程序化交易泛指客观化交易。包括使用模型决策的人工投资行为和以模型为基础的软件化金融投资行为。一、程序化交易的描述：1、程序化交易就是对固定市场状态做固定行为选择，再以若干指标精确评估行为后果（常用的九项指标）。2、程序化交易就是以市场状态定义和行为规则定义为基础的软件化金融投资行为。3、程序化交易就是用统计学手段研究人性群体表现特征。既研究群体行为在概率意义上的规律性。以上三种描述，第一项是程序化交易的内涵；第二项是程序化交易的表现形式；第三项是程序化交易背后的原理。二、简介模型概念：如下图，价格一轮向上的推动行情(时间幅度、价格幅度、运行速度等，有明确的数字限定。)之后，出现一个三角形（构成三角形的五个点有明确定义。）调整形态。当价格向上突破三角形上边压力线，在A点买入进场。A点买入之后，如果价格向下跌破三角形顶点B点，止损退场；如果向上价格升至三角形最宽的幅度C点(Mac=Mde)，止损退场.三、模型胜算概率的定义依据模型概念，对历史数据库进行检索，收集所有符合模型概念定义的市场状态，对所有符合模型概念的市场状态采用相同的行为规则，然后统计：“由进场点开始计算，价格波动触及止损点之前，达到盈利退场点的发生率。”上述发生率就是“胜算概率”。四、技术模型研制的工作流程：技术模型研制的工作流程一般说来可分为三个步骤：1、提出假说：假设A状态发生,按B规则体系行为，具有正期望值收益率。提出假说可以依据传统分析工具，可以依据研究员自制的工具，也可以依据研究员的直接经验（读图记图的内功修养）。2、粗研：此时不涉及行为规则，只判断上述假说的市场状态发生之后，价格沿固定方向运行的倾向性是否足够强烈。进而判定所提出假说科学性，看其是否具有足够的正期望值盈利率。3、精研：在粗研之后，针对具有足够的正期望值盈利率的市场状态假说，设定具体的行为规则，同时进行数据库检索，并记录模型参数的九项指标。然后，反复调整既定的模型参数、调试既定的行为规则，尽可能提高模型的使用性能（风险最小化、收益最大化、概率分布均匀化。）五、模型行为后果评估体系：1、标地总数：（必须大于150）2、胜算概率：（胜算概率的定义）。3、概率分布特征：最大连续亏损次数、最大连续盈利次数。4、资金最大回撤比例：（要求小于15%）5、信号发生频率：N次/年.6、人为不可控制风险发生率：要求小于1/3000。7、平均利润风险比：要求x>3/1.8、平均年回报率为：（要求大于30%）9、十年资金曲线：六、简介建模技术由于计算机强于计算，所以算法模型的研制难度相对较低；而图形识别模型的研制难度相对较高。但是，图形识别模型的应用功能远比算法模型强大，所以如果有可能，还是要研制图形识别模型。建模的基本思想是—要求二级以上的共振状态，单级技术状态很难形成高品质的模型。算法二级共振模型研制很容易，只要用特定的大参数指标状态,确定行为背景;用特定的小参数指标状态或K线组合,确定行为规则，就可以了。图形识别二级共振模型的研制难度极高，非行业顶级专家，不能完成。七、关于模型研制过程中的数据盗用问题：在进行模型数据校验的时候，很多研究员会犯“数据盗用”的错误。这就会导致，实际交易数据与理论研究数据的巨大差异。那么什么是“数据盗用”呢？所谓“数据盗用”就是用后面的数据确定前面的行为规则。举例说明，我们用2000年到2010年的数据来确定一个模型的行为规则，在进行数据统计的时候，我们会采用经过数据库比对的、行为结果最好的一组参数来算帐，这样就犯“数据盗用”的错误。因为在2001年的时候，我们并不知道2008、2009年的数据是什么，所以2001年的策略只能用2001年以前的数据来确定，但在实际的研究工作中，我们却用了2008、2009年的数据来确定2001年的策略，这等于盗用了未来的数据，所以这样研究结论一定是失实的。为了避免“数据盗用”，研究员在进行模型研制的时候应该是逐年策略、逐年算帐的。这样，研发的工作量会比“数据盗用”大很多倍，但是没有办法，这样做是必须的。因为只有这样，理论研究数据才可能接近实战数据。八、建立数据库：在模型研制过程中,当提出假...
