เทรดดิ้ง ระบบ ที่มี งูหลาม

Python Algorithmic Trading Library. PyAlgoTrade เป็น Python Algorithmic Trading Library ที่เน้นการ backtesting และสนับสนุนการซื้อขายกระดาษและ live-trading สมมติว่าคุณมีแนวคิดเกี่ยวกับกลยุทธ์การซื้อขายและคุณต้องการประเมินข้อมูลดังกล่าวด้วยข้อมูลทางประวัติศาสตร์และดูว่าอย่างไร มันจะทำงาน PyAlgoTrade ช่วยให้คุณสามารถทำเช่นนั้นด้วยความพยายามน้อยที่สุดคุณสมบัติหลัก document. Weuled ขับเคลื่อนอย่างเต็มที่รองรับการตลาด, Limit, Stop และ StopLimit orders. Supports Yahoo การเงิน, Google Finance และ NinjaTrader ไฟล์ CSV สนับสนุนชนิดของข้อมูลชุดเวลาใด ๆ ในรูปแบบ CSV เช่น Quandl. Bitcoin เทรดดิ้งผ่าน Bitstamp ตัวชี้วัดและตัวกรองทางเทคนิคเช่น SMA, WMA, EMA, RSI, Bollinger Bands, Hurst exponent และอื่น ๆ เมตริกประสิทธิภาพเช่น Sharpe ratio และการวิเคราะห์แบบ Drawdown การจัดการเหตุการณ์ Twitter ในแบบเรียลไทม์ Event profiler. TA-Lib integration. Very ง่ายในการวัดในแนวนอนนั่นคือการใช้คอมพิวเตอร์อย่างน้อยหนึ่งเครื่องเพื่อทำ backtest strategy. PyAlgoTrade ฟรีโอเพ่นซอร์สและได้รับอนุญาตภายใต้ Apach e License, Version 2 0.Trading Systems Coding ระบบการจัดซื้อเป็นเพียงชุดของกฎที่ผู้ค้าใช้เพื่อกำหนดรายการและออกจากตำแหน่งการพัฒนาและการใช้ระบบการซื้อขายสามารถช่วยให้ผู้ค้าบรรลุผลตอบแทนที่สม่ำเสมอในขณะที่จำกัดความเสี่ยงในสถานการณ์ที่เหมาะกับผู้ค้า ควรจะรู้สึกเหมือนหุ่นยนต์ดำเนินธุรกิจการค้าอย่างเป็นระบบและไม่มีอารมณ์ดังนั้นบางทีคุณอาจเคยถามตัวเองว่าจะหยุดหุ่นยนต์จากการซื้อขายระบบของฉันคำตอบอะไรบทแนะนำนี้จะแนะนำคุณกับเครื่องมือและเทคนิคที่คุณสามารถใช้เพื่อสร้างระบบอัตโนมัติของคุณเอง ระบบการซื้อขายอัตโนมัติระบบการซื้อขายอัตโนมัติถูกสร้างขึ้นโดยการแปลงกฎของระบบการซื้อขายของคุณเป็นรหัสที่คอมพิวเตอร์ของคุณสามารถเข้าใจได้คอมพิวเตอร์ของคุณจะเรียกใช้กฎเหล่านั้นผ่านซอฟต์แวร์เทรดของคุณซึ่งจะมองหาธุรกิจการค้าที่ปฏิบัติตามกฎของคุณ การค้าจะอยู่กับโบรกเกอร์ของคุณโดยอัตโนมัติการกวดวิชานี้จะมุ่งเน้นไปที่ส่วนที่สองและสามของกระบวนการนี้ ที่กฎของคุณจะถูกแปลงเป็นรหัสที่ซอฟต์แวร์การค้าของคุณสามารถเข้าใจและใช้ซอฟต์แวร์การซื้อขายที่รองรับระบบการซื้อขายอัตโนมัติมีโปรแกรมการซื้อขายมากมายที่สนับสนุนระบบการซื้อขายอัตโนมัติบางระบบจะสร้างและวางธุรกิจการค้ากับโบรกเกอร์ของคุณโดยอัตโนมัติ ที่เหมาะสมกับเกณฑ์ของคุณ แต่ต้องให้คุณสั่งซื้อกับโบรกเกอร์ของคุณด้วยตนเองนอกจากนี้โปรแกรมซื้อขายอัตโนมัติโดยทั่วไปมักต้องการให้คุณใช้โบรกเกอร์เฉพาะที่สนับสนุนคุณสมบัติดังกล่าวคุณอาจต้องกรอกแบบฟอร์มการให้สิทธิ์เพิ่มเติมข้อดีและข้อเสียระบบการซื้อขายอัตโนมัติ มีประโยชน์หลายประการ แต่พวกเขายังมีข้อเสียของพวกเขาด้วยหากทุกคนมีระบบการซื้อขายที่ทำเงินโดยอัตโนมัติตลอดเวลาเขาหรือเธอจะเป็นเจ้าของเครื่องทำเงินโดยอัตโนมัติระบบอัตโนมัติจะนำความรู้สึกและงานยุ่งออกไป trading ซึ่งช่วยให้คุณสามารถมุ่งเน้นในการปรับปรุงกลยุทธ์และกฎการจัดการเงินของคุณได้ ea ระบบที่ทำกำไรได้รับการพัฒนาไม่จำเป็นต้องทำงานในส่วนของคุณจนกว่าจะแบ่งหรือสภาพตลาดต้องการเปลี่ยนแปลงหากระบบไม่ได้ถูกเข้ารหัสอย่างถูกต้องและทดสอบการสูญเสียขนาดใหญ่สามารถเกิดขึ้นได้อย่างรวดเร็วบางครั้งมันเป็นไปไม่ได้ที่จะนำกฎบางอย่างเข้า รหัสซึ่งทำให้ยากที่จะพัฒนาระบบการซื้อขายอัตโนมัติในบทแนะนำนี้คุณจะได้เรียนรู้วิธีการวางแผนและออกแบบระบบการซื้อขายอัตโนมัติวิธีการแปลการออกแบบนี้เป็นรหัสที่คอมพิวเตอร์ของคุณจะเข้าใจวิธีการทดสอบแผนของคุณเพื่อให้แน่ใจว่าเหมาะสมที่สุด ประสิทธิภาพการทำงานและในที่สุดวิธีการที่จะนำระบบของคุณไปใช้พบว่าการเดินทางน้อยเดินทางจะทำงานในความโปรดปรานของคุณ - หรือต่อต้านมันระบบการซื้อขายสามารถประหยัดเวลาและใช้อารมณ์ออกจากการซื้อขาย แต่การใช้หนึ่งต้องใช้ทักษะ และทรัพยากร - เรียนรู้เพิ่มเติมที่นี่. นายหน้าส่วนใหญ่จะช่วยให้คุณมีระเบียนการค้า แต่ก็ยังเป็นสิ่งสำคัญในการติดตามของคุณเองขั้นตอนเหล่านี้จะทำให้คุณมีวินัยมากขึ้นอย่างชาญฉลาดและในที่สุดพ่อค้าที่ร่ำรวยถามบ่อย คำถามเมื่อคุณทำการชำระเงินจำนองจำนวนเงินที่จ่ายคือการรวมกันของดอกเบี้ยและการชำระคืนหลักกว่าเรียนรู้ที่จะแยกความแตกต่างระหว่างสินค้าทุนและสินค้าอุปโภคบริโภคและดูว่าทำไมสินค้าทุนจำเป็นต้องมีการออมและการลงทุนอนุพันธ์เป็นสัญญา ระหว่างสองฝ่ายหรือมากกว่าซึ่งมีมูลค่าขึ้นอยู่กับสินทรัพย์ทางการเงินที่อยู่ภายใต้การตกลงกันคำว่าคูเมืองเศรษฐกิจประกาศเกียรติคุณและเป็นที่นิยมโดย Warren Buffett หมายถึงความสามารถในการทำธุรกิจเพื่อรักษาข้อได้เปรียบในการแข่งขันคำถามที่ถามบ่อยเมื่อคุณทำการชำระเงินจำนอง จำนวนเงินที่จ่ายคือการรวมกันของดอกเบี้ยจ่ายและการชำระคืนหลักกว่าเรียนรู้ที่จะแยกความแตกต่างระหว่างสินค้าทุนและสินค้าอุปโภคบริโภคและดูว่าทำไมสินค้าทุนต้องใช้เงินออมและการลงทุนอนุพันธ์เป็นสัญญาระหว่างสองคนหรือมากกว่าฝ่ายที่มีค่าเป็น บนพื้นฐานของสินทรัพย์ทางการเงินที่ตกลงกันไว้คำว่าคูเมืองเศรษฐกิจประกาศเกียรติคุณและเป็นที่นิยมโดย Warren Buffett หมายถึงความสามารถในการดำเนินธุรกิจหลัก เปรียบในการแข่งขันกับ Python. I ve เพิ่งอ่านโพสต์ที่ดีโดยบล็อก turinginance เกี่ยวกับการเป็น quant ในระยะสั้นจะอธิบายวิธีการทางวิทยาศาสตร์ในการพัฒนากลยุทธ์การซื้อขายสำหรับฉันบุคคลการสังเกตข้อมูลคิดกับแบบจำลองและการสร้างสมมติฐาน เป็นลักษณะที่สองตามที่ควรจะเป็นวิศวกรที่ดีใด ๆ ในการโพสต์นี้ฉันจะแสดงให้เห็นถึงวิธีการนี้โดยชัดเจนจะผ่านจำนวนขั้นตอนเพียงไม่กี่คู่ของพวกเขาไม่ทั้งหมดที่เกี่ยวข้องในการพัฒนากลยุทธ์การค้าให้ s ดูที่เครื่องมือการซื้อขายที่พบมากที่สุด, SP 500 ETF SPY ฉันจะเริ่มต้นด้วยการสังเกตการณ์การเอาเปรียบมันเกิดขึ้นกับฉันว่าส่วนใหญ่เวลาที่มีการพูดคุยกันมากในสื่อเกี่ยวกับตลาด crashing หลังจากการสูญเสียใหญ่ในช่วงเวลาหลายวัน ในช่วงที่ผ่านมาฉันได้ทำข้อผิดพลาดสองข้อด้วยการปิดสถานะของฉันเพื่อลดความสูญเสียในระยะสั้นเพียงเพื่อพลาดการฟื้นตัวในวันต่อ ๆ ไปทฤษฎีทั่วไปหลังจากช่วงเวลาที่ผ่านมา สูญเสียต่อเนื่องผู้ค้าจำนวนมากจะเลิกกิจการของพวกเขาออกจากความกลัวสำหรับการสูญเสียแม้กระทั่งขนาดใหญ่มากของพฤติกรรมนี้ถูกควบคุมโดยความกลัวมากกว่าความเสี่ยงคำนวณพ่อค้าฉลาดมาในนั้นสำหรับการต่อรองราคาสมมติฐานผลตอบแทนในวันถัดไปของ SPY จะแสดงความลำเอียงขึ้น หลังจากหลายขาดทุนติดต่อกันเพื่อทดสอบสมมติฐาน I ve คำนวณจำนวนวันลงติดต่อกันทุกอย่างภายใต้ -0 รายวันกลับมีคุณสมบัติเป็น down. The day. The กลับชุดอยู่ใกล้สุ่มเพื่อเป็นหนึ่งคาดหวังโอกาส จาก 5 วันติดต่อกันหรือลดลงต่ำมากส่งผลให้มีจำนวน จำกัด ของเหตุการณ์ที่เกิดขึ้นต่ำจำนวนของเหตุการณ์ที่เกิดขึ้นจะทำให้ประมาณการทางสถิติที่ไม่น่าเชื่อถือดังนั้นฉันจะหยุดที่ 5.Below เป็นภาพของผลตอบแทน nex-tday เป็นหน้าที่ของจำนวน ของวันลงฉันได้วางแผนยังช่วงความเชื่อมั่น 90 ของผลตอบแทนระหว่างบรรทัดปรากฎว่าผลตอบแทนเฉลี่ยมีความสัมพันธ์เชิงบวกกับจำนวนวันลงสมมติฐานยืนยัน แต่คุณสามารถเห็นได้อย่างชัดเจน ว่าอัลฟานี้มีขนาดเล็กมากเมื่อเทียบกับกลุ่มของผลตอบแทนที่เป็นไปได้ แต่แม้ขอบเล็ก ๆ สามารถใช้ประโยชน์หาข้อได้เปรียบทางสถิติและทำซ้ำได้บ่อยเท่าที่เป็นไปได้ขั้นตอนต่อไปคือการตรวจสอบว่าขอบนี้สามารถเปิดในกลยุทธ์การค้า เมื่อได้ข้อมูลข้างต้นแล้วกลยุทธ์การซื้อขายจะถูกตีความหลังจากขาดทุน 3 ครั้งหรือมากกว่าแล้วให้ไปนานออกจากการปิดตัวถัดไปเป็นผลมาจากกลยุทธ์นี้เมื่อเทียบกับการถือครองและการถือครองที่บริสุทธิ์นี้ดูไม่ดีเลย อัตราส่วน sharpe คะแนนยุทธศาสตร์เชื้อสาย 2 2 เมื่อเทียบกับ 0 44 สำหรับ BH นี้เป็นจริงสวยดี don t ตื่นเต้นเกินไปแม้ว่าฉันไม่ได้บัญชีสำหรับค่าคอมมิชชั่น slippage etc. While กลยุทธ์ข้างต้นไม่ได้เป็นสิ่งที่ฉันต้องการ การค้าเพียงเพราะช่วงเวลาที่ยาวทฤษฎีตัวเองกระตุ้นความคิดต่อไปที่สามารถผลิตสิ่งที่เป็นประโยชน์หากหลักการเดียวกันกับข้อมูลภายในวันที่รูปแบบของกลยุทธ์การถลอกอาจจะสร้างในตัวอย่างข้างต้นผมเคย oversimplifie d โลกโดยเฉพาะการนับจำนวนวันลงโดยไม่ต้องใส่ใจกับความลึกของ drawdown นอกจากนี้การออกจากตำแหน่งเป็นเพียงขั้นพื้นฐานในวันถัดไปปิดมีมากจะดีขึ้น แต่สาระสำคัญในความคิดของฉันคือ นี้ผลตอบแทนของ SPY จะถูกบังคับโดยการเบิกเงินกู้และระยะเวลาเบิกเงินกู้ในช่วง 3 ถึง 5 วันที่ผ่านมาผู้ประกอบการที่มีประสบการณ์รู้ว่าพฤติกรรมใดที่คาดหวังจากตลาดโดยอิงจากชุดตัวชี้วัดและการตีความของพวกเขาข้อนี้มักทำตามความทรงจำของเขา หรือแบบจำลองบางอย่างการค้นหาตัวชี้วัดที่ดีและการประมวลผลข้อมูลของพวกเขาก่อให้เกิดความท้าทายครั้งใหญ่ประการแรกเราต้องเข้าใจว่าปัจจัยใดมีความสัมพันธ์กับราคาในอนาคตข้อมูลที่ไม่มีคุณภาพในการทำนายทำให้เกิดเสียงและความซับซ้อนลดประสิทธิภาพในการค้นหา ตัวชี้วัดที่ดีเป็นวิทยาศาสตร์ของตัวเองมักจะต้องเข้าใจลึกของการเปลี่ยนแปลงของตลาดส่วนหนึ่งของการออกแบบกลยุทธ์นี้ไม่สามารถอัตโนมัติได้อย่างง่ายดายโชคดีเมื่อชุดที่ดีของ indica tors พบหน่วยความจำและสัญชาตญาณของผู้ค้าสามารถเปลี่ยนได้อย่างง่ายดายด้วยรูปแบบทางสถิติซึ่งน่าจะมีประสิทธิภาพมากขึ้นเนื่องจากคอมพิวเตอร์มีหน่วยความจำสมบูรณ์แบบและสามารถสร้างการประมาณค่าทางสถิติได้อย่างสมบูรณ์อ้างอิงการซื้อขายความผันผวนนี้ทำให้ฉันต้องใช้เวลามากพอสมควร เข้าใจสิ่งที่มีอิทธิพลต่อการเคลื่อนไหวของมันโดยเฉพาะอย่างยิ่งฉัน m สนใจในตัวแปรที่คาดการณ์ผลตอบแทนในอนาคตของ VXX และ XIV ฉันจะไม่ไปลงในคำอธิบายเต็มความยาวที่นี่ แต่เพียงนำเสนอข้อสรุปสองตัวชี้วัดที่มีค่าที่สุดของฉันสำหรับความผันผวนเป็นโครงสร้างระยะลาดและ ความผันผวนของความผันผวนในปัจจุบันคำจำกัดความของความคลาดเคลื่อนของค่าความคลาดเคลื่อนที่เกิดขึ้นใน VIX-VizedVol. delta VIX-VXV. VIX VXV เป็นความผันผวนโดยนัยของ SP 500 ถึง 1 เดือนและ 3 เดือนซึ่งเป็นความผันผวนของ SPY ที่เกิดขึ้น 10 วัน , คำนวณด้วยหยางสูตร - Zhang เดลต้าได้รับการกล่าวถึงมักจะอยู่บนบล็อก VixAndMore ในขณะที่พรีเมี่ยมเป็นที่รู้จักกันดีจากการซื้อขายตัวเลือกมันทำให้รู้สึกไป volatilit สั้น y เมื่อพรีเมี่ยมสูงและฟิวเจอร์สอยู่ใน contango delta 0 ซึ่งจะทำให้ tailwind จากพรีเมี่ยมและรายวันม้วนตามโครงสร้างคำใน VXX แต่นี่เป็นเพียงการประมาณคร่าวๆกลยุทธ์การซื้อขายที่ดีจะรวมข้อมูลจากพรีเมี่ยมและเดลต้าไป มาพร้อมกับการคาดการณ์ทิศทางการซื้อขายใน VXX. I ve ดิ้นรนเป็นเวลานานมากมากับวิธีที่ดีในการรวมข้อมูลที่มีเสียงดังจากตัวบ่งชี้ทั้งสองฉันได้พยายามมากที่สุดของวิธีมาตรฐานเช่นการถดถอยเชิงเส้นการเขียนพวง ของถ้า thens แต่ทั้งหมดที่มีการปรับปรุงเล็กน้อยมากเมื่อเทียบกับการใช้เพียงหนึ่งตัวบ่งชี้ตัวอย่างที่ดีของกลยุทธ์ตัวบ่งชี้ดังกล่าวเดียวกับกฎง่ายๆสามารถพบได้ในบล็อก TradingTheOdds ไม่ดูไม่ดี แต่สิ่งที่สามารถทำได้ด้วยตัวชี้หลายฉัน ll เริ่มต้นด้วยข้อมูล VXX ที่ออกจาก MarketSci บางอย่างที่ฉันได้รับจาก MarketSci โปรดทราบว่าข้อมูลนี้เป็นข้อมูลจำลองก่อนที่ VXX จะสร้างขึ้นตัวบ่งชี้ในช่วงเวลาเดียวกันจะมีการวางแผนไว้ด้านล่างถ้าเราเลือกตัวบ่งชี้หนึ่งตัว ในกรณีนี้และพล็อตมันเทียบกับผลตอบแทนในอนาคตของ VXX ความสัมพันธ์บางอย่างที่สามารถมองเห็นได้ แต่ข้อมูลเป็นอย่างมากที่มีเสียงดังยังคงเป็นที่ชัดเจนว่าพรีเมี่ยมเชิงลบมีแนวโน้มที่จะมีผลตอบแทน VXX บวกในวันถัดไปรวมทั้งพรีเมี่ยมและเดลต้าเข้า หนึ่งรูปแบบได้รับความท้าทายสำหรับฉัน แต่ฉันอยากจะทำประมาณสถิติในสาระสำคัญสำหรับการรวมกันของเดลต้าพรีเมี่ยมฉันต้องการจะหาค่าทางประวัติศาสตร์ทั้งหมดที่ใกล้เคียงกับค่าปัจจุบันและทำให้การประมาณค่าของ ผลตอบแทนในอนาคตจากพวกเขาสองสามครั้งที่ฉันได้เริ่มเขียนอัลกอริทึมการแก้ไขที่ใกล้ที่สุดของเพื่อนบ้านของฉัน แต่ทุกครั้งที่ฉันต้องยอมแพ้จนกว่าฉันจะเข้ามาในการถดถอยของเพื่อนบ้านที่ใกล้ที่สุด scikit มันช่วยให้ฉันสามารถสร้างตัวพยากรณ์ขึ้นอยู่กับสองปัจจัยการผลิต และผลลัพธ์ที่ได้นั้นดีมากจนทำให้ฉันรู้สึกกังวลว่าฉันได้ทำผิดพลาดที่ใดต่อไปนี้คือสิ่งที่ฉันไม่ได้สร้างชุดข้อมูลเดลต้าพรีเมี่ยม - VXX ในวันถัดไปกลับมาหาตัวอย่าง - สร้างตัวบ่งชี้พยากรณ์ใกล้ที่สุด บนฐานข้อมูล aset above. trade กลยุทธ์ออกตัวอย่างกับ rules. go ยาวหากทำนายผลตอบแทน 0.go สั้นถ้าทำนายผลตอบแทน 0.The กลยุทธ์ไม่ได้ง่ายผลดูเหมือนดีมากและได้ดีขึ้นเมื่อมีการใช้ neigbors มากขึ้นสำหรับการประมาณ ขั้นแรกมี 10 คะแนนกลยุทธ์เป็นตัวอย่างที่ดีเยี่ยม แต่เป็นเส้นสีแดงที่ไม่อยู่ในกลุ่มตัวอย่างจากภาพด้านล่างเป็นจุดสุดท้ายในตัวอย่างจากนั้นประสิทธิภาพจะดีขึ้นเมื่อใช้ 40 และ 80 จุดในช่วงหลัง สองแปลงกลยุทธ์ดูเหมือนว่าจะดำเนินการเดียวกันในและนอกของตัวอย่างอัตราส่วน Sharpe ประมาณ 2 3 ฉัน m พอใจมากกับผลและมีความรู้สึกว่าฉัน ve เพียงเกาพื้นผิวของสิ่งที่เป็นไปได้ด้วยเทคนิคนี้ การค้นหาเครื่องมือ backtesting ที่เหมาะสำหรับคำจำกัดความในอุดมคติของฉันได้อธิบายไว้ในบทความก่อนหน้านี้ที่ไม่ได้ผลใน Backtesting Dilemmas ไม่ได้ส่งผลให้ฉันสามารถใช้งานได้ทันทีอย่างไรก็ตามการตรวจสอบตัวเลือกที่พร้อมใช้งานช่วยให้ฉันเข้าใจดีกว่าสิ่งที่ฉันต้องการได้ ฉันมองไปที่ pybacktest เป็นคนที่ฉัน ชอบมากที่สุดเพราะความเรียบง่ายและความเร็วของมันหลังจากผ่านซอร์สโค้ดฉันมีความคิดบางอย่างที่จะทำให้มันง่ายขึ้นและดูสง่างามมากขึ้นจากนั้นมันเป็นเพียงขั้นตอนเล็ก ๆ ในการเขียน backtester ของฉันซึ่งขณะนี้มีอยู่ใน ไลบรารี TradingWithPython ฉันได้เลือกวิธีการที่ backtester มีฟังก์ชันการทำงานซึ่งหุ้นกลยุทธ์การซื้อขายทั้งหมดและที่มักจะได้รับการคัดลอกวางสิ่งต่างๆเช่นการคำนวณตำแหน่งและ pnl เมตริกประสิทธิภาพและการวางแผนการทำงานที่เฉพาะเจาะจงเชิงกลยุทธ์เช่นการกำหนดจุดเข้าและออกควรเป็น ทำนอก backtester เวิร์กโฟลว์ปกติจะหารายการและออก - คำนวณ pnl และทำแปลงกับ backtester - ข้อมูลกลยุทธ์การโพสต์กระบวนการในขณะนี้โมดูลมีน้อยมากดูที่มาที่นี่ แต่ในอนาคตฉัน วางแผนในการเพิ่มผลกำไรและหยุดการขาดทุนและพอร์ตการลงทุนสินทรัพย์หลายใช้โมดูล backtesting จะปรากฏในโน้ตบุ๊คนี้ฉันจัดระเบียบโน้ตบุ๊ค IPython ของฉันโดยการบันทึกพวกเขา ในไดเรกทอรีที่แตกต่างกันนี้จะนำ แต่ความไม่สะดวกเพราะการเข้าถึงโน้ตบุ๊คฉันต้องเปิด terminal และพิมพ์สมุดบันทึก ipython - inylab inline แต่ละครั้งที่ฉันแน่ใจว่าทีม ipython จะแก้ปัญหานี้ในระยะยาว แต่ในขณะเดียวกัน มีทางโคตรสวยได้อย่างรวดเร็วเข้าถึงสมุดบันทึกจาก explorer. All ไฟล์ทั้งหมดที่คุณต้องทำคือการเพิ่มเมนูบริบทที่เริ่มต้นเซิร์ฟเวอร์ ipython ในไดเรกทอรีที่คุณต้องการวิธีที่รวดเร็วเพื่อเพิ่มรายการบริบทคือการเรียกใช้โปรแกรมปรับปรุงรีจิสทรีนี้หมายเหตุ แพทช์สันนิษฐานว่าคุณมีการติดตั้งหลามของคุณอยู่ใน C Anaconda ถ้าไม่คุณจะต้องเปิดแฟ้มในโปรแกรมแก้ไขข้อความและตั้งเส้นทางขวาในบรรทัดสุดท้ายคำแนะนำในการเพิ่มคีย์รีจิสทรีด้วยตนเองสามารถพบได้ใน Frolian s บล็อกหลายคนคิดว่า etfs leveraged ในระยะยาว underperform benchmarks ของพวกเขานี้เป็นจริงสำหรับตลาดสุกใส แต่ไม่อยู่ในกรณีของเงื่อนไขแนวโน้มทั้งขึ้นหรือลง Leverage มีผลเฉพาะ outcom ส่วนใหญ่ e, ไม่เกี่ยวกับผลที่คาดหวังสำหรับพื้นหลังเพิ่มเติมกรุณาอ่านบทความนี้ 2013 ได้รับปีที่ดีมากสำหรับหุ้นซึ่งมีแนวโน้มขึ้นสำหรับส่วนมากของปีลองดูว่าจะเกิดอะไรขึ้นถ้าเราขาดแคลนบางส่วนของ etfs leveraged ว่าปี ที่ผ่านมาและป้องกันความเสี่ยงเหล่านี้ด้วยเกณฑ์มาตรฐานของพวกเขารู้ถึงพฤติกรรมของเอตอีฟที่ใช้ประโยชน์ได้ฉันหวังว่าจะมีประสิทธิภาพสูงกว่าเกณฑ์มาตรฐานของพวกเขาดังนั้นกลยุทธ์ที่จะพยายามหากำไรจากการสลายตัวนี้จะสูญเสียเงินฉันจะพิจารณาคู่เหล่านี้ SPY 2 SSO -1 SPY -2 SDS -1 QQQ 2 QLD -1 QQQ -2 QID -1 IYF -2 SKF -1.Each leveraged etf จะถือครองสั้น -1 และถูกป้องกันความเสี่ยงด้วย 1x etf สังเกตว่าเพื่อป้องกันความผกผันของ etf จะมีตำแหน่งเชิงลบ 1x etf นี่คือตัวอย่างหนึ่งของ SPY vs SSO เมื่อเราปรับราคาให้เป็น 100 ที่จุดเริ่มต้นของช่วงเวลาหลังการทดสอบ 250 วันเห็นได้ชัดว่า 2x etf มีประสิทธิภาพดีกว่า 1 เท่าและตอนนี้ผลการทดสอบของ backtest มีค่าสูงกว่าคู่ทั้งหมด etifs 2x ที่มีค่าผกผันมีประสิทธิภาพสูงกว่าเกณฑ์มาตรฐานของพวกเขาในช่วง 20 13 ตามความคาดหวังกลยุทธ์การใช้ประโยชน์จากการสลายตัวของเบต้าจะไม่เกิดผลกำไรฉันคิดว่าการเล่นอีเทอร์ที่ใช้ประโยชน์จากคู่ค้าที่ไม่ได้รับการดลใจของพวกเขาจะไม่ให้ผลดีใด ๆ เว้นเสียแต่ว่าคุณจะรู้ว่าสภาวะตลาดมีแนวโน้มหรือมีช่วง จำกัด แต่ถ้าคุณรู้จัก ระบบการตลาดที่กำลังมาถึงมีวิธีง่ายๆในการทำกำไรจากมัน แต่ไม่มีใครได้รับการประสบความสำเร็จจริงๆในการคาดการณ์ระบบการปกครองของตลาดที่แม้แต่ในระยะสั้น ๆ รหัสแหล่งที่มาเต็มรูปแบบของการคำนวณสามารถใช้ได้สำหรับสมาชิกของการซื้อขายกับหลักสูตร Python Notebook 307 นี่คือภาพของฉันที่ Twitter valuation ฉันต้องการเริ่มต้นด้วยการปฏิเสธความรับผิดชอบในขณะนี้ส่วนใหญ่ของฉัน portrolio ประกอบด้วยตำแหน่ง TWTR สั้นดังนั้นความคิดของฉันค่อนข้าง skewed เหตุผลที่ฉันได้ทำวิเคราะห์ของฉันเองที่ฉัน เดิมพันไม่ได้ผลดีและ Twitter ทำพาราโบลาในธันวาคม 2013 ดังนั้นคำถามที่ฉันพยายามตอบที่นี่คือฉันควรจะสูญเสียหรือยึดมั่นในการ shorts. At ของฉัน เวลาในการเขียนธุรกิจ TWTR มียอดขายอยู่ที่ 64 คะแนนและมีส่วนแบ่งการตลาดอยู่ที่ 34 7 B จนถึงตอนนี้ บริษัท ยังไม่ได้ทำกำไรขาดทุน 142 ล้านบาทในปี 3013 หลังจากมีรายได้ 534 ล้านเลขหมายสุดท้ายที่เราให้ไว้คือ 676 ล้านบาท ราคาที่ได้จากค่าของผู้ใช้ Twitter สามารถเปรียบเทียบกับ Facebook, Google และ LinkedIn เพื่อให้ได้แนวคิดเกี่ยวกับจำนวนผู้ใช้และค่าของพวกเขาตารางด้านล่างสรุปจำนวนผู้ใช้ต่อ บริษัท และมูลค่าต่อผู้ใช้ที่มาจากแหล่งที่มาของตลาดสำหรับจำนวนผู้ใช้ วิกิพีเดียหมายเลขสำหรับ Google ขึ้นอยู่กับจำนวนของการค้นหาที่ไม่ซ้ำกันเห็นได้ชัดว่าการประเมินมูลค่าตลาดต่อผู้ใช้มีความคล้ายคลึงกันมากสำหรับ บริษัท ทั้งหมด แต่ความเห็นส่วนตัวของฉันก็คือปัจจุบัน WTR มีค่าต่อผู้ใช้มากกว่า FB หรือ LNKD ไม่ใช่เหตุผลที่คู่แข่งทั้งสองมีข้อมูลผู้ใช้ส่วนบุคคลที่มีคุณค่ามากขึ้นในการกำจัดของพวกเขา GOOG ได้รับการยกย่องในการดึงรายได้จากผู้โฆษณาโดยการทำเช่นนั้นมีชุดข้อเสนอที่หลากหลายมากจากเครื่องมือค้นหา ไปยัง Google เอกสารและ Gmail TWTR มีอะไรที่คล้ายคลึงกันในขณะที่ค่าต่อผู้ใช้ลดลงเพียง 35 เท่าของ Google. TWTR มีห้องพัก จำกัด ที่จะขยายฐานผู้ใช้เนื่องจากไม่ได้นำเสนอผลิตภัณฑ์ที่เทียบเท่ากับ FB หรือ GOOG ที่ TWTR ให้บริการ ประมาณเจ็ดปีแล้วและคนส่วนใหญ่ที่ต้องการ accout ได้มีโอกาสของพวกเขาส่วนที่เหลือก็ไม่ได้ดูแลฐานผู้ใช้ WTR เป็นระเหยและมีแนวโน้มที่จะย้ายไปยังสิ่งที่ร้อนต่อไปเมื่อมันจะกลายเป็น available. I คิดว่าการอ้างอิงที่ดีที่สุดที่นี่จะ เป็น LNKD ซึ่งมีช่องเฉพาะที่มีเสถียรภาพในตลาดมืออาชีพโดย TWTR เมตริกนี้จะถูก overvalued การตั้งค่าของผู้ใช้ที่ 100 สำหรับ TWTR จะทำให้ได้ราคา TWTR ที่ยุติธรรมเท่ากับ 46. กำไรที่ได้จากรายได้ในอนาคตมีข้อมูลเพียงพอสำหรับรายได้ในอนาคต ประมาณการหนึ่งในสิ่งที่มีประโยชน์มากที่สุดที่ฉันพบอยู่ที่นี่ใช้ตัวเลขเหล่านี้ในขณะที่ลบออก spendings บริษัท ซึ่งฉันคิดว่าจะคงผลิตตัวเลขนี้ตามข้อมูลที่มีการประเมินค่าในแง่ดีของ TWTR ควร b e ในช่วง 46-48 ไม่มีเหตุผลที่ชัดเจนที่ควรจะซื้อขายสูงและความเสี่ยงในการดำเนินงานเพื่อการค้าที่ต่ำกว่าคาดเดาฉันว่าในช่วงที่มีการเสนอขายหุ้นมากพอผู้เชี่ยวชาญได้ตรวจสอบราคาการตั้งค่าในระดับราคายุติธรรมสิ่งที่เกิดขึ้นต่อไปคือ การเคลื่อนไหวตลาดไม่สมเหตุผลไม่เป็นธรรมโดยข้อมูลใหม่เพียงแค่มองไปที่ความบ้าคลั่งในหุ้นกับคนที่อ้างว่าสิ่งที่ต้องการนกตัวนี้จะบินไป 100 อารมณ์บริสุทธิ์ซึ่งไม่เคยทำงานออกมาดีสิ่งเดียวที่เหลือฉันตอนนี้คือการใส่ของฉัน เงินที่ปากของฉันและติดกางเกงขาสั้นของฉันเวลาจะบอกสั้น ๆ ความผันผวนในระยะสั้น VXX อาจดูเหมือนเป็นความคิดที่ดีเมื่อคุณมองไปที่แผนภูมิจากระยะไกลเนื่องจาก contango ในฟิวเจอร์สความผันผวนประสบการณ์ etn ค่อนข้างบาง headwind มากที่สุดของเวลาและ looses นิด ๆ หน่อย ๆ ค่าของทุกวันเกิดขึ้นเนื่องจากการปรับสมดุลรายวันนี้สำหรับข้อมูลเพิ่มเติมโปรดดูเป็นโอกาสในโลกที่เหมาะถ้าคุณถือมันนานพอกำไรที่สร้างโดย ti ฉันทรุดโทรมในฟิวเจอร์สและการปรับสมดุลคงที่มีการประกัน แต่ในระยะสั้นคุณต้องผ่าน drawdowns หนักบางสวยเพียงแค่มองย้อนกลับไปในช่วงฤดูร้อนของ 2011 ฉันได้รับโชคร้ายหรือโง่เขลาพอที่จะถือตำแหน่ง VXX สั้น ๆ เพียงก่อน VIX ขึ้นไปฉันได้เกือบ blown บัญชีของฉันโดย 80 แล้วเบิกในเวลาเพียงไม่กี่วันส่งผลให้เกิดภัยคุกคามจากการโทร margin โดยนายหน้า Margin โทรของฉันจะหมายถึง cashing สูญเสียนี้ไม่ได้เป็นสถานการณ์ที่ฉันเคยต้องการจะอยู่ในอีกครั้ง ฉันรู้ว่ามันจะไม่ง่ายที่จะทำให้หัวค่ำตลอดเวลา แต่ประสบความเครียดและความกดดันของสถานการณ์เป็นสิ่งที่แตกต่างโชคดีที่ฉันรู้ว่า VXX มีแนวโน้มที่จะประพฤติดังนั้นฉันไม่ได้ตื่นตระหนก แต่เปลี่ยนด้านข้างไป XIV เพื่อหลีกเลี่ยงการ margin call เรื่องราวสิ้นสุดลงอย่างดี 8 เดือนต่อมาผลงานของฉันกลับมาแข็งแรงและฉันได้เรียนรู้บทเรียนที่มีค่ามากแล้วเริ่มต้นด้วยคำเตือนที่นี่ไม่ทำให้เกิดความผันผวนหากคุณไม่ทราบว่าคุณมีความเสี่ยงเท่าไหร่ ลองดูสิ ที่กลยุทธ์ที่ช่วยลดความเสี่ยงบางอย่างโดยการลัดวงจร VXX เฉพาะเมื่อมีความเหมาะสมยุทธวิธีวิทยานิพนธ์ VXX ประสบการณ์ลากมากที่สุดเมื่อเส้นโค้งฟิวเจอร์สอยู่ใน contango สูงชันเส้นโค้งฟิวเจอร์สจะประมาณโดยความสัมพันธ์ VIX-VXV เราจะสั้น VXX เมื่อ VXV มีพรีเมี่ยมที่ผิดปกติสูงกว่า VIX ประการแรกให้ลองดูที่ความสัมพันธ์ของ VIX-VXV แผนภูมิด้านบนแสดงข้อมูล VIX-VXV ตั้งแต่เดือนมกราคม 2010 จุดข้อมูลจากปีที่แล้วจะแสดงเป็นสีแดงฉันเลือกที่จะใช้รูปแบบสมการกำลังสอง ระหว่างสองประมาณ VXV f VIX f VIX เป็นพล็อตเป็นเส้นสีฟ้าค่าเหนือเส้นแสดงสถานการณ์เมื่อฟิวเจอร์สอยู่ในแรงกว่าปกติ contango ตอนนี้ฉันกำหนดตัวบ่งชี้เดลต้าซึ่งเป็นส่วนเบี่ยงเบนจากพอดีเดลต้า VXV - f VIX ตอนนี้ให้ดูที่ราคาของ VXX พร้อมกับ delta ราคาของ VXX ใน log scale ด้านล่าง delta เครื่องหมายสีเขียว indicat delta 0 red markers delta 0 เห็นได้ชัดว่าพื้นที่สีเขียวสอดคล้องกับผลตอบแทนเชิงลบใน VXX ลองเลียนแบบ กลยุทธ์กับสมมติฐานเหล่านี้สั้น VXX เมื่อเดลต้า 0.Constant เงินทุนเดิมพันในแต่ละวันเป็น 100. ไม่มีการลื่นไถลหรือค่าใช้จ่ายในการทำธุรกรรมกลยุทธ์นี้จะถูกเปรียบเทียบกับธุรกิจที่สั้นทุกวัน แต่ไม่ได้ใช้ delta เข้าบัญชี เส้นสีเขียวเป็นกลยุทธ์สั้นของเรา VXX เส้นสีฟ้าเป็นใบ้หนึ่ง Sharpe ของ 1 9 สำหรับกลยุทธ์วันสิ้นเชิงง่ายๆไม่เลวเลยในความคิดของฉัน แต่ที่สำคัญยิ่งกว่าคือการลดลงลำไส้ wrenching จะหลีกเลี่ยงส่วนใหญ่ โดยการให้ความสำคัญกับล่วงหน้าฟิวเจอร์สโค้งสร้างกลยุทธ์นี้ทีละขั้นตอนจะมีการหารือในระหว่างการซื้อขายกับ Python course. Price ของสินทรัพย์หรือ ETF เป็นหลักสูตรตัวบ่งชี้ที่ดีที่สุดมี แต่โชคร้ายมีเพียงเท่านั้น ข้อมูลจำนวนมากที่มีอยู่ในนั้นบางคนดูเหมือนจะคิดว่าตัวชี้วัดเพิ่มเติม rsi, macd, moving crossover อื่น ๆ ฯลฯ ดีกว่า แต่ถ้าทั้งหมดของพวกเขาอยู่ที่ชุดราคาพื้นฐานเดียวกันพวกเขาทั้งหมดจะมีเซตย่อยเดียวกัน จำกัด ข้อมูล c ที่ได้รับในราคาเราต้องการข้อมูลเพิ่มเติมเกี่ยวกับสิ่งที่มีอยู่ในราคาที่จะทำให้เดาข้อมูลเพิ่มเติมเกี่ยวกับสิ่งที่จะเกิดขึ้นในอนาคตอันใกล้ตัวอย่างที่ดีของการรวมทุกประเภทของข้อมูลเพื่อการวิเคราะห์ที่ชาญฉลาดสามารถพบได้ใน ด้านสั้นของบล็อกยาวการผลิตแบบนี้จำเป็นต้องใช้การวิเคราะห์เป็นจำนวนมากในการทำงานที่ฉันเพียงแค่ don t มีเวลาที่ฉันเป็นเพียงการค้านอกเวลาดังนั้นฉันสร้างแดชบอร์ดตลาดของตัวเองที่จะเก็บรวบรวมข้อมูลสำหรับฉันและนำเสนอใน รูปแบบย่อยง่ายในบทความนี้ฉันจะแสดงวิธีการสร้างตัวบ่งชี้ขึ้นอยู่กับข้อมูลปริมาณสั้นโพสต์นี้จะแสดงขั้นตอนการรวบรวมข้อมูลและการประมวลผลขั้นที่ 1 ค้นหาแหล่งข้อมูล BATS แลกเปลี่ยนให้ข้อมูลปริมาณรายวันฟรีในเว็บไซต์ของตน ขั้นตอนที่ 2 รับข้อมูลด้วยตนเองตรวจสอบข้อมูลปริมาณสั้นของการแลกเปลี่ยน BATS มีอยู่ในแฟ้มข้อความที่มีการบีบอัดแต่ละวันมีไฟล์ซิปของตนเองหลังจากดาวน์โหลดและ unzipping ไฟล์ txt นี้เป็นสิ่งที่ insid e หลายบรรทัดแรกในไฟล์ทั้งหมดมีประมาณ 6000 สัญลักษณ์ข้อมูลนี้เป็นความต้องการค่อนข้างทำงานก่อนที่จะสามารถนำเสนอในลักษณะที่มีความหมายขั้นตอนที่ 3 รับข้อมูลโดยอัตโนมัติสิ่งที่ฉันต้องการไม่ได้เป็นเพียงข้อมูลสำหรับวัน แต่ อัตราส่วนของปริมาณสั้นเป็นปริมาณรวมหลายปีที่ผ่านมาและฉัน don t รู้สึกเหมือนดาวน์โหลด 500 ไฟล์ซิปและคัดลอกวางใน excel ด้วยตนเองโชคดีอัตโนมัติเต็มเป็นเพียงสองสามบรรทัดโค้ดแรกเราต้องสร้างแบบไดนามิก url ที่ไฟล์จะถูกดาวน์โหลดขณะนี้เราสามารถดาวน์โหลดไฟล์หลายไฟล์ได้ในครั้งเดียวขั้นที่ 4 แยกวิเคราะห์ไฟล์ที่ดาวน์โหลดเราสามารถใช้ไลบรารี zip และ pandas เพื่อแยกไฟล์เดียวส่งกลับอัตราส่วนของ Short Volume Total Volume สำหรับสัญลักษณ์ทั้งหมด ในไฟล์ zip ขั้นตอนที่ 5 ทำแผนภูมิตอนนี้สิ่งเดียวที่เหลือคือการแยกวิเคราะห์ไฟล์ที่ดาวน์โหลดทั้งหมดและรวมไว้ในตารางเดียวและพล็อตผลในรูปด้านบนฉันได้วางแผนอัตราส่วนปริมาณเฉลี่ยสั้นสำหรับที่ผ่านมาสองปีฉัน ยังสามารถใช้ a ส่วนย่อยของสัญลักษณ์ถ้าฉันต้องการจะดูที่ภาคเฉพาะหรือหุ้นดูอย่างรวดเร็วที่ข้อมูลทำให้ฉันรู้สึกว่าอัตราส่วนปริมาณสูงสั้นมักจะสอดคล้องกับพื้นตลาดและอัตราส่วนต่ำดูเหมือนจะเป็นจุดเข้าที่ดีสำหรับตำแหน่งยาวเริ่มต้น จากที่นี่อัตราส่วนปริมาณสั้นนี้สามารถใช้เป็นพื้นฐานสำหรับการพัฒนากลยุทธ์ Trading กับหลักสูตร Python ถ้าคุณเป็นผู้ค้าหรือนักลงทุนและต้องการได้รับชุดของทักษะการซื้อขายเชิงปริมาณที่คุณอาจพิจารณาการค้ากับ Python couse หลักสูตรออนไลน์จะช่วยให้คุณมีเครื่องมือและวิธีปฏิบัติที่ดีที่สุดสำหรับการวิจัยการค้าเชิงปริมาณรวมทั้งฟังก์ชั่นและสคริปต์ที่เขียนขึ้นโดยผู้ค้าเชิงปริมาณผู้เชี่ยวชาญคุณจะได้เรียนรู้วิธีรับและประมวลผลข้อมูลจำนวนมหาศาลและการวิเคราะห์ข้อมูลเชิงกลยุทธ์ คุณตัดสินใจอย่างชาญฉลาดที่มีความสำคัญต่อความสำเร็จของผู้ค้าคลิกที่นี่เพื่อดำเนินการต่อไปกับหลักสูตรการซื้อขายกับเว็บไซต์ Python course ชื่อของฉันคือ Jev Kuznetso v ในช่วงกลางวันฉันเป็นวิศวกรนักวิจัยใน บริษัท ที่เกี่ยวข้องกับธุรกิจการพิมพ์ช่วงเวลาที่ฉันเป็นผู้ค้าฉันศึกษาวิชาฟิสิกส์ประยุกต์ที่มีความชำนาญในการจดจำรูปแบบและปัญญาประดิษฐ์งานประจำวันของฉันเกี่ยวข้องกับอะไรจากการสร้างต้นแบบของอัลกอริทึมอย่างรวดเร็วใน Matlab และภาษาอื่น ๆ ในการเขียนโปรแกรมการออกแบบฮาร์ดแวร์ตั้งแต่ปี 2009 ฉันได้ใช้ทักษะทางเทคนิคของฉันในตลาดการเงินก่อนที่จะสรุปว่างูหลามเป็นเครื่องมือที่ดีที่สุดที่มีอยู่ผมทำงานอย่างกว้างขวางใน Matlab ซึ่งครอบคลุมใน blog. You อื่น ๆ ของฉัน สามารถติดต่อฉันได้ที่