Como puramente um cientista da computação, você está na posição perfeita para iniciar o comércio algorítmico. Isso é algo que eu testemunhei em primeira mão em Quantiacs 1. onde os cientistas e engenheiros são capazes de entrar direto na negociação automatizada sem qualquer experiência anterior. Em outras palavras, as costeletas de programação são o ingrediente principal necessário para começar. Para obter uma compreensão geral de quais desafios esperam por você após / durante a criação de um sistema de comércio algorítmico, confira este post do Quora. Construir um sistema de negociação a partir do zero exigirá algum conhecimento prévio, uma plataforma de negociação, dados de mercado e acesso ao mercado. Embora não seja um requisito, a escolha de uma única plataforma de negociação que forneça a maioria desses recursos ajudará você a acelerar rapidamente. Dito isto, as habilidades que você desenvolve serão transferíveis para qualquer linguagem de programação e praticamente qualquer plataforma. Acredite ou não, a construção de estratégias de negociação automatizadas não se baseia em ser um especialista em mercado. No entanto, aprendendo mecânica de mercado básico irá ajudá-lo a descobrir estratégias de negociação rentáveis. Opções, futuros e outros derivados por John C. Hull - grande primeiro livro para entrar em finanças quantitativas e abordá-lo do lado de matemática. Negociação Quantitativa por Ernie Chan - Ernie Chan fornece o melhor livro introdutório para negociação quantitativa e orienta você no processo de criação de algoritmos de negociação no MATLAB e no Excel. Negociação Algorítmica de Futuros via Aprendizado de Máquina - Uma análise de 5 páginas da aplicação de um modelo simples de aprendizado de máquina aos indicadores de análise técnica comumente usados. Heres uma lista de leitura agregada PDF com uma análise completa de livros, vídeos, cursos e fóruns de negociação. A melhor maneira de aprender é fazendo, e no caso de negociação automatizada que se resume a criação de gráficos e codificação. Um bom ponto de partida são exemplos existentes de sistemas de negociação e exibições existentes de técnicas de análise técnica. Além disso, um cientista da computação habilidoso tem a vantagem adicional de poder aplicar o aprendizado de máquina à negociação algorítmica. Aqui estão alguns desses recursos: TradingView - Uma fantástica plataforma visual de gráficos por si só, o TradingView é um excelente playground para se sentir confortável com a análise técnica. Ele tem o benefício adicional de permitir que você gere estratégias de negociação e navegue pelas ideias comerciais de outras pessoas. Automated Trading Forum - Ótima comunidade on-line para postar perguntas para iniciantes e encontrar respostas para problemas comuns de quant quando está apenas começando. Os fóruns da Quant são um ótimo lugar para se imergir em estratégias, ferramentas e técnicas. Seminário do YouTube sobre negociação de ideias com amostras de código em funcionamento no Github. Machine Learning: Mais apresentações sobre negociação automatizada podem ser encontradas no Quantiacs Quant Club. A maioria das pessoas com formação científica (seja de ciência da computação ou de engenharia) teve exposição ao Python ou ao MATLAB, que são línguas populares para financiamento quantitativo. A Quantiacs criou uma caixa de ferramentas de código aberto que fornece backtesting e 15 anos de dados históricos do mercado gratuitamente. A melhor parte é que tudo é feito em Python e MATLAB, dando a você a opção de desenvolver o seu sistema. Heres uma estratégia de negociação de acompanhamento de tendência de amostra no MATLAB. Este é todo o código necessário para executar um sistema de negociação automatizado, mostrando tanto o poder do MATLAB quanto o Quantiacs Toolbox. Quantiacs permite negociar 44 futuros e todas as ações do SampP 500. Além disso, uma variedade de bibliotecas adicionais, como o TensorFlow, são suportadas. (Atenção: Eu trabalho na Quantiacs) Uma vez que você está pronto para ganhar dinheiro como um quant, você pode participar do mais recente concurso de negociação automatizado Quantiacs, com um total de 2.250.000 em investimentos disponíveis: Você pode competir com os melhores 18.6k Visualizações middot Ver UpVotes middot Not for Reproduction Esta resposta foi completamente reescrita Aqui estão 6 principais bases de conhecimento para a construção de sistemas algorítmicos de negociação. Você deve estar familiarizado com todos eles, a fim de construir sistemas de negociação eficazes. Alguns dos termos usados podem ser ligeiramente técnicos, mas você deve ser capaz de compreendê-los pesquisando no Google. Nota: (A maioria deles) não se aplica se você quiser fazer Negociações de Alta Frequência 1. Teorias de Mercado Você precisa entender como o mercado funciona. Mais especificamente, você deve entender as ineficiências do mercado, as relações entre diferentes ativos / produtos e o comportamento dos preços. Idéias de negociação derivam de ineficiências do mercado. Você precisará saber como avaliar as ineficiências do mercado que lhe dão uma margem de negociação versus aquelas que não o fazem. Projetar robôs eficientes implica entender como funcionam os sistemas de negociação automatizados. Essencialmente, uma estratégia de negociação algorítmica consiste em 3 componentes principais: 1) Entradas, 2) Saídas e 3) Posição de dimensionamento. Você precisará projetar esses 3 componentes em relação à ineficiência do mercado que está capturando (e não, isso não é um processo direto). Você não precisa saber matemática avançada (embora ajude se você pretende construir estratégias mais complexas). Boas habilidades de pensamento crítico e um entendimento decente sobre estatísticas o levarão muito longe. O design envolve backtesting (teste de borda de negociação e robustez) e otimização (maximização do desempenho com ajuste mínimo de curva). Você precisará saber como gerenciar um portfólio de estratégias de negociação algorítmica também. Estratégias podem ser complementares ou conflitantes, o que pode levar a aumentos não planejados na exposição ao risco ou cobertura indesejada. Alocação de capital é importante também você divide o capital igualmente em intervalos regulares ou recompensa os vencedores com mais capital. Se você souber quais produtos deseja negociar, encontre plataformas de negociação adequadas para esses produtos. Em seguida, aprenda a API da linguagem de programação desta plataforma / backtesters. Se você estiver começando, eu recomendaria o Quantopian (somente ações), Quantconnect (ações e FX) ou Metatrader 4 (FX e CFDs sobre índices de ações, ações e commodities). As linguagens de programação utilizadas são Python, C e MQL4, respectivamente. 4. Gestão de Dados Lixo no lixo para fora. Dados imprecisos levam a resultados de teste imprecisos. Precisamos de dados razoavelmente limpos para testes precisos. A limpeza de dados é um compromisso entre custo e precisão. Se você quiser dados mais precisos, você precisa gastar mais tempo (dinheiro do tempo) limpando-o. Alguns problemas que causam dados sujos incluem dados ausentes, dados duplicados, dados incorretos (bad ticks). Outras questões que levam a dados enganosos incluem dividendos, desdobramentos de ações e rolagens de futuros, etc. 5. Gerenciamento de riscos Existem dois tipos principais de risco: risco de mercado e risco operacional. O risco de mercado envolve risco relacionado à sua estratégia de negociação. Considera cenários de pior cenário? E se acontecer um evento de cisne negro como a 3ª Guerra Mundial? Você desviou o risco indesejado? O tamanho da sua posição é muito alto Além de gerenciar o risco de mercado, é necessário considerar o risco operacional. Queda do sistema, perda de conexão à Internet, algoritmo de execução deficiente (levando a preços mal executados, ou transações perdidas devido à incapacidade de lidar com requote / alto deslizamento) e roubo por hackers são problemas muito reais. 6. Live Execution Backtesting e live trading são muito diferentes. Você precisará selecionar corretores adequados (MM vs STP vs ECN). Forex Market News com fóruns Forex Trading amp Forex Brokers Reviews é o seu melhor amigo, leia comentários de corretores lá. Você precisa de infra-estrutura adequada (VPN seguro e tempo de inatividade, etc.) e procedimentos de avaliação (monitore o desempenho de seus robôs e analise-os em relação à ineficiência do mercado / backtests / op timisations) para gerenciar seu robô durante sua vida útil. Você precisa saber quando intervir (modificar / atualizar / shutdown / t urn em seus robôs) e quando não. Avaliação e otimização de estratégias de negociação Pardo (grandes insights sobre métodos na construção e teste de estratégias de negociação) Troque seu caminho para a liberdade financeira Van K Tharp (lado isca Ridiculous-Click de lado, este livro é uma ótima visão geral para sistemas mecânicos) Negociação quantitativa Ernest Chan (Grande introdução à negociação de algoritmos em nível de varejo). Trocas e Trocas: Microestrutura de Mercado para Profissionais Larry Harris (Microestrutura de mercado é a ciência de como funcionam as trocas e o que realmente acontece quando um negócio é feito. É importante conhecer essas informações. mesmo que você esteja apenas começando) Algorithmic Trading amp DMA Barry Johnson (Derrube os algoritmos de execução dos bancos. Isso não é diretamente aplicável ao seu comércio de algo, mas é bom saber) Os Quants Scott Patterson (histórias de guerra de alguns top quants. como leitura na hora de dormir) Quantopian (Codifique, pesquise e discuta ideias com a comunidade. Usa Python) Fundamentos da Algo Trading Algo Negociação101 (Disclaimer: eu possuo este site / curso. Aprenda teorias de design de robôs, teorias de mercado e codificação. Usa o MQL4) - Junte-se ao desafio (Aprenda conceitos de negociação e teorias de backtesting. Eles recentemente desenvolveram sua própria plataforma de backtesting e trading, então essa parte ainda é nova para mim. Mas seus conhecimentos sobre conceitos de negociação são bons.) Blogs / Fóruns recomendados inclui fóruns de negociação de finanças, comércio e algoritmos): Idiomas de programação recomendados: se você souber quais produtos deseja negociar, encontre plataformas de negociação adequadas para esses produtos. Em seguida, aprenda a API da linguagem de programação desta plataforma / backtesters. Se você estiver começando, eu recomendaria o Quantopian (somente ações), Quantconnect (ações e FX) ou Metatrader 4 (FX e CFDs sobre índices de ações, ações e commodities). As linguagens de programação utilizadas são Python, C e MQL4, respectivamente. 13.4k Visualizações middot View Upvotes middot Não para reprodução Embora este seja um tópico muito amplo com referências a construir algoritmos, definição de infra-estrutura, alocação de ativos e gerenciamento de riscos, mas vou me concentrar apenas na primeira parte de como trabalhar na construção de nosso próprio algoritmo e fazendo as coisas certas. 1. Construindo Estratégia. Alguns dos principais pontos a serem observados aqui são: Catch Big Trends - Uma boa estratégia deve, em todos os casos, ganhar dinheiro quando o mercado está tendendo. Os mercados vão com uma boa tendência que dura apenas 15-20 do tempo, mas esta é a época em que todos os cães e gatos (comerciantes de todos os prazos, intraday, diariamente, semanalmente, longo prazo) estão fazendo compras e todos eles tem um tema comum. Muitos comerciantes também constroem estratégias de reversão à média nas quais eles tentam julgar as condições quando o preço se afastou da média, e assumem um trade contra a tendência, mas eles devem ser construídos quando você tiver construído e negociado com sucesso alguma boa tendência seguindo sistemas . Probabilidades de acumulação - As pessoas muitas vezes trabalham para tentar construir um sistema que tenha uma excelente relação de ganhos / perdas, mas essa não é a abordagem correta. Por exemplo, um algoritmo com um vencedor de 70, com um lucro médio de 100 por comércio e perda média de 200 por comércio, fará apenas 100 por 10 negócios (10 / comércio líquido). Mas um algoritmo com um vencedor de 30 com lucro médio de 500 por transação e perda de 100 por comércio fará um lucro líquido de 800 para 10 negociações (80 / trade). Portanto, não é necessário que a relação entre ganhos e perdas seja boa, e sim as chances de acumular o que deveria ser melhor. Isso vai dizendo "Mantenha as perdas pequenas, mas deixe seus vencedores correrem". “Ao investir, o que é confortável raramente é lucrativo.” - Robert Arnott Drawdown - O rebaixamento é inevitável, se você estiver seguindo qualquer tipo de estratégia. Então, ao projetar um algo não tente reduzir o rebaixamento ou fazer alguma condição personalizada específica para cuidar desse rebaixamento. Essa condição específica pode, no futuro, agir como um obstáculo na captura de uma grande tendência e seu algoritmo pode ter um desempenho ruim. Gerenciamento de riscos - Ao construir uma estratégia, você deve sempre ter um portão de saída, seja qual for o mercado que escolher fazer. O mercado é um lugar de probabilidades e você deve projetar um algoritmo para tirá-lo de um negócio o mais rápido possível, se ele não se encaixa no seu apetite ao risco. Normalmente, argumenta-se que você deve arriscar 1-2 de capital em cada negociação, e é ideal em muitos aspectos, mesmo que você receba 10 falsos negócios sucessivamente, seu capital diminuirá em apenas 20. Mas esse não é o caso. caso no cenário real do mercado. Alguns negócios com perdas serão entre 0-1, enquanto alguns podem ir para 3-4, então é melhor definir o capital médio de perdas por negociação e o capital máximo que você pode perder em uma negociação, já que os mercados são completamente aleatórios e não podem ser julgados. . “De vez em quando, o mercado faz algo tão estúpido que tira o fôlego.” - Jim Cramer 2. Testando e otimizando um escorregão de estratégia. Quando estamos testando uma estratégia sobre dados históricos, supomos que a ordem será executada no preço pré-definido que chegou pelo algoritmo. Mas isso nunca será o caso, já que temos que lidar com criadores de mercado e algoritmos de HFT agora. Seu pedido no mundo de hoje nunca será executado no preço desejado, e haverá escorregões. Isso deve ser incluído no teste. Impacto do mercado: O volume negociado pelo algoritmo é outro fator importante a ser considerado durante o backtesting e a coleta de resultados históricos. À medida que o volume aumenta, as encomendas feitas por algo terão um impacto considerável no mercado e o preço médio da encomenda preenchida será muito diferente. Seu algoritmo pode produzir resultados completamente diferentes em condições reais de mercado, se você não estudar a dinâmica de volume do seu algoritmo. Otimização: A maioria dos traders sugere que você não faça ajustes de curva e otimização e eles estão corretos, já que os mercados são uma função de variáveis aleatórias e nenhuma situação será igual. Portanto, otimizar parâmetros para situações particulares é uma má ideia. Eu sugiro que você vá para otimização zonal. É uma técnica que eu sigo, comprei zonas de identificação que têm características semelhantes em termos de volatilidade e volume. Otimize essas áreas separadamente, em vez de otimizar por todo o período. As etapas acima são algumas das mais básicas e mais importantes que eu sigo, ao converter um pensamento básico em um algoritmo e verificar sua validade. "Todo mundo tem a inteligência para seguir o mercado de ações. Se você fez isso através da matemática da quinta série, você pode fazê-lo. quotPeter Lynch 15,7k Visualizações middot Ver Upvotes middot Não para a reprodução Eu tenho um fundo como programador e criação de equipes ágeis / scrum antes de começar a olhar para negociação algorítmica. O mundo do comércio algorítmico me fascina, mas pode ser um pouco esmagador. Comecei a ter alguma perspectiva mergulhando na plataforma da Quantopian, assistindo a série de palestras quant e executando meus sistemas de negociação de algoritmos baseados na comunidade em seu ambiente. Como o abaixo: Eu percebi então para entrar mais fundo mais rápido, eu tenho que conhecer pessoas que gostam de criar estratégias de negociação, mas não podem programar - para me igualar como um gerente de equipe ágil e programador de sistemas de negociação. Então eu escrevi um livro sobre como criar uma equipe para implementar seus algoritmos de negociação. Construindo Sistemas de Negociação O Modo Ágil: Como Construir Sistemas de Negociação Algorítmica Vencedora como uma Equipe. Na comunidade de Quantopian, vi pessoas com experiência financeira procurando pessoas para implementar suas estratégias de negociação, mas com medo de pedir aos programadores que implementassem suas ideias. Uma vez que eles potencialmente podem começar a executar suas idéias de negociação sem eles. Eu abordo esse assunto no meu livro. Para evitar que os programadores fujam com suas idéias: crie uma especificação para sua ideia de negociação que use uma estrutura de codificação que seja personalizada para o tipo de estratégia que você deseja desenvolver. Isso pode parecer difícil, mas quando você conhece todos os passos do bebê e como eles se encaixam, é bastante simples e divertido de gerenciar. Se você gostou desta resposta, por favor, vote e siga. 1,1k Visualizações middot Ver Upvotes middot Não para reprodução Para começar com o básico, acesse Amibroker (AmiBroker - Download). Amibroker tem uma linguagem fácil de aprender e poderoso mecanismo de backtest, onde você pode prototipar suas idéias. Obtenha também o livro de Howard Bandy 039s Quantitative Trading Systems. Este livro é uma introdução muito boa aos conceitos de desenvolvimento de quant. Você também precisará de pelo menos um conhecimento básico de estatísticas. Há uma abundância de bons cursos MOOC disponíveis para isso de graça. Tal como este um Statistics One - Universidade de Princeton Coursera It039s também vale a pena seguir The Whole Street. que é um mashup de todos os blogs quant, muitos dos quais publicam o código da Amibroker com suas idéias. A partir daí, vale a pena aprender Python (aprender python - Pesquisa do Google) e também fazer o excelente curso de Aprendizado de Máquina da Universidade Stanford de Andrew Ng039, que funciona gratuitamente no Coursera. Se você quiser testar seus próprios algoritmos, bons sites para isso são Quantconnect ou Quantopian. Finalmente, esse cara tem alguns bons conselhos sobre como transformá-lo em sua carreira quantstart / Boa sorte com a jornada Parcialmente tirada da resposta de Alan Clement039s a Como pode um desenvolvedor de software em finanças se tornar um desenvolvedor de quant 15.3k Visualizações middot Ver Upvotes middot Não para a reprodução Pode Como posso melhorar na construção de sistemas de negociação algorítmica? algoritmo e criar um sistema de negociação para si mesmo Qual corretor é bom para negociação algorítmica Como são algoritmos de negociação projetados Qual é o sistema de negociação algorítmica mais complicado É possível para mim ganhar dinheiro com negociação algorítmica e como posso começarQuantConnect tem duas maneiras principais para carregar dados personalizados em seu algoritmo. Estes são úteis para diferentes propósitos específicos, dependendo dos requisitos, mas para usá-los adequadamente, você deve entender como o sistema de dados funciona. Os dados são trazidos para o QuantConnect de duas maneiras principais: estaticamente através de classes DataFeed que extraem dados de uma fonte estática em tempo de compilação e, dinamicamente, através de tipos personalizados dentro de algoritmos que definem como ler e produzir os dados personalizados. Fontes estáticas Normalmente, as fontes estáticas são um banco de dados, um sistema de arquivos ou um fluxo de soquete ativo com o qual você se conecta. Eles são gerados por uma classe DataFeed. Em Lean, as fontes estáticas são usadas para gerar fluxos Tick e TradeBar que são canalizados pelo Mecanismo Lean e são disparados em manipuladores de eventos. O TradeBar e o Tick são tipos de dados especiais no Lean porque, antes de serem canalizados para o algoritmo, eles são unidos para formar TradeBars e Ticks. Essas versões de matriz dos dados permitem que o código acesse os dados do TradeBar com um dicionário de seqüência de caracteres de símbolo. O Gerenciador de Algoritmo une os objetos TradeBar e Tick individuais juntos. Fontes dinâmicas As fontes dinâmicas são frequentemente geradas para algoritmos específicos e são frequentemente necessárias apenas uma vez. Não há restrição no tipo de dados, mas eles normalmente não seriam dados de mercado, mas indicadores técnicos externos ou fundamentos. Geralmente, é de uma fonte ou APIs remotas e pode até envolver o fornecimento em tempo de execução. Os dados dinâmicos podem ser definidos com algumas linhas de código no algoritmo e são um tipo personalizado, definido pelo usuário, que herda de BaseData. A principal diferença com dados dinâmicos é que ele é singular e canalizado para os algoritmos como objetos individuais, não matrizes como um objeto TradeBars. Dados dinâmicos têm um manipulador de eventos dedicado para o seu tipo de dados. Método Fácil de Fornecimento Estático De longe, a maneira mais simples de começar é simplesmente usar a classe Lean FileSystemDataFeed existente e armazenar seus dados na mesma hierarquia de pastas usada pelo Lean, eliminando a necessidade de escrever sua própria classe DataFeed. Os dados estão localizados em / Lean / Data e são organizados por classe de ativos, resolução e símbolo. Quando um novo fluxo de ativos é solicitado no algoritmo, o Lean extrai os dados do local no disco. Se os dados não estiverem lá, serão ignorados. Figura 1: Arquivos de exemplo incluídos no Lean Repository Os dados são nomeados de acordo com sua data no formato YYYYMMDDtrade. zip e são um zip de um arquivo CSV que contém os dados brutos de tick ou trade bar. Dentro dos arquivos de patrimônio estão os dados no seguinte formato: O tempo é medido no número de milissegundos desde a meia-noite daquele dia, e o Open, High, Low e Close são dimensionados por 10.000. Os dados do FOREX têm um formato interno ligeiramente diferente, mas usam a mesma estrutura de diretórios. Se os dados estiverem em um formato semelhante, eles serão conectados diretamente ao QuantConnect e funcionarão instantaneamente. Método Difícil Se você tiver dados armazenados em um local completamente diferente, poderá escrever uma classe DataFeed personalizada para extrair os dados do banco de dados ou da fonte de dados ativa. O DataFeed é um encadeamento autônomo que é iniciado com o método Run () e solicitado pela sua configuração de Tarefas. Ele deve executar um loop dentro do método Run () até terminar de carregar os dados solicitados ou um cancelamento foi solicitado com o método Exit (). Para mais informações sobre como criar uma classe de plug-in do DataFeed, consulte este tutorial. Fornecimento dinâmico - criando seu tipo personalizado Os algoritmos individuais também podem solicitar dados dinamicamente em tempo de execução. Isso requer muito pouca codificação e nenhuma alteração na infraestrutura do QuantConnects DataFeed. A criação de um tipo de tempo de execução dinâmico requer duas etapas: Crie um novo tipo herdado de BaseData, que implementa os métodos GetSource, Reader e Clone. Adicionar uma linha em seu algoritmo para solicitar os dados Criando uma nova classe de dados Criar uma nova classe de dados dinâmica para carregar em seu algoritmo leva algumas linhas de código e tem 3 métodos principais: GetSource - onde os dados devem ser originados do carregamento dos dados de um arquivo ou API REST. Leitor - Como devemos interpretar cada linha dos dados Criando um novo objeto a partir de uma fonte de string. Clone - Como posso criar um novo objeto de mim mesmo? Esse método é opcional e é necessário apenas para fluxos de dados de preenchimento. O código abaixo mostra uma implementação simples de extrair uma fonte de dados personalizada de um arquivo local: Implementação de Dados Dinâmicos PersonalizadosSpeedometer (Pontos / seg) Oi Patrick93, Veja a velocidade de mercado positiva (alta) e negativa (baixa) do mercado, como touros e ursos lutar para manter o controle do mercado. Observe também a aceleração e tente descobrir uma correlação entre suas observações e o que acontece depois disso. Isso irá treiná-lo para escalpelar manualmente aqui e ali (especialmente durante a sessão de Londres). Eu uso um EA com alguma técnica de aprendizado de máquina para identificar e trocar essas oportunidades. Melhor, Math Oi mathtrader7, é o EA pronto para o lançamento -) Hi cjtylor, O EA que eu escrevi está usando algum pacote de aprendizado de máquina da linguagem R. Então, para compartilhá-lo, eu preciso escrever um longo procedimento para descrever como instalar o R, vinculá-lo ao MQL4, etc. No momento não tenho planos para isso, mas posso escrever um artigo sobre como usar Linguagem R para negociação / escalpelamento. Melhor, Math Hi MathTrader7, talvez eu possa escrever o procedimento longo. como instalar R (ou RStuido), como linkar a MQL4 etc, e talvez como usar a linguagem R para negociação, mas não escalpelamento. Então, se eu fizer isso, você está disposto a compartilhar mais informações Eu tenho alguma experiência com R para análise de dados e operações estatísticas, mas não com o aprendizado de máquina. Se você considerar isso, eu poderia fazer a escrita e depois que você poderia compartilhar mais algumas informações, afinal estamos aqui compartilhar idéias e ajudar uns aos outros, assim como você publicou o seu grande indicador para coletar mais opiniões e melhorá-lo eu sou Muito tempo leitor FF, mas este é o meu primeiro post aqui. hehe, fiquei animado quando vi que você está usando R Obrigado Math, isso é realmente complexo EA Dadas as possíveis restrições que você pode ter com os corretores em termos de velocidade de execução, etc, mesmo ECN, e com esses algoritmos avançados talvez você seja melhor não usando MT4. Você pode olhar para estes - quantopian e quantconnect. Estas são plataformas livres para desenvolvimento rápido de estratégias de negociação, eles estão usando o IDE on-line baseado em nuvem para codificar as estratégias e backtest como 50-100 vezes em um cluster de servidores. Oi venkpetrov, Obrigado pela sua atenção ao meu trabalho e as informações úteis que eu nunca procurei por outras plataformas. Eu sempre procurei as formas de vincular os pacotes Matlab, R, ML, etc. com o MQL4. No entanto, eu olharia para os sites que você mencionou. Eu gosto de receber comissões de um grande investimento em dinheiro Deixe seus vencedores correrem e cortarem seus perdedores em curto Eu tenho uma pergunta Matemática, como você mede aceleração e velocidade. você usa a função GetTickCount () Eu tenho um indi EA que mede o tempo entre o último tick e o atual, e mostra as últimas 10 diferenças de preço. Mas eu ainda não posso fazer isso para calcular se os carrapatos estão chegando com mais freqüência em um segundo. Vou anexar o EA assim, se alguém quiser dar uma olhada e talvez me ajude a calcular a aceleração de preços e direção será ótimo cheerz só querendo saber se você encontrou uma solução neste como eu estou procurando o mesmo. Se não me engano, acho que o Math está usando dados históricos de carrapatos do M1 Sempre seja gentil com os outros. você nunca pode dar errado por ser gentil
Комментариев нет:
Отправить комментарий