جامعه اتصال

Lean موتور بازرگانی الگوریتمی منبع باز است. تأسیس در سال 2013 Lean توسط یک جامعه جهانی 80+ مهندس و قدرت بیش از دوجین صندوق های تامینی امروز ساخته شده است.

رقابت لیگ آلفا: استخر جایزه هفتگی 1000 دلار

واجد شرایط بودن جریانهای آلفا هفتگی دوباره یادآوری کنید

بحث فیلتر توسط برچسب ها

سفیران جامعه

با کمک به دیگران ، اعتبار Cloud Cloud را به دست آورید ، هر هفته ما اعتبار AirDrop را به فعال ترین اعضای جامعه می پردازیم.

221،528 Quants.

اکنون آنلاین

وصل بمون

با آخرین به روزرسانی ها با هشدارهای ایمیل یا پیوستن به سرور Discord ما در ارتباط باشید.

آیا کتابهای پیشنهادی در مورد استراتژی های تجارت الگوریتم دارید؟

آغاز شده توسط:

آیا کسی نکات خوبی برای کتاب در مورد استراتژی های تجارت الگوریتم دارد؟

QuantConnect با کدگذاری لاغر بسیار تنگ است ، اما من برای اجرای آن به استراتژی های موفقیت آمیز نیاز دارم.

مطالب موجود در این وب سایت فقط برای اهداف اطلاعاتی ارائه شده است و پیشنهادی برای فروش ، درخواست خرید یا توصیه یا تأیید برای هرگونه امنیت یا استراتژی را تشکیل نمی دهد ، و همچنین پیشنهادی برای ارائه خدمات مشاوره سرمایه گذاری توسط QuantConnect ندارد. علاوه بر این ، این مطالب با توجه به مناسب بودن هرگونه امنیت یا سرمایه گذاری خاص هیچ عقیده ای ارائه نمی دهد. QuantConnect هیچ تضمینی در مورد صحت یا کامل بودن نظرات بیان شده در وب سایت ندارد. این نظرات در معرض تغییر است و ممکن است به دلایل مختلف از جمله تغییر در شرایط بازار یا شرایط اقتصادی غیرقابل اعتماد باشد. تمام سرمایه گذاری ها شامل ریسک ، از جمله از دست دادن مدیر است. شما باید قبل از تصمیم گیری در مورد سرمایه گذاری با یک متخصص سرمایه گذاری مشورت کنید.

مطالب موجود در این وب سایت فقط برای اهداف اطلاعاتی ارائه شده است و پیشنهادی برای فروش ، درخواست خرید یا توصیه یا تأیید برای هرگونه امنیت یا استراتژی را تشکیل نمی دهد ، و همچنین پیشنهادی برای ارائه خدمات مشاوره سرمایه گذاری توسط QuantConnect ندارد. علاوه بر این ، این مطالب با توجه به مناسب بودن هرگونه امنیت یا سرمایه گذاری خاص هیچ عقیده ای ارائه نمی دهد. QuantConnect هیچ تضمینی در مورد صحت یا کامل بودن نظرات بیان شده در وب سایت ندارد. این نظرات در معرض تغییر است و ممکن است به دلایل مختلف از جمله تغییر در شرایط بازار یا شرایط اقتصادی غیرقابل اعتماد باشد. تمام سرمایه گذاری ها شامل ریسک ، از جمله از دست دادن مدیر است. شما باید قبل از تصمیم گیری در مورد سرمایه گذاری با یک متخصص سرمایه گذاری مشورت کنید.

همانطور که در موضوع مشابه دیگری نوشتم، کتاب مبتدی مورد علاقه من ساختن سیستم های معاملاتی الگوریتمی برنده توسط کوین دیوی است، زیرا به شما اصولی را آموزش می دهد که به شما امکان می دهد الگوریتم های واقعی را بدون پیش زمینه بسیار سنگین ریاضی بسازید. با این حال، روی استراتژی ها تمرکز نمی کند.

صادقانه بگویم، من هیچ استراتژی ساده آنلاینی پیدا نکردم که بتوانم آن را کپی کنم و مستقیماً خوب کار کند، اما البته همه آنها را امتحان نکردم. همانطور که گفته شد، می توان یک استراتژی موجود را اتخاذ کرد و آن را به گونه ای تغییر داد یا تجدید نظر کرد که نتایج قابل قبولی به دست آورد. به تعبیری ساده، تنها دو استراتژی اساسی وجود دارد: حرکت و بازگشت میانگین (شرط بر یا بر خلاف روند)، آشنایی با این دو مفهوم شما را به جایی می رساند.

جدا از کتاب های مبتدی، من فکر می کنم که در ابتدا، می توانید به سادگی در گوگل جستجو کنید و متوجه شوید که چه نوع استراتژی هایی برای شما مفید است (و نه). به عنوان مثال. الگوهای/شاخص های فنی می توانند بسیار ناامیدکننده باشند اگر بخواهید آنها را به شیوه ای ابتدایی در الگوریتمی مانند معامله گران اختیاری اعمال کنید، زیرا آنها فیلترهای اضافی را در تصمیم های خود اعمال می کنند که الگوریتم شما نیست، و یک تغییر پارامتر-آزمون برگشتیچرخه مستعد برازش بیش از حد / برازش منحنی است.

همچنین، نوع استراتژی هایی که می خواهید به آنها نگاه کنید به مهارت های ریاضی شما بستگی دارد - مطالب پیشرفته زیادی به صورت آنلاین موجود است. به خصوص جامعه Quantopian مطالب مفید زیادی منتشر کرده است، اما بسیاری از آنها به پیشینه ریاضی/آماری یا تمایل مربوط به یادگیری نیاز دارند.

من فکر می کنم مقدمه ای عالی برای استراتژی های تجاری این مینی مقالات در http://www. financial-hacker.com/build-better-strategies/ است.

برای کتاب ، اگر به دنبال تأکید بر تجزیه و تحلیل فنی یا تجارت الگوریتمی هستید ، ارزیابی و بهینه سازی استراتژی های معاملاتی را امتحان کنید: استراتژی های برنده و دلیل منطقی آنها توسط چان برای مرور کلی از استراتژی ها با استفاده از MATLAB.

و اگر به یادگیری ماشین علاقه دارید ، در اینجا چند نمونه ساده وجود دارد که می توانید با داده های اوراق بهادار سازگار شوید.

سلام بچه ها ، خیلی ممنون از بازخورد عالی واقعاً از آن قدردانی می کنم! من به برخی از کتاب ها دستور دادم تا سریع و در این زمینه اجرا شوند.

پیت ، الگوریتم موفق ترین شما تاکنون چیست؟آنچه من به آن فکر می کنم در حال حاضر این است که یک استخر سهام را که ممکن است بخواهم بخرم انتخاب کنید. به عنوان مثال اپل. من می خواهم از Avarage در حال حرکت به عنوان نشانه های خرید/فروش استفاده کنم. اما مشکل در جابجایی Avarage این است که وقتی علامت گذاری شده برآمدگی می شود ، کار نمی کند. به عنوان مثال ، من باید تمام سهام دیگر در بخش فناوری را با نوعی شاخص تجزیه و تحلیل کنم و این تصمیم را برای تصمیم گیری های نهایی خرید/فروش در نظر بگیرم. چگونه به آن نگاه می کنید؟

اخیراً من در تلاش هستم که بر اساس یک سیگنال قوی آلفا که در واقعیت کار پیدا کردم ، یک میانگین برگشت داخلی را انجام دهم ، این یک پروژه طولانی در حال اجرا به دلیل ضرورت مدل سازی دقیق لغزش بوده است. کاش زیرساخت HFT داشتم.؛) آنچه من در واقع تجارت Algo هستم ، سیستم هایی است که توسط ارائه دهندگان سیگنال اداره می شود ، زیرا من نمی بینم که چیزی بدتر از آنچه می توانم از دیگران اجاره کنم معامله کند.(به جز ، اطمینان از اینکه سیستم به درستی آزمایش شده است تا از تصادف بعدی در بازار جان سالم به در ببرد. بسیاری از ناخواسته های بهینه شده برای فروش وجود دارد.) در آخر ، بگذارید اضافه کنم که الگوریتم های زیادی را کشف کردم که قبل از سال 2016 بسیار عالی بود ، به نظر می رسد بازار وجود دارددر اواسط سال 2016 بسیار دشوارتر شوید و بسیاری از استراتژی ها با آلفا کار را متوقف کردند (به طرز عجیبی ، دقیقاً قبل از اینکه من با QC جدی شروع کنم).

در مورد ایده شما ، مواردی وجود دارد که باید در نظر بگیرید.

اول ، بگذارید بگویم که پشتی اپل پیامدهایی دارد زیرا این یک سهام از نظر تاریخی بسیار موفق است (خوب ، با نگاهی به دهه گذشته). شما باید Algo خود را بهتر از خرید و نگه داشتن بررسی کنید و در آینده قادر به انتخاب سهام مشابه هستید - کار ساده ای نیست.

شما می توانید با ویژگی انتخاب جهان QuantConnect بروید. آنچه انجام می دهد این است که به شما امکان می دهد سهام را برای تجزیه و تحلیل بیشتر به طور خودکار بر اساس برخی معیارها انتخاب کنید ، زیرا در آن زمان بازگشتند ، بر خلاف انتخاب دستی آنها را از معیارهای امروز (که منجر به تعصب می شود). متأسفانه در حال حاضر در مراحل ابتدایی خود است و می تواند کمی کند باشد. هیچ اطلاعات "بخش" ای برای فیلتر کردن دانش من وجود ندارد.

پرداختن به نگرانی های خاص شما: تجارت یک استراتژی خاص فقط در رژیم بازار "درست" یک مشکل بسیار دشوار است که من هنوز پاسخی مطمئن ندارم. برخی از گزینه های من آزمایش کرده ام:

1. فعال کردن/غیرفعال کردن یا تخصیص مقیاس استراتژی ها بر اساس عملکرد آنها در برخی از پنجره های زمانی. مشکل در اینجا این است که بازده های گذشته لزوماً پیش بینی بازده های آینده نیستند ، و این که تاخیر زمانی به این معنی است که شما مستعد ابتلا به حرکات معکوس هستید.

2. نوعی از موارد فوق: پیگیری یک استراتژی و شروع به مقیاس بندی آن پس از یک نقطه خاص. همیشه بگذارید حداقل تخصیص داشته باشد. شروع به مقیاس بندی مجدد آن با عقب نشینی آن دیگر در حال افزایش نیست. به نظر می رسد که می تواند بهتر از موارد فوق باشد ، به ویژه به این دلیل که تخصیص یک استراتژی تا زمانی که در یک روند قابل قبول کار کند ، آن را دریافت نمی کند.

3. الگوریتم های خود کالیبره کننده. یعنیمیانگین برگشت من Algo که در بالا ذکر شد در این گروه است. در یک پنجره زمانی ، برخی از خواص رفتار قیمت در بازار را محاسبه می کند و تنها در صورتی که ویژگی های لازم برای انجام کار خود شیوع داشته باشد ، معاملات می کند. من با این رویکرد بیشترین موفقیت را داشته ام.

4- الگوریتم های یادگیری ماشین آنلاین.("آنلاین" به معنای یادگیری مداوم حتی در اینجا است.) نتایج مختلط از این ، بخش ترسناک در استفاده از ML از این طریق این است که شما واقعاً نمی دانید در آینده چه اتفاقی می افتد. همچنین اجرای پشتی با الگوریتم های پیشرفته تر ML ، از آنجا که نیاز به اجرای آنها در طول آزمایش دارند ، مدت زمان زیادی طول می کشد. اگر مجبور شدم حدس بزنم ، زیرا ML بهتر می شود و بهتر می شود فضای تجارت الگوریتمی را به طور کامل در چند سال به دست بگیرد. بنابراین کار با ML "سرمایه گذاری در آینده" است.

در مورد مشکل خاص خود ، ببینید که آیا می توانید "بازار پررنگ" را به نوعی تعریف کنید که به شما امکان می دهد آن را به صورت کد آزمایش کنید. من حدس می زنم که این امر تا حدودی در رده خود کالیبراسیون قرار می گیرد ، با این حال ، من به طور خاص از همان خواصی استفاده می کنم که به عنوان آنهایی که من روی آن فیلتر می کنم (به عنوان مثال فرکانس وقوع یک الگوی قیمت خاص در دوره گذشته) استفاده می کنم.