เครื่อง เรียนรู้ และ สั้น ตำแหน่ง ใน หุ้น trading กลยุทธ์

ฉันไม่ค่อยแน่ใจว่าคำถามนี้เหมาะกับที่นี่หรือไม่ฉันเพิ่งเริ่มอ่านและเรียนรู้เกี่ยวกับการเรียนรู้เกี่ยวกับเครื่องจักรเรียนรู้ได้ใครบางคนสามารถโยนแสงสว่างบางส่วนไปหาวิธีการดำเนินการได้หรือไม่ทุกคนสามารถแบ่งปันประสบการณ์และคำแนะนำพื้นฐานเกี่ยวกับวิธีเดินทาง เกี่ยวกับเรื่องนี้หรือ atleast เริ่มต้นใช้มันเพื่อดูผลบางอย่างจากชุดข้อมูลวิธีการที่มีความทะเยอทะยานนี้เสียงนอกจากนี้จะพูดถึงเกี่ยวกับขั้นตอนวิธีมาตรฐานที่ควรจะพยายามหรือมองในขณะที่ทำ this. asked 1 กุมภาพันธ์ที่ 18 18 35.There น่าจะเป็น ความเข้าใจผิดพื้นฐานที่คนสามารถมาพร้อมและเรียนรู้การเรียนรู้เครื่องบางหรืออัลกอริทึม AI ตั้งพวกเขาเป็นกล่องสีดำตีไปและนั่งในขณะที่พวกเขาเกษียณคำแนะนำของฉันให้คุณเรียนรู้สถิติและการเรียนรู้เครื่องแรกแล้วต้องกังวลเกี่ยวกับ อ่านข้อมูลเกี่ยวกับการเรียนรู้ทางสถิติ pdf มีให้บริการฟรีในเว็บไซต์และอย่าพยายามสร้างแบบจำลองจนกว่าคุณจะเข้าใจอย่างน้อยที่สุด 8 บทแรก เมื่อคุณเข้าใจสถิติและการเรียนรู้ด้วยเครื่องแล้วคุณจำเป็นต้องเรียนรู้วิธีทดสอบ backtest และสร้างรูปแบบการซื้อขายการบัญชีสำหรับค่าใช้จ่ายในการทำธุรกรรม ฯลฯ ซึ่งเป็นพื้นที่อื่น ๆ ทั้งหมดหลังจากที่คุณได้รับการจัดการทั้งด้านการวิเคราะห์และด้านการเงินแล้ว แล้วมันจะค่อนข้างชัดเจนวิธีการใช้มันจุดทั้งหมดของอัลกอริทึมเหล่านี้พยายามที่จะหาวิธีเพื่อให้พอดีกับรูปแบบข้อมูลและสร้างอคติต่ำและความแปรปรวนในการทำนายนั่นคือการฝึกอบรมและข้อผิดพลาดการทำนายการทดสอบจะต่ำและคล้ายกัน นี่เป็นตัวอย่างของระบบการซื้อขายโดยใช้เครื่องเวกเตอร์สนับสนุนใน R แต่เพียงจำไว้ว่าคุณจะทำตัวเองเป็นคนก่อการร้ายขนาดใหญ่หากคุณไม่ได้ใช้เวลาในการทำความเข้าใจพื้นฐานก่อนที่จะพยายามใช้สิ่งที่ลึกลับเพียงเพื่อเพิ่ม การปรับปรุงความบันเทิงที่ฉันเพิ่งมาในวิทยานิพนธ์ปริญญาโทนี้นวนิยายอัลกอริธึมการค้ากรอบการใช้วิวัฒนาการและการเรียนรู้เครื่องจักรสำหรับการเพิ่มประสิทธิภาพการลงทุน 2012 มันเป็นความคิดเห็นที่กว้างขวางของการเรียนรู้เครื่องที่แตกต่างกัน approa เปรียบเทียบกับการซื้อและระงับหลังจากเกือบ 200 หน้าพวกเขาได้ข้อสรุปขั้นพื้นฐานระบบการซื้อขายไม่สามารถทำกำไรได้ดีกว่าเกณฑ์มาตรฐานเมื่อใช้ค่าใช้จ่ายในการทำธุรกรรมจำเป็นต้องพูดนี่ไม่ได้หมายความว่าจะไม่สามารถดำเนินการได้ time ทบทวนวิธีการของพวกเขาเพื่อดูความถูกต้องของวิธีการ แต่แน่นอนให้หลักฐานเพิ่มเติมบางอย่างในความโปรดปรานของทฤษฎีบทอาหารกลางวันฟรี no. ตอบกุมภาพันธ์ 1 11 ที่ 18 48 Jase เป็นหนึ่งในผู้เขียนวิทยานิพนธ์ปริญญาโทที่กล่าวถึงฉัน สามารถพูดการทำงานของตัวเองและพูดว่าถ้าใครจริงประสบความสำเร็จผลกำไรที่มีแรงจูงใจที่จะแบ่งปันพวกเขาไม่เป็นมันจะลบล้างความได้เปรียบของพวกเขาแม้ว่าผลของเราอาจให้ยืมสนับสนุนสมมติฐานตลาดมัน doesn t ดักคอการดำรงอยู่ของระบบที่ทำงานอาจเป็น เหมือนทฤษฎีความน่าจะเป็นที่คาดการณ์ว่าการค้นพบใหม่ในสาขาทฤษฎีความน่าจะเป็นไปได้หลายครั้ง แต่ไม่เคยใช้ร่วมกันนี่อาจเป็นเพราะการประยุกต์ใช้ในทางปฏิบัติในการเล่นการพนันแล้วอีกครั้งบางทีนี่อาจเป็น จะมีการเล่นแร่แปรธาตุที่ทันสมัย ​​Andr Christoffer Andersen 30 เม. ย. 30 ที่ 10 01. คำแนะนำของคุณคุณมีเครื่อง AI Learning AI Artificial Intelligence ML จำนวนหนึ่งที่ออกจำหน่ายที่นั่นฉันได้ทดลองใช้โปรแกรมทางพันธุกรรมและเครือข่ายประสาทเทียมบางส่วนเท่านั้นเองและผมคิดว่าการเรียนรู้จากประสบการณ์ สาขาดูเหมือนว่าจะมี GP GP ที่มีศักยภาพมากที่สุดและดูเหมือนว่าเครือข่ายประสาทจะเป็นวิธีการสำรวจที่ใช้บ่อยที่สุดเพื่อวัตถุประสงค์ในการคาดการณ์ตลาดหุ้น แต่ถ้าคุณทำข้อมูลเหมืองแร่บางส่วนในการคาดเดา Wall Street คุณอาจจะสามารถวิเคราะห์ความเชื่อมั่นได้เช่นกัน ใช้เวลาเรียนรู้เกี่ยวกับเทคนิค ML AI ต่างๆค้นหาข้อมูลตลาดบางส่วนและลองใช้อัลกอริทึมบางส่วนแต่ละอันจะมีจุดแข็งและจุดอ่อนของตัวเอง แต่คุณอาจจะสามารถรวมการคาดการณ์ของแต่ละอัลกอริทึมเข้ากับการคาดการณ์แบบคอมโพสิตได้เช่นเดียวกับ สิ่งที่ผู้ชนะของรางวัล NetFlix ได้บ้างทรัพยากรบางส่วนต่อไปนี้เป็นแหล่งข้อมูลบางอย่างที่คุณอาจต้องการมองหาผู้พูดคุยทั่วไป หมวกประดิษฐ์ปัญญาเป็นวิทยาศาสตร์ voodoo คุณสามารถ t ทำคอมพิวเตอร์ทำนายราคาหุ้นและคุณแน่ใจว่าหลวมเงินของคุณหากคุณลองทำกระนั้นกระนั้นคนเดียวกันจะบอกคุณว่าเพียงเกี่ยวกับวิธีเดียวที่จะทำให้เงินในหุ้น ตลาดคือการสร้างและปรับปรุงกลยุทธ์การค้าของคุณเองและปฏิบัติตามอย่างใกล้ชิดซึ่งไม่เป็นความคิดที่ไม่ดีความคิดของอัลกอริทึม AI ไม่ได้ที่จะสร้างชิปและปล่อยให้เขาค้าสำหรับคุณ แต่โดยอัตโนมัติกระบวนการของการสร้างกลยุทธ์มัน sa กระบวนการที่น่าเบื่อมากและไม่ง่ายเลยที่จะทำให้การใช้งานลดลงอย่างที่เราเคยได้ยินมาก่อนปัญหาพื้นฐานเกี่ยวกับอัลกอริทึม AI คือ overfitting aa datamining bias เนื่องจากชุดข้อมูล AI ของคุณอาจพบรูปแบบที่เกี่ยวข้องกับการฝึกอบรม ชุด แต่อาจไม่เกี่ยวข้องในชุดทดสอบมีหลายวิธีในการลด overfitting. Use ตรวจสอบชุดไม่ t ให้ข้อเสนอแนะไปยังอัลกอริทึม แต่จะช่วยให้คุณสามารถตรวจสอบเมื่ออัลกอริทึมของคุณอาจเริ่มต้น เพื่อ overfit เช่นคุณสามารถหยุดการฝึกอบรมถ้าคุณอีกครั้ง overfitting มากเกินไปใช้เครื่องออนไลน์การเรียนรู้ส่วนใหญ่จะช่วยลดความจำเป็นในการทดสอบกลับและเป็นมากใช้สำหรับขั้นตอนวิธีการที่พยายามที่จะทำให้การคาดการณ์ของตลาดการเรียนรู้ประกอบทำให้คุณมีวิธีที่จะใช้ กลไกการเรียนรู้หลายเครื่องและรวมการคาดการณ์ของข้อสันนิษฐานว่าอัลกอริธึมต่าง ๆ อาจมีข้อมูลในบางพื้นที่ แต่การรวมกันที่ถูกต้องของการคาดคะเนของพวกเขาจะมีอำนาจในการทำนายที่ดีขึ้นสองแง่มุมของการเรียนรู้ทางสถิติมีประโยชน์สำหรับการซื้อขาย กล่าวก่อนหน้านี้วิธีการทางสถิติบางอย่างที่มุ่งเน้นการทำงานกับ datasets สดหมายความว่าคุณรู้ว่าคุณกำลังสังเกตเฉพาะตัวอย่างของข้อมูลและคุณต้องการคาดการณ์คุณดังนั้นจึงต้องจัดการกับในตัวอย่างและออกจากปัญหาตัวอย่าง overfitting และอื่น ๆ จากมุมมองนี้ , การทำเหมืองข้อมูลมีความสำคัญมากขึ้นกับชุดข้อมูลที่ตายแล้วนั่นคือคุณสามารถดูข้อมูลเกือบทั้งหมดได้คุณมีปัญหาตัวอย่างเพียงอย่างเดียวคือสถิติที่เรียนรู้ g เพราะการเรียนรู้ทางสถิติเป็นเรื่องเกี่ยวกับการทำงานกับชุดข้อมูลที่ใช้งานอยู่คณิตศาสตร์ที่ประยุกต์ใช้กับพวกเขาจึงต้องมุ่งเน้นไปที่ปัญหาสองเรื่อง ด้านซ้าย XF theta Xn, xi L pi Xn, n end right โดยที่ X คือพื้นที่ว่างระหว่างรัฐเพื่อการศึกษาที่คุณมีอยู่ในตัวแปรอธิบายของคุณและตัวแปรที่คาดการณ์ F มีการเปลี่ยนแปลงของ X ซึ่งจำเป็นต้องมีค่า theta The randomness of X มาจากนวัตกรรม xi ซึ่งเป็น ii d เป้าหมายของการเรียนรู้ทางสถิติคือการสร้างวิธีการ L และเป็นปัจจัยการผลิต pi การสังเกตบางส่วนของ X และค่อยๆปรับหมวก theta theta ของ theta เพื่อที่เราจะรู้ทุกสิ่งที่จำเป็น ใน X. ถ้าคุณคิดเกี่ยวกับการใช้การเรียนรู้ทางสถิติเพื่อค้นหาพารามิเตอร์ของการถดถอยเชิงเส้นเราสามารถจำลองพื้นที่ของรัฐเช่นนี้ underbrace yx ซ้ายขวา ab ab 1 1 0 0 end ขวา cdot underbrace x 1 epsilon ขวาสุดซึ่งทำให้สามารถ สังเกต y, xn ที่ n ใด ๆ ที่นี่ ata, b แล้วคุณต้องหาทางที่จะสร้าง estimator of theta โดยใช้ข้อสังเกตของเราทำไมไม่มีการไล่ระดับสีของ gradient ในระยะ L2 ระหว่าง y กับการถดถอย C hat a, hat bn sum yk - หมวก a, xk h ที่ b 2.Here แกมมาเป็นโครงการ weighting. โดยปกติวิธีที่ดีในการสร้าง estimator คือการเขียนอย่างถูกต้องเกณฑ์เพื่อลดและใช้การไล่ระดับสีไล่ระดับที่จะผลิตโครงการการเรียนรู้ L. กลับไปที่ปัญหาทั่วไปของเราเดิมที่เราต้องการบางอย่าง คณิตศาสตร์ประยุกต์ที่จะรู้เมื่อสองระบบแบบไดนามิกใน X, theta หมวกบรรจบกันและเราจำเป็นต้องรู้วิธีการสร้างแผนการประเมิน L ที่บรรจบกันต่อ theta. To เดิมเพื่อให้คำแนะนำในผลทางคณิตศาสตร์ดังกล่าวขณะนี้เราสามารถกลับไปที่สอง รูปแบบของการเรียนรู้ทางสถิติที่น่าสนใจมากสำหรับนักยุทธศาสตร์การค้าแบบควอนตัม 2 ผลที่ใช้เพื่อพิสูจน์ประสิทธิภาพของวิธีการเรียนรู้ทางสถิติสามารถนำมาใช้เพื่อพิสูจน์ประสิทธิภาพของอัลกอริธึมการค้าเพื่อดูว่ามีความเพียงพอในการอ่านระบบไดนามิกคู่ที่ช่วยให้ เพื่อเขียนการเรียนรู้ทางสถิติซ้าย MF rho Mn, xi L pi Mn, n ด้านขวาขวาตอนนี้ M เป็นตัวแปรตลาด rho อยู่ภายใต้ PnL, L เป็นกลยุทธ์ทางการค้าเพียงแค่แทนที่เกณฑ์ที่น้อยที่สุดโดย max เลียนแบบ PnL. See เช่นการแบ่งคำสั่งที่เหมาะสมที่สุดในสระว่ายน้ำสภาพคล่องวิธีอัลกอริธึมแบบสุ่มโดย Gilles Pags, Sophie Laruelle, Charles-Albert Lehalle ในบทความนี้ผู้เขียนแสดงว่าใครบ้างที่ใช้วิธีนี้เพื่อแยกคำสั่งในสระว่ายน้ำที่มืด การเรียนรู้ความสามารถของสระว่ายน้ำเพื่อให้เกิดสภาพคล่องและใช้ผลเพื่อการค้าเครื่องมือการเรียนรู้ทางสถิติสามารถนำมาใช้ในการสร้างกลยุทธ์การซื้อขายแบบซ้ำ ๆ ได้ส่วนใหญ่ซ้ำแล้วซ้ำเล่าและพิสูจน์ประสิทธิภาพได้คำตอบที่สั้นและโหดร้ายคือคุณ don t ครั้งแรกเนื่องจาก ML และสถิติไม่ได้เป็นสิ่งที่คุณสามารถสั่งได้ดีในหนึ่งหรือสองปีขอบฟ้าเวลาที่แนะนำของฉันเพื่อเรียนรู้สิ่งที่ไม่เล็กน้อยคือ 10 ปี ML ไม่สูตรที่จะสร้างรายได้ แต่เพียงวิธีการสังเกตความเป็นจริงประการที่สองเนื่องจากสถิติที่ดีใด ๆ รู้ การทำความเข้าใจข้อมูลและโดเมนปัญหาคือ 80 ของงานนั่นคือเหตุผลที่คุณมีนักสถิติที่มุ่งเน้นการวิเคราะห์ข้อมูลทางฟิสิกส์เกี่ยวกับ genomics เกี่ยวกับ sabermetrics ฯลฯ สำหรับการบันทึก Jerome Friedman, ผู้เขียนร่วมของ ESL ยกมาเป็นนักฟิสิกส์และยังคงถือตำแหน่งมารยาทที่ SLAC ดังนั้นการศึกษาสถิติและการเงินไม่กี่ปีเป็นผู้ป่วยไปของคุณเองวิธี.Mileageอาจ vary. answered กุมภาพันธ์ 9 11 ที่ 4 41.I ทั้งหมดเห็นด้วยเพียงเพราะคุณรู้ว่าเครื่องการเรียนรู้และสถิติก็ไม่ได้หมายความว่าคุณรู้วิธีการใช้มันเพื่อการเงินดร. ไมค์ 10 สิงหาคม 11 ที่ 20 25. นอกจากนี้สิ่งที่สำคัญที่ต้องจำคือคุณได้รับรางวัล คุณจะต้องซื้อขายกับอัลกอริธึมปัญญาประดิษฐ์อื่น ๆ ที่กำลังเฝ้าดูธุรกิจการค้าของคุณและกำลังค่อยๆคำนวณอัตราต่อรองที่กลุ่มเพื่อน ๆ จะต้องพึ่งพาการผลิตที่ลดลงและสูญเสียน้อยลงในการสร้างเข็ม จุ่มและหลอกทุก AI เหล่านั้นในการหยุดออกและจากนั้นกลิ้งจุ่มกลับเข้าไปในนั้นและนั่งคลื่นรายได้ขาดทุนของคุณตลาดหุ้นเป็นเกมรวมศูนย์รักษามันเช่นการป้อนการแข่งขันชกมวยโปรถ้าคุณ aren ta 20 ปีคุณจะไปดู se Eric Leschinski 13 กุมภาพันธ์ที่ 1 56.One โปรแกรมพื้นฐานคือการทำนายความทุกข์ทางการเงินรับพวงของข้อมูลกับบาง บริษัท ที่มีผิดนัดและอื่น ๆ ที่สวรรค์ t มีความหลากหลายของข้อมูลทางการเงินและ ratios. Use วิธีการเรียนรู้เครื่อง เช่น SVM เพื่อดูว่าคุณสามารถคาดเดาได้ว่า บริษัท ใดจะเป็นผู้ผิดนัดและจะไม่ใช้ SVM ดังกล่าวในอนาคตกับ บริษัท เริ่มต้นที่มีความเป็นไปได้สูงในระยะสั้นและ บริษัท ที่มีค่าความเป็นไปได้ที่ความเป็นไปได้ต่ำซึ่งอาจเป็นระยะเวลาสั้น ๆ โดยมีรายได้จากการขายสั้น ๆ การเลือกหยิบเหรียญขึ้นหน้าลูกกลิ้งอบไอน้ำคุณทำเงินได้เทียบเท่ากับการขายเงินที่ไม่ต้องเสียเงินในกรณีนี้คุณจะทำผลกำไรเล็ก ๆ น้อย ๆ เป็นเวลาหลายปีแล้วทำความสะอาดโดยสิ้นเชิงเมื่อตลาดละลายลงทุก 10 ปี หรือนอกจากนั้นยังมีกลยุทธ์ที่เทียบเท่ากับการซื้อเงินนอกบ้านซึ่งทำให้พวกเขาสูญเสียเงินเป็นเวลาหลายปีจากนั้นก็ทำการฆ่าเมื่อตลาดละลายลงดู Talab's The Black Swan Contango 5 มิ.ย. ที่ 22 20. จำไว้ว่าระหว่างประเทศ บริษัท มีการใช้จ่ายเงิน สีแดงของพันล้านดอลลาร์และชั่วโมงของมนุษย์ในจิตใจที่ดีที่สุดและสว่างปัญญาประดิษฐ์ในช่วง 40 ปีที่ฉันได้พูดถึงบางส่วนของอาคารของจิตใจที่รับผิดชอบในการ alphas มากกว่าที่ Citadel และ Goldman Sachs และความโอหังจากสามเณรที่จะคิด พวกเขาสามารถใส่กันอัลกอริทึมที่จะไปเท้าจรดเท้ากับพวกเขาและชนะเกือบเป็นโง่เป็นเด็กบอกคุณเขาจะกระโดดไปดวงจันทร์เด็กโชคดีและระวังพื้นที่ martians ไม่พูดใหม่ แต่โอกาสที่จะต่อต้านคุณ Eric Leschinski 13 ก. พ. 16 ที่ 2 00. ความเป็นไปได้ที่คุ้มค่าการสำรวจคือการใช้เครื่องมือสนับสนุนเวกเตอร์การเรียนรู้บน Metatrader 5 แพลตฟอร์มประการแรกถ้าคุณไม่คุ้นเคยกับมัน Metatrader 5 เป็นแพลตฟอร์มที่พัฒนาขึ้นสำหรับผู้ใช้ในการดำเนินการซื้อขายแบบอัลกอริธึมในตลาด forex และ CFD ฉันไม่แน่ใจว่าสามารถขยายแพลตฟอร์มไปยังหุ้นและตลาดอื่น ๆ ได้หรือไม่โดยทั่วไปแล้วจะใช้กลยุทธ์การวิเคราะห์ทางเทคนิค ได้แก่ การใช้ตัวชี้วัดตาม hist ข้อมูลทางเวทมนตร์และใช้โดยผู้ที่ต้องการซื้อขายโดยอัตโนมัติเครื่องมือสนับสนุนเครื่องเรียนรู้เวกเตอร์ได้รับการพัฒนาโดยชุมชนผู้ใช้รายหนึ่งเพื่ออนุญาตให้ใช้เวกเตอร์เครื่องสนับสนุนเพื่อใช้กับตัวชี้วัดทางเทคนิคและให้คำแนะนำเกี่ยวกับการค้าเวอร์ชั่นสาธิตฟรี สามารถดาวน์โหลดได้ที่นี่ถ้าคุณต้องการตรวจสอบเพิ่มเติมเมื่อฉันเข้าใจเครื่องมือนี้ใช้ข้อมูลราคาย้อนหลังเพื่อประเมินว่าการค้าเชิงสมมุติในอดีตจะประสบความสำเร็จหรือไม่จากนั้นจึงใช้ข้อมูลนี้พร้อมกับค่าทางประวัติศาสตร์จากจำนวนที่กำหนดเองได้ ตัวบ่งชี้ MACD, oscillators ฯลฯ และใช้ในการฝึกอบรมเครื่องเวกเตอร์สนับสนุนจากนั้นจะใช้เครื่องเวคเตอร์ที่สนับสนุนการฝึกอบรมเพื่อส่งสัญญาณการซื้อขายในตลาดในอนาคตคำอธิบายที่ดีกว่าสามารถพบได้ที่ลิงค์ฉันเล่นรอบกับมันเล็กน้อยกับบางอย่างมาก ผลที่น่าสนใจ แต่เช่นเดียวกับกลยุทธ์การซื้อขายแบบอัลกอริธึมทั้งหมดผมขอแนะนำให้ทำแบบทดสอบย้อนกลับไปข้างหน้าก่อนที่จะนำไปใช้กับตลาดที่มีชีวิตอยู่ตอบ: Dec 10 12 at 11 59.Sorr y แต่แม้จะมีการใช้เป็นตัวอย่างที่ได้รับความนิยมในการเรียนรู้เกี่ยวกับเครื่อง แต่ก็ไม่มีใครเคยประสบความสำเร็จในการทำนายตลาดหุ้น แต่อย่างใดไม่ได้ผลเนื่องจากมีสาเหตุหลายประการที่ทำให้การเดินแบบสุ่มโดย Fama และคนอื่นไม่ค่อยมีเหตุผลการตัดสินใจผิดพลาดสมมติฐานที่ไม่ถูกต้อง แต่ที่น่าสนใจที่สุดก็คือถ้ามันจะทำงานใครจะสามารถกลายเป็นคนรวยเมามันภายในเดือนเป็นพื้นเป็นเจ้าของทั่วโลกเช่นนี้ไม่ได้เกิดขึ้นและคุณสามารถมั่นใจได้ว่าธนาคารทั้งหมดได้พยายามมันเรามีหลักฐานที่ดี , ว่ามันก็ไม่ได้ผลข้างเคียงคุณคิดว่าคุณจะบรรลุสิ่งที่ผู้เชี่ยวชาญหลายหมื่นคนล้มเหลวโดยใช้วิธีการเดียวกันกับที่พวกเขามีพร้อมด้วยทรัพยากรที่ จำกัด และเฉพาะรุ่นพื้นฐานของพวกเขาเท่านั้น 7 47. เพียงอย่างเดียวเกี่ยวกับกลยุทธ์ที่น่าสนใจที่สุดของคุณมีขีด จำกัด ขีดความสามารถเช่นระดับเกินกว่าที่ผลกระทบของตลาดจะเกินอัลฟาที่มีอยู่แม้สมมติว่าคุณมีทุนไม่ จำกัด ฉัน m ไม่แน่ใจว่าสิ่งที่คุณหมายถึงหุ้น ma rket คาดการณ์ล่วงหน้าฟิวเจอร์ส ETF s แต่แน่นอนมีคนจำนวนมากทำให้การคาดการณ์ในระยะสั้นและ benefitting จากพวกเขาทุกวันในตลาด afekz พฤศจิกายน 23 15 ที่ 13 19.I echo มากสิ่งที่เชนเขียนนอกเหนือจากการอ่าน ESL, ฉันจะแนะนำการศึกษาขั้นพื้นฐานมากยิ่งขึ้นของสถิติก่อนนอกจากนั้นปัญหาที่ฉันระบุไว้ในคำถามอื่นในการแลกเปลี่ยนนี้มีความเกี่ยวข้องสูงโดยเฉพาะอย่างยิ่งปัญหาของ datamining อคติเป็นสิ่งกีดขวางอย่างจริงจังกับทุกกลไกการเรียนรู้ตามกลยุทธ์โพสต์นี้ จะแสดงรายละเอียดสิ่งที่ฉันได้ทำประมาณ 500k จากการซื้อขายความถี่สูงตั้งแต่ปีพ. ศ. 2552 ถึงปีพ. ศ. 2553 เนื่องจากผมได้ทำการซื้อขายอย่างเป็นอิสระอย่างสมบูรณ์และไม่ได้ใช้โปรแกรมของฉันอีกต่อไปฉันยินดีที่จะบอกว่าการซื้อขายทั้งหมดของฉันเป็นส่วนใหญ่ในสัญญา Russel 2000 และ DAX futures ความสำเร็จของฉันฉันเชื่อว่าไม่ได้อยู่ในสมการทางการเงินที่ซับซ้อน แต่ในการออกแบบขั้นตอนโดยรวมที่เชื่อมโยงกันหลายองค์ประกอบที่เรียบง่ายและใช้เครื่องเรียนรู้เพื่อเพิ่มประสิทธิภาพสูงสุด prof itability คุณได้รับรางวัลไม่จำเป็นต้องรู้คำศัพท์ที่ซับซ้อนใด ๆ ที่นี่เพราะเมื่อฉันติดตั้งโปรแกรมของฉันมันขึ้นอยู่กับสัญชาตญาณแอนดรูแอนดรูเครื่องการเรียนที่น่าตื่นตาตื่นใจของเครื่องที่น่าตื่นตาตื่นใจยังไม่มี - btw ถ้าคุณคลิกที่ลิงค์ที่คุณจะถูกนำไป CourseTalk โครงการปัจจุบันของฉัน เว็บไซต์ทบทวนสำหรับ MOOCs. First ฉันเพียงต้องการแสดงให้เห็นว่าความสำเร็จของฉันไม่ใช่แค่ผลจากโชคโปรแกรมของฉันทำธุรกิจการค้า 1000-4000 ต่อวันครึ่งยาวครึ่งสั้นและไม่เคยได้รับในตำแหน่งมากกว่าสัญญาไม่กี่ที่ เวลานั่นหมายความว่าโชคแบบสุ่มจากการค้าใด ๆ โดยเฉพาะอย่างยิ่งออกโดยเฉลี่ยอย่างรวดเร็วผลคือฉันไม่เคยสูญเสียมากกว่า 2000 ในหนึ่งวันและไม่เคยมีการสูญเสียเดือน แก้ไขตัวเลขเหล่านี้หลังจากชำระเงินค่าคอมมิชชั่นและแผนภูมิที่นี่เพื่อให้คุณทราบถึงรูปแบบรายวันหมายเหตุนี่ไม่รวม 7 เดือนที่ผ่านมาเนื่องจาก - เนื่องจากตัวเลขหยุดทำงาน - ฉันสูญเสียแรงจูงใจในการป้อนประวัติการซื้อขาย การตั้งค่าโปรแกรมการซื้อขายอัตโนมัติของฉันฉัน d มีประสบการณ์ 2 ปีในฐานะผู้ประกอบการค้าประเวณีด้วยตนเองนี่คือปีพ. ศ. 2544 นับเป็นวันเริ่มต้นของการซื้อขายหลักทรัพย์ทางอิเล็กทรอนิกส์และมีโอกาสที่จะสร้างรายได้ที่ดีให้กับ scalpers เพื่ออธิบายสิ่งที่ฉันทำ เป็นที่คล้ายกับการเล่นเกมการพนันวิดีโอเกมที่มีขอบควรจะประสบความสำเร็จหมายถึงการได้อย่างรวดเร็วถูกลงโทษทางวินัยและมีความสามารถในการจดจำรูปแบบที่ใช้งานง่ายที่ดีฉันสามารถทำรอบ 250k จ่ายเงินกู้นักเรียนของฉันและมีเงินเหลือ Win. Over ห้าปีถัดไปผมจะเปิดตัวสอง startups ยกขึ้นทักษะการเขียนโปรแกรมบางอย่างไปพร้อมกันมัน wouldn t จะจนถึงปลายปี 2008 ที่ฉันจะได้รับกลับเข้ามาในการซื้อขายกับเงินทำงานต่ำจากการขายของการเริ่มต้นครั้งแรกของฉัน, การซื้อขายเสนอความหวังของเงินสดรวดเร็วบางอย่างในขณะที่ฉันคิดย้ายต่อไปของฉันในปี 2008 ผมเองวันซื้อขายฟิวเจอร์สโดยใช้ซอฟต์แวร์ที่เรียกว่า T4 ฉันต้องการที่จะต้องการบางส่วนที่กำหนดเองรายการปุ่มลัดดังนั้นหลังจากการค้นพบ T4 มี API ฉันเอาความท้าทาย ของการเรียนรู้ C ภาษาการเขียนโปรแกรมที่จำเป็นในการใช้ API และไปข้างหน้าและสร้างตัวเองบางองหลังจากที่เท้าของฉันเปียกกับ API ฉันเร็ว ๆ นี้มีแรงบันดาลใจที่ใหญ่กว่าฉันต้องการที่จะสอนคอมพิวเตอร์เพื่อการค้าสำหรับฉัน API ให้ทั้งกระแสของ ข้อมูลตลาดและวิธีง่ายๆในการส่งคำสั่งซื้อไปแลกเปลี่ยน - ทั้งหมดที่ฉันต้องทำคือการสร้างตรรกะที่อยู่ตรงกลางด้านล่างเป็นภาพหน้าจอของหน้าต่างการซื้อขาย T4 อะไรคือความเย็นที่เมื่อฉันได้รับโปรแกรมของฉันทำงานฉันสามารถ ดูการค้าเครื่องคอมพิวเตอร์ในอินเตอร์เฟซเดียวกันนี้แน่นอนดูคำสั่งซื้อจริง popping เข้าและออกด้วยตัวเองด้วยเงินจริงของฉันคือการออกแบบที่น่าตื่นเต้นและน่ากลัวของ algorithm. From ของฉันเริ่มแรกเป้าหมายของฉันคือการติดตั้งระบบดังกล่าวที่ฉันอาจจะมีเหตุผล ร่วม ฉันต้องการสร้างรายได้ก่อนที่จะทำการค้าขายสดเพื่อบรรลุเป้าหมายนี้ฉันจำเป็นต้องสร้างกรอบการจำลองการซื้อขายที่จะเป็นไปได้อย่างถูกต้องที่สุดจำลองการซื้อขายสดขณะที่การซื้อขายในโหมดสดต้องมีการประมวลผลการปรับปรุงตลาดในสตรีมผ่านทาง API โหมดการจำลอง การปรับปรุงตลาดการอ่านที่จำเป็นจากไฟล์ข้อมูลในการเก็บข้อมูลนี้ฉันจะติดตั้งโปรแกรมเวอร์ชันแรกของฉันเพื่อเชื่อมต่อกับ API และบันทึกการปรับปรุงตลาดด้วย timestamps ฉันใช้ข้อมูลการตลาดล่าสุดในการฝึกและทดสอบระบบของฉันเป็นเวลา 4 สัปดาห์ ด้วยกรอบพื้นฐานในสถานที่ที่ฉันยังคงมีงานของการหาวิธีการทำระบบการซื้อขายผลกำไรตามที่ปรากฎอัลกอริทึมของฉันจะแบ่งออกเป็นสองส่วนที่แตกต่างกันซึ่งฉันจะสำรวจในทางกลับกันการเคลื่อนไหวของราคาและการทำกำไร trade. Predicting การเคลื่อนไหวของราคาอาจเป็นส่วนประกอบที่ชัดเจนของระบบการค้าใด ๆ คือความสามารถในการคาดการณ์ราคาที่จะย้ายและฉันก็ไม่มีข้อยกเว้นที่ฉันกำหนดไว้ในปัจจุบัน ราคาเป็นค่าเฉลี่ยของการเสนอราคาภายในและข้อเสนอภายในและฉันจะกำหนดเป้าหมายในการทำนายราคาที่จะอยู่ใน 10 วินาทีถัดไปอัลกอริทึมของฉันจะต้องมากับช่วงเวลาที่คาดเดานี้โดยตลอดช่วงวันซื้อขายการเพิ่มประสิทธิภาพ ตัวชี้วัดแต่ละตัวบ่งชี้ว่ามีความสามารถในการทำนายการเคลื่อนไหวของราคาในระยะสั้นตัวชี้วัดแต่ละตัวบ่งชี้จำนวนที่เป็นบวกหรือลบตัวบ่งชี้มีประโยชน์ถ้าบ่อยกว่าตัวเลขเชิงบวกที่ไม่สอดคล้องกับตลาดที่เพิ่มขึ้น และตัวเลขเชิงลบสอดคล้องกับตลาดจะลงระบบของฉันอนุญาตให้ฉันได้อย่างรวดเร็วกำหนดเท่าใดความสามารถในการทำนายตัวบ่งชี้ใด ๆ ได้ดังนั้นฉันสามารถทดลองกับตัวชี้วัดที่แตกต่างกันเพื่อดูสิ่งที่ทำงานหลายตัวชี้วัดมีตัวแปรในสูตร ที่ผลิตพวกเขาและฉันก็สามารถที่จะหาค่าที่ดีที่สุดสำหรับตัวแปรเหล่านั้นโดยการทำเคียงข้างเคียงของผลลัพธ์ที่ประสบความสำเร็จกับค่าที่แตกต่างกันใน dicators ที่มีประโยชน์มากที่สุดคือทั้งหมดที่ค่อนข้างง่ายและอยู่บนพื้นฐานของเหตุการณ์ล่าสุดในตลาดที่ฉันถูกซื้อขายเช่นเดียวกับตลาดของหลักทรัพย์ที่มีความสัมพันธ์ทำคาดการณ์ราคาที่แน่นอนมีตัวชี้วัดที่คาดการณ์เพียงการเคลื่อนไหวราคาขึ้นหรือลงไม่เพียงพอ ฉันจำเป็นต้องทราบว่าการเคลื่อนไหวของราคาถูกทำนายตามค่าที่เป็นไปได้ของแต่ละตัวบ่งชี้ที่ฉันต้องการสูตรที่จะแปลงค่าตัวบ่งชี้ไปเป็นการคาดการณ์ราคาเพื่อให้บรรลุเป้าหมายนี้ฉันได้ติดตามการเปลี่ยนแปลงราคาที่คาดการณ์ไว้ในถัง 50 รายการที่ขึ้นอยู่กับช่วงที่ ค่าตัวบ่งชี้ลดลงในการคาดการณ์ที่ไม่ซ้ำกันนี้สำหรับแต่ละส่วนที่ฉันสามารถกราฟใน Excel ได้เนื่องจากคุณสามารถดูการเปลี่ยนแปลงราคาที่คาดว่าจะเพิ่มขึ้นเมื่อค่าตัวบ่งชี้เพิ่มขึ้นตามกราฟเช่นนี้ฉันสามารถสร้างสูตรได้ ให้พอดีกับเส้นโค้งในการเริ่มต้นนี้ฉันได้ปรับเส้นโค้งนี้ด้วยตนเอง แต่ฉันเร็ว ๆ นี้เขียนขึ้นบางรหัสโดยอัตโนมัติกระบวนการนี้โปรดทราบว่าไม่ทั้งหมด curves บ่งชี้ได้เหมือนกัน hape นอกจากนี้ทราบว่าถังได้กระจายลอการิทึมเพื่อกระจายจุดข้อมูลออกอย่างเท่าเทียมกันสุดท้ายทราบว่าค่าตัวบ่งชี้ค่าลบและการคาดการณ์ราคาลดลงสอดคล้องกันของพวกเขาถูกพลิกและบวกกับค่าบวกขั้นตอนวิธีของฉันรักษาขึ้นและลงเหมือนตัวบ่งชี้เดียวกันสำหรับเดียว การคาดการณ์สิ่งสำคัญที่ต้องพิจารณาคือตัวบ่งชี้แต่ละตัวไม่ได้เป็นอิสระอย่างสิ้นเชิงฉันไม่สามารถเพิ่มการคาดการณ์ทั้งหมดที่ตัวบ่งชี้แต่ละตัวทำขึ้นได้เองกุญแจสำคัญคือการหาค่าพยากรณ์เพิ่มเติมที่ตัวบ่งชี้แต่ละตัวมีมากกว่าที่คาดการณ์ไว้ wasn t ยากที่จะใช้ แต่ก็หมายความว่าถ้าฉันเป็นเส้นโค้งตัวชี้วัดที่เหมาะสมหลายในเวลาเดียวกันฉันต้องระวังการเปลี่ยนแปลงหนึ่งจะมีผลต่อการคาดการณ์ของ another. In เพื่อเส้นโค้งพอดีตัวบ่งชี้ทั้งหมดในเวลาเดียวกันฉัน ตั้งค่าเพิ่มประสิทธิภาพเพื่อก้าวไปข้างหน้าเพียง 30 วิธีในการทำนายเส้นโค้งใหม่ด้วยการผ่านแต่ละครั้งด้วยการกระโดด 30 ครั้งนี้ที่ฉันพบ ว่าเส้นโค้งการคาดการณ์จะมีเสถียรภาพภายในไม่กี่นาทีด้วยตัวบ่งชี้แต่ละตอนนี้ให้เราทำนายราคาของฉันเพิ่มเติมฉันสามารถเพิ่มพวกเขาขึ้นเพื่อสร้างการคาดการณ์เดียวของตลาดที่จะอยู่ใน 10 วินาทีทำไมคาดการณ์ราคาไม่เพียงพอ คุณอาจคิดว่าด้วยขอบนี้ในตลาดฉันเป็นสีทอง แต่คุณต้องจำไว้ว่าตลาดประกอบด้วยการเสนอราคาและข้อเสนอพิเศษไม่ใช่แค่ราคาตลาดเท่านั้นความสำเร็จในการซื้อขายด้วยความถี่สูงจะลดราคาลง มันไม่ง่ายที่ปัจจัยต่อไปนี้ทำให้การสร้างระบบที่ทำกำไรได้ยากกับการค้าแต่ละครั้งที่ฉันต้องจ่ายค่าคอมมิชชั่นให้กับโบรกเกอร์ของฉันและการแลกเปลี่ยนความแตกต่างระหว่างการกระจายการเสนอราคาสูงสุดและเสนอต่ำสุดหมายความว่าถ้าฉันเป็นเพียงแค่ซื้อและ ขายสุ่มฉัน d จะสูญเสียตันของเงินส่วนใหญ่ของปริมาณการตลาดเป็นบอทอื่น ๆ ที่จะดำเนินการค้ากับฉันหากพวกเขาคิดว่าพวกเขามีขอบทางสถิติบางข้อเสนอแนะไม่ได้รับประกันว่าฉันสามารถซื้อได้โดย เวลาสั่งซื้อของฉันได้แลกเปลี่ยนเป็นไปได้มากว่าข้อเสนอที่จะได้รับการยกเลิกเป็นผู้เล่นในตลาดขนาดเล็กมีวิธีที่ฉันสามารถแข่งขันกับความเร็ว alone. Building จำลองการซื้อขายเต็มดังนั้นฉันมีกรอบที่อนุญาตให้ฉัน แต่ฉันต้องไปไกลกว่านี้ - ฉันต้องการกรอบที่จะช่วยให้ฉัน backtest และเพิ่มประสิทธิภาพระบบการค้าแบบเต็มหนึ่งที่ฉันถูกส่งคำสั่งซื้อและรับในตำแหน่งในกรณีนี้ฉัน d จะเพิ่มประสิทธิภาพสำหรับ PL รวมและ บางส่วนเฉลี่ยต่อการค้า PL นี้จะยุ่งยากและในบางวิธีเป็นไปไม่ได้ที่จะตรงรุ่น แต่ฉันได้ดีที่สุดเท่าที่ฉันสามารถนี่คือบางส่วนของปัญหาที่ฉันต้องจัดการกับเมื่อคำสั่งถูกส่งไปยังตลาดในการจำลอง ฉันต้องสร้างแบบจำลองเวลาล่าช้าความจริงที่ว่าระบบของฉันเห็นข้อเสนอพิเศษไม่ได้หมายความว่าจะสามารถซื้อได้ทันทีระบบจะส่งคำสั่งซื้อรอประมาณ 20 มิลลิวินาทีต่อจากนั้นเฉพาะในกรณีที่ข้อเสนอพิเศษยังมีอยู่ถือว่าเป็นข้อเสนอพิเศษ ดำเนินการค้า นี้ไม่แน่นอนเพราะเวลาล่าช้าจริงไม่สอดคล้องกันและไม่รายงานเมื่อฉันวางเสนอราคาหรือข้อเสนอผมต้องดูกระแสการค้าดำเนินการโดย API และใช้ที่จะวัดเมื่อคำสั่งของฉันจะมีการดำเนินการกับการทำเช่นนี้ฉันขวา มีการติดตามตำแหน่งของฉันในคิว It sa แรกในระบบแรกออกอีกครั้งฉัน couldn t ทำอย่างนี้ได้อย่างสมบูรณ์ แต่ฉันทำ approximation. To ดีที่สุดเพื่อปรับแต่งการดำเนินการสั่งซื้อของฉันสิ่งที่ฉันไม่ได้ใช้แฟ้มบันทึกของฉันจาก การซื้อขายผ่านทาง API และเปรียบเทียบกับล็อกไฟล์ที่ผลิตโดยการซื้อขายจำลองจากช่วงเวลาเดียวกันที่แน่นอนฉันสามารถจำลองได้ถึงจุดที่ถูกต้องและสำหรับชิ้นส่วนที่ไม่สามารถทำตามรูปแบบได้ อย่างน้อยผลการผลิตที่มีความคล้ายคลึงกันทางสถิติในตัวชี้วัดที่ฉันคิดว่ามีความสำคัญการทำกำไร trades. With แบบจำลองการสั่งซื้อในสถานที่ที่ฉันตอนนี้สามารถส่งคำสั่งซื้อในโหมดการจำลองและดู PL จำลอง แต่วิธีการจะ m ระบบ Y ทราบเวลาและสถานที่ที่จะซื้อและขายการคาดการณ์การเคลื่อนไหวของราคาเป็นจุดเริ่มต้น แต่ไม่ใช่เรื่องทั้งหมดสิ่งที่ฉันทำคือการสร้างระบบการให้คะแนนสำหรับแต่ละระดับราคา 5 ระดับในการเสนอราคาและการเสนอราคาซึ่งรวมถึงระดับหนึ่งด้านบนด้านใน การเสนอราคาสำหรับคำสั่งซื้อและระดับต่ำกว่าข้อเสนอพิเศษภายในสำหรับคำสั่งขายหากคะแนนที่ระดับราคาหนึ่ง ๆ สูงกว่าเกณฑ์ที่กำหนดซึ่งหมายความว่าระบบของฉันควรมีข้อเสนอในการเสนอราคาที่ใช้งานอยู่ที่นั่นซึ่งอยู่ต่ำกว่าเกณฑ์แล้วคำสั่งซื้อที่ใช้งานอยู่ ควรจะยกเลิกตามนี้ไม่ได้ผิดปกติที่ระบบของฉันจะแฟลชเสนอราคาในตลาดแล้วยกเลิกทันทีแม้ว่าฉันพยายามลดนี้เป็นที่น่ารำคาญเป็น heck ให้ทุกคนมองหน้าจอด้วยสายตามนุษย์ - รวมทั้ง me. The คะแนนราคาถูกคำนวณจากปัจจัยต่อไปนี้การคาดการณ์การย้ายราคาที่เราได้กล่าวถึงก่อนหน้านี้ระดับราคาที่อยู่ในระดับคำถามระดับราคาภายในหมายถึงการคาดการณ์การย้ายฐานการผลิตที่สูงขึ้นจำนวนที่ต้องทำในด้านหน้าของฉัน ลำดับในคิวไม่ดีขึ้นจำนวนสัญญาที่อยู่เบื้องหลังการสั่งซื้อของฉันในคิวเพิ่มเติมได้ดีกว่าปัจจัยเหล่านี้โดยเฉพาะที่ทำหน้าที่ในการระบุสถานที่ที่ปลอดภัยในการเสนอราคาการคาดการณ์การย้ายราคาเพียงอย่างเดียวไม่เพียงพอเพราะไม่ได้บัญชีสำหรับข้อเท็จจริงที่ว่า เมื่อวางประมูลฉันไม่ได้กรอกข้อมูลโดยอัตโนมัติ - ฉันแค่เติมเต็มถ้ามีคนขายให้ฉันที่นั่นความเป็นจริงก็คือความเป็นจริงเพียงอย่างเดียวของคนที่ขายให้ฉันในราคาที่แน่นอนก็เปลี่ยนอัตราสถิติของการค้าได้ตัวแปรที่ใช้ในขั้นตอนนี้ ทั้งหมดได้รับการเพิ่มประสิทธิภาพนี้ทำในลักษณะเดียวกับฉันปรับตัวแปรในตัวบ่งชี้การเคลื่อนไหวของราคายกเว้นในกรณีนี้ผมเพิ่มประสิทธิภาพสำหรับบรรทัดล่าง L L. What สิ่งที่โปรแกรมของฉันละเลยเมื่อการซื้อขายเป็นมนุษย์เรามักจะมีอารมณ์ที่มีประสิทธิภาพและ อคติที่อาจนำไปสู่การตัดสินใจที่ดีกว่าน้อยที่สุดเห็นได้ชัดว่าฉันไม่ต้องการทำเป็นอคติเหล่านี้ต่อไปนี้เป็นปัจจัยบางประการที่ทำให้ระบบของฉันละเลยราคาที่ถูกป้อนเข้าในสำนักงานการค้า ที่จะได้ยินการสนทนาเกี่ยวกับราคาที่มีคนยาวหรือสั้นเช่นถ้าที่จะมีผลต่อการตัดสินใจในอนาคตของพวกเขาในขณะที่มีความถูกต้องบางส่วนเป็นส่วนหนึ่งของกลยุทธ์การลดความเสี่ยงจริงๆมันไม่มีผลต่อหลักสูตรในอนาคตของเหตุการณ์ในตลาดดังนั้นฉัน โปรแกรมจะไม่สนใจข้อมูลนี้อย่างสิ้นเชิงแนวคิดนี้เหมือนกับแนวคิดการละเลยค่าใช้จ่ายที่เกิดจากการลุกลามไประยะสั้นและออกจากตำแหน่งที่ยาวนานโดยปกติแล้วผู้ค้าจะมีเกณฑ์ที่แตกต่างกันซึ่งจะกำหนดว่าจะขายตำแหน่งที่ยาวเมื่อเทียบกับตำแหน่งที่จะไปสั้น ๆ อย่างไรก็ตามจากมุมมองของอัลกอริทึม ไม่มีเหตุผลที่จะสร้างความแตกต่างถ้าอัลกอริธึมของฉันคาดว่าการขายย้ายลงจะเป็นความคิดที่ดีไม่ว่าจะเป็นในระยะสั้นสั้นหรือแบบแบนกลยุทธ์การเสแสร้งขึ้น - นี่คือกลยุทธ์ทั่วไปที่ผู้ค้าจะซื้อหุ้นเพิ่มขึ้นในเหตุการณ์ ที่มีการค้าเดิมไปกับพวกเขาซึ่งส่งผลให้ราคาซื้อเฉลี่ยของคุณต่ำกว่าและมันหมายถึงเมื่อหรือถ้าสต็อกจะเปลี่ยนรอบคุณจะได้รับการตั้งค่าให้มอนของคุณ ey กลับในเวลาไม่นานในความคิดของฉันนี้เป็นจริงกลยุทธ์ที่น่ากลัวจนกว่าคุณจะ Warren Buffet คุณหลอกอีกครั้งในการคิดว่าคุณกำลังทำดีเพราะส่วนใหญ่ของธุรกิจการค้าของคุณจะเป็นผู้ชนะปัญหาคือเมื่อคุณสูญเสียคุณสูญเสียใหญ่ผลอื่น ๆ คือมัน ทำให้มันยากที่จะตัดสินว่าคุณมีขอบในตลาดหรือเพิ่งจะโชคดีความสามารถในการตรวจสอบและยืนยันว่าโปรแกรมของฉันได้ในความเป็นจริงมีขอบเป็นเป้าหมายสำคัญเนื่องจากอัลกอริทึมของฉันได้ตัดสินใจด้วยวิธีเดียวกันโดยไม่คำนึงถึงตำแหน่ง มันเข้าสู่การค้าหรือถ้ามันเป็นเวลานานหรือสั้นมันก็นั่งเป็นครั้งคราวและใช้เวลาการค้าที่สูญเสียบางส่วนใหญ่นอกเหนือไปจากการค้าที่ชนะมากบาง แต่คุณไม่ควรคิดว่ามีการจัดการความเสี่ยงใด ๆ ในการจัดการความเสี่ยงที่ฉันบังคับใช้สูงสุด ขนาดของตำแหน่ง 2 ครั้งต่อครั้งบางครั้งก็พุ่งขึ้นในวันที่มีปริมาณมากฉันยังมีขีด จำกัด การสูญเสียรายวันสูงสุดเพื่อป้องกันมิให้เกิดสภาวะตลาดที่ไม่คาดคิดหรือข้อผิดพลาดในซอฟต์แวร์ของฉันขีด จำกัด เหล่านี้ถูกบังคับใช้ในโค้ดของฉัน ฉันยังอยู่ในแบ็กเอนด์ผ่านโบรกเกอร์ของฉันเมื่อมันเกิดขึ้นฉันไม่เคยพบปัญหาใด ๆ ที่สำคัญวิ่งขั้นตอนเริ่มต้นจากช่วงเวลาที่ฉันเริ่มทำงานในโปรแกรมของฉันมันเอาฉันประมาณ 6 เดือนก่อนที่ฉันได้ไปจุดของการทำกำไรและเริ่มทำงาน อาศัยอยู่แม้ว่าจะเป็นธรรมจำนวนมากเวลาคือการเรียนรู้ภาษาเขียนโปรแกรมใหม่ขณะที่ฉันทำงานเพื่อปรับปรุงโปรแกรมฉันเห็นผลกำไรที่เพิ่มขึ้นสำหรับแต่ละสี่เดือนต่อไปสัปดาห์ที่ผ่านมาฉันจะฝึกระบบของฉันขึ้นอยู่กับก่อนหน้านี้ 4 สัปดาห์คุ้มค่าของ ข้อมูลที่ฉันพบนี้หลงสมดุลระหว่างการจับแนวโน้มพฤติกรรมการตลาดล่าสุดและการประกันอัลกอริทึมของฉันมีข้อมูลเพียงพอที่จะสร้างรูปแบบที่มีความหมายขณะที่การฝึกอบรมเริ่มใช้เวลามากขึ้นผมแยกออกเพื่อที่จะสามารถดำเนินการโดย 8 เครื่องเสมือนใช้ amazon EC2 ผลจากนั้นได้ถูกรวมเข้าด้วยกันในเครื่องของฉันจุดเริ่มต้นของการซื้อขายคือเดือนตุลาคมปี 2009 เมื่อทำเกือบ 100k หลังจากนี้ฉันยังคงใช้จ่ายต่อไปอีก 4 เดือน rying เพื่อปรับปรุงโปรแกรมของฉันแม้จะมีกำไรลดลงในแต่ละเดือนโชคร้ายโดยจุดนี้ฉันเดาฉัน d ใช้ความคิดที่ดีที่สุดของฉันเพราะไม่มีอะไรที่ฉันพยายามดูเหมือนจะช่วย much. With แห้วไม่สามารถทำให้การปรับปรุงและไม่ได้มีความรู้สึกของการเจริญเติบโตฉัน เริ่มคิดถึงทิศทางใหม่ฉันส่งอีเมล 6 บริษัท เทรดดิ้งความถี่สูงต่างๆเพื่อดูว่าพวกเขาสนใจในการจัดซื้อซอฟต์แวร์ของฉันหรือไม่และจ้างฉันไปทำงานให้กับพวกเขาไม่มีใครตอบว่าฉันมีแนวคิดเริ่มต้นใหม่ ๆ ที่ฉันต้องการจะทำเพื่อไม่ให้ฉันติดตาม UPDATE - ฉันโพสต์นี้ใน Hacker ข่าวและได้รับความสนใจมากฉันแค่อยากจะบอกว่าฉันไม่สนับสนุนใครพยายามที่จะทำอะไรเช่นนี้เองตอนนี้คุณจะต้องมีทีมงานของคนฉลาดจริงๆกับช่วงของประสบการณ์ มีความหวังในการแข่งขันแม้ในขณะที่ผมทำเช่นนี้ผมเชื่อว่ามันหายากมากสำหรับบุคคลที่จะประสบความสำเร็จแม้ว่าผมเคยได้ยินจากคนอื่น ๆ มีความคิดเห็นที่ด้านบนของหน้าเว็บที่กล่าวถึงการจัดการ sta tistics and refers to me as a retail investor that quants would gleefully pick off This is a rather unfortunate comment that s simply not based in reality Setting that aside there s some interesting comments. UPDATE 2 - I ve posted a follow-up FAQ that answers some common questions I ve received from traders about this post. Quant Trading Using Machine Learning. Financial markets are fickle beasts that can be extremely difficult to navigate for the average investor This course will introduce you to machine learning, a field of study that gives computers the ability to learn without being explicitly programmed, while teaching you how to apply these techniques to quantitative trading Using Python libraries, you ll discover how to build sophisticated financial models that will better inform your investing decisions Ideally, this one will buy itself back and then some. Access 64 lectures 2017 StackCommerce All Rights Reserved.