=self.params.rsi_period)

    def next(self):
    # 获取当前时间戳
    timestamp = self.datas[0].datetime.datetime(0)

    # 买入条件:当 15 分钟和 1 小时的 RSI 都低于 30 时
    if not self.position:
    if self.rsi_15m[0] < self.params.rsi_oversold and self.rsi_1h[0] < self.params.rsi_oversold:
    self.buy(data=self.datas[0]) # 使用 15 分钟数据源的价格买入
    logging.info(f"{timestamp} BUY EXECUTED, Price: {self.datas[0].close[0]}, RSI 15m: {self.rsi_15m[0]}, RSI 1h: {self.rsi_1h[0]}")

    # 卖出条件:当 15 分钟和 1 小时的 RSI 都高于 70 时
    elif self.rsi_15m[0] > self.params.rsi_overbought and self.rsi_1h[0] > self.params.rsi_overbought:
    self.close(data=self.datas[0]) # 使用 15 分钟数据源的价格卖出
    logging.info(f"{timestamp} SELL EXECUTED, Price: {self.datas[0].close[0]}, RSI 15m: {self.rsi_15m[0]}, RSI 1h: {self.rsi_1h[0]}")
    ```
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   5719 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 02:09 · PVG 10:09 · LAX 19:09 · JFK 22:09
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.