Author Archives: 發財橘子

膽小鬼因應當前局勢的資產配置

最近國際狀況實在有夠多,川大一路戰,金三胖,席大大, 伊朗,連自己人的歐盟都戰,川大的小弟日韓也開戰,這種情勢下,作空也怕,作多也怕,吃這個也癢,吃那個也癢,這種時候跟人家討論資產配置,根本是豬八戒照鏡子。作為一個學習把一部份資產,配置在美國ETF上的投資人,我有我自己的想法,今天來跟大家討論我這套避險重於獲利的膽小鬼想法。

 

當年局勢混沌不明時,我師父都會叫我把投資組合調整一下,調整的原則有兩個

一,挑那些你看得很清楚,情勢再變都會是向上趨勢的

二,挑那些萬一情況不好,反而會受益的

基於第一個原則,我目前看的比較清楚的,覺得大環境再怎麼不好,產業前景還是往上的,是醫療設備及器材業,以及風力發電業,基於第二個原則,我覺得情勢不好時會受益的是黃金及航太國防產業,而如果景氣不好,利率持續往下,投資等級公司債目前年報酬率還有4%多,我覺得還可以接受。

基於上述的考量,所以我這膽小鬼的投資組合如下

過去一年,這樣的組合績效還比美國股市好

長期持有,其實年化報酬率及風險也都可以的

 

回溯過去兩年,算是最壞情況也沒有多慘的組合

仔細看組合裡,有些商品彼此竟然有負相關

這樣的組合,我用來度過這段消息面爆炸的不確定時期,如果有更多明確的趨勢,我會再來調整組合

大家也可以上Moneydj上的自主理財平台

自己試著搭配自己認為最佳的投資組合

自主理財平台是免費的,只要是moenydj的會員就可以使用

也請大家參加人人都是巴菲特專案,透過指定券商開戶下單投資ETF,可以免費使用XQ操盤高手的美股版喔

人人都是巴菲特專案說明

依成交量分佈情況而設計的預估量演算法

由於預估量對當沖操作者很重要,一直有使用者來信詢問我們系統內建預估量的計算方法,也有不少熱心的使用者建議了一些演算方式。我們目前系統內建的演算法是依過往每分鐘成交量分佈比重,然後從當天的累計量去估算預估量,這樣的作法大家意見不大,但對於要拿多少天的歷史資料去估算成交量分佈情況,大家的意見差很多,我們公司的高手高高手,索性公開預估量的計算腳本,並且把成交量分佈比重究竟要拿多少天的歷史資料去估算,設成參數讓使用者自行來設計,這樣一來,大家就可以很容易的透過調整參數的方式,找到自己認為最貼近事實的估計量

這個估計量的腳本如果作成指標,其腳本如下

//
// 參數: 統計天期(N)
// 繪製: 當日估計成交量
//
// 支援任何頻率(分鐘/日)
//
// 計算方式: 依照過去N日, 每日1分鐘累計成交均量(統計天期平均), 算出每分鐘累計成交量的分佈比例, 
// 然後依照目前的累計日成交量以及分佈比例, 推算當日收盤估計成交量
//

input: length(5, "統計天數");

variable: BARPERDAY(270); // 1分鐘bar每一天270筆

array: arr_minvolume[](0); // (過去N日)每日每分鐘累計: 共length * 270筆
array: arr_minvolume_percent[270](0); // (平均)每分鐘累計成交量比例: 共270筆
array: arr_avg_minvolume[270](0); // (平均)每分鐘累計成交量: 共270筆

variable: _i(0), _j(0), _k(0);
variable: _totaldays(0);
variable: _lastdate(0);

Array_SetMaxIndex(arr_minvolume, length * 270);

{
print(text(
"currentbar=", numtostr(currentbar, 0), 
",date=", numtostr(date, 0), 
",time=", numtostr(time, 0),
",lastdate=", numtostr(_lastdate, 0),
",totaldays=", numtostr(_totaldays, 0)
));
}

if _lastdate = 0 then begin
// 跳過第一個不滿一天的資料
if barfreq = "Min" and time = 090000 then
_lastdate = date
else begin
// 日線的話則從20190101才開始算
if date >= 20190101 then
_lastdate = date;
end; 
end;

if _lastdate <> 0 and date <> _lastdate then begin
_lastdate = date;
_totaldays = _totaldays + 1;
if _totaldays >= length then begin
// 計算過去N天的成交量分佈
//
// 因為我可能跑在不同頻率上, 所以要先算出過去N日'1分鐘'資料的起點跟終點
//
variable: _start(0), _end(0), _startdate(0), _accvolume(0);

_end = 1;
while getfield("time", "1")[_end] <> 132900 begin
_end = _end + 1;
end;

_start = _end + BARPERDAY * length - 1;

// _start = 統計日期第一日第一筆1分鐘資料的位置
// _end = 統計日期最後一日最後一筆1分鐘資料的位置
//

// arr_minvolume[]: 儲存過去N天, 每一分鐘的日累積成交量
// arr_minvolume[1] = 09:00, 
// arr_minvolume[2] = 09:01
// arr_minvolume[271] = 第二天09:00
// ..
_startdate = getfield("date", "1")[_start];
_accvolume = 0;
for _i = _start downto _end begin
if _startdate <> getfield("date", "1")[_i] then begin
// 換日
_accvolume = 0;
_startdate = getfield("date", "1")[_i];
end;
_accvolume += getfield("volume", "1")[_i];
arr_minvolume[_start - _i + 1] = _accvolume; // 當日累積volume
end;

// arr_avg_minvolume[]: 每一分鐘的日平均累積成交量
//
for _j = 1 to BARPERDAY begin
arr_avg_minvolume[_j] = 0;
for _i = 1 to length begin
arr_avg_minvolume[_j] += arr_minvolume[_j + (_i - 1) * BARPERDAY];
end; 
end;
for _j = 1 to BARPERDAY begin
arr_avg_minvolume[_j] = arr_avg_minvolume[_j] / length;
end;

// arr_minvolume_percent[]: 每一分鐘的日平均累積成交量%
//
for _j = 1 to BARPERDAY begin
arr_minvolume_percent[_j] = arr_avg_minvolume[_j] / arr_avg_minvolume[BARPERDAY];
end;

{
print(text(
"main-date=", numtostr(date, 0), ",",
"main-time=", numtostr(time, 0), ",",
"start=", numtostr(_start, 0), ",",
"end=", numtostr(_end, 0), ",",
"startdate=", numtostr(getfield("date", "1")[_start], 0), ",", numtostr(getfield("time", "1")[_start], 0), ",",
"enddate=", numtostr(getfield("date", "1")[_end], 0), ",", numtostr(getfield("time", "1")[_end], 0), ","
));

for _i = 1 to 270 begin
print(text(
numtostr(_i, 0), "=", 
numtostr(arr_minvolume_percent[_i] * 100, 2))); 
end; 
}
end;
end;

if _totaldays >= length then begin
// 如果已經有分佈資料了, 則計算估計成交量
//
variable: _estvolume(0);
variable: _timeindex(0);
variable: _time(0), _v(0);

// 算出目前時間應該是1~270的哪一筆
// 分鐘線的話就用bar的時間
// 日線的話, 如果是歷史日線, 就用收盤時間估算, 如果是最後一天(盤中日線), 用目前時間估算
//
if barfreq = "Min" then
_time = time
else begin
if date < currentdate then
_time = 132900
else 
_time = currenttime;
end;
_timeindex = floor(timediff(_time, 090000, "M")) + 1;
_timeindex = minlist(_timeindex, 270);
_timeindex = maxlist(1, _timeindex);

// 預估量 = 累計到目前的日成交量 / 這個時間點之前所佔的日成交量%
//
_v = GetField("volume", "D");
if arr_minvolume_percent[_timeindex] > 0 then
_estvolume = _v / arr_minvolume_percent[_timeindex]
else
_estvolume = 0;

plot1(_estvolume, "預估量");
end;





我也試著把這個預估量的腳本寫成函數

input: length(numericsimple);

variable: BARPERDAY(270); // 1分鐘bar每一天270筆

array: arr_minvolume[](0); // (過去N日)每日每分鐘累計: 共length * 270筆
array: arr_minvolume_percent[270](0); // (平均)每分鐘累計成交量比例: 共270筆
array: arr_avg_minvolume[270](0); // (平均)每分鐘累計成交量: 共270筆

variable: _i(0), _j(0), _k(0);
variable: _totaldays(0);
variable: _lastdate(0);

Array_SetMaxIndex(arr_minvolume, length * 270);

{
print(text(
"currentbar=", numtostr(currentbar, 0), 
",date=", numtostr(date, 0), 
",time=", numtostr(time, 0),
",lastdate=", numtostr(_lastdate, 0),
",totaldays=", numtostr(_totaldays, 0)
));
}

if _lastdate = 0 then begin
// 跳過第一個不滿一天的資料
if barfreq = "Min" and time = 090000 then
_lastdate = date
else begin
// 日線的話則從20190101才開始算
if date >= 20190101 then
_lastdate = date;
end; 
end;

if _lastdate <> 0 and date <> _lastdate then begin
_lastdate = date;
_totaldays = _totaldays + 1;
if _totaldays >= length then begin
// 計算過去N天的成交量分佈
//
// 因為我可能跑在不同頻率上, 所以要先算出過去N日'1分鐘'資料的起點跟終點
//
variable: _start(0), _end(0), _startdate(0), _accvolume(0);

_end = 1;
while getfield("time", "1")[_end] <> 132900 begin
_end = _end + 1;
end;

_start = _end + BARPERDAY * length - 1;

// _start = 統計日期第一日第一筆1分鐘資料的位置
// _end = 統計日期最後一日最後一筆1分鐘資料的位置
//

// arr_minvolume[]: 儲存過去N天, 每一分鐘的日累積成交量
// arr_minvolume[1] = 09:00, 
// arr_minvolume[2] = 09:01
// arr_minvolume[271] = 第二天09:00
// ..
_startdate = getfield("date", "1")[_start];
_accvolume = 0;
for _i = _start downto _end begin
if _startdate <> getfield("date", "1")[_i] then begin
// 換日
_accvolume = 0;
_startdate = getfield("date", "1")[_i];
end;
_accvolume += getfield("volume", "1")[_i];
arr_minvolume[_start - _i + 1] = _accvolume; // 當日累積volume
end;

// arr_avg_minvolume[]: 每一分鐘的日平均累積成交量
//
for _j = 1 to BARPERDAY begin
arr_avg_minvolume[_j] = 0;
for _i = 1 to length begin
arr_avg_minvolume[_j] += arr_minvolume[_j + (_i - 1) * BARPERDAY];
end; 
end;
for _j = 1 to BARPERDAY begin
arr_avg_minvolume[_j] = arr_avg_minvolume[_j] / length;
end;

// arr_minvolume_percent[]: 每一分鐘的日平均累積成交量%
//
for _j = 1 to BARPERDAY begin
arr_minvolume_percent[_j] = arr_avg_minvolume[_j] / arr_avg_minvolume[BARPERDAY];
end;

{
print(text(
"main-date=", numtostr(date, 0), ",",
"main-time=", numtostr(time, 0), ",",
"start=", numtostr(_start, 0), ",",
"end=", numtostr(_end, 0), ",",
"startdate=", numtostr(getfield("date", "1")[_start], 0), ",", numtostr(getfield("time", "1")[_start], 0), ",",
"enddate=", numtostr(getfield("date", "1")[_end], 0), ",", numtostr(getfield("time", "1")[_end], 0), ","
));

for _i = 1 to 270 begin
print(text(
numtostr(_i, 0), "=", 
numtostr(arr_minvolume_percent[_i] * 100, 2))); 
end; 
}
end;
end;

if _totaldays >= length then begin
// 如果已經有分佈資料了, 則計算估計成交量
//
variable: _estvolume(0);
variable: _timeindex(0);
variable: _time(0), _v(0);

// 算出目前時間應該是1~270的哪一筆
// 分鐘線的話就用bar的時間
// 日線的話, 如果是歷史日線, 就用收盤時間估算, 如果是最後一天(盤中日線), 用目前時間估算
//
if barfreq = "Min" then
_time = time
else begin
if date < currentdate then
_time = 132900
else 
_time = currenttime;
end;
_timeindex = floor(timediff(_time, 090000, "M")) + 1;
_timeindex = minlist(_timeindex, 270);
_timeindex = maxlist(1, _timeindex);

// 預估量 = 累計到目前的日成交量 / 這個時間點之前所佔的日成交量%
//
_v = GetField("volume", "D");
if arr_minvolume_percent[_timeindex] > 0 then
_estvolume = _v / arr_minvolume_percent[_timeindex]
else
_estvolume = 0;
destvolume=_estvolume;
end;










 

利用這個Destvolume的函數,我們就可以寫出預估量比五日均量增加N%的警示腳本

 

input:day(10,"預估量估算期間");
input:period(20,"均量計算期間");
input:ratio(80," 暴量比例");
if destvolume(day) crosses over average(volume,period)*(1+ratio/100)
and close>close[1]*1.01
then ret=1;

 

 

至於預估量的成交量分配要用過往幾天的值來估算,我個人偏向於不要太長,因為太長要計算的時間很久,而且跟目前的交易實況可能會有落差。

以上是預估量的計算腳本大公開

有不同想法的朋友也可以再提出來

大家的目標都是想要把預估量計算的愈來愈貼近實際量

 

 

 

什麼樣的投資組合可以做到年報酬率5%且能保本?

長期處於低利率時代,大家都在尋找可以比定存利率高,而且還能保本且穩定配息的投資商品,於是市場開始出現拿本金出來配息的基金,宣稱平均年報酬率超過9%的投資型保單。但當市場波動時,投資人才發現,保本是話術,高報酬率是期望,但現實總是不如人意。我試著用Moneydj的自主理財平台,想要配出年報酬率有5%,然後希望真的可以保本的投資組合,以下是我的實驗過程。

唯一讓股神 巴菲特 願意把所有財產交給他投資的人:指數基金之父:約翰.柏格 (John Bogle)  曾經建議投資人要嚴守投資三原則

1。分散風險

2。降低投資成本

3。長期持有

所以我想試著想要用投資成本較低的美股ETF,組建一個投資組合,然後長期持有

至於在分散風險的部份,橋水的老闆達里歐在原則這本書上有提到,搭配多種彼此沒有相關的商品,可以達到降低投資風險的效果,他甚至表示,發現這種現象就像是找到投資的聖杯。

 

我們可以從上面這張圖發現,當資產的數量愈多且彼此間的相關性愈低,這個投資組合的標準差愈低,也就是風險愈低。

考量到實務面的交易成本及定時定額的資金考量,不可能買太多檔的ETF,所以我試著想要找到五檔左右的ETF,然後彼此關程度儘量低,而且可以達到5%的年投資預期報酬率。

我做了一些實驗,今天先跟大家分享其中一組投資組合

在這個組合中有三檔股票型及兩檔債券型,股債比我是定為六比四,以下是它的模擬報酬率及標準差

年報酬率是5.59%,年化標準差是5.81%,意思是如果投資報酬率是常態分配,在68%的情況下,這個組合的報酬率會落在-0.22%到11.4%之間,也就是有將近七成的機率,這個組合是可以保本。

我們拿過去兩年的年化報酬率來看

的確是只有一個月的年化報酬率是負的,而且負的值很小

拿表現最好及最壞的月份跟股票指數相比,可以看到表現好的時候不會輸股票指數太多,但表現不好時,虧損就遠低於股票指數。

再來我們來看相關性

我們發現,除了SPLV 標普500低波動ETF與JXI全球公共建設ETF的相關係數超過七成之外,大家的相關係數都不高,符合了橋水的聖盃原則

 

上述的配置及分析圖表,我都是透過Moneydj的自主理財平台所作的

各位可以像我一樣,尊循柏格的分散風險,降低成本及長期持有三原則,然後依循達里歐發現的聖盃 :儘可能投資多樣化且彼此無相關的金融商品

然後試著找出有一定報酬,且很高機率可以保本的投資組合

自主理財平台是免費的,只要是moenydj的會員就可以使用

也請大家參加人人都是巴菲特專案,透過指定券商開戶下單投資ETF,可以免費使用XQ操盤高手的美股版喔

人人都是巴菲特專案說明

價量常用語法補充包

上次跟大家分享的選股常用語法大匯總,得到不少使用者的迴響,也提了一些希望可以加上去的常用語法,這些語法有價量型的,有技術指標類的,籌碼類的也不少,我今天就先跟大家分享價量類的。

大家希望加進去的價量類的腳本,我整理了一下,我寫得出來的,一共有21個,名稱如下圖

 

這些腳本的下載連結

下載後在選股中心點選匯入後即可以把這些腳本匯進來

這些腳本都是使用者覺得很常用到的,例如想要找出近幾日從最低點上漲超過一定幅度的股票時,就可以用N日自低檔上漲M%這個腳本

至於詳細的使用介面,在上一篇時有介紹,請參考

接下來會再陸續把關於籌碼面,技術指標類等等的使用者建議加上的常用腳本分享給大家

容我再整理一下

 

網路上學來的當沖方法

我先前有跟大家分享了我的當沖決策流程

前幾天跟網友聊天,網友分享了去上課學到的當沖流程,意外的跟我的作法有一部份相像,今天就來跟大家分享這個流程

一,尋找整理接近尾聲的標的

首先,這個方法不是挑已經突破且出現買進訊號的股票,而是挑整理快要結束的股票。

我用XQ操盤高手中的型態辨識功能,畫了四種自訂型態來挑這些整理接近尾聲的股票,分別是

上升後的平台整理

上漲後的拉回整理

打底快完成

多次到頂快突破

然後計算區間設為

30-40天

相關的畫面如下

接下來開始從每天符合條件的標的裡,挑有一定成交量的股票,存成自選股。

二,過濾出主力買超的股票

在網友分享的流程中,這第二個步驟跟我的概念有點像,主要的想法是,要分辨整理還是作頭,可以看籌碼是在發散還是集中。

舉個例子,卜蜂之前從50元漲到65元以上之後曾經整理了一段時間,從籌碼面來看,整體的末期籌碼是被收集而不是發散,之後就以長紅棒再往上挑戰新的高點

三,盤中預估量暴增

這第三個步驟就跟我的盤中警示策略很像,但他就只看量是不是暴增

預估量暴增的腳本如下

input:pratio(2);//股價上漲的幅度
input:vratio(80);//預估成交量比五日均量增加的幅度
if estvolume>=volume*(1+vratio/100)//預估量大於五日均量N%
and volume>800
and close>open

then ret=1;

這個腳本裡的ESTVOLUME是一個預估量的函數

variable:CloseTime(133000); // 收盤時間
variable: OpenMinutes(270);//一天有幾分鐘開盤
variable: MinutestoClose(270); //到收盤還有幾分鐘
variable: Length(20); //用過去幾天日資料計算
variable: AvgDayVol(0); //平均日量
variable: AvgMinVolinDay(0); //平均分鐘量
variable: LeftVol(0); //剩餘時間的估計量

variable: estVol(0); //最終估計量

AvgDayVol = average(V,Length);

AvgMinVolinDay = AvgDayVol/OpenMinutes; //過去這段時間每分鐘的平均量

MinutestoClose = Timediff(CloseTime,currenttime,"M"); //現在到收盤還有幾分鐘

LeftVol = MinutestoClose *AvgMinVolinDay;// 剩餘時間乘上每分鐘均量 = 剩下時間可能有多少量

if ( barfreq ="D") then //是日線才會對 
begin
if Date =currentdate then //今天才回估計量
estVol =volume + LeftVol //估計量 等於 現在的日總量 加上 剩下時間估計的量 
else 
estVol =v; //過去的話就直接回實際的量
end;


estvolume =estVol;

如果大家不想要用這樣的計算方式,可以直接用系統內建的預估量,對應的腳本如下

input:pratio(1.5);//股價上漲的幅度
input:vratio(80);//預估成交量比五日均量增加的幅度
value1=q_EstimatedTotalVolume;//估計量
if value1>=volume*(1+vratio/100)//預估量大於五日均量N%
and volume>800
and close>open

then ret=1;

這個估計量就是用交易量分佈的百分比去推算預估量,但因為它是用getquote的語法,所以目前沒有支援回測。

結合這三項之後就完成了網友分享的當沖先買後賣決策流程,我個人覺得這應該不失為一個不錯的方法。

 

人人都是巴菲特美股即時免費方案

 

美股產業輪動

在美股隊長操作秘笈這本書裡,有提到一個概念:指數見底時,率先上漲及創新高的類股,往往就是下一波的強勢族群。目前在XQ全球贏家美股版中,有提供道瓊中產業指數,我運用這組報價組合,配合書上介紹的相對強勢概念,設了一個類股輪動的觀察頁面。

這個頁面的樣式如下:

頁面的下載點如下

連結

RS的腳本如下

input:preiod(20,"RS移動平均線計算期別");
value1=GetSymbolField("GSPC.FS","收盤價","W");
variable:rss(0);
variable:rssav(0);

if value1<>0 then rss=CLOSE/value1;
rssav=average(rss,10);
plot1(rss,"美股RS指標");
plot2(rssav,"移動平均");

這裡用的比較商品是用S&P500指數。

目前道瓊中產業指數裡約有184個不同的行業指數,其中跟台灣比較有產業連動的,包括輪胎,汽車零件,半導體,服裝零售業,傢俱,海運,化工,科技硬體與設備,基本原料,航太與國防,鞋業,電腦硬體,紙業,消費電子等產業。

有興趣的朋友可以下載這一頁來監控美股產業的輪動

 

人人都是巴菲特專案

 

 

30週線在美股上的應用

最近在看一本書,名字叫作美股隊長操作秘笈,書中提到一本書,叫作多空操作秘笈,美股隊長用多空操作秘笈這本書上的操作策略,挑到了起漲時的YAHOO及NVIDIA,書上把股價的波動分成四個階段,我手癢試著用XS來試試看這樣的策略可否寫成腳本讓電腦跑看看。

多空操作秘笈的作者用30週線,把股票分成四個階段

一,打底區域(the basing area)

1.30週線下降斜率減緩後繼而走平

2.股價在30週線上下波動

3.成交量萎縮

4.漲跌均不持久

二,上升階段 (the advancing phase)

1.30週線向上,斜率變陡

2.股價在30週線之上且創波段新高

3.出量

4.價量配合

5.不斷創新高,低點愈墊愈高

6. 股價相對強勢指標向上。

接下來就是三,頭部區域 (the top area)及四,下降階段 (the declining phase)

我根據這樣的分法,試著用技術分析來研究看看

 

此頁面下載點

大家可以把自選股放在左邊,然後看一下股價跟30週線的相對關係,以及成交量與相對強度間的關係。

相對強度RS指標的程式碼如下

input:preiod(20,"RS移動平均線計算期別");
value1=GetSymbolField("GSPC.FS","收盤價","W");
variable:rss(0);
variable:rssav(0);

if value1<>0 then rss=CLOSE/value1;
rssav=average(rss,10);
plot1(rss,"美股RS指標");
plot2(rssav,"移動平均"

除了美股之外,台股也可以這樣看看,不過一般來說,像美股這種大市場的股票往往多頭可以走的比較長,可能比較合適這樣的分析方法,所以請大家來參加人人都是巴菲特方案

讓自己成為可以投資美股的投資者

 

 

從相對強度指標挑強勢類股

前兩天跟大家介紹了相對強勢指標RS,今天我想跟大家介紹這個指標在尋找強勢類股的應用上。

首先來復習一下RS的計算公式: A商品收盤價/B商品收盤價。

如果要看類股指數的相對強勢,那就是用類股指數/加權指數

根據這樣的公式,寫出對應的指標腳本如下

input:preiod(20,"RS移動平均線計算期別");
value1=GetSymbolField("TSE.TW","收盤價","D");
variable:rss(0);
variable:rssav(0);

if value1<>0 then rss=CLOSE/value1;
rssav=average(rss,10);
plot1(rss,"RS指標");
plot2(rssav,"移動平均");

用這個腳本,可以設計出像下面這樣的頁面,在盤中可以找到當天轉強的類股,然後馬上看看這類股的相對強度目前處於什麼位置。

這一頁的載點,要記得必須有產業模組的權限才能使用

我們來看看今天很強的幾個類股

 

 

 

我們會發現,當 RS指標突破均線且開始拉大與均線的差距,且成交量也同步放大時,這個產業往往後市有可能成為新的主流類股。

我根據這樣邏輯,也挑了幾類剛冒出來沒有多久的類股給大家參考。

 

 

以上是RS在產業輪動上的應用

 

 

 

我常用的反向ETF整理

最近市場比較悶,有點山雨欲來風滿樓的氛圍,加上摩根史坦利有看壞全球股市,連帶的開始有些投資人開始偏向空方,美國ETF市場中,有大量的反向型ETF,適合在看壞某特定市場時用來交易,今天就來跟大家介紹我自己會留意的一些反向型ETF

在挑反向型ETF上,主要考量的不外乎交易成本,流動性及指數追蹤能力等這幾項

我常觀察的反向型ETF如下

這個頁面的下載位置如連結

如上圖裡,目前看壞美國股市,債市,看壞美元,都有反向型的ETF

另外,看壞日本,歐洲,中國,俄羅斯及巴西等地股市,也有對應的ETF

乃至於看壞原油及黃金,也有對應的ETF

在這一頁裡,我有把基金規模,折溢價率及總管理費也列了出來,反向型的ETF,管理費通常會高一點,所以大家才說作反向型ETF最好是主跌段再出手,其中一個就是擔心管理費成本高,不適合持久消耗戰。

這邊我沒有放VIX反向,原因是這商品一般投資人不是很能理解,加上一不小心會虧到吐血,所以我就不放了。

此外,我個人的作法通常是覺得要跌了先小玩放空一倍的,確定主跌段了再換成兩倍的,三倍的我是沒有作過,我是膽小鬼。

有了反向型ETF,當我們確定那一個市場的趨勢明確時,多空都有投資的管道。

最後容我工商服務一下,請來參加人人都是巴菲特專案,只要在指定券商開戶下美股,即可享受XQ操盤高手美股即時報價的免費服務。

常用的選股腳本大匯總

昨天跟大家介紹如何運用中信亮點APP來選股,文中有提到這個APP內建了不少常用的選股條件,那如果您想要用的條件 不是常用的,是您獨自創獲的見解呢? 正常來說,可能需要在XQ操盤高手的選股平台裡寫程式,但正所謂英雄所見略同,我既然已經寫了不少選股條件,可能有一些就是您想要寫出來的,所以我就把這些寫過的分享出來,讓大家可以直接匯入後拿來用就行了。

這次分享的常用的選股條件有如下表,我整理了一下大約有58個

這是這些腳本的下載點

請下載後到選股中心匯入即可使用

怎麼用呢?

下面是一個示意圖

未來我一段時間會整理一批新的常用選股腳本,讓大家可以匯入來使用,各位如果覺得有什麼選股條件想要用程式寫出來的,也可以來許願,我是魯肉腳,但我臉皮厚,寫不出來的我會去廬我們的歹命工程師