อัลกอริทึม Trading กลยุทธ์ ที่มี Matlab ตัวอย่าง

การค้าอัลกอริทึมการค้าอัลกอริทึมเป็นกลยุทธ์การซื้อขายที่ใช้อัลกอริธึมการคำนวณเพื่อขับเคลื่อนการตัดสินใจทางการค้าซึ่งโดยปกติจะอยู่ในตลาดการเงินอิเล็กทรอนิกส์ ใช้ในสถาบันการซื้อและขายการซื้อขายแบบอัลกอริทึมเป็นพื้นฐานของการซื้อขายด้วยความถี่สูง การซื้อขาย FOREX และการวิเคราะห์ความเสี่ยงและการดำเนินการที่เกี่ยวข้อง ผู้สร้างและผู้ใช้แอพพลิเคชันการค้าแบบอัลกอริธึมจำเป็นต้องพัฒนา backtest และปรับใช้แบบจำลองทางคณิตศาสตร์ที่ตรวจจับและใช้ประโยชน์จากการเคลื่อนไหวของตลาด ขั้นตอนการทำงานที่มีประสิทธิภาพเกี่ยวข้องกับ: การพัฒนากลยุทธ์การซื้อขายโดยใช้ชุดเวลาทางเทคนิค การเรียนรู้ด้วยเครื่อง และ nonlinear time-series การประยุกต์ใช้การคำนวณแบบขนานและ GPU เพื่อหาค่าเวลาและการระบุพารามิเตอร์ที่มีประสิทธิภาพการคำนวณกำไรและขาดทุนและการวิเคราะห์ความเสี่ยงดำเนินการวิเคราะห์เชิงวิเคราะห์เช่นการสร้างแบบจำลองผลกระทบของตลาด การวิเคราะห์ต้นทุนธุรกรรม เลือกกลยุทธ์การซื้อขายตามกฎของประเทศกับตัวอย่างของ MATLAB ตัวอย่างกระบวนทัศน์แบบดั้งเดิมของการใช้เทคนิคการเรียนรู้แบบไม่เชิงเส้นกับกลยุทธ์การซื้อขายแบบอัลกอริธึมมักจะมีผลต่อการสอดแนมข้อมูลขนาดใหญ่ ในทางกลับกันเทคนิคเชิงเส้นซึ่งได้แรงบันดาลใจและถูก จำกัด โดยความรู้ในเชิงลึกได้พิสูจน์ให้เห็นว่ามีคุณค่า งานนำเสนอนี้จะอธิบายถึงการใช้ตัวกรองคาลมานซึ่งเป็นเทคนิคเชิงเส้นที่เป็นแก่นสารในสองวิธีในการซื้อขายแบบอัลกอริทึม Product Focus Select Your Country ระบบการซื้อขายตัวอย่างตัวอย่าง: Intro to Algorithmic Trading with Heikin-Ashi กลยุทธ์การซื้อขายสัญญาซื้อขายล่วงหน้าแบบย้อนกลับใน MATLAB และ Python กลยุทธ์การซื้อขายเชิงปริมาณและกลยุทธ์การค้าก๊าซธรรมชาติที่อธิบายไว้ใน webinar นี้: กลยุทธ์การซื้อขายเชิงปริมาณสามารถทำให้ตลาดเข้าใจได้ เป็นเชิงปริมาณ (คณิตศาสตร์) การค้าตาม ถึงแม้จะยากที่จะเลียนแบบแม้แต่สัญชาตญาณของพ่อค้าที่เก่งก็สามารถถูกลดน้ำหนักลงไปในกลยุทธ์เชิงปริมาณโดยอัตโนมัติได้อย่างหมดจด ระบบเหล่านี้สามารถใช้การรวมกันของการวิเคราะห์ทางเทคนิคการวิเคราะห์พื้นฐานข่าวประชาสัมพันธ์และการวิเคราะห์ความเชื่อมั่นเพื่อตั้งชื่อบางส่วน ในแง่ของรายละเอียดที่แท้จริงของการซื้อขายแบบอัลกอริทึมให้ดูที่โพสต์ Investopedias (Disclaimer: ฉันทำงานที่ Quantiacs) เมื่อ youre พร้อมที่จะทำเงินเป็นปริมาณคุณสามารถเข้าร่วมการแข่งขัน Quantiacs อัตโนมัติการซื้อขายล่าสุดที่มีจำนวน 2,250,000 ในการลงทุนใช้ได้: คุณสามารถแข่งขันกับ quants ที่ดีที่สุด 2.1k Views middot ดู Upvotes middot ไม่ได้สำหรับการสืบพันธุ์คำตอบเพิ่มเติมด้านล่าง คำถามที่เกี่ยวข้องอะไรบ้างมีขั้นตอนการซื้อขายที่ดีซึ่งเป็นกลยุทธ์การซื้อขายที่ดีที่สุดในอัลกอริธึมฉันสามารถสร้างอัลกอริทึมการซื้อขายตามยุทธศาสตร์เทรนด์และใช้เพื่อค้า forex ได้สิบปีตัวอย่างเช่นอะไรคือวิธีที่เร็วที่สุดในการสร้างกลยุทธ์การซื้อขายแบบอัลกอริธึม เป็นกลยุทธ์การซื้อขายทางเลือกและอะไรคือตัวอย่างบางส่วนฉันสามารถหาตัวอย่างหรือการจำลองสำหรับกลยุทธ์การซื้อขายที่ใช้งานได้มุมมองในอนาคตของผู้ซื้อขายอัลกอร์คืออัลกอริธึมการซื้อขายทั้งหมดเกี่ยวกับการดำเนินการอัลกอริทึมไม่มีการระบุสัญญาณหรือกลยุทธ์การซื้อขายที่ซับซ้อน ของการซื้อขายแบบอัลกอริธึมทำ MNCs ทำตามได้หรือไม่ทุก บริษัท ของอินเดียมีอะไรบ้างตัวอย่างของสิ่งที่อัลกอริธึมการค้าอัตโนมัติทำอะไรได้บ้างอะไรคือเคล็ดลับการซื้อขาย Forex ที่ดีที่สุด Zerodha จะขโมยกลยุทธ์การซื้อขายอัลกอริธึมที่ประสบความสำเร็จของฉันบนแพลตฟอร์มของพวกเขาและขายให้กับกองทุนเฮดจ์ฟันด์ ในอินเดียดำเนินกลยุทธ์การซื้อขายแบบอัลกอรึทึมมีชั้นใด สำหรับการลงทุนขั้นต่ำที่สามารถทำได้ข้อกำหนดในการเริ่มซื้อขายใน Sensex First คือต้องระวังไม่ให้รวมเข้ากับสิ่งที่เราพิจารณาโดยทั่วไปว่าเป็นการค้าขายเชิงปริมาณและการซื้อขายแบบอัลกอริธึมเชิงระบบ ในอุตสาหกรรมการค้าอัลกอริธึมบ่อยขึ้นหมายถึงการใช้อัลกอริทึมการประมวลผลที่แบ่งคำสั่งของผู้ปกครอง pointwise ออกเป็นชุดคำสั่งเด็กที่กระจายออกไปในช่วงเวลาหนึ่ง ๆ และพยายามที่จะตีค่ามาตรฐานบางอย่างเช่น VWAP หรือลดการหลุดลอย อย่างถูกต้องแล้วตอนนี้ค่อนข้างเป็นเรื่องธรรมดาที่จะรวมการคาดการณ์อัลฟาไว้ในอัลกอริทึมการประมวลผลและในทำนองเดียวกันอาจใช้อัลกอริทึมทั่วไป (เช่น Bellman-Ford) หรือใช้อัลกอริธึมการประมวลผลในกลยุทธ์การซื้อขายเชิงปริมาณ ดังนั้นความเป็นไปได้ที่เฉพาะเจาะจงเกี่ยวกับความแตกต่างระหว่างสองประการคือการค้นหางาน: ความรับผิดชอบค่อนข้างแตกต่างระหว่างทีมการค้าเชิงปริมาณที่กองทุนเฮดจ์ฟันด์และโต๊ะซื้อขายอัลกอริธึมที่ตัวแทนจำหน่าย - โบรกเกอร์ อย่างไรก็ตามเพื่อความชัดเจนที่เพิ่มขึ้นสำหรับคำตอบของฉันฉันจะแยกความแตกต่างออกไป กลยุทธ์การซื้อขายแบบอัลกอริธึมที่เรียบง่ายเพื่อให้เข้าใจคือกลยุทธ์ TWAP ที่ไร้เดียงสาซึ่งจะแยกคำสั่งซื้อของแม่ที่มีขนาดใหญ่ออกเป็นคำสั่งย่อยขนาดเล็กที่มีขนาดเท่ากันซึ่งกระจายอย่างสม่ำเสมอในช่วงเวลาซึ่งเป็นไปตามหลักเศรษฐศาสตร์ (ตามหลักทฤษฎีภายใต้สมมติฐานบางประการของกระบวนการสร้างราคา) พบว่าเพื่อลดผลกระทบตลาด สำหรับกลยุทธ์เชิงปริมาณที่เป็นระบบในอีกมุมมองหนึ่งหลายแห่งยังคงมีแรงจูงใจจากโมเดลปัจจัยหรือการเพิ่มประสิทธิภาพความแปรปรวนเฉลี่ย ในอดีตกลยุทธ์พื้นฐานแสดงถึงผลตอบแทนในอนาคตของสินทรัพย์ในรูปแบบของปัจจัยทางประวัติศาสตร์และการกระจายเสียงตามปกติ ปัจจัยส่วนรวม ได้แก่ ผลตอบแทนของตลาด, มูลค่าหลักทรัพย์ตามราคาตลาด, อัตราส่วนระหว่างหนังสือต่อตลาดและโมเมนตัม สำหรับรายได้คงที่มักใช้ปัจจัยเสี่ยงระยะยาวและค่าเริ่มต้น ค่าสัมประสิทธิ์ปัจจัยหรือค่าสัมประสิทธิ์คงที่ของปัจจัยจะได้รับการแก้ไขด้วยช่องสี่เหลี่ยมอย่างน้อยที่สุดในหน้าต่างข้อมูลทางประวัติศาสตร์บางส่วนซึ่งส่วนนี้มักถูกนำมาใช้โดยคอมพิวเตอร์ดังนั้นอัลกอริทึม เป็นแบบสังเกตด้านข้าง: แบบจำลองนี้ยังเป็นแนวคิดที่เป็นที่นิยมสำหรับกลยุทธ์การตลาดที่เป็นกลางซึ่งได้รับการฝึกโดยกองทุนเฮดจ์ฟันด์หลายแห่งด้วยความเชื่อมั่นในพฤติกรรมการคืนค่าเฉลี่ยที่เข้มงวดในชุดเวลาที่เหลือ ในรูปแบบทั่วไปของการเพิ่มประสิทธิภาพการแปรปรวนค่าเฉลี่ย (mean-variance optimization) หนึ่งจะแสดงถึงผลตอบแทนที่คาดหวังความแปรปรวนและข้อ จำกัด ในการทำงานของตำแหน่งในการรักษาความปลอดภัยแต่ละรูปแบบในพอร์ตโฟลิโอของคุณ นี่เป็นปัญหาพื้นฐานสำหรับวิธีการของตัวคูณลากรองจ์และมีไลบรารีตัวเลขที่โตเต็มที่ซึ่งสามารถแก้ปัญหาได้อย่างรวดเร็วบน CPU นี่คือสูตรที่สง่างามและยืดหยุ่น: จริงๆแล้วคุณสามารถแสดงข้อ จำกัด ที่น่าสนใจในน้ำหนักไม่ว่าจะเป็นแบบยาวเท่านั้นการใช้ประโยชน์ค่าความหนาแน่นแกมมาหรือเบต้าค่าใช้จ่ายในการทำธุรกรรมที่เป็นรูปสี่เหลี่ยม - กรณีพิเศษเหล่านี้กระตุ้นการใช้งานอัลกอริธึมของพวกเขาใน กองทุนหุ้นระยะยาวกองทุนเบต้าที่เป็นกลางกองทุน 13030 และอื่น ๆ อีกตัวอย่างหนึ่งกลยุทธ์การเก็งกำไรความผันผวนมีเป้าหมายเพื่อหาข้อแตกต่างระหว่างความผันผวนโดยนัยและความผันผวนตามที่คาดการณ์ไว้ ในระดับที่ต่ำกว่ากลยุทธ์ดังกล่าวอาจใช้โมเดลขัดแตะและแบบจำลอง Monte Carlo ซึ่งต้องได้รับการแก้ไขเป็นตัวเลขจึงเป็นการ จำกัด การปฏิบัติของกลยุทธ์เหล่านี้ไปในระดับหนึ่งของการใช้อัลกอริทึม ความก้าวหน้าในการประมวลผล GPGPU และกรอบการประมวลผลแบบขนานทำให้เกิดการแสวงหาการซื้อขายระบบอย่างมีระบบในพื้นที่นี้ 2.7k Views middot ดูคำ Upvotes middot Not for Reproduction การค้าอัลกอริทึมเป็นกระบวนการในการซื้อหรือขายหลักทรัพย์ตามกฎที่กำหนดไว้ล่วงหน้าบางส่วนซึ่งได้รับการ backtested เกี่ยวกับข้อมูลทางประวัติศาสตร์ กฎเหล่านี้อาจขึ้นอยู่กับการวิเคราะห์ทางเทคนิคแผนภูมิตัวบ่งชี้หรือแม้แต่พื้นฐานหุ้น ตัวอย่างเช่นสมมติว่าคุณมีแผนการซื้อขายที่คุณจะซื้อหุ้นใดโดยเฉพาะถ้าปิดเป็นสีแดงเป็นเวลา 5 วันติดต่อกัน คุณสามารถกำหนดกฎนี้ในระบบการซื้อขายอัลกอริธึมการประมวลผลและแม้แต่ทำให้เป็นไปโดยอัตโนมัติเพื่อให้ใบสั่งซื้อถูกวางโดยอัตโนมัติเมื่อเงื่อนไขของคุณได้รับการปฏิบัติ คุณอาจจะกำหนดเป้าหมาย stoploss เป้าหมายและตำแหน่งของคุณในขั้นตอนวิธีที่จะทำให้ชีวิตการค้าของคุณง่ายขึ้น ตรวจสอบลิงก์ด้านล่างซึ่งมีพวงของ Algorithmic Trading strategies จาก Excel และ Amibroker: ดูบทความนี้เพื่อพัฒนาระบบการค้าอัลกอริทึมของคุณเองตั้งแต่เริ่มต้น: 361 Views middot ดูคำ Upvotes middot ไม่ได้สำหรับการทำซ้ำ Heres ดีเขียนขึ้นในที่แตกต่างกัน ประเภทของกลยุทธ์การซื้อขายอัลกอริทึม กลยุทธ์การซื้อขายขั้นตอนวิธีแบบจำลองและแนวคิดเกี่ยวกับการสร้างแบบจำลองหากคุณสนใจในกลยุทธ์แบบตัวอย่างให้หาลิงก์บล็อกบางส่วนด้านล่างกลยุทธ์การใช้โมเมนตัมสำหรับการซื้อขายความถี่ต่ำและสูง EXCEL MODEL โครงการ EPAT ครั้งสุดท้ายโดย Jacques Joubert กลยุทธ์การคัดค้านทางสถิติในแบบจำลอง R Predictive ใน R for เทรดดิ้งอัลกอริธึมหวังว่าจะช่วยได้ แจ้งให้เราทราบหากคุณมีข้อสงสัยเพิ่มเติม 30 Views middot ไม่ได้สำหรับการทำซ้ำ Huck Zou เรียนที่มหาวิทยาลัยอิลลินอยส์ปี 2560 นี่เป็นกลยุทธ์ที่คลาสสิก กลยุทธ์การหมุน เป็นนักแสดงที่ดีที่สุดและเป็นนักแสดงที่แย่ที่สุดในอุตสาหกรรมเพียงไม่กี่คน การเคลื่อนย้ายไขว้เฉลี่ย 160 Views middot Not for ReproductionMatlabTrading โพสต์นี้เกี่ยวกับความสำคัญของการใช้วิธีการเพิ่มประสิทธิภาพแบบต่างๆเช่นอัลกอริทึมทางพันธุกรรมและ parallelisation เพื่อให้ได้ผลลัพธ์ได้เร็วขึ้น แม้ว่าขั้นตอนวิธีทางพันธุกรรม (วิวัฒนาการ) จะอธิบายได้เป็นอย่างดีในการสัมมนาทางเว็บของ MathWorks ในตัวอย่าง แต่จะใช้สำหรับการเพิ่มประสิทธิภาพของกลุ่มกลยุทธ์ที่เลือกจากชุดเท่านั้น นี่เป็นตัวอย่างที่ดีของการใช้อัลกอริทึมเหล่านี้อย่างไรก็ตามมันเกิดขึ้นว่ามีความจำเป็นที่จะต้องกำหนดตัวแปรหลายตัวแปรด้วยช่วงเวลาที่สำคัญสำหรับกลยุทธ์หนึ่ง ๆ คุณจะไม่ได้รับผลกระทบใด ๆ กับการวนซ้ำหนึ่งครั้งและการคำนวณแบบคู่ขนานของกระบวนการ 8211 อาจใช้เวลาหลายวัน . แน่นอนว่ามีกลยุทธ์ในขั้นตอนสุดท้ายของการเพิ่มประสิทธิภาพ เมื่อเราแทบจะรู้ว่ากลยุทธ์การซื้อขายประสบความสำเร็จเราสามารถรออีกหลายวันได้หรือเช่ากลุ่มทั้งหมด - ผลอาจจะคุ้มค่า อย่างไรก็ตามถ้าเราต้องการประมาณผลของกลยุทธ์ขนาดใหญ่และตัดสินใจว่าคุ้มค่ากับการใช้เวลาหรือไม่แล้วขั้นตอนวิธีเชิงพันธุกรรมอาจเหมาะอย่างยิ่ง เรามีความเป็นไปได้ที่จะใช้สามวิธีในการเพิ่มประสิทธิภาพของกลยุทธ์ใน WFAToolbox: วิธี Linear 8211 เป็นโหมดปกติในการจัดเรียงซึ่งคุณจะเห็นผลการค้นหาระดับกลาง (suboptimal) ทั้งหมด ให้ความแม่นยำสูงสุด ใช้วิธีการแบบขนาน 8211 เมล็ดทั้งหมดของ CPU ของคุณ ไม่อนุญาตให้เห็นผลลัพธ์ระดับกลาง แต่เพิ่มความเร็วในการดำเนินการอย่างมาก ให้ความแม่นยำสูงสุดระหว่างการเพิ่มความเร็วในการคำนวณ วิธีทางพันธุกรรม 8211 ใช้ขั้นตอนวิธีการเพิ่มประสิทธิภาพเชิงวิวัฒนาการ ช่วยให้สามารถมองเห็นค่าต่ำสุดได้ แต่ให้ผลลัพธ์ใกล้เคียงกับสิ่งที่ดีที่สุด ไม่ใช่วิธีที่ถูกต้อง แต่แม่นยำมากพอสำหรับการเริ่มใช้กลยุทธ์ เร็วมาก. เรามักถูกถามว่า WFAToolbox - Walk-Forward Analysis Toolbox สำหรับ MATLAB มีความสามารถในการใช้ GPU ในการคำนวณได้หรือไม่ แต่น่าเสียดายที่ GPU ไม่เหมาะกับงานทั้งหมดและการใช้งานมีความเฉพาะเจาะจงมาก เพื่อที่จะใช้คุณต้องปรับตรรกะและรหัสของแต่ละกลยุทธ์สำหรับการทดสอบแกนกราฟิก แต่น่าเสียดายที่เนื่องจากความไม่แพร่หลายของวิธีการดังกล่าวไม่สามารถใช้ GPU ใน WFAToolbox ได้ ส่วนที่ 2 ของการสนทนาเกี่ยวกับปัญหาและแนวทางแก้ไขในการทดสอบและวิเคราะห์ยุทธศาสตร์การค้าอัลกอริทึมใน MATLAB ผมขอเชิญคุณอ่านโพสต์นี้เกี่ยวกับปัญหาที่เกิดขึ้นไม่ได้ในกระบวนการสร้างภาพของกระบวนการต่างๆในโซลูชันซอฟต์แวร์ที่ทันสมัยสำหรับการทดสอบระบบการซื้อขาย ในประสบการณ์การทำงานของฉันฉันมักจะวิเคราะห์แพลตฟอร์มยอดนิยมอื่น ๆ สำหรับการทดสอบกลยุทธ์การซื้อขาย เช่น TradeStation MetaStock Multicharts ฯลฯ และฉันรู้สึกประหลาดใจเสมอที่ความสนใจเพียงเล็กน้อยในการสร้างภาพของขั้นตอนการทดสอบ เป็นสิ่งที่เมื่อเราไม่เห็นผลของค่ากลางขั้นต่ำที่ต่ำสุดของพารามิเตอร์ที่ดีที่สุดเรามักจะทิ้งทองและสิ่งสกปรก เรื่องนี้เกิดขึ้นเนื่องจากการสุ่มตัวอย่างแบบกว้างเกินไปกลยุทธ์นี้จะปรับพารามิเตอร์ในแบบที่เราเห็นว่าเป็นกลยุทธ์ที่สมบูรณ์แบบซึ่งล้มเหลวในชีวิตจริงหรือเห็นข้อเสนอหนึ่งหรือสองข้อซึ่งน่าจะเป็นสิ่งที่ดีที่สุดเนื่องจากได้รับเลือกข้อมูลช่วงเวลาดังกล่าวที่ กลยุทธ์การซื้อขายที่ดีที่สุดคือการซื้อและระงับ แต่เหตุใดจึงต้องมีกลยุทธ์อื่น ๆ ที่จำเป็นสำหรับการแสดงกระบวนการทดสอบกลยุทธ์การซื้อขายใน MATLAB (ที่เสนอในการสัมมนาผ่านเว็บ) ดังนั้นไม่เห็นผลลัพธ์ขั้นกลางเราต้องปรับเปลี่ยนพารามิเตอร์เพื่อลอง เพื่อให้ได้ข้อมูลที่ดีขึ้นหรือดูใน 3D หรือ 4D บางส่วน (สีคือมิติที่ 4) ตามที่เสนอในการสัมมนาผ่านเว็บ การวิเคราะห์ค่าในช่องว่างมิติ N สามารถเป็นทางเลือกได้ แต่มีข้อ จำกัด หลายประการ: ถ้ามีมากกว่า 4 มิติเมื่อคุณเห็นสัญญาณและความถี่ที่ปรากฏในช่วงราคาคุณมีเกือบทั้งหมด การแสดงผลที่จำเป็นของกลยุทธ์ของคุณ: ความถี่ของการทำธุรกรรมความสามารถในการทำกำไรของพวกเขา (เส้นโค้งรายได้) ความถูกต้องของการเปิดความคล้ายคลึงกับค่าต่ำสุดอื่น ๆ ฯลฯ ที่ไม่สามารถพูดเกี่ยวกับประสิทธิภาพในพื้นที่ N มิติที่มีข้อมูลที่เป็นประโยชน์ทั้งหมด คือในความเป็นจริงว่าค่าที่เหมาะสมไม่ได้เป็นเพียงหนึ่งเดียว แต่มีทั้งช่วงของค่าต่ำสุดในพื้นที่หนึ่งหรือมากกว่า ในขณะที่การเพิ่มประสิทธิภาพกลยุทธ์ใน WFAToolbox 8211 Walk-Forward Analysis Toolbox for MATLAB174 เป็นค่าที่เหมาะสมใหม่จะพบสัญญาณกลยุทธ์การค้าในระยะเวลาในตัวอย่างและออกจากตัวอย่างทันทีปรากฏในแผนภูมิเพื่อให้คุณสามารถควบคุมสิ่งที่ช่วงของตัวเลือกที่คุณควรกำหนดและคุณยังสามารถหยุดการเพิ่มประสิทธิภาพ โดยไม่ต้องรอให้จบการทดสอบเนื่องจากเป็นที่ชัดเจนว่ามีบางอย่างผิดพลาดหรือทุกอย่างเรียบร้อยดีสวัสดีฉันชื่อ Igor Volkov ฉันได้รับการพัฒนากลยุทธ์การซื้อขายอัลกอริธึมตั้งแต่ปีพ. ศ. 2549 และเคยทำงานในกองทุนเฮดจ์ฟันด์หลายแห่ง ในบทความนี้ฉันต้องการจะพูดคุยเกี่ยวกับปัญหาที่เกิดขึ้นระหว่างทางนักพัฒนากลยุทธ์การซื้อขายของ MATLAB ในระหว่างการทดสอบและวิเคราะห์ตลอดจนนำเสนอแนวทางที่เป็นไปได้ ฉันได้ใช้ MATLAB สำหรับการทดสอบกลยุทธ์ขั้นตอนวิธีมาตั้งแต่ปี 2007 และฉันได้ข้อสรุปว่านี่ไม่ใช่เครื่องมือการวิจัยที่สะดวกที่สุด แต่ยังมีประสิทธิภาพมากที่สุดเนื่องจากทำให้การใช้โมเดลสถิติและ econometric ซับซ้อนเครือข่ายประสาท, การเรียนรู้ด้วยเครื่อง, ตัวกรองแบบดิจิตอล, ตรรกะคลุมเครือ, ฯลฯ โดยการเพิ่มกล่องเครื่องมือ ภาษา MATLAB ค่อนข้างง่ายและได้รับการจัดทำเป็นเอกสารไว้อย่างดีดังนั้นแม้แต่โปรแกรมที่ไม่ใช่โปรแกรม (เช่นฉัน) สามารถควบคุมได้ ทุกอย่างเริ่มต้นแล้ว มันเป็นปี 2008 (ถ้าฉันไม่เข้าใจผิด) เมื่อการสัมมนาทางเว็บเรื่องแรกเกี่ยวกับการค้าอัลกอริธึมใน MATLAB กับ Ali Kazaam ได้รับการเผยแพร่แล้วซึ่งครอบคลุมหัวข้อการเพิ่มประสิทธิภาพของกลยุทธ์ง่ายๆตามตัวชี้วัดทางเทคนิค ฯลฯ แม้ว่าจะมีโค้ด 8220chaotic8221 พอที่จะใช้ พวกเขาทำหน้าที่เป็นจุดเริ่มต้นของการวิจัยและการปรับปรุงรูปแบบการทดสอบและการวิเคราะห์ซึ่งจะช่วยให้สามารถใช้กล่องเครื่องมือและอิสรภาพของการดำเนินการของ MATLAB ในระหว่างการสร้างกลยุทธ์การค้าของตนเองได้ในขณะเดียวกันก็จะช่วยให้สามารถควบคุมกระบวนการนี้ได้ ของการทดสอบและข้อมูลที่ได้รับและการวิเคราะห์ในภายหลังของพวกเขาจะเลือกพอร์ตการลงทุนที่มีประสิทธิภาพของระบบการซื้อขายที่มีประสิทธิภาพ ต่อมาการสัมมนาผ่านเว็บของ Mathworks ได้รับการอัปเดตทุกปีและได้มีการนำเสนอองค์ประกอบที่น่าสนใจมากขึ้นเรื่อย ๆ ดังนั้นการสัมมนาทางเว็บครั้งแรกเกี่ยวกับการซื้อขายคู่ (การเก็งกำไรทางสถิติ) โดยใช้กล่องเครื่องมือ Econometric Toolbox จัดขึ้นในปี 2010 แม้ว่ากล่องเครื่องมือทดสอบและการวิเคราะห์จะยังคงเหมือนเดิม ในปี 2013 กล่องเครื่องมือการซื้อขายจาก Mathworks ปรากฏขึ้นซึ่งอนุญาตให้เชื่อมต่อ MATLAB กับโบรกเกอร์ที่แตกต่างกันเพื่อใช้งานแอพพลิเคชันของตน แม้ว่าจะมีโซลูชั่นอัตโนมัติสำหรับการทำธุรกรรม แต่จากจุดนี้ MATLAB อาจเป็นระบบการพัฒนากลยุทธ์การซื้อขายแบบเต็มรูปแบบตั้งแต่การโหลดข้อมูลจนถึงการดำเนินกลยุทธ์การซื้อขายอัตโนมัติ ทำไมควรทุก Algotrader Reinvent ล้อ แต่ Mathworks ไม่ได้นำเสนอโซลูชั่นที่สมบูรณ์สำหรับการทดสอบและการวิเคราะห์กลยุทธ์ 8211 รหัสเหล่านั้นที่คุณจะได้รับจาก webinars เป็นองค์ประกอบเฉพาะของการทดสอบระบบเต็มรูปแบบและมันก็จำเป็นต้องปรับเปลี่ยนพวกเขา , ปรับแต่งและเพิ่มลงใน GUI เพื่อความสะดวกในการใช้งาน มันต้องใช้เวลามากดังนั้นจึงตั้งคำถามว่าอะไรคือยุทธศาสตร์ที่ต้องทำผ่านกระบวนการเดียวกันในการทดสอบและการวิเคราะห์ซึ่งจะช่วยให้สามารถจำแนกได้ว่ามีเสถียรภาพและใช้งานได้ดี 8211 ดังนั้นทำไมทุกคนควรปรับแต่งล้อเลื่อนและเขียนใหม่ hisher รหัสของตัวเองสำหรับกลยุทธ์การทดสอบที่เหมาะสมใน MATLAB ดังนั้นจึงตัดสินใจที่จะสร้างผลิตภัณฑ์ที่จะช่วยให้สามารถทำกระบวนการทั้งหมดที่เกี่ยวข้องกับการทดสอบและวิเคราะห์กลยุทธ์การซื้อขายแบบอัลกอลิกึมโดยใช้อินเทอร์เฟซที่ใช้งานง่ายและใช้งานง่าย ประการแรกฉันต้องการจะตอบคำถามต่อไปนี้: เกิดอะไรขึ้นกับบล็อก 1. Jev Kuznetsov ไม่ใช่เจ้าของอีกต่อไปบล็อกถูกซื้อจากเพื่อนของเรา Jev Kuznetsov ผู้ซึ่งย้ายไปที่ blog tradingwithpython. blogspot คนอื่น ๆ ของเขา เขาสรุปว่า Python ดีกว่า MATLAB เพื่อการค้าซึ่งถือว่าผิด MATLAB ยังคงเป็นหนึ่งในซอฟต์แวร์ที่ดีที่สุดในโลกสำหรับการค้าอัลกอริทึม IMHO (ฉันมีข้อเท็จจริงบางอย่างเกี่ยวกับเรื่องนี้แม้ว่าสำหรับการอภิปรายในอนาคต) 2. เราเปลี่ยนแบรนด์จากช่วงเวลานี้บล็อกจะเรียกว่า MatlabTrading ซึ่งเป็นเรื่องที่เข้าใจง่ายมากขึ้นเกี่ยวกับหัวข้อที่จะมี นอกจากนี้ชื่อโดเมนได้ถูกเปลี่ยนเป็น matlabtrading แทนการเริ่มต้นการซื้อขาย matlab-blogspot แม้ว่าโดเมนเดิมจะยังคงเปลี่ยนเส้นทางจากชื่อโดเมนหลักก็ตาม สิ่งที่จะเกิดขึ้นกับบล็อก 1. บทความและบทความอื่น ๆ เราหวังว่าจะนำชีวิตไปสู่บล็อกนี้โดยการโพสต์เนื้อหาที่เกี่ยวข้องสัปดาห์ละครั้งหรือสองครั้ง ในช่วง 2-3 เดือนแรกเราจะโพสต์บทความและวิดีโอเหล่านั้นส่วนใหญ่ที่เรามีอยู่แล้วเพื่อให้ผู้อ่านที่รักของเราสามารถค้นหาข้อมูลเกี่ยวกับทรัพยากรหนึ่ง ๆ และเชื่อมโยงกับเนื้อหาเหล่านั้นได้ง่ายขึ้น จากนั้นเรามีแผนจะเขียนบทความเกี่ยวกับแง่มุมเชิงปฏิบัติของการซื้อขายอัลกอริทึมใน MATLAB วิธีการสร้างกลยุทธ์การซื้อขายอัตโนมัติแบบใหม่ ๆ เช่นการซื้อขายคู่ค้าทางสถิติหมายถึงการผันกลับของตลาดกลยุทธ์การซื้อขายที่เป็นกลางตามวงการ bollinger cointegration band kalman เป็นต้นสำหรับสินค้าโภคภัณฑ์หุ้นและ Forex (Support Vector Machines) และวิธีการอื่น ๆ สร้างกลยุทธ์การซื้อขายที่มีประสิทธิภาพโดยใช้การจัดการเงินในการทดสอบการเดินไปข้างหน้าเพื่อการลงทุนเงินทุนของคุณใหม่ (วิทยาศาสตร์เกี่ยวกับวิธีรับ 1 ล้านจาก 10 พันล้านบาท) ในปีที่มีคะแนนสูงสุด แต่ประเมินความเสี่ยงและรางวัลเหงื่อ) บางทีหลังจากอ่านเรื่องนี้ youve คิดว่านี้เป็นไปได้อีกบทความโง่สำหรับคนจนเหล่านั้นกำลังมองหาวิธีที่จะกลายเป็นคนรวยผ่านการซื้อขายในอัตราแลกเปลี่ยนและสิ่งที่ เราเป็นคนที่ทำงานใน MATLAB และส่วนใหญ่ของเราคือนักวิทยาศาสตร์และผู้เชี่ยวชาญในด้านนี้ดังนั้นทุกสิ่งทุกอย่างจึงเป็นเรื่องร้ายแรง 2 การโต้ตอบมากขึ้นฉันจะมีความสุขถ้าเราทุกคนสามารถเกี่ยวข้องผ่านความเห็นในการโพสต์ สมัครรับข่าวสารของเราเพื่อรับการแจ้งเตือนเกี่ยวกับโพสต์และกิจกรรมใหม่ ๆ หลังจากนี้เรามีแผนที่จะจัดสัมมนาทางเว็บของ Google แฮงเอาท์ อย่าพลาดคลิกปุ่ม "ติดตาม" ที่มุมขวาบนเพื่อเข้าร่วมชุมชนของเรา สิ่งที่คุณต้องการอ่านในโพสต์บล็อกของเราคุณสามารถแนะนำหัวข้อใดได้โปรดเขียนที่นี่ในความคิดเห็น ในการโพสต์ก่อนหน้านี้ฉันได้ข้อสรุปว่าการซื้อขายคู่ใกล้ชิดกับคู่ค้าไม่เป็นไปตามผลกำไรในวันนี้เนื่องจากเคยเป็นมาก่อนปี 2553 ผู้อ่านชี้ว่าอาจเป็นไปได้ว่าลักษณะการกระจายตัวของค่าเฉลี่ยที่กระจายไปได้เปลี่ยนไปตามช่วงเวลาที่สั้นกว่า . ฉันก็ตัดสินใจที่จะทดสอบสมมติฐานนี้ ขณะนี้มีเพียงหนึ่งคู่เท่านั้นที่ได้รับการทดสอบ: 100 SPY vs -80 IWM Backtest ดำเนินการกับข้อมูลแถบ 30 วินาทีตั้งแต่ 11.2011 ถึง 12/2012 กฎมีความเรียบง่ายและคล้ายคลึงกับกลยุทธ์ที่ฉันทดสอบในโพสต์ครั้งล่าสุด: ถ้าการส่งคืนบาร์ของคู่นั้นสูงกว่า 1 ใน z-score ให้ทำการซื้อขายแถบถัดไป ผลดูสวยมาก: ฉันคิดว่านี่เป็นหลักฐานเพียงพอที่ยังคงมีค่าเฉลี่ยการพลิกกลับในระดับ 30 วินาที หากคุณคิดว่าแผนภูมินี้ดีเกินกว่าที่จะเป็นจริง ไม่ได้มีการพิจารณาต้นทุนการทำธุรกรรมหรือการแพร่กระจายราคาเสนอถาม ในความเป็นจริงฉันจะสงสัยว่าจะมีผลกำไรใด ๆ เหลือหลังจากหักค่าใช้จ่ายในการซื้อขายทั้งหมดแล้ว ยังคงแผนภูมิชนิดนี้คือแครอท dangling หน้าจมูกของฉันทำให้ฉันไป ข่าวดีทุกคนตามการคำนวณของฉัน (ซึ่งฉันหวังเป็นอย่างยิ่งว่าไม่ถูกต้อง) การซื้อขายคู่แบบคลาสสิกตายแล้ว บางคนจะไม่เห็นด้วยอย่างยิ่ง แต่นี่คือสิ่งที่ฉันพบ: ให้ใช้กลยุทธ์สมมุติที่ทำงานบนตะกร้าของ etfs: SPY, XLY, XLE, XLF, XLI, XLB, XLK, IWM, QQQ, DIA จาก etfs เหล่านี้ 90 ที่ไม่ซ้ำกัน คู่สามารถทำ คู่แต่ละคู่ถูกสร้างขึ้นเพื่อกระจายเป็นกลาง กฎของกลยุทธ์: ในแต่ละวันสำหรับแต่ละคู่คำนวณค่า z ตามค่าส่วนเบี่ยงเบนมาตรฐาน 25 วัน ถ้า z-score gt threshold ไปสั้น ๆ ใกล้วันถัดไปถ้า z-score lt-threshold ยาวไปแล้วให้ปิดในวันถัดไปเพื่อให้ง่ายขึ้นการคำนวณทำได้โดยไม่มีการจัดการเงินทุนใด ๆ (สามารถมีได้ถึง 90 คู่ใน portfolio ในแต่ละวัน) ค่าใช้จ่ายในการทำธุรกรรมจะไม่นำมาพิจารณาด้วย หากต้องการใช้กลยุทธ์นี้เพียงอย่างเดียวกลยุทธ์นี้จะติดตามการคืนค่าเฉลี่ยของตลาดกลางวันหนึ่ง นี่คือผลลัพธ์ที่จำลองขึ้นสำหรับเกณฑ์หลายข้อไม่ว่าเกณฑ์ใดที่ใช้กลยุทธ์นี้มีผลกำไรสูงในปีพ. ศ. 2551 ซึ่งนับว่าค่อนข้างไร้ค่าตั้งแต่ต้นปี 2010 นี่ไม่ใช่ครั้งแรกที่ฉันเจอการเปลี่ยนแปลงนี้ในการคืนค่าเฉลี่ย พฤติกรรมใน etfs ไม่ว่าฉันพยายามอะไรฉันก็ไม่มีโชคในการหาคู่ค้ากลยุทธ์ที่จะทำงานใน ETFs ที่ผ่านมา 2010 ข้อสรุปของฉันคือรูปแบบเหล่านี้ง่าย stat - arb เพียง dont ตัดมันมากขึ้น