MatlabTrading.
MATLAB & # 174;에 대한 블로그 알고리즘 트레이딩 전략, 백 테스팅, 페어 트레이딩, 통계적 재정 거래 등에 관심이있는 사용자
2016 년 12 월 7 일 수요일
MATLAB의 알고리즘 트레이딩 전략 테스트 및 분석 (4 부) & # 8211; 유전 알고리즘.
유전 알고리즘 최적화.
그러나 유전 적 (진화 적) 알고리즘 원리는 매스 웍스 웹 세미나에서 잘 설명되어 있지만, 예제에서는 집합에서 전략 그룹을 선택하는 데에만 사용됩니다. 이것은 이러한 알고리즘을 사용하는 좋은 예입니다. 그러나 하나의 전략에 대해 많은 간격을두고 많은 변수를 설정해야 할 필요가 있습니다. 하나의 반복과 프로세스의 병렬화로 인해 얻지 못할 수도 있습니다. 계산에 며칠이 걸릴 수 있습니다. 물론 최종 최적화 단계의 전략이 있습니다. 우리는 거래 전략이 성공적이라는 것을 거의 확실하게 알고 며칠 동안 기다리거나 전체 클러스터를 임대 할 수 있습니다. 그 결과로 가치가있을 수 있습니다. 그러나 "부피가 큰"전략의 결과를 "추정"하고 시간을 투자할만한 가치가 있는지 판단 할 필요가 있다면 유전 알고리즘이 완벽하게 적합 할 수 있습니다.
선형 방법 & # 8211; 그것은 모든 중급 (차선책) 결과를 볼 수있는 일반적인 정렬 모드입니다. 최대 정확도를 제공합니다. 병렬 방법 & # 8211; CPU의 모든 커널이 사용됩니다. 중간 결과는 볼 수 없지만 작업 속도는 크게 향상됩니다. 계산 속도가 증가하는 동안 최대 정확도를 제공합니다. 유전 적 방법 & # 8211; 그것은 진화 최적화 알고리즘을 사용합니다. 차선의 값을 볼 수는 있지만 최상의 결과를 제공합니다. 매우 정확한 방법은 아니지만 전략의 초기 "실행"에 대해 충분히 정확합니다. 매우 빠릅니다.
2016 년 12 월 5 일 월요일.
MATLAB의 알고리즘 트레이딩 전략 테스트 및 분석 (3 부) & # 8211; 프로세스의 시각화.
테스트 프로세스의 시각화.
필자는 필자의 업무 경험에서 TradeStation, MetaStock, Multicharts 등의 거래 전략 테스트를 위해 다른 인기있는 플랫폼을 자주 분석했으며, 테스트 프로세스의 시각화에 거의 관심을 기울이지 않아서 항상 놀랐습니다. 우리가 중간 매개 변수의 최적화되지 않은 값을 볼 수 없을 때, 우리는 흔히 먼지와 함께 금을 버리게됩니다. 문제는 지나치게 광범위한 샘플링 때문에 전략은 실생활에서 실패하거나 하나 또는 두 개의 거래를 볼 수있는 "완벽한 전략"을 보는 방식으로 매개 변수를 조정합니다. 이러한 거래는 그러한 시간 간격 데이터로 선택 되었기 때문에 가장 좋습니다 최고의 매매 전략이 "매수"가 될 것이지만 왜 다른 전략이 필요한가?
4 차원 이상인 경우 어떻게해야합니까? 가격대에 어떤 신호와 주파수가 표시되는지 확인하면 거래 빈도, 수익성 (소득 곡선), 개방의 정확성, 기타와의 유사성 등 전략에 대한 시각적 표현을 거의 모든 시각적으로 표현할 수 있습니다 차선의 가치 등; 모든 유용한 정보가 실제로 N 차원 공간에서의 성능에 대해 말할 수없는 것은 최적 값이 하나 일뿐만 아니라 하나 이상의 영역에서 차선의 값의 전체 범위가 있다는 것입니다.
WFAToolbox & # 8211;에서 전략을 최적화하는 동안 MATLAB & # 174;을위한 Walk-Forward Analysis Toolbox 새로운 최적 값이 발견되면 샘플 내 및 샘플 외 기간의 거래 전략 신호가 즉시 차트에 표시되므로 언제 어떤 옵션 범위를 제어 할 수 있습니까? 당신은 할당해야하며, 또한 테스트가 끝날 때까지 기다리지 않고 최적화를 일시 중지 할 수 있습니다.
2016 년 11 월 30 일 수요일
MATLAB의 알고리즘 트레이딩 전략 테스트 및 분석 (2 부) & # 8211; 사용하기 쉬운 GUI.
사용하기 쉬운 GUI.
그래픽 인터페이스가 없다는 사실부터 시작해 봅시다. 거래 전략을 테스트하고 분석하는 거의 모든 프로세스가 표준화되어 있다고 가정하면 (99 %), 필요한 데이터를 불러올 수있는 인터페이스가 필요합니다. 클릭 한 번으로 테스트 프로세스를 시작할 수 있습니다.
MATLAB의 새로운 (뿐만 아니라) 사용자들에게는 코드에서 검색하는 것보다 버튼과 입력 필드가있는 GUI를 사용하는 것이 훨씬 편리합니다. 따라서 MathWorks Toolbox에도 GUI가있어 대부분의 경우 더 편리합니다. GUI를 사용한다고해도 전략을 작성하는 능력이 제한적이라는 것을 의미하지 않기 때문에 전략의 코드에만 집중할 수 있습니다.
따라서 WFAToolbox에서는 MATLAB 도구 상자 중 하나를 사용하고 페어 트레이딩, 바스켓 트레이딩 또는 트리플렛 재정 거래 등과 같은 전략을 위해 여러 자산을 사용하여 전략에 대한 코드를 작성할 수있는 가능성을 창출했습니다. 동시에이 코드는 패턴을 사용하여 GUI에 쉽게 통합됩니다. 이 패턴은 코드에 적용하기에 충분히 간단하며 기회를 제한하지 않습니다.
2016 년 11 월 29 일 화요일
MATLAB의 알고리즘 트레이딩 전략 테스트 및 분석 (1 부) - 서론.
어떻게 시작 됐어.
Ali Kazaam과 함께 MATLAB의 알고리즘 거래에 대한 첫 번째 웹 세미나가 발표되었을 때 2008 년 (실수가 아닐지라도), 기술 지표를 기반으로 한 간단한 전략을 최적화하는 주제를 다루는 등 혼란스럽고 # 8221; 코드, 도구는 사용하기에 충분히 흥미 롭습니다. 그것들은 도구 상자의 모든 힘과 MATLAB 행동의 자유를 자신의 무역 전략을 수립하는 동안 동시에 사용할 수있게 해주는 테스트 및 분석 모델의 연구 및 향상을위한 출발점 역할을했지만 동시에 프로세스를 제어 할 수있었습니다 획득 된 데이터와 그 후의 분석은 강력한 거래 시스템의 효과적인 포트폴리오를 선택할 것입니다.
왜 모든 Algotrader는 바퀴를 재발견해야합니까?
그러나 Mathworks는 전략의 테스트 및 분석을위한 완벽한 솔루션을 제공하지 않았습니다. 웹 세미나를 통해 얻을 수있는 코드는 전체 시스템 테스트의 유일한 요소였으며 사용하기 쉽도록 GUI를 수정하고 사용자 정의하고 GUI에 추가해야했습니다. 매우 시간이 오래 걸려서 질문이 제기되었습니다. 전략이 무엇이든간에 테스트와 분석의 동일한 과정을 거쳐야만 안정되고 유용한 것으로 분류 될 수 있습니다. 그렇다면 왜 모든 알트 레이더가 휠을 재발 명하고 MATLAB에서 적절한 테스트 전략을위한 코드를 작성해야합니까?
WFAToolbox - wfatoolbox에서 데모 버전을 사용할 수있는 Walk-Forward Analysis Toolbox를 2013 년부터 호출하기로 결정했습니다.
2016 년 11 월 7 일 월요일.
우와! 블로그는 어떻게 된거야?
블로그는 어떻게 된거야?
1. Jev Kuznetsov는 더 이상 소유자가 아닙니다.
2. 브랜드를 변경했습니다.
블로그는 어떻게됩니까?
1. 더 많은 게시물과 기사.
우리는 관련 콘텐츠를 일주일에 한 두 번 게시하여이 블로그에 생명을 불어 넣기를 바랍니다. 처음 몇 개월 동안, 우리는 귀중한 독자들이 하나의 자료에 대한 정보를 검색하고 그것들에 대한 가설을 쉽게하기 위해 이미 가지고있는 기사와 비디오를 주로 게시 할 것입니다.
상품, 주식 및 외환 시장에 대한 공적분 / 보루 링거 밴드 / 칼만 필터 등을 기반으로하는 통계적 재정 거래 쌍 거래 / 평균 회귀 / 시장 중립적 거래 전략. Jurik Moving Average 및 기타 정교한 디지털 필터를 사용한 추세 추세; 기계 학습 (지원 벡터 머신) 및 기타 방법으로 예측 전략; 자본 재투자를위한 시각적 워크 포워드 테스트 자금 관리를 사용하여 강력한 거래 전략 수립 (최대 1 억 달러에서 1 백만 달러를 얻는 방법에 관한 과학, 그러나 예상되는 위험 및 땀 보상에 대한 예상). 어쩌면 이것을 읽은 후에 당신은 이것이 "외환 거래"와 그 모든 것을 통해 부자가되는 방법을 모색하고있는 가난한 사람들을위한 또 다른 바보 같은 기사가 될 것이라고 생각했습니다. 글쎄, 그건 완전히 거짓! 우리는 MATLAB에서 일하고 있으며, 대다수는 과학자와 전문가입니다. 따라서 모든 것이 심각합니다.
2. 더 많은 상호 작용.
2013 년 1 월 1 일 화요일
일일 평균 복귀.
규칙은 간단하며 마지막 게시물에서 테스트 한 전략과 유사합니다.
쌍의 막대 반환이 z 점수에 1을 초과하는 경우에, 다음 막대를 무역하십시오.
결과는 매우 예쁘게 보입니다.
이 차트가 사실로보기에는 너무 좋다고 생각하면, 불행하게도 사실입니다. 거래 비용이나 입찰가 스프레드는 고려하지 않았습니다. 사실, 나는 모든 거래 비용을 뺀 후에 남은 이익이있을 것이라고 의심 할 것입니다.
그래도 이런 종류의 차트는 당근이 내 코 앞에서 매달려있어 나를 계속 지켜줍니다.
2012 년 12 월 30 일 일요일.
쌍 거래는 죽었습니까?
이 etfs에서 90 쌍의 독특한 쌍을 만들 수 있습니다. 각 쌍은 시장 중립적 인 확산으로 구성됩니다.
매일, 각 쌍에 대해 25 일 표준 편차를 기준으로 z 점수를 계산하십시오.
z - 스코어 & gt; 문턱, 짧게, 다음날 닫으십시오.
z - 스코어 & lt; 한계는 오래갑니다.
다음은 몇 가지 임계 값에 대한 시뮬레이션 결과입니다.
이것은 etfs에서의 평균 되돌리기 행동의 변화를 처음 접한 것이 아닙니다. 제가 시도한 것에 상관없이, 저는 2010 년을 지나서 ETF에서 작동 할 수있는 쌍 매매 전략을 찾는 데 운이 없었습니다. 제 결론은 단순한 stat-arb 모델의 이러한 유형이 더 이상 그것을 잘라 내지 못한다는 것입니다.
WFAToolbox - Walk-Forward Analysis Toolbox.
MATLAB의 알고리즘 트레이딩 전략 개발을위한 MATLAB Add-on은 쉬운 방법입니다.
양적 거래.
양적 투자 및 거래 아이디어, 연구 및 분석.
2016 년 4 월 7 일 목요일.
평균 회귀, 운동량 및 변동성 기간 구조.
여기서 Var은 많은 샘플 시간에 분산을 의미합니다. 가격이 기하학적 랜덤 보행을 실제로 따른다면, Var (τ) - Var (z (t) - z (t-τ)) - τ, 그리고 변동성은 단순히 따라서 일별 수익률을 측정 할 경우 연간 변동성을 구하기 위해서는 일별 변동성을 곱해야합니다.
거래자들은 또한 가격이 기하학적 랜덤 워크를 실제로 따르지 않는다는 것을 알고 있습니다. 가격이 평균 반향이라면, 우리는 무작위 걷기처럼 초기 값에서 빠져 나가지 않을 것입니다. 가격이 추세라면, 그들은 더 빨리 떠돌아 다닙니다. 일반적으로 우리는 작성할 수 있습니다.
여기서 H는 "허스트 지수 (Hurst exponent)"라고 불리며 실제 기하학적 랜덤 보행시 0.5와 같지만 평균 반전 가격은 0.5 미만이고 가격은 0.5 이상입니다.
평균 반전 가격 시리즈의 변동성을 연율 화하면 기하학적 랜덤 보행의 변동성보다 연율 화 된 변동성이 낮아집니다. 예를 들어 5 분 막대에서 측정 된 변동성이 모두 동일하더라도 마찬가지입니다. 동향의 가격대는 그 반대입니다. 예를 들어, AUDCAD에서이를 시도하면 분명히 평균 반전 시계열이며 H = 0.43이됩니다.
위의 모든 것들은 많은 상인들에게 잘 알려져 있으며 사실 내 책에서 논의되고 있습니다. 그러나 더 흥미로운 점은 허스트 지수 자체가 어느 정도 시간에 따라 변할 수 있다는 것입니다. 이 변화는 때로 평균 회귀에서 기세 체제로의 전환 또는 그 반대의 전환을 의미합니다. 이를 보시려면 τ의 함수로서 변동성 (또는 더 편리하게는 분산)을 계획하십시오. 이를 종종 (실현 된) 변동성이라는 용어 구조라고합니다.
친숙한 스파이에서 시작하십시오. 우리는 1 분에서 2 ^ 10 분까지 중간 값을 사용하여 일중 수익률을 계산할 수 있습니다 (
17 시간), 로그 (Var (τ))를 log (τ)에 대입합니다. 아래에 표시된 것처럼 착용감이 뛰어납니다. (확대하려면 그림을 클릭하십시오). 기울기를 2로 나눈 허스트 지수는 0.494 & # 17; 0.003으로 밝혀졌으며 이는 매우 약간 의미가 있습니다.
우리는 USO (WTI 원유 선물 ETF)에 대해서도 동일한 분석을 할 수 있습니다. 일중 H는 0.515 & # 0.001이며 현저한 추세 변화를 나타냅니다. 매일의 H는 0.56 & # 0.03이며, 훨씬 더 추세입니다. 따라서 모멘텀 전략은 합리적인 시간 규모에서 원유 선물을 위해 작동해야합니다.
mintegration. eu의 Nick은 Quandl과 Kerf에서 새 intraday 데이터베이스에 대해 설명합니다. Factorwave (Euan Sinclair의 창작)는 새로운 포럼 인 slack. factorwave를 시작했습니다. 그것은 많은 거래 및 투자 주제에 대해 매우 적극적이고 깊이있는 토론을하고 있습니다. Kellogg School of Management의 매튜 라일 (Matthew Lyle) 교수는 펀더멘털을 위험 프리미엄의 변동과 관련시키는 새로운 논문을 발표했습니다 : papers. ssrn / sol3 / papers. cfm? abstract_id = 2696183.
4 월 20-21 일 : 평균 복귀 전략.
93 개의 코멘트 :
10 시간 = 1 일을 어떻게 계산 했습니까? 1 일 지점을 선형 맞춤에 맞추고 줄에 놓기 만하면됩니까? 중요한 일박 동향 / 평균 복귀를 그런 식으로 씻어 낼 위험이 있습니까? 그리고 좀 더 일반적으로, 하루 동안의 데이터를 사용하여 3-5 일간의 거래를 할 때 밤새 공백을 처리하는 방법에 대한 언급이 있습니까?
"많은 샘플 시간에 걸친 분산"만 표시합니다. 아니면 비밀로하고 싶니? :)
고마워, 지금은 이해가된다.
실제로, 나는 t = 2 * 14 / 10 / 60 days = 27 일을 의미했다!
좋은 artical 다시, 하지만 나는 한 발언을했습니다. 허스트 지수는 다른 분포를 갖는 갈색 운동에 대해 다르다. Monte Carlo로 시뮬레이션하고 테스트해볼 수 있습니다.
브라운 운동의 일부분을 말하는 겁니까?
나는이 사람 mechanicalforex / 2016 / 03 / the-hurst-exponent-and-forex-trading-instruments. html의 기사를 참조합니다.
안녕하세요, 찬 박사님,
또는, 당신이 cointegrated 쌍이나 잔여 물에서 Hurst 지수를 사용하여 "more"로 더 필터링 할 수 있습니까? H & lt;
아닙니다. 전환 시간 척도는 가격 시리즈가 평균 반전되는 데 걸리는 시간을 나타냅니다. 이를 위해서는 Ornstein-Uhlenbeck 방정식을 사용해야합니다.
나는 그것이 결코 촉발 될 것으로 예상되지 않는 한, 평균 회귀 전략에 대한 손실을 막을 것을 권장하지 않습니다. 내 두 번째 책 알고리즘 거래의 마지막 장을 참조하십시오.
답변 주셔서 감사합니다, 닥터!
미스터 페어 거래의 HL에 대해서도 OU 방정식을 사용합니다.
그것은 좋은 지적입니다. 예, 전환 기간을 보유 기간의 상한으로 사용할 수 있습니다.
안녕하세요, 정말 멋진 블로그가 있습니다. 나는 당신의 포스트에서 순전히 배웠다 그래서 juse는 좋은 일을 유지한다! :)
훌륭한 기사! 매우 유용한 정보. SPY 중간 음모를 재현하려고했습니다. 나는 SPY의 로그 일일 가격을 사용했다. 그러나 나는 다른 결과를 얻는 것 같습니다. 예를 들어 첫 번째 데이터 지점 인 1 일 지연, 내가 얻은 로그 분산은 -9.61이지만 플롯 표시는 약 -8.9 여야합니다. 내가 놓친 게 있니? 감사.
또한 이것에 대한 Ernie의 의견을 듣고 싶습니다.
당신의 친절한 단어를 가져 주셔서 감사합니다.
거래에서 많은 기술은 디지털 신호 처리로 간주 될 수 있습니다. 예 : 칼만 필터, 웨이브 렛 등이 있습니다. 그 중 일부는 유용하고 다른 것은 유용하지 않습니다. 따라서 기술에 대해 구체적으로 설명해야합니다.
아닙니다. John Ehlers를 읽지 않아도됩니다.
이러한 표시기가 효과가 있습니까?
죄송합니다, 저는 고 / 저 바이 패스 필터와 매우 잘 문서화 된 FFT를 특별히 언급했습니다.
링크를 가져 주셔서 감사합니다.
답장 해주셔서 매우 감사합니다. 나는 같은 데이트 기간 SPY 데이터를 사용했다. 나는 인터 데일 플롯을하려고 했으므로 SPY 일일 가격 데이터를 사용했습니다. 네가 제안한대로, 나는 midprice로 바꿨다. (0.5 * (높음 + 낮음) 사용). 하지만 내가 얻은 허스트 지수는 약 0.387에 불과합니다.
Midprice는 높거나 낮은 중반을 의미하지 않습니다. 그것은 입찰의 중간을 의미하고, 시장을 닫는다.
제발 저에 대해 이야기 해주십시오.
나는 USO의 일일 수익률의 자기 상관을 계획하고 1 일 후부터 통계적으로 유의미한 최고점을 발견했다. 그러나이 값은 평균 반향을 나타내는 음의 값입니다. 그래서 나는이 일상적인 MR 행동을 확인하기위한 두 가지 간단한 전략을 시험했으며, 주식 곡선의 차이는이 작은 일일 MR 행동을 확인합니다. Hurst 매개 변수와 결과 값의 자기 상관 관계를 연결하는 방법을 모릅니다.
결과는 실제로 허스트 지수의 결과와 상반됩니다.
그러나 추가 테스트로서, 닫기 마감이 아닌 시장 마감 시점에 입찰가의 중간 가격을 사용하여 테스트 할 것을 제안합니다.
주로 뒤늦은 반품.
우리는 단기 트레이딩을 선호하므로 근본적인 요인들이별로 도움이되지 않습니다.
우리에게 단기는 intraday입니다.
그렇습니다. 절대로 근본적인 이유가없는 한 요격을 포함하여 권장됩니다.
그것은 정확한 쌍에 달려 있습니다. 그러나 일반적으로 나는 이겼다.
그렇습니다. IB는 $ 100K 이상의 계정에 대해 FX만큼 FX가 좋습니다.
궁금한 점이 있다면 계정 & gt; $ 100K에 대해 어떤 옵션을 선택하겠습니까?
CFTC의 규정에 따라 적격 계약 참가자 일 경우 모든 프라임 브로커 계정을 열 수 있으며 HotspotFX, LMAX, EBS 등과 같은 FX ECN에 직접 액세스 할 수 있습니다.
우리는 일반적으로 SP500 주식에 대해 일방적으로 5bps의 거래 비용을 가정합니다.
나는 장기간 주식 전략을 금년에 일하게하는 것이 어렵다는 데 동의한다 (헤지 펀드는이 카테고리에 대해서도보고한다).
아니요, 귀하가 제안한 것처럼 일일 주식 거래 쌍을 시도하지 않았습니다. 아직 기회가있을 수 있다는 데 동의합니다.
일반적으로 long-short 전략은 수익을 얻기 위해 변동성에 의존합니다. 주식 시장의 변동성은 지난 몇 개월 동안 매우 낮았습니다.
내 책 Algorithmic Trading의 Figure 5.12에서 논의한 VX 전략을 참조하십시오.
경험을 공유해 주셔서 감사합니다!
당신은 가격 행동에 대한 놀라운 설명을 가지고 있습니다. forex 무역을 배우고 싶은 누군가는 나의 무역으로 저를 거창하게 도운 당신의 재료를 봐야한다.
일중 전략의 수용력은 제한적입니까?
통계적으로 유의미하고 위험도가 낮기 때문에 대부분 intraday 전략을 사용합니다. 예, 용량은 적지 만 현재로서는 수십억 달러를 관리 할 필요가 없습니다. 그러나 우리는 보유 기간이 길고 용량이 많은 전략을 개발 중이며 곧 시작할 수 있습니다.
지금은 아닙니다.
당신이 올바른지.
내가 두 번째 책에서 정확하게 이해한다면. 45 일 때, 허스트 지수는 + 1 / -1 사이 일 수 있습니다. 0.50가 무작위 도보 일 때, 그것은 위의 글에서처럼 H = 0.56이 강렬하다고 주장하기 위해 굵게 표시됩니다. 나는 그 추세가 H = 0.8이거나 그럴 것이라고 추측 했겠습니까 ??
실제로 H는 0과 1 사이에 있습니다. 음수 H는 장기간에 걸쳐 가격이 일정 함을 의미하기 때문에 현실적인 H는 아닙니다.
죄송합니다, 0과 1 사이에, 나쁘다.
예, 저는 "중요"단어를 사용합니다. 특정한 의미에서. 평균보다 2 표준 편차 이상 떨어져 있음을 의미합니다.
정확히 무엇의 평균?
이 특정 문맥에서 의미 테스트는 동일한 크기의 랜덤 데이터에 대한 허스트 지수가 우리가 얻은 값과 동일한 값을 가지는지 확인하는 것입니다. 결론은 그러한 값들의 가우시안 분포를 가정하면 이것이 일어날 확률이 2.5 % 미만이라는 것입니다. 그러므로 97.5 %의 확률로 이것은 높은 가격대입니다.
x 축상의 log2 (t)는 표시 목적으로 만 사용됩니다. 실제 회귀 분석에서 분산과 시간 척도의 자연 로그를 취했습니다.
희망이 도움이됩니다.
τ = 시간 간격?
t = t에 꽂는 것은 무엇입니까?
이 경우 많은 샘플 시간에 걸쳐 분산을 취하십시오. 중간 가격은 1 일 2 ~ 10 분 (1024 분 또는 17 시간)입니다.
2013-01-06 to 2016-01-15.
아니면 그냥 걸릴 로그 (τ)에 대한 로그 (Var (τ)) 음모를 작동합니까?
아니요, 본 연구에서는 변동성을 연간으로 계산하지 않습니다. 운동의 요점은 로그 가격에 대한 가우스 분포 과정을 가정해서는 안된다는 것입니다. 나는. 허스트 지수는 반드시 0.5 일 필요는 없습니다.
좋아, 하루에 1 분 ~ 2 분 10 분 (1024 분)
시작 날짜는 2013-01-06입니다.
2. 그러한 수익의 분산을 계산하십시오.
3. 반환 값의 분산을 뺀다 - 로그는 무엇을 반환 하는가?
우리는 로그 리턴을 수행하고 로그의 분산을 리턴합니다.
우리는 모든 술집마다 그렇게합니다. 첫 번째 1 분 막대에서 마지막 1024 분 막대까지.
통계적 차익 거래.
MATLAB을 사용하여 통계적 재정 거래 전략을 구축, 테스트 및 구현하십시오.
stat arb (stat arb)라고도하는 통계적 재정 거래는 주식 및 상품과 같은 금융 시장 자산을 알고리즘으로 거래하는 계산 집약적 인 접근 방식입니다. 사전 정의 된 통계 모델 또는 적응 형 통계 모델에 따라 보안 포트폴리오를 동시에 구매 및 판매하는 작업이 포함됩니다.
통계적 재정 거래 기법은 고전적 공적분 기반 쌍 거래 전략의 현대적 변형이다. 이 전략은 전반적인 시장 위험을 처리하는 헤지 전략과 결합 된 단기 평균 회귀 원칙에 기반합니다.
헤지 펀드, 뮤추얼 펀드 및 독점 거래 회사는 통계적 재정 거래를 기반으로 거래 전략을 수립, 테스트 및 구현합니다. 효과적인 워크 플로우는 다음을 필요로합니다.
데이터베이스 및 업계 표준 데이터 피드의 데이터 수집 거래 전략의 설계, 테스트 및 최적화 기계 학습과 같은 고급 통계 기법 적용 CVaR 포트폴리오 최적화 수행 (5:33) 거래 플랫폼에 연결하고 주문 워크 플로 관리.
예제와 방법.
알고리즘 학습을위한 기계 학습 (32:55) - 금융 애플리케이션 용 MATLAB을 이용한 비디오 알고리즘 거래 (1:04:42) - 계량 경제학 툴박스 (1:01:27)를 이용한 비디오 코어 통합 및 쌍 거래 - 비디오 실시간 거래 시스템 MATLAB (31:41) - ETF 흐름의 비디오 통계 분석 (29:16) - 비디오 알고리즘 거래 : 수상 전략 및 그 이유 - MATLAB 및 RavenPack (12:01)을 사용한 도서 뉴스 감정 분석 - 비디오.
소프트웨어 참조.
알고리즘 거래 코드 및 기타 리소스 - MATLAB Central 통합 분석 소개 - 문서 Engle-Granger 통합 분석 테스트 - 대화식 중개인을위한 함수 워크 플로 - 거래 기술 문서 워크 플로 X_TRADER ® - Bloomberg ® V3 데이터 서비스에 연결 - 기능.
당신의 나라를 선택하세요.
가능한 경우 번역 된 컨텐츠를 얻고 지역 이벤트 및 제안을 보려면 해당 국가를 선택하십시오. 위치에 따라 다음을 선택하는 것이 좋습니다.
다음 목록에서 위치를 선택할 수도 있습니다.
캐나다 (영어) United States (English)
벨기에 (영어) 덴마크 (영어) Deutschland (독일어) España (Español) 핀란드 (영어) 프랑스 (Français) 아일랜드 (영어) Italia (Italiano) Luxembourg
네덜란드 (영어) 노르웨이 (영어) Österreich (독일어) 포르투갈 (영어) 스웨덴 (영어) 스위스 Deutsch English Français 영국 (영어)
아시아 태평양.
오스트레일리아 (영어) 인도 (영어) 뉴질랜드 (영어) 中国 (简体 中文) 日本 (日本語) 한국 (한국어)
제품 둘러보기.
시도해보십시오.
사용법 배우기.
도움을 받다.
MathWorks 소개
엔지니어링 및 과학의 속도를 가속화합니다.
MathWorks는 엔지니어 및 과학자를위한 수학 컴퓨팅 소프트웨어의 선도적 인 개발 업체입니다.
No comments:
Post a Comment