有用的策略為什麼不自己賺？
➢那是因為我的目的不在賺錢，人生有許多更有意義的事要做。
被說出來的策略還有用嗎？
➢有用的。如果市場夠大，說出來也沒關係。價值型投資法、多角化投資法、長期投資法，這些投資方法簡單又有用，完全不怕被人知道。Ｈ模型也是。
投資策略總是模稜兩可，不知如何執行？
➢不確定和風險是兩回事。完全不能估計是不確定，有機率可遵循是風險。高風險高報酬、低風險低報酬，操作完全有公式可遵循。
數學不好，不懂投資怎麼辦？
➢要學。本書盡力求通俗，讀者有任何困難歡迎到作者的ＦＢ粉絲專頁「程式交易Alex Huang」發問。
「吾未聞枉己而正人者也，況辱己以正天下者乎？」不能面對自己，就沒有辦法做好事情。只有透過數學與邏輯，才能忠實面對自己與環境的關係，訴諸各種花俏的投資心法，不能量化統計，就是逃避卸責之道。
程式交易的殿堂無比深遂，期望能以本書協助讀者正確地踩入第一步，並展示切實獲利的方法，照亮前方的康莊大道。
作者
黃正傳
CFA
台大機械工程系
台大國企所財務工程組
證券分析人員（分析師）
美國特許財務分析師（ＣＦＡ）
具財務與理工知識，希望藉由本書可以搭起兩個領域的橋樑。
Facebook粉絲專頁─「程式交易Alex Huang」www.facebook.com/AlgorithmTrading/
目錄
前言
01期貨市場
期貨就是「未來的買賣契約」
現貨價格才是對期貨最重要的資訊
什麼是槓桿倍數？
期貨是最安全的金融商品
02量指標
價、量、時的分析
杜金龍先生的量、價、時分析
計算均價與均量
畫量價時序圖
帶有平滑線的XY散佈圖
調整資料長度
變更座標軸高低點
歪腰郵筒
量指標
搜尋並使用Excel內建函數
期貨漲跌與多空（有陷阱）
交易口數與交易成本
一倍槓桿操作
資金、槓桿與口數
小心陷阱
不能看同時指標，只能看先行指標
槓桿倍數的利與弊
期貨做多策略與結算日
把公式複製到資料起始位置
建立結算日的資料
結算日前後的期貨漲跌
一路做多策略的真實績效
以量指標操作期貨
合併多空方向與口數
結算日與期貨操作
善用槓桿（水能載舟，亦能覆舟）
設定槓桿為變數
運算列表
健全的做法只使用一半槓桿
解析均量函數與參數
將計算均量的參數設為變數
加入IF函式排除資料不足的問題
修正運算列表，分析均量參數
03價差指標
誰在吃我豆腐？
茫然的經驗
期貨與現貨之間
價差對指數現貨沒有預測能力
計算價差
以價差為指標操作「指數」
價差與月報酬率
篩出結算日資料
繪出價差與「指數」月報酬率的關係
太好了，價差沒有預測能力
股市和經濟，就像主人與狗？
期貨與股市才是主人與狗的關係
繪出價差與「期貨」月報酬率的關係
以價差指標操作期貨
多說無益，自己看
交易成本僅是九牛一毛
循環參照
年複合報酬率
以價差指標操作期貨的驚人績效
資金的歷史成長軌跡
對數縱座標
04投資組合
降低風險，還能提高獲利
運算列表分析投資組合
投資組合與槓桿倍數
非正期望值不應納入投資組合
不求大勝，而求連勝
固定口數可視為極低槓桿倍數
量指標與價差指標的投資組合
設定量指標與價差指標的權重
一倍槓桿，不同權重
提升槓桿倍數
再怎麼好的策略，槓桿都有極限
面對CFAInstitute的質疑
年度績效分析
計算各年度損益的總和
不同權重在各年度的績效
使用公式設定格式化的條件
計算不同權重的年績效平均值與標準差
使用公式來決定要格式化哪些儲存格
05Ｈ指標
價格發現的錯誤
「遠離家園」與巴菲特
投機者創造了流動性
「商品期貨」具有價格發現的功能
「金融期貨」沒有價格發現的功能
市場接受新觀念需要時間
H指標
摻在一起做Ｈ指標
＄L＄1指標再進化
科學與藝術
微調H指標
瀨尿牛丸中間的洞
多重格式化條件
過度配適
變數太多，效果不會更好
一次函數趨勢線
多項式函數趨勢線
資料量夠才能增加變數
H指標無過度配適問題
歲歲月月年年
分成年度與月份加總
關於除權息
06Ｈ模型
H模型與漲跌的關係
少數特例扭轉統計值
小樣本分析
反價差操作可擴大獲利，並降低損失
H模型的每日獲利期望值約10點
混淆矩陣（ConfusionMatrix）
什麼是混淆矩陣？
條件機率
H模型的混淆矩陣
真陽性率與偽陽性率
停損的偽陽率是0，但真陽性率也是0
H模型的資訊熵
熱力熵
馬克士威的精靈
資訊熵
H模型的資訊熵
凱利方程式
凱利方程式的假設
證明凱利方程式
股市凱利方程式
夏普指標
計算單日報酬率
計算夏普指標
H指標的最佳參數
停損是錯的
計算最大回檔率（MDD）
MDD圖形
統計最大回檔率
用MDD停損，錯的
以MDD區分樣本的標準差（Hard）
結論
用槓桿倍數才能控制風險
A後記
序／導讀
前言
H 模型一共就兩個指標，再加一個原理。
► 兩個指標：
• 量指標
• 價差指標
► 一個原理：
• 槓桿原理
其中最重要的就是槓桿原理，而兩個指標中，價差指標又比量指標重要。
但是當初我發現與研究的過程卻是倒過來的。我先從杜金龍先生的「技術指標在台灣股市應用的訣竅」中，琢磨出了量指標，接著再根據自己實際操作的心得，加入了價差指標。
雖然有好的策略，卻不保證能賺錢，所謂「水能載舟，亦能覆舟」，適當地提高槓桿倍數，可以增加獲利的能力，但是過度使用槓桿卻會破壞了一個好的策略，讓原本可以賺錢的機會，變成賠錢。更可怕的是會讓人入了魔道，幾乎可以說所有失敗的投資都是因為槓桿控制不當，書裡我會反覆強調並做深入的解釋。
我在2003 年研發出H 模型，它簡單清楚，理論完整，每天收盤前察看一下數字，按按計算機就可以操作了。下圖為歷史累積獲利，請注意單位為點數，也就是大台每點200 元，累積2 萬多點的獲利，就表示400 多萬新台幣的利潤。
而且這是從頭到尾以1 口操作所得到的績效，但是沒有道理在累積了相當的獲利之後，卻仍然保持1 口操作。如果我們按照槓桿倍數1，也就是累積的獲利點數超過目前的期貨點數，就再加碼1 口，那麼獲利的速度將呈倍數成長，在不計入交易成本的情況之下，會得到如下圖的資產成長。
所謂槓桿倍數1 指的就是：有足額的自有資金才進入市場操作1口。舉例來說，目前(2019/7/3) 的期貨價約10,650 點，台灣指數期貨的契約規格為1 點200 元，也就是說有213 萬的自有資金，才入市操作1口，每獲利超過10,650 點( 假設期貨價位不變)，才增加1 口操作，就能達到如上圖的績效。
但熟悉期貨市場的人，都知道只要有足夠的保證金就可以進場操作，如果提高槓桿倍數會有什麼效果呢？我就不在這裡告訴你答案，免得你誤以為這是詐騙。
目前期交所規定的保證金才10 萬7 千元，那麼有213 萬就代表可以操作19 口( 只要再多1萬就可以操作20 口)，是這樣嗎？
絕對不是。絕對不要這樣做。這很重要。我自己就是痛定思痛以後，才真正懂得槓桿原理。整本書中最重要的就是這個道理，請你務必要仔細了解。
我在2014 年舉家從台北搬回台南照顧兩老。我很高興有搬回來，才不會在父親走的時候留下遺憾，也沒有讓媽媽獨自承擔。
但是人在南部太寂寞了，所以我建立了一個Facebook 的粉絲專頁來聚集同好─「程式交易Alex Huang」(https://www.facebook.com/ AlgorithmTrading/)。我本來也沒什麼高尚的理想，但分享的過程裡，逐漸發現：很多朋友專精的領域並不在此，結果居然被人當成羔羊宰割。
想想TRF 事件好了：TRF（Target Redemption Forward， 目標可贖回遠期契約）是一種以人民幣匯率走勢進行押注的「衍生性金融商品」，銀行為了分散本身持有過多人民幣商品的風險，用各種話術牽引投資人持有這個高風險商品，後來人民幣匯率暴跌，造成持有人的鉅額損失，受害的多半是中小企業，而且數量高達3,700 家，虧損金額超過台幣2 千億元！
所以2015 年起我開始把自己操作十幾年的模型分享出來，並給它取了一個名字：H 模型。那當然是因為我姓黃(Huang) 啦！如果你夠勤勞，到我的粉絲頁上把2015 年的文章找出來，就會看到我是如何手把手地把建構模型的流程寫在上面。
投資界有個傳統的問題是：如果方法有效，為什麼要告訴我？如果賺得到錢，為什麼要出來上課？這是從對立的立場來想問題。像球場上兩隊若爭輸贏，則必有勝負，若雙方認為是一起play a good game，那無論輸贏都是一件快樂的事。
有人會擔心：一個公開的賺錢策略，還有可能繼續賺錢嗎？這我也不敢跟你保證，未來的事誰會知道，但至少到目前為止的表現都很亮眼。最主要的原因是：H 模型不是當沖模型，台指期每天交易留倉都有10 萬口左右，市場規模夠大，倘若只是因為我的分享就能造成它失效，我想是一件值得我驕傲的事。
至於想要寫書的緣起就確實是有些目的了。因為我發現H 模型的流傳漸廣，有人拿它當課堂範例，有人把它包在策略組合當中販售，有人拿我的資料傳述，甚至有人寫成論文…我都沒有意見，既然分享了，就不用去在乎別人怎麼利用。
但它畢竟是我的心血結晶，我想要人家知道它是我開創的。我不強調誰先誰後，畢竟市場分析與投資原理有很多研究者閉門造車，沒有人可以獨佔某個觀念或策略，但我是獨立開創，我想要人家知道這一點。
同時，如果片面地去了解H 模型，會可惜了它本來應該發揮的獲利能力，尤其是如果以錯誤的方式進行( 主要就是槓桿倍數太高)，甚至會造成虧損，我不想背負這個罵名。
我本身兼具財務與理工知識，這本書希望可以搭起兩個領域的橋樑。
學理工的人很不願意接受風險的概念。這也難怪，誰會想住一棟有可能倒塌的大樓，或是坐一架可能墜落的飛機。但投資就是有風險，重點是它的報酬率值不值得去承擔風險，有沒有辦法在承擔同樣風險的情況下增加報酬率，或是在維持相同報酬率的情況下降低風險。
學財務的人聽到這裡馬上就明白：這是這是Markowitz 現代投資組合理論。可是學財務的人往往不具備足夠的數理邏輯知識，不明白自己所面對的風險其實遠大於他所認知的風險，實際得到的報酬率卻遠小於期望的報酬率。
現在就請你開始享受這段「很少人懂，懂的人也不願意說」的知識之旅吧！
