ซื้อขาย กลยุทธ์ การเปรียบเทียบ

โบรกเกอร์การซื้อขายตัวเลือกที่ดีที่สุด 2017 ถัดจากผู้ค้าที่ใช้งานอยู่มีเนื้อหาที่ไม่มีค่าของโบรกเกอร์ออนไลน์มากกว่าผู้ซื้อขายประเภทอื่น ธุรกิจการค้าทางเลือกมีอัตรากำไรสูงกว่านายหน้าซื้อขายหลักทรัพย์มากและส่งผลให้การแข่งขันรุนแรงขึ้นในการดึงดูดลูกค้าเหล่านี้ บรรยากาศการตลาดประเภทนี้เหมาะสำหรับนักลงทุนเนื่องจากการแข่งขันที่มีสุขภาพดีนั้นเป็นนวัตกรรมและราคาที่แข่งขันได้ ผู้ชนะของเราอีกครั้งในปีนี้ OptionsHouse (ซึ่ง ETRADE ได้รับในปีพ. ศ. 2560) เข้าใจถึงสิ่งที่จะประสบความสำเร็จในช่องนี้ OptionsHouse ไม่เพียง แต่มีค่าคอมมิชชั่นการแข่งขันสูง แต่ยังเป็นแพลตฟอร์มที่ยอดเยี่ยม ธุรกิจการค้าเลือกมีราคา 4.95 .50 ต่อสัญญา เฉพาะโบรกเกอร์เชิงโต้ตอบให้ราคาดีขึ้นทุกรอบสำหรับการค้าตัวเลือก แพลทฟอร์มที่ฉลาด OptionsHouses แพลตฟอร์มบนเว็บมีเครื่องมือทั้งหมดที่ผู้ประกอบการค้าหลักทรัพย์ต้องการและแสดงในรูปแบบที่สวยงาม ใส่ใจในรายละเอียดเช่นอัตโนมัติพร้อมกับกลุ่มการจัดกลุ่มแบบกำหนดเองการสแกนที่ง่ายดายผ่านทางกลยุทธ์SEEKและข้อมูลความเสี่ยงที่เข้าใจง่ายผ่าน tradeLAB ทำให้ออพติคอลเฮาส์เป็นประสบการณ์ที่ไม่เหมือนใคร แพลตฟอร์ม OptionsHouse เป็นสิ่งที่ดีที่สุดในอุตสาหกรรม การรักษาสปอตไลต์บนแพลตฟอร์มและเครื่องมือที่มีค่าออกเทอร์เท็กซ์สูงสำหรับผู้ค้าตัวเลือก TD Ameritrades thinkorswim และ TradeStation จะไม่สามารถทิ้งไว้ได้ กลยุทธ์ Roller จาก thinkorswim ช่วยให้ลูกค้าสามารถสร้างกฎที่กำหนดเองและม้วนตำแหน่งตัวเลือกที่มีอยู่โดยอัตโนมัติ จำนวนการตั้งค่าและความลึกของการปรับแต่งที่มีอยู่เป็นสิ่งที่น่าประทับใจและสิ่งใดก็ตามที่เราโตขึ้นตามที่คาดหวังจาก thinkorswim ไม่ต้องพึ่งพาเครื่องมือ TradeStation OptionsStation ช่วยในการวิเคราะห์ธุรกิจการค้าที่อาจเกิดขึ้นได้ง่ายและแม้แต่ไปรวมถึงแผนภูมิ 3D PL นักลงทุนไม่ทราบว่าจำเป็นต้องใช้ Popcorn และ 3D แว่นตาและในขณะที่ดึงดูดสายตาเราไม่เห็นข้อได้เปรียบใด ๆ เหนือแผนผัง PL 2D แบบเดิม หากคุณลักษณะเฉพาะและฟังก์ชันการทำงานที่มีความสำคัญกับคุณ Charles Schwabs Walk Limit แบบคำสั่งซื้อซึ่งจะดำเนินการตามคำสั่งซื้อของคุณเพื่อให้ได้ราคาที่ดีที่สุดในการเสนอราคาหรือเสนอซื้อที่ดีที่สุดของชาติ (NBBO) เป็นสิ่งที่น่าประทับใจจริงๆ โบรกเกอร์ยังมี Idea Hub ซึ่งใช้การสแกนแบบกำหนดเป้าหมายในการมองเห็นธุรกิจใหม่ ๆ มีโบรกเกอร์ที่ดีมากมายในการเลือกซื้อขาย ในปีพ. ศ. 2560 นักลงทุนควรคาดหวังให้โบรกเกอร์ของตนรวมการสแกนการวิเคราะห์ PL การวิเคราะห์ความเสี่ยงและการจัดการใบสั่งซื้อที่ง่าย ฟังก์ชันการจัดการตำแหน่งและการคาดเดาประสบการณ์ทั้งหมดด้วยกันคือจุดที่แพลตฟอร์มเช่น OptionsHouse และ thinkorswim โดดเด่นและโดดเด่น ในที่สุดก็ลงมาเพื่อความชอบส่วนบุคคลและลำดับความสำคัญการชั่งน้ำหนักเช่นค่าใช้จ่ายต่อการค้ากับความสะดวกในการใช้งานและการเลือกเครื่องมือ ข้อมูลการกำหนดราคาทั้งหมดได้มาจากเว็บไซต์ที่ได้รับการเผยแพร่เมื่อวันที่ 2202017 และเชื่อว่ามีความถูกต้อง แต่ไม่ได้รับประกัน พนักงานของ StockBrokers กำลังทำงานร่วมกับตัวแทนนายหน้าออนไลน์เพื่อขอรับข้อมูลราคาล่าสุด หากคุณเชื่อว่าข้อมูลใด ๆ ที่กล่าวข้างต้นไม่ถูกต้องโปรดติดต่อเราโดยใช้ลิงก์ที่ด้านล่างของหน้านี้ สำหรับอัตราการซื้อขายหุ้นราคาที่โฆษณากำหนดไว้เป็นคำสั่งซื้อขนาดมาตรฐาน 500 หุ้นราคาหุ้นละ 30 บาท สำหรับใบสั่งซื้อออปชั่นอาจมีการใช้ค่าธรรมเนียมการควบคุมตัวเลือกต่อสัญญา TD Ameritrade, Inc. และ StockBrokers เป็น บริษัท ที่ไม่เกี่ยวข้องแยกกันและไม่รับผิดชอบต่อบริการและผลิตภัณฑ์ของแต่ละคน ตัวเลือกไม่เหมาะสำหรับนักลงทุนทุกรายเนื่องจากความเสี่ยงที่อาจเกิดขึ้นกับตัวเลือกการซื้อขายอาจทำให้นักลงทุนอาจสูญเสียอย่างรวดเร็วและมีนัยสำคัญ สิทธิ์ในการซื้อขายสิทธิการซื้อขายหลักทรัพย์ที่ TD Ameritrade จะได้รับการอนุมัติ โปรดอ่านลักษณะและความเสี่ยงของตัวเลือกมาตรฐานก่อนที่จะลงทุนในตัวเลือก ข้อเสนอพิเศษนี้ใช้ได้กับบัญชี Individual, Joint หรือ IRA TD Ameritrade ใหม่ที่เปิดขึ้นภายในวันที่ 09302017 และรับเงินภายใน 60 วันตามปฏิทินนับจากเปิดบัญชีด้วย 3,000 หรือมากกว่า หากต้องการได้รับโบนัส 100 บัญชีต้องได้รับเงินจาก 25,000-99,999 หากต้องการได้รับโบนัส 300 บัญชีต้องได้รับเงิน 100,000-249,999 เมื่อต้องการได้รับโบนัส 600 บัญชีต้องได้รับการสนับสนุนจาก 250,000 ขึ้นไป ข้อเสนอพิเศษไม่สามารถใช้ได้กับการลงทุนที่ได้รับการยกเว้นภาษีบัญชี 401,000 แผน Keogh แผนการแบ่งปันผลกำไรหรือแผนการซื้อเงิน ข้อเสนอพิเศษไม่สามารถโอนย้ายและไม่สามารถใช้งานได้กับการโอนเงินภายในบัญชีที่จัดการโดย TD Ameritrade Investment Management, LLC, บัญชีสถาบันการเงินของ TD Ameritrade และบัญชี TD Ameritrade ปัจจุบันหรือข้อเสนออื่น ๆ การมีส่วนได้เสียทางอินเทอร์เน็ตที่ไม่มีค่าคอมมิชชั่นที่ผ่านการรับรอง ETF หรือใบสั่งซื้อออปชันจะถูก จำกัด ไว้ที่สูงสุด 250 และต้องดำเนินการภายใน 90 วันตามปฏิทินนับจากการระดมทุนของบัญชี ยังคงมีการใช้สัญญาการออกกำลังกายและการโอนเงิน จำกัด หนึ่งข้อเสนอต่อลูกค้า มูลค่าบัญชีของบัญชีที่มีคุณสมบัติต้องคงที่เท่ากับหรือสูงกว่ามูลค่าที่ได้รับภายหลังการฝากเงินสุทธิ (ลบขาดทุนใด ๆ ที่เกิดจากการซื้อขายหรือความผันผวนของตลาดหรือยอดคงค้างของยอดคงเหลือตามหลักประกัน) เป็นระยะเวลา 12 เดือนหรือ TD Ameritrade อาจเรียกเก็บเงินจากบัญชี ค่าใช้จ่ายของข้อเสนอตามดุลพินิจของ บริษัท TD Ameritrade ขอสงวนสิทธิ์ในการ จำกัด หรือยกเลิกข้อเสนอนี้ได้ตลอดเวลา นี่ไม่ใช่ข้อเสนอหรือชักชวนในเขตอำนาจศาลใด ๆ ที่เราไม่ได้รับอนุญาตให้ทำธุรกิจ โปรดรอประมาณ 3-5 วันทำการสำหรับการฝากเงินเข้าบัญชีใด ๆ ภาษีที่เกี่ยวข้องกับข้อเสนอของ TD Ameritrade เป็นความรับผิดชอบของคุณ ค่าปลีกมูลค่ารวม 600 หรือมากกว่าในช่วงปีปฏิทินจะรวมอยู่ในฟอร์ม 1099 รวมของคุณโปรดปรึกษาที่ปรึกษาด้านกฎหมายหรือภาษีสำหรับการเปลี่ยนแปลงล่าสุดของรหัสภาษีในสหรัฐอเมริกาและกฎการมีสิทธิ์เข้าร่วมแบบโรลโอเวอร์ (รหัสข้อเสนอ 264) บริษัท TD Ameritrade Inc. FINRASIPC TD Ameritrade เป็นเครื่องหมายการค้าที่ บริษัท TD Ameritrade IP Company Inc. และ The Toronto-Dominion Bank เป็นเจ้าของร่วมกัน 2016 TD Ameritrade IP Company, Inc. สงวนลิขสิทธิ์ ใช้โดยได้รับอนุญาต ข้อจำกัดความรับผิดชอบ ภารกิจหลักขององค์กรของเราคือการให้คำวิจารณ์คำวิจารณ์และการวิเคราะห์ที่เป็นกลางและเป็นกลาง ในขณะที่ StockBrokers มีข้อมูลทั้งหมดที่ได้รับการยืนยันจากผู้เข้าร่วมอุตสาหกรรม แต่อาจแตกต่างกันไปในบางครั้ง การดำเนินธุรกิจแบบออนไลน์เว็บไซต์นี้อาจได้รับการชดเชยผ่านผู้ลงโฆษณาบุคคลที่สาม การรับเงินค่าชดเชยดังกล่าวจะไม่ถือเป็นการรับรองหรือคำแนะนำจาก StockBrokers และจะไม่กระทบต่อการทบทวนการวิเคราะห์และความคิดเห็นของเรา โปรดดูคำชี้แจงทั่วไปของเราสำหรับข้อมูลเพิ่มเติม Reink Media Group LLC สงวนลิขสิทธิ์ระบบการซื้อขายระบบการซื้อขายระบบการซื้อขายเป็นหัวใจสำคัญสำหรับผู้ค้าเครื่องจักรกล เรียนรู้จุดแข็งและจุดอ่อนของพวกเขาในช่วงเวลาต่างๆ ขั้นตอนการวิวัฒนาการนี้ทำให้ผู้ประกอบการรายได้ใกล้ชิดกับเป้าหมายสูงสุดในการทำกำไร ขั้นตอนนี้ต้องใช้เวลาสักเล็กน้อยของการช้ำของอัตตาและบัญชีธนาคาร อย่างไรก็ตามในตอนท้ายของการสุกนี้ผู้ประกอบการค้าย่อมจะได้รับชัยชนะ ในขณะที่มีผู้ค้าบางรายที่ทำเงินจากของขวัญแห่งการสัมผัส ผู้ค้ามืออาชีพส่วนใหญ่ได้เรียนรู้ที่จะพัฒนาระบบการซื้อขายที่ประสบความสำเร็จ ขณะนี้มีบางระบบการซื้อขายฟรีบนอินเทอร์เน็ต แต่บ่อยครั้งมากเกินไปเหล่านี้เป็นเพียงเทคนิคการขายหวังที่จะวาดคนในการซื้อใหญ่ของกลยุทธ์พรีเมี่ยม ตอนนี้ในขณะที่อาจมีระบบการซื้อขายที่มั่นคงฟรีออกมีอัตราเดิมพันเป็นถ้าฟรีคุณจะได้รับสิ่งที่คุณจ่าย ออโต้เทรดดิ้งออโต้เทรดช่วยให้นักลงทุนมืออาชีพสามารถมองตลาดได้อย่างตรงไปตรงมา เนื่องจากตลาดไม่มีอะไรมากไปกว่าผลรวมทางอารมณ์ของผู้เข้าร่วมระบบการซื้อขายอัตโนมัติจะทำให้พ่อค้าสามารถแยกตัวออกจากเสียงได้ นี่คือพลังของระบบการซื้อขาย ระบบจะดำเนินการสัญญาณการซื้อขายโดยไม่คำนึงถึงสิ่งที่นักลงทุนอาจรู้สึกอารมณ์ในขณะที่การค้าเริ่มต้นขึ้น อาจมีผู้ค้าหลายรายในช่วงบูมอินเทอร์เน็ตที่ต้องการอยู่เป็นเวลานานเนื่องจากได้ทำเงินเป็นจำนวนมาก แต่ระบบอัตโนมัติที่ดีใด ๆ จะมีจำนวนของการป้องกันหยุดในสถานที่ซึ่งจะมีวางผู้ประกอบการค้าในฐานะเงินสด ระบบการซื้อขายอัตโนมัติเป็นองค์ประกอบหลักของโบรกเกอร์การเข้าถึงโดยตรงและผู้เชี่ยวชาญด้านการซื้อขายประจำวัน ร้านค้าปลีกส่วนใหญ่จะเสนอคำสั่งซื้อและขาย แต่ไม่ใช่การซื้อขายแบบอัตโนมัติ นายหน้าซื้อขายหลักทรัพย์โดยตรง TradeStation Securities ช่วยให้นักลงทุนสามารถพัฒนากลยุทธ์ที่ใช้สคริปต์การเข้ารหัส TradeStations - ภาษาที่ใช้งานง่าย ภาษาง่ายช่วยให้ผู้ประกอบการค้าที่มีประสบการณ์ในการพัฒนาน้อยมากในการเขียนกลยุทธ์การซื้อและขายที่ซับซ้อน ระบบเหล่านี้สามารถนำมาใช้เพื่อดำเนินธุรกิจการค้าแบบสดๆในตลาดได้ แพลตฟอร์มการซื้อขายส่วนใหญ่จะช่วยให้พ่อค้าเลือกใบสั่งซื้อที่ถูกส่งไปยังตลาดได้ทันทีหรือผู้ใช้งานได้รับอนุญาตก่อนที่จะมีการดำเนินการ การอนุมัติใบสั่งซื้อช่วยให้ผู้ประกอบการสามารถใช้ความรู้สึกส่วนตัวกับระบบการซื้อขายได้ การได้รับอนุญาตอาจเป็นเกมที่อันตรายได้เนื่องจากผู้ค้าไม่ทราบว่าสัญญาณการซื้อขายจะเป็นไปในทิศทางใด นี่คือเหตุผลที่ดีที่สุดในระบบการซื้อขายทั้งหมดเพื่อดำเนินการสัญญาณการซื้อขายทั้งหมดเทียบกับการพยายามเลือกและเลือกสัญญาณที่จะใช้ การตรวจสอบระบบการซื้อขายก่อนที่จะใช้วิธีการซื้อขายใด ๆ ต้องมีการตรวจสอบระบบการซื้อขายอย่างละเอียด แม้ว่าจะมีบริการจำนวนมากที่เสนอการทบทวนระบบการค้า แต่ท้ายที่สุดแล้วนักลงทุนแต่ละรายจะต้องทำ Due Diligence ของตน สิ่งสำคัญที่ต้องจดจำคือการไม่เพียงมุ่งเน้นไปที่กำไรในช่วงเวลาที่กำหนดเท่านั้น แต่ยังมีการเบิกใช้สูงสุดและความเสี่ยงของระบบ ตัวอย่างเช่นถ้าระบบหยอดเหรียญมีขนาดใหญ่ขึ้นในช่วงตลาดหมีนี่ไม่ได้หมายถึงอะไรมากนัก ระบบควรได้รับการตัดสินในช่วงเวลาแห่งความแข็งแกร่งของตลาดเช่นกัน อย่าลืมว่าไม่ใช่ระบบ แต่เป็นความเชื่อที่ตาบอดของคุณในยุทธศาสตร์ซึ่งจะนำไปสู่ความสำเร็จในท้ายที่สุด สำหรับรายการระบบการซื้อขายโปรดไปที่ tradingsystemreviews การตรวจสอบระบบการซื้อขายในไซต์ได้โพสต์ความคิดเห็นของผู้ใช้และข้อมูลค่าใช้จ่ายสำหรับระบบการซื้อขายต่างๆที่มีอยู่บนอินเทอร์เน็ต โพสต์ที่เกี่ยวข้องตลาดแลกเปลี่ยนเงินตราต่างประเทศเป็นอย่างมากกับปริมาณรายวันของมากกว่า 4 ล้านล้านเหรียญสหรัฐ เมื่อซื้อขาย Forex คุณต้องมีโบรกเกอร์ Forex ที่น่าเชื่อถือและมีการควบคุมสูง: (i) Narrows Spreads amp Commissions (ii) ความหลากหลายของตัวเลือกการซื้อขายและสินทรัพย์ (iii) การดำเนินการอย่างรวดเร็วโดยไม่ต้อง Re-Quotes ข่าวการค้าและการค้าแกงที่ดีที่สุด กลยุทธ์การซื้อขาย Forex ดัชนีหุ้นดัชนีการซื้อขายดัชนีอาจเป็นผลดีในระยะยาวหากคุณเรียนรู้ที่จะเคารพกฎพื้นฐานบางอย่าง คุณเริ่มที่จะสร้างรายได้ทันทีที่ประสบความสำเร็จในการระบุตัวแปรการซื้อขายที่สำคัญสองตัวแปร: (i) สิ่งที่ต้องซื้อเมื่อใช้การวิเคราะห์ขั้นพื้นฐาน (ii) เมื่อต้องการซื้อโดยใช้ดัชนีการวิเคราะห์ทางเทคนิคและดัชนีมีแนวโน้มที่จะทำตามรูปแบบการรุก 7-9 ปี และหลังจากหยาบคายในช่วง 3-4 ปีที่ผ่านมา ตลาดโภคภัณฑ์สินค้าโภคภัณฑ์การค้าต้องใช้ข้อมูลที่สมบูรณ์แบบและความเข้าใจที่ดีเกี่ยวกับความต้องการและการเปลี่ยนแปลงอุปทานเป็นครั้งคราว สินค้าโภคภัณฑ์สามารถซื้อขายได้โดยใช้: (i) สินค้าโภคภัณฑ์แบบพิเศษ (ETCs) (ii) Futures, Forwads และ CFDs (iii) Exotic Instruments ตัวเลือกไบนารีสินค้าโภคภัณฑ์มีแนวโน้มที่จะปฏิบัติตามรูปแบบเวลาต่อปีในขณะที่โลหะมีค่ามีแนวโน้มที่จะทำตามวงกลมที่ยาวนานขึ้น 30, 2016, 12:34 pm ไม่กี่เดือนที่ผ่านมาผู้อ่านชี้ให้ฉันเห็นวิธีการใหม่ในการเชื่อมต่อ R และ Excel ฉัน don8217t รู้นานเท่าไหร่นี้ได้รับรอบ แต่ฉันไม่เคยเจอมันและ I8217ve ไม่เคยเห็นโพสต์บล็อกหรือบทความเกี่ยวกับเรื่องใด ๆ ดังนั้นฉันจึงตัดสินใจที่จะเขียนโพสต์เป็นเครื่องมือที่มีค่าจริงๆและก่อนใครถาม I8217m ไม่เกี่ยวข้องกับ บริษัท ในทางใดทางหนึ่ง BERT ย่อมาจาก Basic Excel R Toolkit It8217s ฟรี (มีใบอนุญาตภายใต้ GPL v2) และได้รับการพัฒนาโดย Structured Data LLC ในขณะที่เขียนเวอร์ชันปัจจุบันของ BERT เท่ากับ 1.07 ข้อมูลเพิ่มเติมสามารถดูได้ที่นี่. จากมุมมองด้านเทคนิคเพิ่มเติม BERT ได้รับการออกแบบมาเพื่อสนับสนุนการทำงานของ R จากเซลล์กระดาษคำนวณของ Excel ในข้อกำหนดของ Excel, it8217s สำหรับการเขียน User-Defined Functions (UDF) ใน R. ใน I8217m โพสต์นี้จะไม่แสดงให้คุณเห็นว่า R และ Excel มีปฏิสัมพันธ์ผ่านทาง BERT มีบทเรียนดีๆอยู่ที่นี่ ที่นี่และที่นี่ แต่ฉันต้องการแสดงให้คุณเห็นว่าฉันใช้ BERT เพื่อสร้าง 8220control tower8221 เพื่อการซื้อขายของฉันอย่างไร สัญญาณการค้าของฉันถูกสร้างโดยใช้รายการยาวของไฟล์ R แต่ฉันต้องการความยืดหยุ่นของ Excel เพื่อแสดงผลลัพธ์อย่างรวดเร็วและมีประสิทธิภาพ ดังที่แสดงไว้ข้างต้น BERT สามารถทำได้สำหรับฉัน แต่ฉันต้องการปรับแต่งแอพพลิเคชันให้ตรงกับความต้องการของฉันด้วย โดยการรวมพลังของ XML, VBA, R และ BERT ฉันสามารถสร้างแอปพลิเคชันที่ดูดี แต่ทรงพลังในรูปแบบไฟล์ Excel ที่มีรหัส VBA ต่ำสุด สุดท้ายฉันมีไฟล์ Excel เดียวรวบรวมงานทั้งหมดที่จำเป็นในการจัดการพอร์ตโฟลิโอของฉัน: การปรับปรุงฐานข้อมูลการสร้างสัญญาณการส่งใบสั่งซื้อเป็นต้น 8230 วิธีการของฉันอาจถูกแบ่งออกได้ใน 3 ขั้นตอนด้านล่างนี้: ใช้ XML เพื่อสร้างเมนูและปุ่มที่ผู้ใช้กำหนดเองใน Excel ไฟล์. เมนูและปุ่มข้างต้นเป็นหลักเรียกฟังก์ชัน VBA ฟังก์ชั่น VBA ดังกล่าวจะถูกตัดรอบฟังก์ชัน R ที่กำหนดโดยใช้ BERT ด้วยวิธีนี้ฉันสามารถเก็บความแตกต่างระหว่างหลักของรหัสของฉันเก็บไว้ใน R, SQL และ Python และทุกอย่างใช้ในการแสดงและจัดรูปแบบผลเก็บไว้ใน Excel, VBA amp XML ในส่วนถัดไปฉันจะนำเสนอสิ่งที่จำเป็นสำหรับการพัฒนาแนวทางดังกล่าวและคำแนะนำทีละขั้นตอนที่อธิบายว่า BERT สามารถใช้สำหรับการส่งผ่านข้อมูลจาก R ไปยัง Excel ด้วยรหัส VBA ที่น้อยที่สุดได้อย่างไร 1 8211 ดาวน์โหลดและติดตั้ง BERT จากลิงค์นี้ เมื่อการติดตั้งเสร็จสิ้นคุณควรจะมีเมนู Add-Ins ใหม่ใน Excel ด้วยปุ่มดังแสดงด้านล่าง นี่เป็นวิธีที่ BERT มีอยู่ใน Excel 2 8211 ดาวน์โหลดและติดตั้ง Custom UI editor ตัวแก้ไข UI ที่กำหนดเองช่วยในการสร้างเมนูและปุ่มที่กำหนดโดยผู้ใช้ใน Excel ribbon มีขั้นตอนการทำตามขั้นตอนที่นี่ คำแนะนำทีละขั้นตอน 1 8211 R รหัส: ฟังก์ชัน R ด้านล่างเป็นโค้ดที่ใช้งานง่ายสำหรับการอธิบายเท่านั้น จะคำนวณและคืนส่วนที่เหลือจากการถดถอยเชิงเส้น นี่คือสิ่งที่เราต้องการดึงข้อมูลใน Excel บันทึกไฟล์นี้ไว้ในไฟล์ myRCode. R (ชื่อใด ๆ ก็ได้ดี) ในไดเร็กทอรีที่คุณเลือก 2 8211 functions. R ใน BERT จาก Excel เลือก Add-Ins - gt Home Directory และเปิดไฟล์ที่ชื่อว่า functions. R ในไฟล์นี้วางรหัสต่อไปนี้ ตรวจสอบว่าคุณได้ใส่เส้นทางที่ถูกต้อง นี่เป็นเพียงการจัดหาไฟล์ BERT ที่ R ที่คุณสร้างไว้ข้างต้น จากนั้นให้บันทึกและปิดฟังก์ชั่นไฟล์ R หากคุณต้องการทำการเปลี่ยนแปลงใด ๆ ในไฟล์ R ที่สร้างขึ้นในขั้นตอนที่ 1 คุณจะต้องโหลดใหม่โดยใช้ปุ่ม BERT 8220Reload Startup File8221 จากเมนู Add-Ins ใน Excel 3 8211 ใน Excel: สร้างและบันทึกไฟล์ที่ชื่อ myFile. xslm (ชื่ออื่นใดก็ได้) นี่คือไฟล์ที่เปิดใช้งานมาโครที่คุณบันทึกไว้ในไดเร็กทอรีที่คุณเลือก เมื่อแฟ้มถูกบันทึกไว้ปิดมัน 4 8211 เปิดไฟล์ที่สร้างขึ้นข้างต้นใน Custom UI editor: เมื่อเปิดไฟล์แล้ววางโค้ดด้านล่าง คุณควรมีบางอย่างเช่นนี้ในตัวแก้ไข XML: โค้ด XML นี้จะสร้างเมนูเพิ่มเติม (RTrader) กลุ่มใหม่ (กลุ่มของฉัน) และปุ่มกำหนดเอง (New Button) ใน ribbon Excel เมื่อ you8217re เสร็จแล้วให้เปิด myFile. xslm ใน Excel และปิด Custom UI Editor คุณควรเห็นบางอย่างเช่นนี้ 5 8211 เปิดตัวแก้ไข VBA ใน myFile. xlsm แทรกโมดูลใหม่ วางโค้ดด้านล่างลงในโมดูลที่สร้างขึ้นใหม่ การดำเนินการนี้จะลบผลการค้นหาก่อนหน้าในแผ่นงานก่อนที่จะดำเนินการใหม่ 6 8211 คลิกปุ่ม New ตอนนี้กลับไปที่สเปรดชีตและในเมนู RTrader คลิกปุ่ม 8220New Button8221 คุณจะเห็นสิ่งที่ปรากฏด้านล่าง คู่มือข้างต้นเป็นรุ่นพื้นฐานของสิ่งที่สามารถทำได้โดยใช้ BERT แต่จะแสดงวิธีการรวมพลังของเครื่องมือที่เฉพาะเจาะจงหลายตัวเพื่อสร้างแอ็พพลิเคชันที่กำหนดเองของคุณเอง จากมุมมองของฉันความสนใจของวิธีดังกล่าวคือความสามารถในการกาวด้วยกัน R และ Excel ชัด แต่รวมถึง XML (และชุด) ชิ้นส่วนของโค้ดจาก Python, SQL และอื่น ๆ นี่คือสิ่งที่ฉันต้องการ สุดท้ายฉันอยากรู้ว่าใครมีประสบการณ์กับ BERT 19 สิงหาคม 2016, 9:26 น. เมื่อทดสอบกลยุทธ์การซื้อขายวิธีการทั่วไปคือการแบ่งข้อมูลเริ่มแรกที่ตั้งไว้ในตัวอย่างข้อมูล: ส่วนหนึ่งของข้อมูลที่ออกแบบมาเพื่อปรับเทียบ โมเดลและข้อมูลตัวอย่าง: ส่วนหนึ่งของข้อมูลที่ใช้ในการตรวจสอบการสอบเทียบและตรวจสอบให้แน่ใจว่าประสิทธิภาพที่สร้างขึ้นในตัวอย่างจะสะท้อนให้เห็นในโลกแห่งความจริง ตามกฎของหัวแม่มือประมาณ 70 ของข้อมูลเริ่มต้นสามารถใช้สำหรับการสอบเทียบ (เช่นในตัวอย่าง) และ 30 สำหรับการตรวจสอบ (เช่นออกจากตัวอย่าง) จากนั้นการเปรียบเทียบข้อมูลในและนอกของตัวอย่างช่วยในการตัดสินใจว่ารูปแบบนั้นมีประสิทธิภาพเพียงพอหรือไม่ โพสต์นี้มุ่งไปที่ขั้นตอนต่อไปและเป็นวิธีการทางสถิติในการตัดสินใจว่าข้อมูลตัวอย่างจะไม่ตรงกับสิ่งที่สร้างขึ้นในตัวอย่าง ในแผนภูมิด้านล่างพื้นที่สีน้ำเงินหมายถึงประสิทธิภาพตัวอย่างสำหรับกลยุทธ์ของฉัน การตรวจสอบภาพที่เรียบง่ายแสดงให้เห็นถึงความพอดีที่ดีระหว่างการเข้าและออกจากการทดสอบตัวอย่าง แต่ฉันมีความมั่นใจในระดับใดในขั้นตอนนี้ไม่มากนักและนี่เป็นปัญหา สิ่งที่จำเป็นอย่างแท้จริงคือการวัดความคล้ายคลึงกันระหว่างชุดข้อมูลตัวอย่างในและนอก ในแง่ทางสถิติอาจแปลได้ว่าเป็นไปได้ว่าตัวเลขการเข้าชมและออกจากตัวเลขประสิทธิภาพตัวอย่างมาจากการกระจายเดียวกัน มีการทดสอบสถิติที่ไม่ใช่พารามิเตอร์ที่ไม่ตรงนี้: การทดสอบ Kruskall-Wallis ความหมายที่ดีของการทดสอบนี้สามารถพบได้ในกลุ่มตัวอย่างของ R-Tutor 8220A ที่เก็บตัวอย่างข้อมูลได้โดยอิสระหากมาจากประชากรที่ไม่เกี่ยวกันและตัวอย่างเหล่านี้ไม่มีผลต่อกันและกัน ใช้การทดสอบ Kruskal-Wallis เราสามารถตัดสินใจได้ว่าการกระจายของประชากรจะเหมือนกันหรือไม่โดยสมมติว่าพวกเขาไม่ปฏิบัติตามการแจกแจงแบบปกติ 8221 ผลประโยชน์เพิ่มเติมของการทดสอบนี้ไม่ได้เป็นการสมมติว่ามีการแจกแจงแบบปกติ มีการทดสอบอื่นที่มีลักษณะเดียวกับที่สามารถใส่ลงในกรอบดังกล่าวได้ การทดสอบ Mann-Whitney-Wilcoxon หรือการทดสอบ Kolmogorov-Smirnov จะเหมาะกับกรอบการทำงานนี้อย่างสมบูรณ์ แต่นี่ไม่ใช่ข้อ จำกัด ของบทความนี้เพื่อหารือเกี่ยวกับข้อดีข้อเสียของการทดสอบแต่ละข้อ สามารถดูคำอธิบายที่ดีพร้อมตัวอย่าง R ได้ที่นี่ Here8217s รหัสที่ใช้ในการสร้างแผนภูมิด้านบนและการวิเคราะห์: ในตัวอย่างข้างต้นในช่วงตัวอย่างมีค่าเกินกว่าระยะเวลาตัวอย่างดังนั้นฉันจึงสุ่มสร้าง 1000 ส่วนย่อยของข้อมูลตัวอย่างซึ่งแต่ละตัวมีความยาวเท่ากันหมด ของข้อมูลตัวอย่าง จากนั้นผมได้ทดสอบแต่ละชุดย่อยตัวอย่างเทียบกับข้อมูลตัวอย่างและบันทึกค่า p - กระบวนการนี้สร้างค่า p เดียวสำหรับการทดสอบ Kruskall-Wallis แต่เป็นการกระจายที่ทำให้การวิเคราะห์มีประสิทธิภาพมากขึ้น ในตัวอย่างนี้ค่าเฉลี่ย p - ค่าดีกว่าศูนย์ (0.478) แสดงให้เห็นว่าสมมติฐานที่เป็นโมฆะควรได้รับการยอมรับ: มีหลักฐานที่ชัดเจนว่าข้อมูลเข้าและออกจากตัวอย่างมาจากการกระจายเดียวกัน ตามปกติแล้วสิ่งที่นำเสนอในโพสต์นี้เป็นตัวอย่างของเล่นที่ทำหน้าที่ขูดขีดพื้นผิวของปัญหาเท่านั้นและควรปรับให้ตรงตามความต้องการของแต่ละบุคคล อย่างไรก็ตามผมคิดว่าข้อเสนอแนะนี้เป็นกรอบทางสถิติที่น่าสนใจและมีเหตุผลเพื่อประเมินผลลัพธ์จากผลการทดสอบตัวอย่าง โพสต์นี้ได้รับแรงบันดาลใจจากเอกสารสองฉบับต่อไปนี้: Vigier Alexandre, Chmil Swann (2007), ผลกระทบของฟังก์ชันการเพิ่มประสิทธิภาพต่างๆที่มีต่อประสิทธิภาพการทำงานของตัวอย่างของกลยุทธ์การซื้อขายพันธุกรรมที่พัฒนาขึ้น, การคาดการณ์การประชุมตลาดการเงิน Vigier Alexandre, Chmil Swann (2010), กระบวนการเพิ่มประสิทธิภาพเพื่อปรับปรุงความสอดคล้องตัวอย่าง, กรณี Stock Market, การประชุมเชิงปริมาณ JP Morgan Cazenove Equity, London October 2010 13 ธันวาคม 2015, 2:03 pm การทำวิจัยเชิงปริมาณหมายถึงการกระทืบข้อมูลจำนวนมากและต้องการข้อมูลที่สะอาดและเชื่อถือได้ บรรลุเป้าหมายนี้ สิ่งที่จำเป็นจริงๆคือข้อมูลสะอาดที่สามารถเข้าถึงได้ง่าย (แม้จะไม่มีการเชื่อมต่ออินเทอร์เน็ต) วิธีที่มีประสิทธิภาพมากที่สุดในการทำเช่นนี้สำหรับฉันคือการรักษาชุดของไฟล์ csv แน่นอนกระบวนการนี้สามารถจัดการได้หลายวิธี แต่ฉันพบว่ามีประสิทธิภาพมากและง่ายทำงานล่วงเวลาเพื่อรักษาไดเรกทอรีที่ฉันเก็บและ update ไฟล์ csv ฉันมีไฟล์ csv หนึ่งไฟล์ต่อหนึ่งตราสารและไฟล์แต่ละไฟล์จะมีชื่อตามอุปกรณ์ที่มีอยู่ เหตุผลที่ฉันทำเช่นนั้นเป็นสองเท่า: ประการแรกฉัน don8217t ต้องการดาวน์โหลดข้อมูลราคา (ราคา) จาก Yahoo, Google itd8230 ทุกครั้งที่ฉันต้องการทดสอบแนวคิดใหม่ ๆ แต่ที่สำคัญกว่าเมื่อฉันระบุและแก้ไขปัญหาแล้วฉัน don8217t ต้องการจะต้อง ทำอีกครั้งในครั้งต่อไปที่ฉันต้องการเครื่องดนตรีเดียวกัน เรียบง่ายและมีประสิทธิภาพมาก กระบวนการดังกล่าวสรุปได้จากตารางด้านล่าง ในทุกอย่างที่ตามมาผมถือว่าข้อมูลมาจาก Yahoo รหัสจะต้องได้รับการแก้ไขสำหรับข้อมูลจาก Google, Quandl ฯลฯ8230นอกจากนี้ฉันยังเสนอขั้นตอนการอัปเดตข้อมูลราคารายวัน การตั้งค่าจะแตกต่างกันสำหรับข้อมูลความถี่สูงและชุดข้อมูลประเภทอื่น ๆ (เช่นแตกต่างจากราคา) 1 8211 การดาวน์โหลดข้อมูลเบื้องต้น (listOfInstruments. R amp historicalData. R) ไฟล์ listOfInstruments. R คือไฟล์ที่มีเฉพาะรายการเครื่องมือทั้งหมด หากเครื่องไม่ได้เป็นส่วนหนึ่งของรายการของฉัน (เช่นไม่มีไฟล์ csv ในโฟลเดอร์ข้อมูล) หรือถ้าคุณทำเช่นนั้นเป็นครั้งแรกคุณต้องดาวน์โหลดชุดข้อมูลทางประวัติศาสตร์ในตอนแรก ตัวอย่างด้านล่างดาวน์โหลดชุดราคา ETFs ประจำวันจาก Yahoo Finance ตั้งแต่เดือนมกราคม 2000 และเก็บข้อมูลไว้ในไฟล์ CSV 2 8211 อัพเดตข้อมูลที่มีอยู่ (updateData. R) โค้ดด้านล่างนี้เริ่มจากไฟล์ที่มีอยู่ในโฟลเดอร์เฉพาะและอัปเดตข้อมูลทั้งหมดที่มีอยู่หลังจากที่อื่น ฉันมักจะเรียกใช้กระบวนการนี้ทุกวันยกเว้นเมื่อ I8217m ในวันหยุด หากต้องการเพิ่มเครื่องมือใหม่ให้ใช้ขั้นตอนที่ 1 ด้านบนสำหรับเครื่องนี้เพียงอย่างเดียว 3 8211 สร้างไฟล์แบทช์ (updateDailyPrices. bat) ส่วนที่สำคัญอีกอย่างหนึ่งของงานคือการสร้างไฟล์แบทช์ที่ทำให้กระบวนการอัปเดตทำงานโดยอัตโนมัติ (I8217m เป็นผู้ใช้ Windows) วิธีนี้จะหลีกเลี่ยงการเปิด RRStudio และเรียกใช้โค้ดจากที่นั่น รหัสด้านล่างจะอยู่ในไฟล์. bat (เส้นทางจะต้องมีการแก้ไขด้วยการตั้งค่า reader8217s) โปรดทราบว่าฉันได้เพิ่มไฟล์ที่ส่งออก (updateLog. txt) เพื่อติดตามการดำเนินการ ขั้นตอนข้างต้นเป็นเรื่องง่ายมากเพราะจะอธิบายเฉพาะวิธีการอัปเดตข้อมูลราคารายวันเท่านั้น I8217 ใช้เวลานี้มาเรื่อย ๆ และทำงานได้อย่างราบรื่นสำหรับฉันจนถึงตอนนี้ สำหรับข้อมูลขั้นสูงและความถี่ที่สูงขึ้นสิ่งต่างๆจะมีความซับซ้อนมากขึ้น ตามปกติความคิดเห็นใด ๆ ต้อนรับ 23 มีนาคม 2015, 8:55 น. เมื่อพูดถึงการจัดการพอร์ตการลงทุนของหุ้นเทียบกับเกณฑ์มาตรฐานปัญหาจะแตกต่างจากการกำหนดกลยุทธ์การคืนผลแน่นอน ในอดีตต้องถือหุ้นมากขึ้นกว่าในภายหลังซึ่งไม่มีหุ้นที่สามารถถือได้หากมีโอกาสไม่ดีพอ เหตุผลคือข้อผิดพลาดในการติดตาม นี่คือส่วนเบี่ยงเบนมาตรฐานของผลตอบแทนของพอร์ตการลงทุนโดยหักผลตอบแทนจากการลงทุน มีการจัดเก็บหุ้นที่น้อยลงเทียบกับเกณฑ์มาตรฐานมากขึ้นจะทำให้เกิดข้อผิดพลาดในการติดตามได้มากขึ้น (เช่นความเสี่ยงที่สูงขึ้น) การวิเคราะห์ต่อไปนี้ได้รับแรงบันดาลใจมาจากหนังสือ 8220Active Portfolio Management8221 โดย Grinold amp Kahn นี่คือพระคัมภีร์สำหรับทุกคนที่สนใจในการทำผลงานกับมาตรฐาน ผมขอแนะนำให้ทุกคนที่มีความสนใจในหัวข้อนี้ในการอ่านหนังสือตั้งแต่ต้นจนจบ It8217s เขียนเป็นอย่างดีและวางรากฐานของการจัดการพอร์ตโฟลิโอที่ใช้งานอย่างเป็นระบบ (ฉันไม่มีความร่วมมือใด ๆ กับบรรณาธิการหรือผู้เขียน) 1 8211 Factor Analysis นี่เรากำลังพยายามจัดอันดับหุ้นในจักรวาลการลงทุนให้ได้มากที่สุดเท่าที่จะเป็นไปได้ หลายคนคิดค้นเครื่องมือและเครื่องมือมากมายที่พัฒนาขึ้นเพื่อให้บรรลุเป้าหมายนี้ ในบทความนี้ฉันมุ่งเน้นไปที่สองเมตริกที่ง่ายและใช้กันอย่างแพร่หลาย: ค่าสัมประสิทธิ์ข้อมูล (IC) และ Quantiles Return (QR) 1.1 8211 ค่าสัมประสิทธิ์ข้อมูลเส้นขอบฟ้าสำหรับผลตอบแทนที่ได้รับจะต้องถูกกำหนดโดยนักวิเคราะห์และ it8217s ซึ่งเป็นส่วนหนึ่งของการหมุนเวียนของกลยุทธ์8217และการสลายตัวของอัลฟา (ซึ่งเป็นหัวข้อที่ครอบคลุมการวิจัย) เห็นได้ชัดว่าไอซีจะต้องสูงที่สุดเท่าที่จะเป็นไปได้ในรูปแบบสัมบูรณ์ สำหรับผู้อ่านที่กระตือรือร้นในหนังสือโดย Grinold amp Kahn สูตรการเชื่อมโยง Information Ratio (IR) และ IC จะได้รับ: ด้วยความกว้างคือจำนวนของการเดิมพันที่เป็นอิสระ (ธุรกิจการค้า) สูตรนี้เรียกว่ากฎพื้นฐานของการจัดการที่ใช้งานอยู่ ปัญหาคือบ่อยครั้งที่การกำหนดความกว้างได้อย่างถูกต้องไม่ใช่เรื่องง่ายเหมือนกับเสียง 1.2 8211 Quantiles Return เพื่อให้มีการคาดการณ์ที่ถูกต้องยิ่งขึ้นเกี่ยวกับปัจจัยที่ทำให้พลังงานที่คาดการณ์ได้ it8217s จำเป็นที่จะต้องก้าวไปอีกขั้นหนึ่งและจัดกลุ่มหุ้นตามปริมาณของค่าปัจจัยจากนั้นวิเคราะห์ค่าเฉลี่ยของผลตอบแทน (หรือตัวชี้วัดค่าเฉลี่ยของศูนย์กลางอื่น ๆ ) ของแต่ละกลุ่ม quantiles ประโยชน์ของเครื่องมือนี้ตรงไปตรงมา ปัจจัยหนึ่งสามารถมี IC ที่ดี แต่พลังการคาดการณ์อาจ จำกัด อยู่ที่จำนวนหุ้นที่น้อย ไม่ดีเท่าผู้จัดการด้านการลงทุนจะต้องเลือกหุ้นภายในจักรวาลทั้งหมดเพื่อให้สอดคล้องกับข้อ จำกัด ในการติดตามข้อผิดพลาด กลับ quantiles ดีมีลักษณะความสัมพันธ์ที่น่าเบื่อระหว่างแต่ละ quantiles และส่งกลับ. หุ้นทั้งหมดในดัชนี SampP500 (ในขณะที่เขียน) เห็นได้ชัดว่ามีอคติในการอยู่รอดของเรือ: รายการดัชนีหุ้นในดัชนีมีการเปลี่ยนแปลงอย่างมีนัยสำคัญระหว่างช่วงเริ่มต้นและช่วงสิ้นสุดของช่วงเวลาตัวอย่าง แต่ก็มีความสามารถเพียงพอสำหรับวัตถุประสงค์ในการแสดงเท่านั้น รหัสด้านล่างดาวน์โหลดราคาหุ้นแต่ละแบบใน SampP500 ระหว่างเดือน ม. ค. 2548 ถึงวันนี้ (ต้องใช้เวลาสักครู่) และจะเปลี่ยนราคาวัตถุดิบให้เป็นผลตอบแทนในช่วง 12 เดือนที่ผ่านมาและเดือนที่ผ่านมา อดีตเป็นปัจจัยของเราหลังจะใช้เป็นมาตรการส่งกลับ ด้านล่างนี้เป็นรหัสในการคำนวณค่าสัมประสิทธิ์ข้อมูลและปริมาณการส่งกลับ โปรดทราบว่าฉันใช้ quintiles ในตัวอย่างนี้ แต่สามารถใช้วิธีจัดกลุ่มอื่น ๆ (terciles, deciles etc8230) จริงๆมันขึ้นอยู่กับขนาดตัวอย่างสิ่งที่คุณต้องการจับภาพและสภาพอากาศที่คุณต้องการมีภาพรวมกว้างหรือมุ่งเน้นกระจายหาง สำหรับการประเมินผลตอบแทนภายในแต่ละกลุ่มค่ามัธยฐานถูกใช้เป็นตัวประมาณแนวโน้มกลาง มาตรการนี้มีความไวต่อค่าผิดปกติน้อยกว่าค่าเฉลี่ยเลขคณิต และสุดท้ายโค้ดเพื่อสร้างแผนภูมิ Quantiles Return 3 8211 วิธีการใช้ประโยชน์จากข้อมูลข้างต้นในแผนภูมิด้านบน Q1 จะกลับมาต่ำสุดในรอบ 12 เดือนและ Q5 สูงสุด มีการเพิ่มผลตอบแทนเชิงปริมาณในช่วง Q1 และ Q5 ที่เพิ่มขึ้นอย่างเห็นได้ชัดเกือบทุกอย่างซึ่งแสดงให้เห็นว่าหุ้นที่ลดลงใน Q5 ดีกว่าไตรมาสที่ 1 ประมาณ 1 ต่อเดือน นี่เป็นสิ่งที่มีความสำคัญและมีประสิทธิภาพสำหรับปัจจัยง่ายๆเช่น (ไม่แปลกใจเลยครับ) ดังนั้นเราจึงมีโอกาสที่จะเอาชนะดัชนีได้มากขึ้นโดยการลดน้ำหนักลงไปในไตรมาสที่ 5 และทำให้น้ำหนักลดลงเมื่อเทียบกับเกณฑ์มาตรฐาน IC ของ 0.0206 อาจไม่ได้หมายถึงการจัดการที่ดีในตัวเอง แต่ it8217s อย่างมีนัยสำคัญที่แตกต่างจาก 0 และบ่งบอกถึงพลังการคาดการณ์ที่ดีของที่ผ่านมา 12 เดือนกลับโดยรวม การทดสอบความสำคัญอย่างเป็นทางการสามารถประเมินได้ แต่สิ่งนี้อยู่นอกเหนือขอบเขตของบทความนี้ 4 8211 ข้อ จำกัด ในทางปฏิบัติกรอบการทำงานข้างต้นเป็นสิ่งที่ดีเยี่ยมสำหรับการประเมินคุณภาพของปัจจัยการลงทุน 8272s อย่างไรก็ตามมีข้อ จำกัด ในทางปฏิบัติที่ต้องใช้ในการดำเนินการในชีวิตจริงคือการปรับสมดุลใหม่ ในคำอธิบายด้านบน it8217s สันนิษฐานว่า ณ สิ้นเดือนของพอร์ตโฟลิโอจะปรับสมดุลได้อย่างเต็มที่ ซึ่งหมายความว่าหุ้นทั้งหมดที่ร่วงลงใน Q1 มีน้ำหนักน้อยและหุ้นทั้งหมดที่ตกอยู่ในไตรมาสที่ 5 มีน้ำหนักเกินเมื่อเทียบกับเกณฑ์มาตรฐาน นี่เป็นไปไม่ได้ที่จะเป็นไปได้ในทางปฏิบัติ: บางหุ้นอาจถูกแยกออกจากจักรวาลการลงทุนมีข้อ จำกัด ด้านอุตสาหกรรมหรือภาคน้ำหนักมีข้อ จำกัด ในการหมุนเวียนอื่น ๆ สิ่งนี้ไม่ได้ถูกนำมาพิจารณาในการวิเคราะห์ข้างต้นและเป็นข้อบกพร่องร้ายแรงในการใช้ชีวิตจริง การพิจารณาการหมุนเวียนมักใช้ในชีวิตจริงในรูปของการลงโทษต่อคุณภาพของปัจจัย สัมประสิทธิ์การถ่ายเท นี่คือการขยายกฎหมายพื้นฐานของการจัดการที่ใช้งานอยู่และเป็นการผ่อนคลายสมมติฐานของแบบจำลอง Grinold8217s ที่ผู้บริหารไม่ต้องเผชิญกับข้อ จำกัด ใด ๆ ที่ทำให้พวกเขาไม่สามารถแปลข้อมูลเชิงลึกด้านการลงทุนของตนโดยตรงไปยังการเดิมพันในพอร์ตโฟลิโอ และสุดท้าย I8217m ประหลาดใจด้วยสิ่งที่สามารถทำได้ในน้อยกว่า 80 บรรทัดของรหัสกับ R8230 ตามปกติความคิดเห็นใด ๆ ต้อนรับ 14 มีนาคม 2014, 01:07 คำถามหนึ่งควรถาม himherself เมื่อใช้ตัวชี้วัดทางเทคนิคคือสิ่งที่จะเป็นวัตถุประสงค์ เกณฑ์การเลือกพารามิเตอร์ตัวบ่งชี้ (เช่นทำไมต้องใช้ RSI 14 วันมากกว่า 15 หรือ 20 วัน) อัลกอริทึมทางพันธุกรรม (GA) เป็นเครื่องมือที่เหมาะสำหรับตอบคำถามนี้ ในบทความนี้ I8217 จะแสดงวิธีการตั้งค่าปัญหาใน R. ก่อนดำเนินการเตือนตามปกติ: สิ่งที่ฉันนำเสนอในโพสต์นี้เป็นเพียงตัวอย่างของเล่นเท่านั้นไม่ใช่คำเชิญในการลงทุน ไม่ใช่กลยุทธ์ที่สมบูรณ์แบบ แต่เป็นแนวคิดการวิจัยที่ต้องมีการวิจัยพัฒนาและปรับแต่งตามความต้องการของแต่ละบุคคล อัลกอริทึมทางพันธุกรรมคืออะไรคำอธิบายที่ดีที่สุดของ GA ที่ฉันเจอคือ Cybernatic Trading จาก Murray A. Ruggiero 8220Genetic Algorithms ถูกคิดค้นโดย John Holland ในช่วงกลางปี ​​1970 เพื่อแก้ปัญหาการเพิ่มประสิทธิภาพอย่างหนัก วิธีนี้ใช้การคัดเลือกโดยธรรมชาติการอยู่รอดของ fittest8221 กระบวนการทั่วไปทำตามขั้นตอนด้านล่าง: เข้ารหัสปัญหาเป็นโครโมโซมใช้การเข้ารหัสการพัฒนาฟังก์ชั่นสมรรถภาพสำหรับใช้ในการประเมินแต่ละค่าโครโมโซม 8017 ในการแก้ปัญหาที่กำหนดเริ่มต้นประชากรโครโมโซมประเมินแต่ละโครโมโซมในประชากรสร้างโครโมโซมใหม่โดยการผสมพันธุ์สอง โครโมโซม (พ่อแม่จะถูกเลือกแบบสุ่ม แต่ลำเอียงโดยการออกกำลังกายของพวกเขา) ประเมินโครโมโซมใหม่ลบสมาชิกของประชากรที่ไม่พอดีกับโครโมโซมใหม่และใส่โครโมโซมใหม่ในประชากร . ถ้าเกณฑ์หยุดถึง (จำนวนสูงสุดของรุ่นเกณฑ์การออกกำลังกายดีพอ 823) แล้วส่งกลับโครโมโซมที่ดีที่สุดหรือไปที่ขั้นตอนที่ 4 จากมุมมองการซื้อขาย GA มีประโยชน์มากเนื่องจากสามารถจัดการกับปัญหาที่ไม่เป็นเชิงเส้นสูงได้ อย่างไรก็ตามคุณลักษณะเหล่านี้แสดงถึงคุณลักษณะที่น่ารังเกียจซึ่งน่าจะเป็นที่กล่าวถึง: เหมาะกว่า: นี่เป็นปัญหาหลักและทำให้นักวิเคราะห์วิเคราะห์ปัญหาในลักษณะที่ลดความเสี่ยงนี้ลง เวลาในการคำนวณ ถ้าปัญหา isn8217t ถูกกำหนดอย่างถูกต้องอาจใช้เวลานานมากในการเข้าถึงโซลูชันที่ดีและความซับซ้อนเพิ่มขึ้นอย่างมากตามจำนวนตัวแปร ดังนั้นความจำเป็นในการเลือกพารามิเตอร์อย่างรอบคอบ มีหลายแพคเกจ R เกี่ยวกับ GA ฉันเลือกที่จะใช้กันมากที่สุด: rgenoud ราคาปิดรายวันสำหรับ ETFs สภาพคล่องส่วนใหญ่จากการเงินของ Yahoo จะย้อนกลับไปในเดือนมกราคม 2000 ในช่วงตัวอย่างมาจากมกราคม 2000 ถึงธันวาคม 2010 Out of ระยะเวลาตัวอย่างจะเริ่มในเดือนมกราคม 2554 ตรรกะดังต่อไปนี้ฟังก์ชั่นการออกกำลังกายจะได้รับการปรับให้เหมาะกับช่วงเวลาตัวอย่างเพื่อให้ได้พารามิเตอร์ที่ดีที่สุดสำหรับตัวชี้วัดทางเทคนิคที่เลือก ผลการปฏิบัติงานของตัวชี้วัดเหล่านี้จะได้รับการประเมินในช่วงเวลาที่ตัวอย่าง แต่ก่อนที่จะทำเช่นนั้นตัวชี้วัดทางเทคนิคจะต้องได้รับการคัดเลือก ตลาดตราสารทุนแสดงถึงลักษณะสำคัญสองประการที่คุ้นเคยกับทุกคนที่มีประสบการณ์ในการซื้อขาย โมเมนตัมระยะยาวและการกลับรายการระยะสั้น คุณลักษณะเหล่านี้สามารถแปลเป็นตัวชี้วัดทางเทคนิคได้จาก: moving averages cross over และ RSI ค่านี้แสดงถึงชุดของพารามิเตอร์ 4 ตัวคือช่วงเวลามองย้อนกลับสำหรับค่าเฉลี่ยเคลื่อนที่แบบระยะสั้นและระยะยาวช่วงเวลามองย้อนกลับของเกณฑ์ RSI และ RSI ชุดของพารามิเตอร์คือโครโมโซม องค์ประกอบสำคัญอื่น ๆ คือการออกกำลังกาย เราอาจต้องการใช้สิ่งที่ต้องการเช่นอัตราผลตอบแทนสูงสุดหรืออัตราส่วน Sharpe หรือค่าเฉลี่ยถ่วงน้ำหนักขั้นต่ำ ในสิ่งต่อไปนี้ฉันเลือกที่จะเพิ่มอัตราส่วน Sharpe การใช้ R คือชุดของ 3 ฟังก์ชัน: fitnessFunction กำหนดฟังก์ชันการออกกำลังกาย (เช่นอัตราส่วนชาร์ปสูงสุด) ที่จะใช้ภายในสถิติการซื้อขายเครื่องมือของ GA สรุปสถิติการซื้อขายสำหรับทั้งในและนอกช่วงเวลาตัวอย่างเพื่อวัตถุประสงค์ในการเปรียบเทียบ โปรแกรม GA จากแพคเกจ rgenoud ฟังก์ชั่น genoud ค่อนข้างซับซ้อน แต่ I8217m จะไม่อธิบายว่าพารามิเตอร์แต่ละข้อมีความหมายอย่างไรเนื่องจากฉันต้องการเก็บบทความนี้สั้น ๆ (และเอกสารเป็นสิ่งที่ดีมาก) ในตารางด้านล่างผมจะนำเสนอพารามิเตอร์ที่เหมาะสมที่สุด (RSI look-back period, RSI threshold, Movement Average เฉลี่ยระยะยาวและ Average Moving Average) พร้อมกับสถิติการเข้าและออกตัวอย่าง ก่อนที่จะแสดงความคิดเห็นข้างต้นฉันต้องการอธิบายประเด็นสำคัญบางประการ เพื่อให้ตรงกับตรรกะที่กำหนดข้างต้นฉันได้กำหนดพารามิเตอร์ไว้เพื่อให้แน่ใจว่าระยะเวลาย้อนกลับของค่าเฉลี่ยเคลื่อนที่ในระยะยาวนั้นยาวกว่าค่าเฉลี่ยเคลื่อนที่ที่สั้นกว่า ฉันยัง จำกัด การเพิ่มประสิทธิภาพให้เลือกเฉพาะโซลูชันที่มีมากกว่า 50 ธุรกิจการค้าในช่วงเวลาตัวอย่าง (เช่นความสำคัญทางสถิติ) โดยรวมผลลัพธ์จากตัวอย่างไม่ได้น่าประทับใจ ผลตอบแทนต่ำแม้ว่าจำนวนธุรกิจการค้าจะมีขนาดเล็กเพื่อให้ผลลัพธ์มีความสำคัญมาก อย่างไรก็ตามการสูญเสียประสิทธิภาพอย่างมีนัยสำคัญระหว่างการเข้าและออกจากกลุ่มตัวอย่างสำหรับประเทศญี่ปุ่น (EWJ) ซึ่งน่าจะหมายถึงการปรับตัวให้เหมาะสม โพสต์นี้มีวัตถุประสงค์เพื่อมอบเครื่องมือให้ผู้อ่านใช้ GA อย่างถูกต้องในกรอบการทำธุรกรรมเชิงปริมาณ อีกครั้ง It8217s เป็นตัวอย่างที่ต้องได้รับการขัดเกลาเพิ่มเติม การปรับปรุงศักยภาพในการสำรวจคือการออกกำลังกาย การเพิ่มอัตราส่วน Sharpe เป็นเรื่องง่ายมาก ฟังก์ชัน 8220smarter8221 จะช่วยปรับปรุงรูปแบบสถิติการซื้อขายตัวอย่างตัวอย่างเช่น เราพยายามจับภาพแบบตรงไปตรงมามาก จำเป็นต้องมีการวิจัยในเชิงลึกมากขึ้น การเพิ่มประสิทธิภาพ มีหลายวิธีในการปรับปรุงวิธีดำเนินการเพิ่มประสิทธิภาพ วิธีนี้จะช่วยเพิ่มความเร็วในการคำนวณและความมีเหตุมีผลของผลลัพธ์ รหัสที่ใช้ในโพสต์นี้มีอยู่ในที่เก็บ Gist ตามปกติแล้วความคิดเห็นใด ๆ ที่ยินดีต้อนรับ 28 กุมภาพันธ์ 2014, 15:52 น. มีเนื้อหาทางวรรณกรรมมากมายมหาศาลทั้งด้านวิชาการและเชิงประจักษ์เกี่ยวกับการคาดการณ์ของตลาด โดยส่วนใหญ่จะผสมผสานคุณสมบัติทางการตลาด 2 รูปแบบ ได้แก่ Magnitude and Direction ในบทความนี้ฉันต้องการเน้นการระบุทิศทางตลาดเท่านั้น เป้าหมายที่ฉันตั้งค่าไว้คือการระบุสภาวะตลาดเมื่อราคาตลาดมีความลำเอียงต่อตลาดขึ้นหรือลง โพสต์นี้ให้ตัวอย่างของวิธีการใช้งาน CART (การจัดหมวดหมู่และการถดถอย) ในบริบทนี้ ก่อนที่ฉันจะดำเนินการเตือนตามปกติ: สิ่งที่ฉันนำเสนอในโพสต์นี้เป็นเพียงตัวอย่างของเล่นและไม่ใช่คำเชิญในการลงทุน ไม่ใช่กลยุทธ์ที่สมบูรณ์แบบ แต่เป็นแนวคิดการวิจัยที่ต้องมีการวิจัยพัฒนาและปรับแต่งตามความต้องการของแต่ละบุคคล 1 8211 ตะกร้าคืออะไรและทำไมถึงใช้มันจากสถิติ CART คือชุดของเทคนิคสำหรับการจัดหมวดหมู่และการคาดเดา เทคนิคนี้มีจุดมุ่งหมายเพื่อสร้างกฎที่ทำนายค่าของตัวแปรผลลัพธ์ (เป้าหมาย) จากค่าตัวแปรพยากรณ์ (อธิบาย) ที่รู้จักกันดี มีการใช้งานที่แตกต่างกันมาก แต่พวกเขาทั้งหมดมีลักษณะทั่วไปและสิ่งที่ Im สนใจมาจากวิกิพีเดียอัลกอริธึมสำหรับการสร้างต้นไม้ตัดสินใจมักจะทำงานจากบนลงล่างโดยการเลือกตัวแปรในแต่ละขั้นตอนที่ดีที่สุดในการแบ่งชุดของไอเท็ม อัลกอริทึมต่างๆใช้เมตริกที่แตกต่างกันสำหรับการวัด 8220best8221 เหล่านี้โดยทั่วไปจะวัดความสม่ำเสมอของตัวแปรเป้าหมายภายในส่วนย่อย เมตริกเหล่านี้ถูกนำไปใช้กับเซตย่อยย่อยแต่ละชุดและค่าที่เป็นผลลัพธ์จะรวมกัน (เช่นค่าเฉลี่ย) เพื่อวัดคุณภาพของการแบ่ง CART มีลักษณะบางอย่างที่เหมาะสำหรับการวิเคราะห์ตลาด: Non parametric รถเข็นสามารถจัดการประเภทของการกระจายทางสถิติใด ๆ ที่ไม่ใช่เชิงเส้น CART สามารถจัดการคลื่นความถี่ขนาดใหญ่ระหว่างการพึ่งพาระหว่างตัวแปร (เช่นไม่ จำกัด เฉพาะความสัมพันธ์เชิงเส้น) ทนทานต่อความผิดพลาดมี R แพ็กเกจต่างๆที่เกี่ยวข้องกับ Recursive Partitioning ฉันใช้ที่นี่สำหรับการประมาณต้นไม้และ rpart. plot สำหรับการวาดภาพของต้นไม้ 2 8211 การออกแบบการทดลองแอ็พแอมการออกแบบราคา OHLC รายวันสำหรับ ETF ที่มีสภาพคล่องมากที่สุดตั้งแต่เดือนมกราคม 2000 ถึงธันวาคม 2013 ที่แยกออกจากการเงินของ Google ระยะเวลาตัวอย่างในช่วงมกราคม 2000 ถึงธันวาคม 2010 ส่วนที่เหลือของชุดข้อมูลคือช่วงเวลาที่ไม่อยู่ในตัวอย่าง ก่อนที่จะดำเนินการวิเคราะห์ประเภทใด ๆ ชุดข้อมูลจะต้องเตรียมพร้อมสำหรับงาน ตัวแปรเป้าหมายคือผลตอบแทนย้อนหลังของ ETF รายสัปดาห์ตามที่ระบุไว้ในสถานะของทั้งสองประเทศ (ขึ้นหรือลง) ถ้ารายสัปดาห์ส่งกลับ gt 0 แล้วตลาดในรัฐ UP, ลงเป็นอย่างอื่นตัวแปรอธิบายคือชุดของตัวบ่งชี้ทางเทคนิคที่ได้จากชุดข้อมูล OHLC วันแรกเริ่มต้น ตัวบ่งชี้แต่ละตัวบ่งชี้ถึงพฤติกรรมทางการตลาดที่ได้รับการรับรองเป็นอย่างดี เพื่อลดเสียงรบกวนในข้อมูลและเพื่อพยายามระบุความสัมพันธ์ที่แข็งแกร่งแต่ละตัวแปรอิสระจะถือว่ามีผลแบบไบนารี ความผันผวน (VAR1) ความผันผวนสูงมักเกี่ยวข้องกับตลาดที่ต่ำลงและมีความผันผวนน้อยเมื่อเทียบกับตลาดที่เพิ่มขึ้น ความผันผวนคือค่าเฉลี่ย ATR (Average True Range 20 วัน) ที่กระจายอยู่ในค่าเฉลี่ยเคลื่อนที่ (MA) หากเป็น ATR GT MA ดิบแล้ว VAR1 1 อื่น VAR1 -1 โมเมนตัมระยะสั้น (VAR2) ตลาดตราสารทุนแสดงพฤติกรรมโมเมนตัมในระยะสั้นที่จับได้ที่นี่โดยค่าเฉลี่ยเคลื่อนที่เฉลี่ย 5 วัน (SMA) ถ้าราคา gt SMA แล้ว VAR2 1 อื่น VAR2 -1 โมเมนตัมระยะยาว (VAR3) ตลาดตราสารทุนแสดงพฤติกรรมโมเมนตัมในระยะยาวที่จับได้ที่นี่โดยเฉลี่ยเคลื่อนที่ 50 วัน (LMA) หากราคา gt LMA แล้ว VAR3 1 อื่น VAR3 -1 การกลับรายการระยะสั้น (VAR4) นี่คือ CRTDR ซึ่งย่อมาจาก Close Relative To Daily Range และคำนวณเป็นดังนี้:. ถ้า CRTDR gt 0.5 แล้ว VAR4 1 else VAR4 -1 การปกครองแบบอัตโนมัติ (VAR5) ตลาดตราสารทุนมีแนวโน้มที่จะผ่านช่วงเวลาของระบบการปกครองแบบเผด็จการเชิงบวกและเชิงลบ ถ้าส่งกลับค่าความสัมพันธ์ในช่วง 5 วันที่ผ่านมา gt 0 แล้ว VAR5 1 else VAR5 -1 ฉันใส่คำอธิบายใต้ต้นไม้ตัวอย่างเช่นต้นไม้ต้นทางเส้นทางไปถึงโหนด 4 คือ VAR3 gt0 (Momentum ระยะยาว GT 0) และ VAR4 gt0 (CRTDR gt0) สี่เหลี่ยมสีแดงแสดงว่าเป็นใบลง (เช่นโหนดปลายทาง) มีความเป็นไปได้ที่ 58 (1 8211 0.42) ในแง่ของตลาดหมายความว่าถ้า Momentum ระยะยาวขึ้นและ CRTDR เท่ากับ gt 0.5 แล้วความเป็นไปได้ที่จะได้รับผลตอบแทนเป็นบวกในสัปดาห์หน้าจะเท่ากับ 42 ตามตัวอย่างข้อมูลตัวอย่าง 18 แสดงสัดส่วนของชุดข้อมูลที่ตกอยู่ในโหนดปลายทาง (เช่นใบ) มีหลายวิธีที่จะใช้วิธีการข้างต้นผมเลือกที่จะประมาณและรวมต้นไม้ที่เป็นไปได้ทั้งหมด จากตัวอย่างข้อมูลฉันเก็บใบทั้งหมดจากต้นไม้ที่เป็นไปได้ทั้งหมดและฉันรวบรวมไว้ในเมทริกซ์ นี่คือ 8220rules matrix8221 ที่ให้ความน่าจะเป็นของสัปดาห์หน้าในการขึ้นหรือลง ฉันใช้กฎในเมทริกซ์ข้างต้นกับข้อมูลตัวอย่าง (มกราคม 2011 8211 ธ. ค. 2013) และฉันจะเปรียบเทียบผลลัพธ์กับผลลัพธ์ที่แท้จริง ปัญหาเกี่ยวกับแนวทางนี้คือจุดเดียว (สัปดาห์) อาจตกอยู่ในกฎต่างๆและแม้แต่กฎ UP และ DOWN ในเวลาเดียวกัน ดังนั้นผมจึงใช้รูปแบบการออกเสียงลงคะแนน สำหรับสัปดาห์ที่กำหนดฉันสรุปกฎทั้งหมดที่ใช้กับสัปดาห์ที่ให้ค่า 1 สำหรับกฎ UP และ -1 สำหรับกฎการลง ถ้าผลรวมมากกว่า 0 สัปดาห์จะถูกจัดเป็น UP ถ้าผลรวมเป็นค่าลบ it8217s เป็นสัปดาห์ DOWN และถ้าผลรวมเท่ากับ 0 จะไม่มีตำแหน่งที่นำมาใช้ในสัปดาห์นั้น (return 0) วิธีการข้างต้นถูกนำไปใช้กับ a ชุดของ ETFs ของเหลวมาก ฉันพล็อตด้านล่างเส้นโค้งของส่วนของกลุ่มตัวอย่างพร้อมกับกลยุทธ์การซื้อและถือในช่วงเวลาเดียวกัน ผลลัพธ์เบื้องต้นดูเหมือนจะเป็นประโยชน์แม้ว่าคุณภาพของผลลัพธ์จะแตกต่างกันไปมากโดยใช้เครื่องมือ อย่างไรก็ตามมีห้องพักขนาดใหญ่สำหรับการปรับปรุง ฉันใส่ด้านล่างบางเส้นทางสำหรับการวิเคราะห์เพิ่มเติม Path optimality อัลกอริทึมที่ใช้ในการกำหนดต้นไม้จะมีความเหมาะสมที่สุดในแต่ละการแยก แต่มันไม่รับประกันความถูกต้องของเส้นทาง การเพิ่มเมตริกเพื่อวัดความเหมาะสมของเส้นทางจะเป็นการปรับปรุงผลการค้นหาข้างต้นอย่างแน่นอน ตัวแปรอื่น ๆ ฉันเลือกตัวแปรอธิบายตามประสบการณ์ It8217s มีโอกาสมากที่ทางเลือกนี้ไม่ดีและไม่ดีนัก วิธีการทำ backtest ฉันใช้วิธีการแบบตัวอย่างเข้าและออกอย่างง่าย ในแบบทดสอบที่เป็นทางการมากขึ้นฉันค่อนข้างจะใช้หน้าต่างการกลิ้งหรือการขยายของช่วงเวลาย่อยในและนอกตัวอย่าง (เช่นการเดินหน้าวิเคราะห์) ตามปกติความคิดเห็นใด ๆ ที่ยินดีต้อนรับ