거래 시스템 : 시스템 설계 - 제 1 부.
이 튜토리얼의 이전 섹션에서는 거래 시스템을 구성하는 요소를 살펴보고 실시간 거래 환경에서 이러한 시스템을 사용하는 데 따른 장단점에 대해 설명했습니다. 이 섹션에서는 시스템 트레이딩에 특히 적합한 시장을 조사하여 그 지식을 기반으로합니다. 그런 다음 다양한 장르의 거래 시스템을보다 심층적으로 살펴 보겠습니다.
주식 시장은 아마도 초보자들 사이에서 거래되는 가장 일반적인 시장 일 것입니다. 이 분야에서 워렌 버핏 (Warren Buffett)과 메릴린치 (Merrill Lynch)와 같은 거물급 기업이 우세하고 전통적인 가치 및 성장 투자 전략이 가장 보편적입니다. 그럼에도 불구하고 많은 기관들이 거래 시스템의 설계, 개발 및 구현에 상당한 투자를 해왔습니다. 개인 투자자들은이 경향에 천천히 참여하고 있습니다.
대량의 주식을 사용하면 거래자는 매우 다양한 휘발성 장외 주식 (OTC)에서 비 휘발성 파란색 칩에 이르기까지 다양한 유형의 주식에 대해 시스템을 테스트 할 수 있습니다.
거래 시스템의 효율성은 일부 주식, 특히 OTC 및 분홍색 시트 문제의 낮은 유동성으로 인해 제한 될 수 있습니다.
커미션은 성공적인 거래로 인해 이익을 얻을 수 있으며 손실을 증가시킬 수 있습니다. OTC와 핑크 시트 주식은 추가 수수료를 부과하기도합니다.
사용되는 주요 거래 시스템은 가치를 추구하는 시스템입니다. 즉, 보안이 과거 성과, 동급 업체 또는 시장 전반에 비해 저평가되어 있는지를 결정하기 위해 다양한 매개 변수를 사용하는 시스템입니다.
외환 시장 또는 외환 시장은 세계에서 가장 크고 가장 유동적 인 시장입니다. 세계의 정부, 은행 및 기타 대형 기관들은 매일 외환 시장에서 수조 달러를 거래합니다. forex에 기관 무역상의 대다수는 무역 체계에 의지합니다. 외환 거래를하는 개인의 경우에도 마찬가지이지만 경제 보고서 나이자 지불금을 기반으로하는 일부 거래는 마찬가지입니다.
이 시장의 유동성은 대량으로 인해 거래 시스템을보다 정확하고 효율적으로 만듭니다.
이 시장에는 커미션이없고 퍼짐 만 있습니다. 따라서 비용을 늘리지 않고도 많은 거래를하는 것이 훨씬 쉽습니다.
이용할 수있는 주식이나 상품의 양과 비교할 때, 거래 할 통화의 수는 제한되어 있습니다. 그러나 소액 국가의 통화 인 '이국적인 통화 쌍'의 가용성으로 인해 변동성의 범위가 반드시 제한되는 것은 아닙니다.
forex에서 사용 된 주요 거래 시스템은 트렌드를 따르는 시스템 (시장에서 인기있는 트렌드는 "트렌드는 당신의 친구"입니다) 또는 브레이크 아웃에서 구매하거나 판매하는 시스템입니다. 이는 경제 지표가 종종 한 번에 큰 물가 움직임을 유발하기 때문입니다.
주식, 외환 및 상품 시장은 모두 선물 거래를 제공합니다. 이 레버리지는 시스템 트레이딩에 널리 사용되는 수단으로 이용 가능한 레버리지가 많아지고 유동성과 변동성이 증가합니다. 그러나 이러한 요소는 두 가지 방법을 모두 줄일 수 있습니다. 이득을 증폭 시키거나 손실을 증폭시킬 수 있습니다. 이러한 이유로 선물의 사용은 일반적으로 고급 개인 및 기관 시스템 거래자를 위해 예약되어 있습니다. 이는 선물 시장을 자본화 할 수있는 트레이딩 시스템이 훨씬 더 많은 커스터마이징을 필요로하기 때문에보다 발전된 지표를 사용하고 개발하는데 더 오래 걸리기 때문입니다.
어떤 시장이 시스템 트레이딩에 가장 적합한 지 결정하는 것은 개인 투자자에게 달려 있습니다. 각 시장은 각각 장단점이 있습니다. 대부분의 사람들은 주식 시장에 대해 더 잘 알고 있으며 이러한 친숙 함으로 인해 거래 시스템을보다 쉽게 개발할 수 있습니다. 그러나 외환은 흔히 경험이 많은 거래자들 사이에서 거래 시스템을 운영하는 우수한 플랫폼으로 여겨지고 있습니다. 더욱이, 상인이 레버리지와 변동성을 증가 시키기로 결정하면 선물 대안은 항상 열려 있습니다. 궁극적으로 선택은 시스템 개발자의 손에 달려 있습니다.
시스템 트레이딩의 가장 일반적인 방법은 경향 추종 시스템입니다. 가장 근본적인 형태로, 이 시스템은 중요한 가격 움직임을 단순히 기다린 다음 그 방향으로 구매하거나 판매합니다. 이러한 유형의 시스템은 이러한 가격 변동이 추세를 유지할 수 있기를 희망합니다.
이동 평균 시스템.
기술적 분석에서 자주 사용되는 이동 평균은 일정 기간 동안 주식의 평균 가격을 단순히 표시하는 지표입니다. 경향의 본질은이 측정에서 파생됩니다. 진입과 퇴출을 결정하는 가장 일반적인 방법은 크로스 오버입니다. 이러한 논리는 간단합니다. 가격이 과거 가격 평균 (추세)보다 높거나 낮을 경우 새로운 추세가 형성됩니다. 다음은 IBM의 가격 (청색 선)과 20 일 MA (적색 선)를 나타내는 차트입니다.
이러한 유형의 시스템의 기본 개념은 이동 평균 시스템의 개념과 유사합니다. 새로운 최고점 또는 최저점이 설정되면 가격 움직임이 가장 큰 방향으로 이어질 가능성이 높습니다. 브레이크 아웃을 결정하는 데 사용할 수있는 한 가지 지표는 간단한 Bollinger Band & reg입니다. 위에 까는 것. Bollinger Bands & reg; 가격이 고가와 저가의 평균을 보여주고, 가격이 밴드의 가장자리를 만났을 때 브레이크 아웃이 발생합니다. 다음은 가격 (파란색 선)과 Bollinger Bands & reg를 그려주는 차트입니다. (회색 선) Microsoft의 :
Trend-Following 시스템의 단점 :
경험적 의사 결정 필요 - 추세를 결정할 때 항상 고려해야 할 경험 요소가 있습니다 : 역사적 추세의 지속 시간. 예를 들어, 이동 평균은 지난 20 일 동안 또는 지난 5 년 동안이 될 수 있으므로 개발자는 어떤 시스템이 시스템에 가장 적합한 지 결정해야합니다. 결정할 다른 요인은 브레이크 아웃 시스템의 평균 최고 및 최저입니다.
느린 자연 - 이동 평균 및 브레이크 아웃 시스템은 항상 뒤떨어져 있습니다. 다른 말로하면, 그들은 트렌드의 정확한 상단이나 하단을 결코 칠 수 없습니다. 이것은 필연적으로 잠재적 이익의 몰수를 가져 오며 때로는 중요 할 수 있습니다.
Whipsaw Effect - 경향 추종 시스템의 성공에 해로운 시장 세력 중 가장 일반적인 현상 중 하나입니다. Whipsaw 효과는 이동 평균이 거짓 신호를 생성 할 때 발생합니다. 즉 평균이 범위로 떨어지면 방향이 갑자기 바뀝니다. 효과적인 정지 손실 및 위험 관리 기술이 적용되지 않는 한 막대한 손실을 초래할 수 있습니다.
측면 시장 - 추세 추적 시스템은 본질적으로 실제로 경향을 보이는 시장에서만 수익을 창출 할 수 있습니다. 그러나 시장 또한 오랜 기간 동안 특정 범위 내에 머무르면서 옆으로 움직입니다.
극단적 인 변동성이 발생할 수 있음 - 때로는 추세를 따르는 시스템이 극단적 인 변동성을 겪을 수 있지만 상인은 자신의 시스템을 고수해야합니다. 그렇게 할 수 없다는 것은 확실한 실패를 초래할 것입니다.
기본적으로 카운터 트렌드 시스템의 목표는 최저 최저 가격으로 구매하고 최고 최고 가격으로 판매하는 것입니다. 이 추세 추종 시스템과의 주요 차이점은 추돌 시스템이 자체 수정이 아니라는 점입니다. 즉, 포지션을 종료 할 정해진 시간이 없기 때문에 무제한적인 잠재력을 갖게됩니다.
카운터 트렌드 시스템의 유형.
많은 종류의 시스템이 카운터 트렌드 시스템으로 간주됩니다. 한 방향의 운동량이 퇴색하기 시작하면 구매하는 것이 좋습니다. 이것은 오실레이터를 사용하여 가장 자주 계산됩니다. 예를 들어, stochastics 또는 다른 상대 강도 표시기가 특정 지점 아래로 떨어지면 신호가 생성 될 수 있습니다. 카운터 트레드 트레이딩 시스템에는 다른 유형이 있지만, 모두가 낮은 구매와 높은 매도와 같은 기본적 목표를 공유합니다.
예를 들어, 시스템 개발자가 결정해야하는 요소 중 하나는 상대 강도 지표가 희미 해지는 지점입니다.
극단적 인 변동성이 발생할 수 있음 - 이러한 시스템은 극단적 인 변동성을 경험할 수 있으며 이러한 변동성에도 불구하고 시스템을 고수 할 수 없으면 실패가 발생할 수 있습니다.
무제한 단점 - 앞서 언급했듯이 시스템이 자체 수정 기능이 없으므로 무제한적인 잠재력이 있습니다 (위치를 종료 할 시간이 없음).
거래 시스템이 적합한 주요 시장은 주식, 외환 및 선물 시장입니다. 각 시장에는 장점과 단점이 있습니다. 트레이딩 시스템의 두 가지 주요 장르는 트렌드 추종 시스템과 카운터 트렌드 시스템입니다. 이들의 차이점에도 불구하고 개발 단계에서 두 유형의 시스템 모두 개발자 측에서 경험적 의사 결정을 필요로합니다. 또한 이러한 시스템은 극심한 변동성을 겪기 때문에 일부 체력을 요구할 수 있습니다. 시스템 트레이더는이 시간 동안 자신의 시스템을 고수하는 것이 필수적입니다. 다음 연재에서는 거래 시스템을 설계하고 시스템 트레이더가 자신의 삶을 편하게하기 위해 사용하는 소프트웨어에 대해 논의하는 방법에 대해 자세히 살펴볼 것입니다.
무역 시스템.
관련 도움말 동영상.
ProOrder는 ProRealTime의 자동 거래 모듈입니다. 거래 시스템은 프로그래밍 유무에 관계없이 생성 될 수 있으며 시뮬레이션 및 실제 거래 포트폴리오와 함께 사용할 수 있습니다.
프로그래밍없이 거래 시스템을 쉽게 만드는 법.
팁 : 고급 프로그래밍 기능을 단계별로 활용하는 방법을 익히십시오.
이 섹션에서는 프로그래밍을 수행하지 않고 예제 거래 시스템을 생성, 백 테스트 및 최적화하는 방법을 보여줍니다.
먼저 차트의 오른쪽 상단에있는 버튼을 클릭 한 다음 & quot; Probacktest & amp; 자동 거래 & quot; & quot; 새로 만들기 & quot;를 클릭하십시오. 다음 창이 나타납니다.
& quot; 지원 생성 & quot; 모드를 사용하면 한 줄의 코드를 작성하지 않고도 전략을 수립 할 수 있습니다. & quot; 프로그래밍으로 생성 & quot;이라는 라벨을 클릭하여 나만의 코드를 만들 수도 있습니다. 위에 표시된 창의
& quot; 보조 된 작성 & quot; 창은 구매 및 판매 조건을 정의 할 수있는 몇 가지 단추 (Buy, Sell, Short, Exit short)로 구성됩니다. 해당 버튼을 클릭하여 정지 및 목표를 설정할 수 있습니다. 마지막으로, & quot; 코드 생성 & quot; 백 테스트를위한 코드를 자동으로 생성합니다!
예 : Stochastic momentum index를 기반으로 전략을 작성하겠습니다. 먼저 가격과 SMI 지표에 간단한 이동 평균을 표시합니다.
먼저 버튼을 클릭하십시오. 그런 다음 & quot; Backtesting & quot;을 클릭하십시오. 오른쪽 상단에서 & quot; 새로 만들기 & quot;를 클릭하십시오. & quot; 구매 & quot; 버튼을 클릭하여 구매 조건을 정의하십시오. 마지막으로, SMI 차트를 클릭하십시오. 다음 창이 나타납니다.
& quot; Stoch momentum 1 & quot;을 선택합니다. "크로스 오버" "신호 1"
& quot; 조건 추가 & quot; 버튼을 클릭하여 다른 조건을 추가 할 것입니다. 이번에는 가격표에서 클릭합니다. 다음 창이 나타납니다.
& quot; 판매 & quot;를 클릭하여 구매 위치를 판매하는 방법을 정의하자. 확률 차트에서 & quot; Stoch momentum 1 & quot;을 선택합니다. "Cross Under" "이동 평균 1" & quot; 확인 & quot;을 클릭하십시오.
그런 다음 아래에 나와있는 매개 변수를 설정합니다.
정지 전략을 정의하기 위해 & quot; 정지 & amp; 타겟 & quot; 우리는 아래의 설정을 선택합니다 :
& quot; 확인 & quot;을 클릭하십시오. 단추. 프로그램이 완료되면 "Stochastic momentum"과 같은 백 테스터에 이름을 지정하기 만하면됩니다. & quot; 코드 생성 & quot;을 클릭하십시오.
백 테스트를 수행하려면 & quot; 내 시스템 ProBacktest & quot;을 클릭하십시오. 백 테스트의 형평성 곡선이 포함 된 차트는 성능 정보가 포함 된 상세 보고서와 함께 표시됩니다.
백 테스트를 수정하여 결과를 향상시킬 수 있습니다. 노란색으로 강조 표시 된 Equity 곡선의 공구 모양 아이콘을 클릭 한 다음 & quot; ProBacktest 수정 & quot;을 클릭하십시오.
이동 평균에 대한 고정 값 대신 변수를 만듭니다. 이렇게하려면 숫자 "150"을 삭제하십시오. 프로그램으로부터 "number"를 기입한다. 대신. 그런 다음 & quot; 추가 버튼 & quot;을 클릭하십시오. 필드의 "최적화 파라미터" 아래 설정을 선택하십시오.
마지막으로, "ProBacktest my system"버튼을 클릭하십시오. 몇 초 후에 검토 된 실행 기록 데이터 세트에 대해 최상의 결과를 제공하는 값을 제공하는 최적화 보고서를 얻게됩니다.
시스템을 계속 개선하려면 새로운 조건을 추가 할 수 있습니다. 또한 사용 된 정류장 유형을 수정하거나 이익 목표를 추가 할 수 있습니다.
프로그래밍을 통한 생성을 통해 함수 라이브러리를 사용하여보다 정교한 함수를 적용 할 수 있습니다. 함수 라이브러리는 & quot; 삽입 함수 & quot; 버튼을 누릅니다.
ProBacktest 모듈 및 해당 도움말 텍스트에서 사용 가능한 모든 기능이있는 창이 나타납니다. & quot; 추가 & quot;를 클릭하면이 기능을 마우스 커서의 위치에서 프로그램에 삽입 할 수 있습니다.
ProRealTime 무료 버전에 액세스하려면 지금 등록하십시오. 또는 실시간 데이터로 7 일 무료 평가판을 요청하려면 로그인하십시오.
거래는 예금보다 많은 손실 위험에 노출 될 수 있으며 그러한 위험을 감당할 수있는 충분한 재정적 수단이있는 경험이 풍부한 고객에게만 적합합니다. 이 사이트에 대한 어떠한 정보도 투자 조언이나 금융 상품을 매매하기위한 권유가 아닙니다.
독점 정보 및 미리보기를 위해 ProRealTime을 팔로우하십시오.
트레이딩 시스템 코딩.
Justin Kuepper 저.
자동화 된 거래 시스템은 어떻게 생성됩니까?
이 튜토리얼에서는이 프로세스의 두 번째 및 세 번째 부분에 초점을 맞춰 설명합니다. 여기서 규칙은 거래 소프트웨어가 이해하고 사용할 수있는 코드로 변환됩니다.
장점과 단점.
자동화 된 시스템은 거래에서 감정과 바쁜 업무를 취하므로 전략 및 자금 관리 규칙을 개선하는 데 주력 할 수 있습니다. 수익성있는 시스템이 개발되면 중단되거나 시장 상황에 변화가 필요할 때까지 작업을 할 필요가 없습니다. 단점 :
시스템이 올바르게 코딩되고 테스트되지 않으면 큰 손실이 매우 빠르게 발생할 수 있습니다. 때로는 특정 규칙을 코드에 넣는 것이 불가능하기 때문에 자동화 된 거래 시스템을 개발하기가 어렵습니다. 이 자습서에서는 자동화 된 거래 시스템을 계획하고 설계하는 방법, 이 디자인을 컴퓨터가 이해할 수있는 코드로 변환하는 방법, 최적의 성능을 보장하기위한 계획을 테스트하는 방법 및 마지막으로 시스템을 사용하는 방법에 대해 학습합니다.
거래 시스템 만들기
System Builder를 사용하면 사용자가 개별 거래 시스템을 구축 한 다음이 시스템을 사용하여 특정 시장 또는 증권 시장 세그먼트에 대한 이론을 테스트 할 수 있습니다.
거래 시스템은 사전 정의 된 거래 계획을 엄격하게 준수하는 특정 시장에서 가상 거래 결과를 계산합니다. 거래 계획은 거래를 시작하고 종료하기위한 복잡한 지침의 묶음으로 구성되며, 이 지침은 스캔 및 중지를 기반으로합니다. 수행 된 거래는 거래를위한 사용자 정의 기간 및 / 또는 테스트 할 시장 또는 증권의 범위를 변경함으로써 영향을받을 수 있습니다.
각 거래 시스템에는 이와 관련된 사용자 정의 거래 계정이 있습니다. 사용자는 시작 금액과 각 거래에 할당 할 금액, 각 거래의 중개 수수료, 최소 계정 잔액, 잔액이 음수 일 때 거래를 입력해야하는지 여부 (마진 거래 허용)를 지정할 수 있습니다. 테스트 과정에서이 계좌는 실제 거래 상황과 동일한 방식으로 입금 및 차감됩니다.
시스템 빌더 및 소프트웨어의 일반 언어 인터페이스를 사용하여 사용자는 매개 변수 세트 및 거래 규칙을 조합하고 시스템을 테스트 할 시장, 견적리스트 또는 스캔 결과 세트를 선택합니다.
프로세스의 전체 개요를 보려면 시스템 테스트 작업 흐름 항목으로 이동하십시오.
시스템 빌더.
시스템 빌더 인터페이스는 시스템 빌더 작업 페이지의 시스템 기준 탭 페이지를 중심으로 트레이딩 시스템의 기준이 생성되는 곳입니다. 여기서 사용자는 거래에 대한 진입 및 퇴출 기준을 설정합니다. 항목은 검사이며 종료는 검사의 기준 또는 중지 기준일 수 있습니다.
시스템에 필요한 모든 시장 스캔 및 중지가 이미 작성된 경우, 시스템은 시스템 기준 탭 페이지에서 전적으로 빌드 될 수 있습니다. 그러나 거래 시스템에 대해 새로운 마켓 스캔 또는 중지가 생성되면 다른 화면이 액세스되어 새 스캔 및 중지가 생성되고 시스템 기준 탭 페이지의 최종 거래 시스템으로 통합됩니다.
이 탭 페이지에 대한 설명을 보려면 System Builder 주제로 이동하십시오.
Long, Short 또는 Both.
첫 번째 고려 사항은 거래 장기 또는 단기 거래 또는 두 가지를 모두 활용할 시스템을 만들지 여부입니다.
대부분의 주식 거래자는 완고한 전략을 볼 것이므로 첫 번째 테이블 인 Long Trade Setup - Buy to Enter / Sell to Exit로 작성하고 두 번째 테이블은 비워 두십시오. 그러나 사용자가 짧은 거래 기회를 확인하는 데 관심이있는 경우 두 번째 표 인 Short Trade Setup - Buy to Enter / Exit to Sell이 완료됩니다.
복잡한 거래 시스템은 두 가지 유형의 특성이있는 거래 만 포함하기 위해 길고 짧은 설정을 모두 사용할 수 있습니다.
Entry / Exit 스캔 정의.
무역 시스템이 실제 거래를 모방하기 위해서는 거래를 시작한 다음 거래를 종료 할 수 있어야합니다. 이 시점에서이 거래는 거래가 이익을 얻었는지 아니면 손실을 냈는지를 자동으로 계산하여 결과를 표시 할 수 있습니다.
각 거래의 진입 및 퇴출에는 두 가지 고려 사항, 즉 신호 점과 진입 점이 있습니다.
신호 점.
소프트웨어의 스캐닝 기술은 거래가 입력 또는 종료되는 신호 지점을 계산하는 데 사용됩니다.
모든 스캔 기준이 충족되면 거래 프로그램은 거래 항목 또는 종료가 유효하다는 신호를받습니다. 해당 거래가 이루어지는시기는 Entry Point 설정에 따라 결정됩니다 (아래 참조).
거래 종료는 중지 설정에 의해 결정될 수도 있습니다. 이들은 스캔과 다르며 거래를 종료하는 데에만 사용됩니다 (아래 참조).
시스템에서 사용되는 스캔 또는 중지가 이미 생성 된 경우 선택 버튼을 클릭하여 마켓 검사 선택 대화 상자를 엽니 다. 이 대화 상자에는 이전에 저장된 모든 Market Scans가 그룹으로 구성되어 있습니다. Entry 또는 Exit 스캔 정의 필드를 채울 스캔을 선택하십시오.
거래 시스템에 대한 완전히 새로운 검사를 작성하려면 Select 단추를 클릭하여 Select Market Scan 대화 상자를 열고 대화 상자의 오른쪽 여백에있는 New 단추를 클릭하십시오. 스캔의 기준 정의 작업 페이지가 열립니다. 스캔 범위가 정의되지 않는다는 점을 제외하고는 일반적인 시장 조사 검색 기준 정의 페이지와 매우 유사합니다 (시스템 기준 탭 페이지에서 자세히 설명 됨, 아래 참조).
진입 지점.
진입 또는 퇴출 스캔 기준이 신호 지점에서 충족되면 구매 또는 판매의 실제 타이밍을 사용자가 지정할 수 있습니다.
종종 종가가 신호 기준을 결정하기 위해 스캔 기준에 사용됩니다. 이 경우 종가는 시장이 종결되었을 때만 알 수 있으므로, 종가 또는 종가 일은 적어도 다음 차기 거래 기간이어야합니다. 또한 사용자는 하나 이상의 거래 기간에 대한 진입 시간을 설정할 수 있으며 사용자는 진입 / 퇴출 가격 수준에 조건을 지정할 수 있습니다.
이러한 진입 / 퇴출 시간 및 가격 수준은 진입 기준 또는 퇴장 기준 대화 상자를 사용하여 입력됩니다.
정의를 중지합니다.
정지는 소프트웨어의 스캐닝 기술에 의존하는 대신 스캔과 유사합니다. 중지 설정은 실제 거래에서 사용 된 주문과 유사한 전통 시장 주문을 기반으로합니다.
이러한 설정은 검사 기술을 기반으로하지는 않지만 특수 System Stops 작업 페이지에서 별도로 정의됩니다.
검사 기준은 경고, 차트 등에서도 사용되는 반면 기준은 정류장에 고유합니다.
범위, 타이밍 및 거래 계정 설정.
테스트에 포함될 증권의 배열과 테스트가 수행되는 기간에 대한 각 테스트의 범위는 시스템 테스트 섹션에서 지정할 수 있습니다.
완전히 현실적이기 위해서는 지정된 금액의 사용 가능한 자금 및 자금 관리 규칙도 거래 시스템에 포함되어야합니다. 이러한 세부 정보는 Money Management & amp; 포트폴리오 설정 섹션은 작업 페이지 하단에 있습니다.
거래 시스템을 저장하십시오.
거래 시스템 기준을 선택하거나 생성 한 후 진입 또는 퇴출시기 또는 타이밍을 조정하면 거래 시스템은 새로운 거래 시스템이 시작될 때 선택된 이름으로 참조됩니다.
모든 트레이딩 시스템은 트레이딩 시스템 선택 대화 상자에 저장됩니다. 사용자는 표준 목록 선택 대화 상자 기능을 사용하여 그룹을 만들고 거래 시스템을 관리 할 수 있습니다.
기존 시스템 테스트를 편집 중이지만 원본을 저장하려면 먼저 드롭 다운 작업 메뉴에서 거래 시스템 복제를 클릭하십시오.
익숙한 Windows Save As ... 기능을 사용하는 것과 비슷합니다. 새 Trading System Name을 입력하라는 대화 상자가 열립니다. 이후의 변경 사항은 해당 거래 시스템에 저장되며 원래 거래 시스템은 변경되지 않습니다.
거래 시스템을 기반으로 시스템 테스트를 실행합니다.
거래 시스템을 사용하여 개별 시스템 테스트를 실행할 수 있습니다.
시스템 빌더 작업 페이지의 기능 모음에서 시작을 선택하여 시스템 테스트를 실행하십시오.
테스트가 트리거 된 모든 거래의 세부 정보는 Trade Listing 탭 페이지의 테이블에서 테스트가 실행될 때 동적으로 표시되며 결과 요약은 Performance Summary 탭 페이지에서 컴파일됩니다.
거래 시스템 만들기
아직도 질문이 있습니까? 너 자신에게 물어봐!
순전히 컴퓨터 과학자로서 당신은 알고리즘 거래를 시작할 수있는 완벽한 위치에 있습니다. 이것은 과학자와 엔지니어가 사전 경험없이 자동 거래로 바로 이동할 수있는 Quantiacs [1]에서 직접 목격 한 것입니다. 다시 말해, 프로그래밍 찹은 시작하기 위해 필요한 주요 성분입니다. 알고리즘 트레이딩 시스템을 작성한 후 / 작성하는 동안 어떤 어려움이 기다리고 있는지 전반적으로 이해하려면이 Quora 게시를 확인하십시오.
처음부터 거래 시스템을 구축하려면 몇 가지 배경 지식, 거래 플랫폼, 시장 데이터 및 시장 접근이 필요합니다. 요구 사항은 아니지만 대부분의 리소스를 제공하는 단일 거래 플랫폼을 선택하면 신속하게 처리 할 수 있습니다. 즉, 개발하는 기술은 모든 프로그래밍 언어와 거의 모든 플랫폼으로 전송 될 수 있습니다.
믿거 나 말거나, 자동 거래 전략을 수립하는 것은 시장 전문가가되는 것을 전제로하지 않습니다. 그럼에도 불구하고 기본 시장 역학을 배우면 수익성있는 거래 전략을 발견하는 데 도움이됩니다.
Options, Futures 및 Other Derivates by John C. Hull - 양적 금융을 입력하고 수학 측면에서 접근하는 훌륭한 첫 번째 서적. Ernie Chan의 양적 거래 - Ernie Chan은 양적 거래를위한 최고의 입문서를 제공하며 MATLAB 및 Excel에서 거래 알고리즘을 만드는 과정을 안내합니다. 기계 학습을 통한 선물의 알고리즘 거래 - 일반적으로 사용되는 기술 분석 지표에 간단한 기계 학습 모델을 적용한 5 페이지 분량의 분석. 다음은 책, 비디오, 강좌 및 거래 포럼 전체를 포함하는 집계 된 독서 목록 PDF입니다.
배우는 가장 좋은 방법은 수행하는 것입니다. 자동화 된 거래의 경우 차트 작성 및 코딩이 필요합니다. 좋은 출발점은 거래 시스템의 기존 사례와 기술적 분석 기법의 기존 전시회입니다. 또한, 숙련 된 컴퓨터 과학자는 알고리즘 학습에 기계 학습을 적용 할 수 있다는 부가적인 장점을 가지고 있습니다.
다음은 이러한 리소스 중 일부입니다.
TradingView - 환상적인 비주얼 차트 플랫폼 인 TradingView는 기술적 인 분석에 익숙해 진 놀이터입니다. 거래 전략을 스크립트로 작성하고 다른 사람들의 거래 아이디어를 탐색 할 수있는 이점이 있습니다. 자동화 된 트레이딩 포럼 - 초보자 용 질문 게시 및 막 시작시 일반적인 퀀트 문제에 대한 답변 찾기에 적합한 온라인 커뮤니티. 퀀트 포럼은 전략, 도구 및 기술에 몰입 할 수있는 좋은 기회입니다. Github에서 작동하는 코드 샘플로 거래 아이디어에 대한 YouTube 세미나. 기계 학습 :
자동 거래에 대한 더 많은 프레젠테이션은 Quantiacs Quant Club에서 확인할 수 있습니다.
컴퓨터 과학이나 공학 분야의 과학적 배경을 가진 대부분의 사람들은 Python이나 MATLAB에 노출되어 있습니다. 이 언어는 양적 금융에서 널리 사용되는 언어입니다. Quantiacs는 백 테스팅과 15 년간의 역사적인 시장 데이터를 무료로 제공하는 오픈 소스 도구 상자를 만들었습니다. 가장 중요한 부분은 Python과 MATLAB 모두에 모든 것이 내장되어있어 시스템을 개발할 대상을 선택할 수 있다는 것입니다.
다음은 MATLAB에서 추세를 따르는 거래 전략의 예입니다.
이것은 MATLAB 및 Quantiacs Toolbox의 기능을 모두 보여주는 자동화 된 거래 시스템을 실행하는 데 필요한 모든 코드입니다. Quantiacs는 S & amp; P 500의 44 가지 선물과 모든 주식을 거래 할 수 있습니다. 또한 TensorFlow와 같은 다양한 추가 라이브러리가 지원됩니다.
(면책 조항 : 저는 Quantiacs에서 일합니다)
한 퀀트로 돈을 벌 준비가되면 가장 최근의 Quantiacs 자동 거래 컨테스트에 참가하여 총 225 만 달러의 투자를 이용할 수 있습니다. 최고의 퀀트와 경쟁 할 수 있습니까?
다른 언어.
이 답변은 완전히 다시 작성되었습니다.
다음은 알고리즘 거래 시스템 구축을위한 6 가지 주요 지식 기반입니다. 효과적인 거래 시스템을 구축하려면 모든 것을 알고 있어야합니다. 일부 용어는 기술적 인 부분이있을 수 있지만 인터넷 검색으로 이해할 수 있어야합니다.
참고 : 고주파 거래를 원할 경우 (대부분)는 적용되지 않습니다.
1. 시장 이론.
시장이 어떻게 작동하는지 이해해야합니다. 보다 구체적으로 말하자면, 시장 비 효율성, 다양한 자산 / 제품 간의 관계 및 가격 행동을 이해해야합니다. 거래 아이디어는 시장의 비효율에 기인합니다. 거래 비 효율성을 평가하는 방법에 대해 알아야합니다.
효과적인 로봇을 설계하기 위해서는 자동화 된 거래 시스템이 어떻게 작동하는지 이해해야합니다. 본질적으로 알고리즘 트레이딩 전략은 1) 출품작, 2) 출국 및 3) 포지션 사이징의 3 가지 핵심 구성 요소로 구성됩니다. 캡처하는 시장의 비효율과 관련하여 이러한 3 가지 구성 요소를 설계해야합니다 (아니요, 간단한 프로세스가 아닙니다).
고급 수학을 알 필요가 없습니다 (더 복잡한 전략을 세우는 데 도움이되지만). 좋은 비판적 사고 능력과 통계에 대한 예의 바른 이해는 당신을 아주 멀리 데려 갈 것입니다. 디자인은 역 테스팅 (트레이딩 에지 및 견고성 테스트) 및 최적화 (최소 커브 피팅으로 성능 극대화)를 포함합니다.
알고리즘 트레이딩 전략 포트폴리오를 관리하는 방법을 알아야합니다. 전략은 상호 보완 적이거나 상충 될 수 있습니다 - 이로 인해 위험 노출이나 원하지 않는 헤지의 계획되지 않은 증가로 이어질 수 있습니다. 자본 배분도 중요합니다. 정기적으로 자본을 균등하게 분할합니까? 아니면 수상자에게 더 많은 자본을 보상합니까?
거래하고자하는 제품을 알고 있다면 해당 제품에 적합한 거래 플랫폼을 찾으십시오. 그런 다음이 플랫폼 / 백 테스터의 프로그래밍 언어 API를 배우십시오.
처음부터 Quantopian (주식에만 해당), Quantconnect (주식 및 FX) 또는 Metatrader 4 (주식 지수, 주식 및 상품에 대한 FX 및 CFD)를 추천합니다. 사용 된 프로그래밍 언어는 Python, C # 및 MQL4입니다.
4. 데이터 관리.
쓰레기 == 쓰레기. 부정확 한 데이터는 부정확 한 테스트 결과를 초래합니다. 정확한 테스트를 위해 합리적으로 깨끗한 데이터가 필요합니다. 데이터 정리는 비용과 정확성 간의 균형입니다. 더 정확한 데이터를 원하면 더 많은 시간 (시간 == 돈)을 써야합니다. 더티 데이터를 유발하는 일부 문제에는 누락 된 데이터, 중복 데이터, 잘못된 데이터 (잘못된 진드기)가 있습니다. 오도 된 데이터로 이어지는 다른 문제에는 배당금, 주식 분할 및 선물 롤오버 등이 있습니다.
5. 위험 관리.
위험의 주요 유형은 시장 위험과 운영 위험입니다. 시장 위험은 거래 전략과 관련된 위험을 수반합니다. 최악의 시나리오를 고려합니까? 제 3 차 세계 대전과 같은 검은 백조 사건이 발생하면 어떻게 될까요? 원하지 않는 위험을 헤지 했습니까? 귀하의 직위가 너무 높습니까?
시장 리스크 관리 외에도 운영 리스크를 조사해야합니다. 시스템 충돌, 인터넷 연결 손실, 실행 빈도가 낮은 실행 알고리즘 (리줌 / 높은 미끄러짐을 처리 할 수 없기 때문에 거래를 놓친 경우) 및 해커의 절도는 매우 중요한 문제입니다.
6. 라이브 실행.
백 테스팅과 실시간 거래는 매우 다릅니다. 적절한 브로커 (MM vs STP vs ECN)를 선택해야합니다. 외환 거래 포럼 & amp; Forex 중개인 검토는 거기 제일 중개인 검토, 중개인 검토이다.
평생 동안 로봇을 관리하려면 적절한 인프라 (VPN 및 다운 타임 처리 보안 등) 및 평가 절차 (로봇의 성능을 모니터링하고 시장 비 효율성 / 백 테스트 / 최적화와 관련하여 분석)가 필요합니다. 로봇이 개입 할시기 (로봇을 수정 / 업데이트 / 셧다운 / 켜기)와하지 않을 때를 알아야합니다.
• 거래 전략 평가 및 최적화 - Pardo (거래 전략 수립 및 테스트 방법에 대한 훌륭한 통찰력)
• 금융 자유에 대한 당신의 방법을 바꾼다 - Van K Tharp (우스꽝스러운 클릭 미끼를 제외하고, 이 책은 기계 거래 시스템에 대한 훌륭한 개관이다)
• 양적 거래 - Ernest Chan (소매 수준에서의 algo 거래에 대한 훌륭한 소개)
• 거래 및 교환 : 실무자를위한 시장 미세 구조 - 래리 해리스 (Larry Harris) (시장 미세 구조 란 교환이 어떻게 기능하고 실제로 거래가 일어 났는지에 대한 과학입니다. 처음 시작하더라도이 정보를 아는 것이 중요합니다)
• 알고리즘 트레이딩 & amp; DMA - Barry Johnson (은행의 집행 알고리즘에 대한 불만 사항. 이 것은 직접 거래는 아니지만 알아두면 좋음)
• 퀀트 (The Quants) - 스콧 패터슨 (Scott Patterson) (몇 가지 최고 퀀트에 대한 전쟁 이야기. 취침 시간에 좋음)
• Quantopian (코드, 연구 및 커뮤니티와 아이디어 토론) Python 사용
• Algo 거래의 기초 | AlgoTrading101 (면책 조항 :이 사이트 / 코스를 소유하고 있습니다.) 로봇 설계 이론, 시장 이론 및 코딩을 배우십시오. MQL4 사용)
• 도전 과제에 참여하십시오 (트레이딩 개념 및 백 테스팅 이론을 배우십시오.) 최근 백 테스팅 및 트레이딩 플랫폼을 개발 했으므로이 부분은 여전히 새로운 부분이지만 트레이딩 개념에 대한 지식 기반은 훌륭합니다.
추천 블로그 / 포럼 (금융, 거래 및 알제 거래 포럼 포함) :
추천 프로그래밍 언어 :
거래하고자하는 제품을 알고 있다면 해당 제품에 적합한 거래 플랫폼을 찾으십시오. 그런 다음이 플랫폼 / 백 테스터의 프로그래밍 언어 API를 배우십시오.
처음부터 Quantopian (주식에만 해당), Quantconnect (주식 및 FX) 또는 Metatrader 4 (주식 지수, 주식 및 상품에 대한 FX 및 CFD)를 추천합니다. 사용 된 프로그래밍 언어는 Python, C # 및 MQL4입니다.
알고리즘은 근본적인 철학의 극단적 인 형식화 이외에는 없습니다.
거래 가장자리 = 승 % * 평균 승률 - 손실 % * 평균 손실 %
그것은 내 삶과 내가 시장에 접근하는 방식을 바 꾸었습니다. 항상 배포판을 시각화하십시오. 그것은 당신이 당신의 개념을 명확하게하고 논리적 흠집을 밝히는 데 도움이 될 것입니다. 그러나 먼저 철학과 신념 추출을 시작합시다.
1. 당신의 신념을 명확히하는 것이 왜 중요한가?
우리는 우리의 믿음을 교환합니다. 더 중요한 것은, 우리는 우리의 잠재 의식 신념을 교환합니다. & quot; 자신이 누구인지 알지 못하면 시장은 비싼 곳입니다. & quot; Adam Smith.
많은 사람들이 자신의 신념을 이끌어 내고 차용 한 신념에 따라 일할 시간을 갖지 않습니다. 대답하지 않은 질문과 논리가 잘못되어 체계적인 상인이 각 드로우 다운시 시스템을 조정할 수 있습니다. 나는 수년 동안 그랬던 것처럼.
신념 유도 운동 :
Byron Katie의 작품. 내가 2 일간의 신앙을 100 일간의 도전 과제로 마친 후에 할머니에게 내 스타일을 설명 할 수있는 이유는 무엇입니까? 왜 그리고 더 깊은 다이빙으로 스스로에게 질문하십시오. Mindsets : 팽창 및 감산 또는 스무디 대 band-aid.
사고 방식에는 두 가지 유형이 있으며, 우리는 서로 다른 시간에 두 가지 유형이 필요합니다.
Expansive to explore concepts, ideas, tricks etc Subtractive: to simplify and clarify concepts Systematic traders who fail at being subtractive have a smoothie approach. They throw all kinds of stuff into their strategy and then blend it with an optimizer. Bad move: complexity is a form of laziness.
Overly subtractive systematic traders have a band aid mentality. They hard-code everything and then good luck patching.
"Essentialist traders" understand that it is a dance between periods of exploration and times of hard core simplification. Simple is not easy.
It has taken me 3,873 hours, and i accept it may take a lifetime.
The only time when you know if a trade was profitable is after exit, right ?
So, focus on the exit logic first.
In my opinion, the main reason why people fail to automate their strategy is that they focus too much on entry and not enough on exit.
The quality of your exits shapes your P&L distribution, see chart above.
Spend enormous time on stop loss as it affects 4 components of your trading system: Win%, Loss%, Avg Loss%, trading frequency.
The quality of your system will be determined by the quality of your stop loss,
Equal weight is a form of laziness. The size of your bets will determine the shape of your returns. Understand when your strategy does not work and reduce size. Conversely, increase size when it works.
I will write more about position sizing on my website, but there are many resources across the internet.
After you have watched a full season of "desperate housewives" or "breaking bad", had some chocolate, walked the dog, fed the fish, called your mom, then it's time to think about entry.
Read the above formula, stock picking is not a primary component. One may argue that proper stock picking may increase win%. Maybe, but it is worthless if there is neither proper exit policy, nor money management.
In probabilistic terms, after you have fixed exit, entry becomes a sliding scale probability.
There is no magical moving average, indicator value. When testing your system, focus on three things:
False positives: they erode performance. Find simple (elegant) ways to reduce them, work on the logic periods when the strategy does not work: no strategy works all the time. Be prepared for that and prepare contingency plans in advance. Tweaking the system during a drawdown is like learning to swim in a storm Buying power and money management: this is another counter-intuitive fact. Your system may generate ideas but you do not have the buying power to execute. Please, have a look at the chart above I build all my strategies from the short side first. The best test of robustness for a strategy is the short side:
I started out on WealthLab developer. It has a spectacular position sizing library. This is the only platform that allows portfolio wide backtetsing and optimisation. I test all my concepts on WLD. 강력 추천. It has one drawback, it does not connect position sizer with real live trading.
Perry Kaufman wrote some good books about TS. There is a vibrant community out there. It is easier than most other platforms.
If You want to learn to swim, You have to jump in the water. Many novices want to send their billion dollar ideas to some cheap programmers somewhere. It does not work like that. You need to learn the language, the logic.
Brace for a long journey.
"In investing, what is comfortable is rarely profitable." - Robert Arnott.
2. Testing and optimizing a Strategy.
I do have a background as a programmer and setting up agile/scrum teams before I started to look at algorithmic trading. The world of algorithmic trading fascinates me, however it can be a bit overwhelming. I started to get some perspective by diving into the Quantopian platform, watching the quant lectures series and running my and adapted community based algo trading systems in their environment. Like the one below:
I then realised to get in deeper more fast, I have to meet people that love to create trading strategies, but can not program - to match myself as an agile team manager and programmer of trading systems. So I wrote a book on how to create a team to implement your trading algorithms . Building Trading Systems The Agile Way: How to Build Winning Algorithmic Trading Systems as a Team.
In the community of Quantopian I saw financial savvy people looking for people to implement their trading strategies, but where afraid to ask programmers to implement their ideas. Since they potentially can start running their trading ideas without them.
I address this issue in my book. To avoid programmers to run away with your ideas: create a specification for your trading idea that uses a coding framework that is tailored for the type of strategy you want to develop . This might sound difficult, but when you know all the baby steps and how they fit together, it is pretty straightforward and fun to manage!
If you enjoyed this answer, please up vote and follow.
아직도 질문이 있습니까? 너 자신에게 물어봐!
순전히 컴퓨터 과학자로서 당신은 알고리즘 거래를 시작할 수있는 완벽한 위치에 있습니다. 이것은 과학자와 엔지니어가 사전 경험없이 자동 거래로 바로 이동할 수있는 Quantiacs [1]에서 직접 목격 한 것입니다. 다시 말해, 프로그래밍 찹은 시작하기 위해 필요한 주요 성분입니다. 알고리즘 트레이딩 시스템을 작성한 후 / 작성하는 동안 어떤 어려움이 기다리고 있는지 전반적으로 이해하려면이 Quora 게시를 확인하십시오.
처음부터 거래 시스템을 구축하려면 몇 가지 배경 지식, 거래 플랫폼, 시장 데이터 및 시장 접근이 필요합니다. 요구 사항은 아니지만 대부분의 리소스를 제공하는 단일 거래 플랫폼을 선택하면 신속하게 처리 할 수 있습니다. 즉, 개발하는 기술은 모든 프로그래밍 언어와 거의 모든 플랫폼으로 전송 될 수 있습니다.
믿거 나 말거나, 자동 거래 전략을 수립하는 것은 시장 전문가가되는 것을 전제로하지 않습니다. 그럼에도 불구하고 기본 시장 역학을 배우면 수익성있는 거래 전략을 발견하는 데 도움이됩니다.
Options, Futures 및 Other Derivates by John C. Hull - 양적 금융을 입력하고 수학 측면에서 접근하는 훌륭한 첫 번째 서적. Ernie Chan의 양적 거래 - Ernie Chan은 양적 거래를위한 최고의 입문서를 제공하며 MATLAB 및 Excel에서 거래 알고리즘을 만드는 과정을 안내합니다. 기계 학습을 통한 선물의 알고리즘 거래 - 일반적으로 사용되는 기술 분석 지표에 간단한 기계 학습 모델을 적용한 5 페이지 분량의 분석. 다음은 책, 비디오, 강좌 및 거래 포럼 전체를 포함하는 집계 된 독서 목록 PDF입니다.
배우는 가장 좋은 방법은 수행하는 것입니다. 자동화 된 거래의 경우 차트 작성 및 코딩이 필요합니다. 좋은 출발점은 거래 시스템의 기존 사례와 기술적 분석 기법의 기존 전시회입니다. 또한, 숙련 된 컴퓨터 과학자는 알고리즘 학습에 기계 학습을 적용 할 수 있다는 부가적인 장점을 가지고 있습니다.
다음은 이러한 리소스 중 일부입니다.
TradingView - 환상적인 비주얼 차트 플랫폼 인 TradingView는 기술적 인 분석에 익숙해 진 놀이터입니다. 거래 전략을 스크립트로 작성하고 다른 사람들의 거래 아이디어를 탐색 할 수있는 이점이 있습니다. 자동화 된 트레이딩 포럼 - 초보자 용 질문 게시 및 막 시작시 일반적인 퀀트 문제에 대한 답변 찾기에 적합한 온라인 커뮤니티. 퀀트 포럼은 전략, 도구 및 기술에 몰입 할 수있는 좋은 기회입니다. Github에서 작동하는 코드 샘플로 거래 아이디어에 대한 YouTube 세미나. 기계 학습 :
자동 거래에 대한 더 많은 프레젠테이션은 Quantiacs Quant Club에서 확인할 수 있습니다.
컴퓨터 과학이나 공학 분야의 과학적 배경을 가진 대부분의 사람들은 Python이나 MATLAB에 노출되어 있습니다. 이 언어는 양적 금융에서 널리 사용되는 언어입니다. Quantiacs는 백 테스팅과 15 년간의 역사적인 시장 데이터를 무료로 제공하는 오픈 소스 도구 상자를 만들었습니다. 가장 중요한 부분은 Python과 MATLAB 모두에 모든 것이 내장되어있어 시스템을 개발할 대상을 선택할 수 있다는 것입니다.
다음은 MATLAB에서 추세를 따르는 거래 전략의 예입니다.
이것은 MATLAB 및 Quantiacs Toolbox의 기능을 모두 보여주는 자동화 된 거래 시스템을 실행하는 데 필요한 모든 코드입니다. Quantiacs는 S & amp; P 500의 44 가지 선물과 모든 주식을 거래 할 수 있습니다. 또한 TensorFlow와 같은 다양한 추가 라이브러리가 지원됩니다.
(면책 조항 : 저는 Quantiacs에서 일합니다)
한 퀀트로 돈을 벌 준비가되면 가장 최근의 Quantiacs 자동 거래 컨테스트에 참가하여 총 225 만 달러의 투자를 이용할 수 있습니다. 최고의 퀀트와 경쟁 할 수 있습니까?
다른 언어.
이 답변은 완전히 다시 작성되었습니다.
다음은 알고리즘 거래 시스템 구축을위한 6 가지 주요 지식 기반입니다. 효과적인 거래 시스템을 구축하려면 모든 것을 알고 있어야합니다. 일부 용어는 기술적 인 부분이있을 수 있지만 인터넷 검색으로 이해할 수 있어야합니다.
참고 : 고주파 거래를 원할 경우 (대부분)는 적용되지 않습니다.
1. 시장 이론.
시장이 어떻게 작동하는지 이해해야합니다. 보다 구체적으로 말하자면, 시장 비 효율성, 다양한 자산 / 제품 간의 관계 및 가격 행동을 이해해야합니다. 거래 아이디어는 시장의 비효율에 기인합니다. 거래 비 효율성을 평가하는 방법에 대해 알아야합니다.
효과적인 로봇을 설계하기 위해서는 자동화 된 거래 시스템이 어떻게 작동하는지 이해해야합니다. 본질적으로 알고리즘 트레이딩 전략은 1) 출품작, 2) 출국 및 3) 포지션 사이징의 3 가지 핵심 구성 요소로 구성됩니다. 캡처하는 시장의 비효율과 관련하여 이러한 3 가지 구성 요소를 설계해야합니다 (아니요, 간단한 프로세스가 아닙니다).
고급 수학을 알 필요가 없습니다 (더 복잡한 전략을 세우는 데 도움이되지만). 좋은 비판적 사고 능력과 통계에 대한 예의 바른 이해는 당신을 아주 멀리 데려 갈 것입니다. 디자인은 역 테스팅 (트레이딩 에지 및 견고성 테스트) 및 최적화 (최소 커브 피팅으로 성능 극대화)를 포함합니다.
알고리즘 트레이딩 전략 포트폴리오를 관리하는 방법을 알아야합니다. 전략은 상호 보완 적이거나 상충 될 수 있습니다 - 이로 인해 위험 노출이나 원하지 않는 헤지의 계획되지 않은 증가로 이어질 수 있습니다. 자본 배분도 중요합니다. 정기적으로 자본을 균등하게 분할합니까? 아니면 수상자에게 더 많은 자본을 보상합니까?
거래하고자하는 제품을 알고 있다면 해당 제품에 적합한 거래 플랫폼을 찾으십시오. 그런 다음이 플랫폼 / 백 테스터의 프로그래밍 언어 API를 배우십시오.
처음부터 Quantopian (주식에만 해당), Quantconnect (주식 및 FX) 또는 Metatrader 4 (주식 지수, 주식 및 상품에 대한 FX 및 CFD)를 추천합니다. 사용 된 프로그래밍 언어는 Python, C # 및 MQL4입니다.
4. 데이터 관리.
쓰레기 == 쓰레기. 부정확 한 데이터는 부정확 한 테스트 결과를 초래합니다. 정확한 테스트를 위해 합리적으로 깨끗한 데이터가 필요합니다. 데이터 정리는 비용과 정확성 간의 균형입니다. 더 정확한 데이터를 원하면 더 많은 시간 (시간 == 돈)을 써야합니다. 더티 데이터를 유발하는 일부 문제에는 누락 된 데이터, 중복 데이터, 잘못된 데이터 (잘못된 진드기)가 있습니다. 오도 된 데이터로 이어지는 다른 문제에는 배당금, 주식 분할 및 선물 롤오버 등이 있습니다.
5. 위험 관리.
위험의 주요 유형은 시장 위험과 운영 위험입니다. 시장 위험은 거래 전략과 관련된 위험을 수반합니다. 최악의 시나리오를 고려합니까? 제 3 차 세계 대전과 같은 검은 백조 사건이 발생하면 어떻게 될까요? 원하지 않는 위험을 헤지 했습니까? 귀하의 직위가 너무 높습니까?
시장 리스크 관리 외에도 운영 리스크를 조사해야합니다. 시스템 충돌, 인터넷 연결 손실, 실행 빈도가 낮은 실행 알고리즘 (리줌 / 높은 미끄러짐을 처리 할 수 없기 때문에 거래를 놓친 경우) 및 해커의 절도는 매우 중요한 문제입니다.
6. 라이브 실행.
백 테스팅과 실시간 거래는 매우 다릅니다. 적절한 브로커 (MM vs STP vs ECN)를 선택해야합니다. 외환 거래 포럼 & amp; Forex 중개인 검토는 거기 제일 중개인 검토, 중개인 검토이다.
평생 동안 로봇을 관리하려면 적절한 인프라 (VPN 및 다운 타임 처리 보안 등) 및 평가 절차 (로봇의 성능을 모니터링하고 시장 비 효율성 / 백 테스트 / 최적화와 관련하여 분석)가 필요합니다. 로봇이 개입 할시기 (로봇을 수정 / 업데이트 / 셧다운 / 켜기)와하지 않을 때를 알아야합니다.
• 거래 전략 평가 및 최적화 - Pardo (거래 전략 수립 및 테스트 방법에 대한 훌륭한 통찰력)
• 금융 자유에 대한 당신의 방법을 바꾼다 - Van K Tharp (우스꽝스러운 클릭 미끼를 제외하고, 이 책은 기계 거래 시스템에 대한 훌륭한 개관이다)
• 양적 거래 - Ernest Chan (소매 수준에서의 algo 거래에 대한 훌륭한 소개)
• 거래 및 교환 : 실무자를위한 시장 미세 구조 - 래리 해리스 (Larry Harris) (시장 미세 구조 란 교환이 어떻게 기능하고 실제로 거래가 일어 났는지에 대한 과학입니다. 처음 시작하더라도이 정보를 아는 것이 중요합니다)
• 알고리즘 트레이딩 & amp; DMA - Barry Johnson (은행의 집행 알고리즘에 대한 불만 사항. 이 것은 직접 거래는 아니지만 알아두면 좋음)
• 퀀트 (The Quants) - 스콧 패터슨 (Scott Patterson) (몇 가지 최고 퀀트에 대한 전쟁 이야기. 취침 시간에 좋음)
• Quantopian (코드, 연구 및 커뮤니티와 아이디어 토론) Python 사용
• Algo 거래의 기초 | AlgoTrading101 (면책 조항 :이 사이트 / 코스를 소유하고 있습니다.) 로봇 설계 이론, 시장 이론 및 코딩을 배우십시오. MQL4 사용)
• 도전 과제에 참여하십시오 (트레이딩 개념 및 백 테스팅 이론을 배우십시오.) 최근 백 테스팅 및 트레이딩 플랫폼을 개발 했으므로이 부분은 여전히 새로운 부분이지만 트레이딩 개념에 대한 지식 기반은 훌륭합니다.
추천 블로그 / 포럼 (금융, 거래 및 알제 거래 포럼 포함) :
추천 프로그래밍 언어 :
거래하고자하는 제품을 알고 있다면 해당 제품에 적합한 거래 플랫폼을 찾으십시오. 그런 다음이 플랫폼 / 백 테스터의 프로그래밍 언어 API를 배우십시오.
처음부터 Quantopian (주식에만 해당), Quantconnect (주식 및 FX) 또는 Metatrader 4 (주식 지수, 주식 및 상품에 대한 FX 및 CFD)를 추천합니다. 사용 된 프로그래밍 언어는 Python, C # 및 MQL4입니다.
알고리즘은 근본적인 철학의 극단적 인 형식화 이외에는 없습니다.
거래 가장자리 = 승 % * 평균 승률 - 손실 % * 평균 손실 %
그것은 내 삶과 내가 시장에 접근하는 방식을 바 꾸었습니다. 항상 배포판을 시각화하십시오. 그것은 당신이 당신의 개념을 명확하게하고 논리적 흠집을 밝히는 데 도움이 될 것입니다. 그러나 먼저 철학과 신념 추출을 시작합시다.
1. 당신의 신념을 명확히하는 것이 왜 중요한가?
우리는 우리의 믿음을 교환합니다. 더 중요한 것은, 우리는 우리의 잠재 의식 신념을 교환합니다. & quot; 자신이 누구인지 알지 못하면 시장은 비싼 곳입니다. & quot; Adam Smith.
많은 사람들이 자신의 신념을 이끌어 내고 차용 한 신념에 따라 일할 시간을 갖지 않습니다. 대답하지 않은 질문과 논리가 잘못되어 체계적인 상인이 각 드로우 다운시 시스템을 조정할 수 있습니다. 나는 수년 동안 그랬던 것처럼.
신념 유도 운동 :
Byron Katie의 작품. 내가 2 일간의 신앙을 100 일간의 도전 과제로 마친 후에 할머니에게 내 스타일을 설명 할 수있는 이유는 무엇입니까? 왜 그리고 더 깊은 다이빙으로 스스로에게 질문하십시오. Mindsets : 팽창 및 감산 또는 스무디 대 band-aid.
사고 방식에는 두 가지 유형이 있으며, 우리는 서로 다른 시간에 두 가지 유형이 필요합니다.
Expansive to explore concepts, ideas, tricks etc Subtractive: to simplify and clarify concepts Systematic traders who fail at being subtractive have a smoothie approach. They throw all kinds of stuff into their strategy and then blend it with an optimizer. Bad move: complexity is a form of laziness.
Overly subtractive systematic traders have a band aid mentality. They hard-code everything and then good luck patching.
"Essentialist traders" understand that it is a dance between periods of exploration and times of hard core simplification. Simple is not easy.
It has taken me 3,873 hours, and i accept it may take a lifetime.
The only time when you know if a trade was profitable is after exit, right ?
So, focus on the exit logic first.
In my opinion, the main reason why people fail to automate their strategy is that they focus too much on entry and not enough on exit.
The quality of your exits shapes your P&L distribution, see chart above.
Spend enormous time on stop loss as it affects 4 components of your trading system: Win%, Loss%, Avg Loss%, trading frequency.
The quality of your system will be determined by the quality of your stop loss,
Equal weight is a form of laziness. The size of your bets will determine the shape of your returns. Understand when your strategy does not work and reduce size. Conversely, increase size when it works.
I will write more about position sizing on my website, but there are many resources across the internet.
After you have watched a full season of "desperate housewives" or "breaking bad", had some chocolate, walked the dog, fed the fish, called your mom, then it's time to think about entry.
Read the above formula, stock picking is not a primary component. One may argue that proper stock picking may increase win%. Maybe, but it is worthless if there is neither proper exit policy, nor money management.
In probabilistic terms, after you have fixed exit, entry becomes a sliding scale probability.
There is no magical moving average, indicator value. When testing your system, focus on three things:
False positives: they erode performance. Find simple (elegant) ways to reduce them, work on the logic periods when the strategy does not work: no strategy works all the time. Be prepared for that and prepare contingency plans in advance. Tweaking the system during a drawdown is like learning to swim in a storm Buying power and money management: this is another counter-intuitive fact. Your system may generate ideas but you do not have the buying power to execute. Please, have a look at the chart above I build all my strategies from the short side first. The best test of robustness for a strategy is the short side:
I started out on WealthLab developer. It has a spectacular position sizing library. This is the only platform that allows portfolio wide backtetsing and optimisation. I test all my concepts on WLD. 강력 추천. It has one drawback, it does not connect position sizer with real live trading.
Perry Kaufman wrote some good books about TS. There is a vibrant community out there. It is easier than most other platforms.
If You want to learn to swim, You have to jump in the water. Many novices want to send their billion dollar ideas to some cheap programmers somewhere. It does not work like that. You need to learn the language, the logic.
Brace for a long journey.
"In investing, what is comfortable is rarely profitable." - Robert Arnott.
2. Testing and optimizing a Strategy.
I do have a background as a programmer and setting up agile/scrum teams before I started to look at algorithmic trading. The world of algorithmic trading fascinates me, however it can be a bit overwhelming. I started to get some perspective by diving into the Quantopian platform, watching the quant lectures series and running my and adapted community based algo trading systems in their environment. Like the one below:
I then realised to get in deeper more fast, I have to meet people that love to create trading strategies, but can not program - to match myself as an agile team manager and programmer of trading systems. So I wrote a book on how to create a team to implement your trading algorithms . Building Trading Systems The Agile Way: How to Build Winning Algorithmic Trading Systems as a Team.
In the community of Quantopian I saw financial savvy people looking for people to implement their trading strategies, but where afraid to ask programmers to implement their ideas. Since they potentially can start running their trading ideas without them.
I address this issue in my book. To avoid programmers to run away with your ideas: create a specification for your trading idea that uses a coding framework that is tailored for the type of strategy you want to develop . This might sound difficult, but when you know all the baby steps and how they fit together, it is pretty straightforward and fun to manage!
If you enjoyed this answer, please up vote and follow.
No comments:
Post a Comment