क्वांटम फाइनेंसर

+

पोस्ट नेविगेशन Isnt आर वास्तविक समय व्यापार के लिए gawdawful धीमी? 23:25 पर 7 फ़रवरी 2011 पर जेफ आप इसे बनाने के रूप में आर, सबसे प्रोग्रामिंग भाषाओं की तरह के रूप में तेजी या धीमी गति से किया जा सकता है। IBrokers (और अन्य संकुल) के लेखक मैं आर आर is not के टोंटी, यानी आईबी से आ रही धारा से भी तेज है कि आप बता सकते हैं आप सभी अनुसंधान की अच्छाई और एक अलग खाते का उपयोग की तुलना में थोड़ा अधिक के साथ उत्पादन करने के लिए परीक्षण से जाने की क्षमता का उपयोग किया है के बाद से आईबी और आर वास्तव में एक तारकीय संयोजन कर रहे हैं। इसके अलावा, आईबी एपीआई के लिए इंटरेक्टिव उपयोग आईबी के लिए इंटरफेस के बीच काफी शक्तिशाली और अद्वितीय है। अस्थिरता पूर्वानुमान का उपयोग करते हुए शासन स्विचिंग सिस्टम पिछले पोस्ट के रूप में विचारों का एक ही पंक्ति में, आज हम एक शासन स्विचिंग रणनीति बनाने के लिए कल पेश किया GARCH उतार-चढ़ाव मॉडल शामिल करने के लिए एक तरह से दिखेगा। यह अक्सर उच्च अस्थिरता दैनिक एमआर के लिए अच्छा है कि blogosphere पर चर्चा की है, सीएसएस में दाऊद द्वारा पिछले यहां MarketSci में माइकल के ऊपर से अल्पकालिक मतलब प्रत्यावर्तन रिपोर्ट के राज्य के संस्करणों और दैनिक अनुवर्ती के माध्यम से श्री श्रृंखला के मध्यस्थ देखना यहाँ और यहाँ एनालिटिक्स। समवर्ती, एक कम अस्थिरता के माहौल प्रवृत्ति निम्नलिखित रणनीति के लिए एक अच्छा माहौल आमतौर पर है; यहां प्रवृत्ति के बाद रिपोर्ट के Jez लिबर्टी के राज्य में देखते हैं। हम अपने लाभ को अधिकतम करना चाहते हैं, क्योंकि इसे ध्यान में रखते, हम में अस्थिरता के माहौल के आधार पर उचित रणनीति व्यापार करना चाहते हैं। हम एमआर और टीएफ रणनीतियों के बीच स्विच कर सकते उतार-चढ़ाव का उपयोग कर गतिशील बेहतर बाजार की मौजूदा प्रतिमान लिए अनुकूल है। ऐसा करने के लिए हम एक 252 दिन लुकबैक अवधि का उपयोग कर प्रतिशतक द्वारा वर्तमान में अस्थिरता वर्गीकृत कर सकते हैं। जिसके परिणामस्वरूप श्रृंखला में 0 और 1 के बीच हिलाना, और एक 252 दिन लुकबैक अवधि का उपयोग कर (डेविड Varadi द्वारा विकसित) एक 21 दिन percentrankSMA का उपयोग कर smoothed है। अब हम अधिक से अधिक 0.5 उच्च अस्थिरता और जगह में छोटे से 0.5 कम अस्थिरता का संकेत पढ़ने जहां लिफाफा smoothed उतार-चढ़ाव शासन थरथरानवाला की एक पीठ है। निम्नलिखित उदाहरण के लिए, के रूप में हो जाएगा शासन स्विचिंग (राज्यसभा) रणनीति इस प्रकार है: oscilliator 0.5 से अधिक है, तो हम श्री रणनीति व्यापार और थरथरानवाला 0.5 treshold नीचे है, जब हम टीएफ रणनीति व्यापार। एमआर रणनीति प्रॉक्सी RSI2 है, और टीएफ रणनीति प्रॉक्सी इस साधारण परीक्षण के लिए एमए 50-200 विदेशी है। जासूस पर परिणाम इक्विटी एमआर के लिए घटता ही (लाल), टीएफ केवल (नीला), खरीदने के लिए और (हरा) पकड़ और रुपये (पीला) के साथ नीचे प्रस्तुत कर रहे हैं। इस परीक्षण के लिए, अस्थिरता के लिए इनपुट रिटर्न के चल रहे 21 दिन के मानक विचलन (यानी। ऐतिहासिक अस्थिरता) है कि ध्यान दें। आरएस रणनीति 10 साल से अधिक एमआर और टीएफ दोनों रणनीतियों से बेहतर साबित। लेकिन एक मिनट रुको, पोस्ट में उतार-चढ़ाव का पूर्वानुमान, नहीं ऐतिहासिक अस्थिरता का उपयोग कर शासन बदलने के बारे में था। सरल, ऐसा करने के लिए, हम पिछले पोस्ट में पेश garch मॉडल के परिणामों का उपयोग oscilliator गणना। हम अब उतार-चढ़ाव का पूर्वानुमान का उपयोग कर रुपये की रणनीति है, अच्छी खबर यह है: यह बेहतर प्रदर्शन करती है! ऐतिहासिक अस्थिरता (ग्रे) का उपयोग बनाम GARCH पूर्वानुमान (सोना) का उपयोग कर नीचे परिणाम। एक रणनीति में उतार-चढ़ाव का पूर्वानुमान शामिल है, कई अन्य ब्लॉगों पर पहले उल्लेख किया है इस व्यवस्था स्विचिंग रणनीति में परिणामों में सुधार करने के लिए लगता है। अस्थिरता पूर्वानुमान का उपयोग करते हुए शासन स्विचिंग सिस्टम पिछले पोस्ट के रूप में विचारों का एक ही पंक्ति में, आज हम एक शासन स्विचिंग रणनीति बनाने के लिए कल पेश किया GARCH उतार-चढ़ाव मॉडल शामिल करने के लिए एक तरह से दिखेगा। यह अक्सर उच्च अस्थिरता दैनिक एमआर के लिए अच्छा है कि blogosphere पर चर्चा की है, सीएसएस में दाऊद द्वारा पिछले यहां MarketSci में माइकल के ऊपर से अल्पकालिक मतलब प्रत्यावर्तन रिपोर्ट के राज्य के संस्करणों और दैनिक अनुवर्ती के माध्यम से श्री श्रृंखला के मध्यस्थ देखना यहाँ और यहाँ एनालिटिक्स। समवर्ती, एक कम अस्थिरता के माहौल प्रवृत्ति निम्नलिखित रणनीति के लिए एक अच्छा माहौल आमतौर पर है; यहां प्रवृत्ति के बाद रिपोर्ट के Jez लिबर्टी के राज्य में देखते हैं। हम अपने लाभ को अधिकतम करना चाहते हैं, क्योंकि इसे ध्यान में रखते, हम में अस्थिरता के माहौल के आधार पर उचित रणनीति व्यापार करना चाहते हैं। हम एमआर और टीएफ रणनीतियों के बीच स्विच कर सकते उतार-चढ़ाव का उपयोग कर गतिशील बेहतर बाजार की मौजूदा प्रतिमान लिए अनुकूल है। ऐसा करने के लिए हम एक 252 दिन लुकबैक अवधि का उपयोग कर प्रतिशतक द्वारा वर्तमान में अस्थिरता वर्गीकृत कर सकते हैं। जिसके परिणामस्वरूप श्रृंखला में 0 और 1 के बीच हिलाना, और एक 252 दिन लुकबैक अवधि का उपयोग कर (डेविड Varadi द्वारा विकसित) एक 21 दिन percentrankSMA का उपयोग कर smoothed है। अब हम अधिक से अधिक 0.5 उच्च अस्थिरता और जगह में छोटे से 0.5 कम अस्थिरता का संकेत पढ़ने जहां लिफाफा smoothed उतार-चढ़ाव शासन थरथरानवाला की एक पीठ है। निम्नलिखित उदाहरण के लिए, के रूप में हो जाएगा शासन स्विचिंग (राज्यसभा) रणनीति इस प्रकार है: oscilliator 0.5 से अधिक है, तो हम श्री रणनीति व्यापार और थरथरानवाला 0.5 treshold नीचे है, जब हम टीएफ रणनीति व्यापार। एमआर रणनीति प्रॉक्सी RSI2 है, और टीएफ रणनीति प्रॉक्सी इस साधारण परीक्षण के लिए एमए 50-200 विदेशी है। जासूस पर परिणाम इक्विटी एमआर के लिए घटता ही (लाल), टीएफ केवल (नीला), खरीदने के लिए और (हरा) पकड़ और रुपये (पीला) के साथ नीचे प्रस्तुत कर रहे हैं। इस परीक्षण के लिए, अस्थिरता के लिए इनपुट रिटर्न के चल रहे 21 दिन के मानक विचलन (यानी। ऐतिहासिक अस्थिरता) है कि ध्यान दें। आरएस रणनीति 10 साल से अधिक एमआर और टीएफ दोनों रणनीतियों से बेहतर साबित। लेकिन एक मिनट रुको, पोस्ट में उतार-चढ़ाव का पूर्वानुमान, नहीं ऐतिहासिक अस्थिरता का उपयोग कर शासन बदलने के बारे में था। सरल, ऐसा करने के लिए, हम पिछले पोस्ट में पेश garch मॉडल के परिणामों का उपयोग oscilliator गणना। हम अब उतार-चढ़ाव का पूर्वानुमान का उपयोग कर रुपये की रणनीति है, अच्छी खबर यह है: यह बेहतर प्रदर्शन करती है! ऐतिहासिक अस्थिरता (ग्रे) का उपयोग बनाम GARCH पूर्वानुमान (सोना) का उपयोग कर नीचे परिणाम। एक रणनीति में उतार-चढ़ाव का पूर्वानुमान शामिल है, कई अन्य ब्लॉगों पर पहले उल्लेख किया है इस व्यवस्था स्विचिंग रणनीति में परिणामों में सुधार करने के लिए लगता है। GARCH का प्रयोग अस्थिरता पूर्वानुमान (1,1) पद की वर्तमान श्रृंखला पर सतत, मैं भविष्यवाणी अस्थिरता के बिंदु पर था। सिर्फ इतना है कि वहाँ कई तरीके है; यह बहुत ही विषय वित्त में अनुसंधान के एक बहुत का विषय है। मॉडल अस्थिरता के लिए अलग अलग मॉडल उपलब्ध हैं और वे जटिलता स्पेक्ट्रम के दोनों सिरों से लेकर। GARCH (1,1): मैं मैं सबसे लोकप्रिय में से एक है क्या लगता है कि प्रयोग करने जा रहा हूँ। बस एक तरफ ध्यान दें के रूप में हालांकि, मैं इसका इस्तेमाल करने के लिए सबसे अच्छा मॉडल है नहीं लगता है, लेकिन मैं इसके बारे में सादगी यह बहुत आकर्षक बनाता है कि लगता है। और अधिक परिष्कृत क्वांट भीड़ के लिए, GARCH परिवार में, EGARCH अपने समकक्षों की तुलना में बेहतर पूर्वानुमान बाजार में उतार-चढ़ाव रहा है। (यह एक शुरूआत पोस्ट होने का मतलब नहीं है यानी) आप इसके बारे में और अधिक सुनना चाहते हैं, अगर मैं GARCH प्रक्रिया पर ज्यादा विस्तार करने में नहीं जाना होगा, मुझे टिप्पणी अनुभाग में बताएं। महत्व के संदर्भ में, मॉडल काफी मेहराब प्रभाव फ़िल्टर और सशर्त सामान्य धारणा (Jarque बेरा और बॉक्स Ljung परीक्षण का उपयोग) का उल्लंघन किया प्रतीत नहीं होता है। भले ही पाठ्यपुस्तक परीक्षण की, चार्ट eyeballing, हम मॉडल SPYs उतार-चढ़ाव की भविष्यवाणी में काफी अच्छा है कि देखते हैं। अब हम जगह में मॉडल है कि, अगले पोस्ट यह वास्तविक उतार-चढ़ाव के साथ अपने संबंध की छीन लिया गया है, एक बार हम अपने व्यापार के परिणाम और विशेष रूप से हमारे शासन में सुधार कर सकते हैं देखने के लिए उतार-चढ़ाव का उतार-चढ़ाव पर एक समान मॉडल का उपयोग करने पर होना चाहिए रणनीतियों स्विचन। 99 समस्याएं लेकिन एक backtest Aint वन Backtesting रणनीति के विकास में एक बहुत ही महत्वपूर्ण कदम है। आप कभी पूरी रणनीति के विकास के चक्र के माध्यम से चला गया है लेकिन, अगर आप इसे ठीक से एक रणनीति backtest करने के लिए कितना मुश्किल एहसास हो सकता है। लोग अपनी विशेषज्ञता और लक्ष्यों के आधार पर एक backtest को लागू करने के लिए विभिन्न उपकरणों का उपयोग करें। एक प्रोग्रामिंग पृष्ठभूमि, Quantstrat (आर), Zipline के साथ उन लोगों के लिए। PyAlgoTrade (अजगर) या TradingLogic (जूलिया) पसंदीदा विकल्प होने का यकीन कर रहे हैं। कम पारंपरिक प्रोग्रामिंग शामिल है कि एक खुदरा उत्पाद पसंद करते हैं उन लोगों के लिए, TradeStation या TradingBlox आम विकल्प हैं। एक तीसरे पक्ष के समाधान का उपयोग करने के साथ समस्याओं में से एक अक्सर लचीलेपन की कमी है। एक और गूढ़ जानकारी की आवश्यकता है कि एक रणनीति backtest की कोशिश करता है, जब तक यह नहीं स्पष्ट हो गया है। जाहिर है यह औसत या Donchian चैनल प्रकार की रणनीतियों की तरह आगे बढ़ क्लासिक्स backtesting एक मुद्दा नहीं होगा, लेकिन मैं आप में से कुछ एक बार से अधिक backtest जटिलता छत पर अपना सिर मारा है यकीन है। भरने धारणा का मुद्दा भी है। मैं (इस विनम्र वेबसाइट पर उपस्थित लोगों सहित) blogosphere पर तैनात देखना सबसे backtests एक सरल बनाने धारणा के रूप में करीब कीमत पर व्यापार मान। इस इंटरनेट पर एक बातचीत के मनोरंजन के उद्देश्य के लिए अच्छी तरह से काम करता है, यह काफी मजबूत महत्वपूर्ण पूंजी तैनात करने के लिए निर्णय लेने के लिए आधार के रूप में इस्तेमाल नहीं किया जा रहा है। पहली बार एक वास्तव में रणनीति लाइव कारोबार कर रहा है जब अच्छा (बुरा) अपने चुने backtesting समाधान है कि कैसे महसूस कर सकते हैं। हालांकि मैं कुछ व्यापारियों कैसे बारीकी से उनके backtest मैच उनके रहते परिणाम पर ध्यान देना कितना कम हमेशा चकित हूँ। रणनीति backtest निम्नलिखित कदम है जैसे कुछ करने के लिए, यह है। मैं इस व्यापार प्रक्रिया, अर्थात् प्रतिक्रिया पाश की कुछ महत्वपूर्ण महत्वपूर्ण हिस्से पर याद आ रही है लगता है। सिमुलेशन और जीने कार्यान्वयन के बीच जहां अंतर पता लगाना में सीखा जा करने के लिए एक बहुत कुछ है। परीक्षण के माध्यम से पारित हो सकता है कि स्पष्ट कीड़े के अलावा, यह जल्दी से अपने backtest मान्यताओं किसी भी अच्छा है और वे दोबारा गौर किया जाना चाहिए कि क्या है या नहीं कर रहे हैं कि क्या स्पष्ट हो जाएगा। आदर्श रूप में backtested परिणाम और ओवरलैप बारीकी से समान होना चाहिए, जो इस अवधि के लिए लाइव का परिणाम है। वे नहीं कर रहे हैं, तो एक गंभीर सवाल पूछ रहा है और विसंगतियों से आते हैं, जहां यह पता लगाने की कोशिश की जानी चाहिए। धीमी गति आवृत्ति डेटा पर एक अच्छी तरह से डिजाइन अनुकरण में (दैनिक लगता है कि या लंबे समय तक) आप पैसा के लिए दोनों में सामंजस्य करने में सक्षम होना चाहिए। Backtester अच्छी तरह से बनाया गया है, तो फर्क शायद करीब कीमत के रूप में सूचित किया जाता है कि क्या आम तौर पर है, जो पिछले कारोबारी मूल्य से अलग होने के समापन नीलामी में भरने के मूल्य पर केंद्र के लिए जा रहा है। मैं हमेशा से मैं अक्सर लाइव कार्यान्वयन हमेशा सिमुलेशन के साथ मैच नहीं है कि डेटा बंद ट्रेडों पाते हैं कि मैं के रूप में संभावित संकेत मतभेदों को खोजने के लिए जी का संकेत पैदा करते हैं और सिमुलेशन इंजन को खिलाया डेटा से तुलना करने में उपयोग डेटा पर विशेष ध्यान देना है की तरह डाटासेट। जाहिर है, समय सीमा कम हो के रूप में समस्याओं बढ़ाया जाता है। इंट्रा डे ट्रेडिंग रणनीतियों backtesting बेहद मुश्किल और इस ब्लॉग के दायरे से बाहर है। आओ हम सिर्फ एक अच्छा इंट्रा डे backtester एक महान प्रतिस्पर्धी लाभ के विकास के समय और पैसे में डालने के लिए तैयार व्यापारियों / कंपनियों के लिए है कि कहते हैं। यह मैं उनकी गुणवत्ता और अंतत: प्रयोज्य में सुधार करने के लिए उपयोग किए जाने वाले प्रक्रियाओं में से कुछ की पेशकश के बिना समस्या backtesting के बारे में शिकायत करने के लिए मुझे के लापरवाह होगा। सबसे पहले मैं व्यक्तिगत रूप से एक तीसरी पार्टी backtesting समाधान का उपयोग करने के लिए नहीं चुना है। मुझे लगता है मैं वहाँ से बाहर अन्य समाधान की तुलना में बेहतर है, इसलिए नहीं लिखने कि सॉफ्टवेयर का उपयोग करें, लेकिन यह अनुमति देता है क्योंकि मुझे पूरी तरह से मेरे लिए सहज है कि एक तरह से अनुकरण के सभी पहलुओं को अनुकूलित करने के लिए। यही कारण है कि जिस तरह से मैं धुन मैंने पहले बात कर रहा था प्रतिक्रिया पाश के हिस्से के रूप में किसी भी backtest अधिक सही रहते हैं व्यापार मॉडल करने के लिए कर सकते हैं। मैं समय के साथ backtester परिष्कृत रूप में इसके अलावा, यह धीरे धीरे लाइव बाजार में व्यापार करने के लिए उचित एडाप्टर के साथ इस्तेमाल किया जा सकता है कि एक निष्पादन इंजन में तब्दील। प्रभावी रूप से मैं एक रणनीति के लिए एक स्वनिर्धारित backtest है, लेकिन वे सभी जीवित ट्रेडिंग इंजन के आधार रूपों कि कोड की एक आम कोर का हिस्सा है। मैं भी नकली भरता बनाम लाइव भरने पर देख काफी कुछ समय बिताने और दो सामंजस्य करने की कोशिश करते हैं। मुझे लगता है कि क्या यह खुद के समाधान के लिए सबसे अच्छा है तुम्हें बताने के लिए कोशिश कर रहा हूँ कि मुझे नहीं लगता कि कृपया। मैं बस यह मुझे सबसे अच्छा फिट बैठता है कि एक है कि कह रहा हूँ। मैं इस के साथ साथ बनाने की कोशिश कर रहा हूँ बिंदु आप का उपयोग करने का फैसला कोई बात नहीं क्या समाधान है, यह आप भी है.मैं काफी रुचि होगी प्रक्रिया की सराहना कर देगा शायद जो जानता है कि नकली और जीने परिणाम के बीच अंतर है, पर विचार करने के लिए मूल्यवान है पाठकों के विषय पर क्या सोचते हैं सुनने के लिए, हर कोई लाभ प्राप्त कर सकते हैं तो नीचे टिप्पणी अनुभाग में कुछ जानकारी साझा करें। हैलो पुराने दोस्त मेरी मौत की खबरों को बहुत बढ़ा-चढ़ाकर पेश किया गया है, मार्क ट्वेन वाह, यह एक समय हो गया है। मोटे तौर पर चार साल मेरे पिछले पोस्ट के बाद से चले गए हैं। यह कुछ के लिए एक लंबे समय की तरह लग सकता है, लेकिन कॉलेज के बाहर आ रहा है और एक पूर्णकालिक व्यापारी के रूप में चल रहे जमीन से टकराने से यह मेरे लिए एक आँख की झपकी की तरह लग रहे बनाया है। यही कारण है कि मैं हाल ही में यह याद आती है और अपने खाली समय के आधार पर विकसित होगा कि एक अनियमित समय पर यद्यपि फिर ब्लॉगिंग शुरू करने का इरादा है के लिए आए हैं, कहा जा रहा है। क्या उम्मीद मैं अपने कौशल सेट विकसित किया गया है पूरा समय व्यापार कर दिया गया है के बाद से जाहिर है इसलिए मैं केवल मैं विश्लेषण करने के लिए लाने की उम्मीद है नए परिप्रेक्ष्य में और अधिक व्यावहारिक हो जाएगा आगे बढ़ रहा है कि निहित कल्पना कर सकते हैं। आप कुछ परिवर्तन, मैं अब अपने मुख्य भाषा के रूप में आर का उपयोग करने वाले सबसे बड़ी एक किया जा रहा है की सूचना है। आप आगे बढ़ने का यह एक बहुत अधिक देखने की उम्मीद कर सकते हैं तो मैं सभी लेकिन पूरी तरह से अजगर को अपने शोध के ढेर चले गए हैं। सामग्री के लिए के रूप में, मैं ध्यान अधिकांश भाग के लिए एक ही रहेगा लगता है; शेयर बाजारों के लिए एल्गोरिथम ट्रेडिंग। विशेष धन्यवाद अंत में मैं इस blogosphere से मेरी अनुपस्थिति के दौरान संपर्क में ईमेल कर रखा है और रखा कि पाठकों का शुक्रिया अदा करने के लिए समय लेने के लिए करना चाहते हैं। मैं किसी भी तरह से इन छोटे लेख में मूल्य को लगता है कि लोगों की संख्या समय के साथ विकसित और मैं अन्य दिलचस्प लोगों से मिलना होगा कि होगा कि सिर्फ उम्मीद कर सकते हैं। तुम्हें पता है मैं इन नोट्स लिखना सब कारण बाद कर रहे हैं। तो एक बड़ा आप सभी को धन्यवाद। 2012 शुभकामनाएं पहनावा बिल्डिंग 101 पिछले पोस्ट के साथ निरंतरता में, मैं सपा 500 ईटीएफ और मिनी आकार भविष्य के लिए एक मजबूत पहनावा के निर्माण पर विचार करना होगा। यहाँ लक्ष्य सेट अप करने के लिए अच्छा इस्तेमाल की (उम्मीद है) हो जाएगा कि एक अच्छा ढांचा रणनीति बनाने में प्रणालियों के संयोजन में रुचि रखने वाले पाठकों के लिए किया जाएगा। यह और अधिक ठोस बनाने के क्रम में, मुझे लगता है हम विकास में आगे बढ़ने के रूप में इस्तेमाल किया जाएगा कि एक सरल उदाहरण बनाना चाहते हैं। मैं सक्रिय रूप से टिप्पणी और पूरी प्रक्रिया में योगदान के लिए पाठकों के लिए प्रोत्साहित करेगा। हम किसी भी परियोजना के साथ के रूप में, मुझे लगता है मैं कभी संतुष्ट नहीं है और लगातार में मामूली वृद्धि के लिए सूचक के बाद सूचक को बदलने के लिए कोशिश कर रहा हूँ, जहां विकास की एक अनंत लूप में उलझ नहीं मिलता है तो गुंजाइश की एक विचार करना चाहते हैं, कुछ भी करने से पहले backtest पर सीएजीआर। इस उदाहरण के लिए, मैं एक उतार-चढ़ाव फिल्टर और एक पर्यावरण फिल्टर (एक गति स्वाद और एक मतलब प्रत्यावर्तन स्वाद के साथ साथ दो दो) 4 संकेतकों का उपयोग करना चाहते हैं। रणनीति भी यह करने के लिए एक अनुकूली परत होगा। अब नींव रखी विचार किया गया है कि, यह आप इसके बारे सकता है केवल एक ही रास्ता है कि, यह ध्यान रखें की एक उच्च स्तर पर यांत्रिकी जांच करते हैं। असल में मैं अलग उतार-चढ़ाव के माहौल के तहत और भी वैश्विक वातावरण फिल्टर के साथ प्रदर्शन को देख, व्यक्तिगत रूप से प्रत्येक रणनीति का मूल्यांकन किया जाएगा। ऐतिहासिक प्रदर्शन और वर्तमान परिवेश के आधार पर, जोखिम निर्धारित किया जाएगा। इस श्रृंखला backtest (अभी भी quanstrat / चूसक का उपयोग कर बहस) और डाउनलोड के लिए उपलब्ध हो जाएगा सरल उदाहरण के लिए आर कोड होगा। मेरा कहना पाठक परिणामों को दोहराने और काफी ढांचे का विस्तार करने के लिए एक रास्ता प्रदान करने के लिए है। पालन ​​करने के लिए और अधिक! एक साइज सबके लिए फ़िट नहीं होता है यह अक्सर प्रयास करें और पता "" परम संकेत (सूचक) और हम कर सकते हैं के रूप में कई उपकरणों के लिए इसे लागू करने के लिए आकर्षक है होली ग्रेल व्यापार के लिए हमारी शाश्वत खोज में। उपकरण बॉक्स, (QF समान अवसर के लिए एक वकील है या उसके) अधिकांश भाग के लिए यह एक समाधान दृष्टिकोण बुरी तरह, अपने में ही एक हथौड़ा के साथ एक बढ़ई के बारे में सोच विफल रहता है। संकेतों अनुकूली बनाने हालांकि निश्चित रूप से एक सुधार है, मुझे लगता है हम कभी कभी बात याद आती है। इसके बजाय परेशान और backtest में सुधार के लिए एक संकेत विज्ञापन एब्सर्डम के अनुकूलन के लिए, एक बेहतर बड़ी तस्वीर को देखकर कार्य किया जाएगा। अपने आप में एक संकेत केवल इतनी जानकारी शामिल है। स्वयं द्वारा बहुत अच्छी तरह से उपलब्ध है कि प्रदर्शन अच्छा संकेतकों की एक बहुत कुछ कर रहे हैं, जबकि (blogosphere उस संबंध में एक बहुत अमीर पारिस्थितिकी तंत्र है); विभिन्न जानकारी युक्त अन्य संकेतों के साथ संयुक्त जब उनकी शक्ति ही बढ़ाया है। गुप्त संकेत एकत्रीकरण में है। हम के रूप में और एक लाभदायक रणनीति बनाने की जानकारी के विभिन्न टुकड़ों को अलग-थलग संकेतों की टुकड़ी का उपयोग कैसे में दूसरे शब्दों में, (सिस्टम के लिए विरोध के रूप में शब्द रणनीति के उपयोग पर ध्यान दें, सावधान wordsmithing तरफ, फर्क सर्वोपरि है)। यह मैं हाल ही में एक बंद देख ले जा रहा है एक विषय है और मैं इस blogosphere अपने निष्कर्षों में से कुछ हिस्सा एक आदर्श ट्रिब्यून है। एक स्टार्टर के रूप में, यहाँ मैं इस पद की आगामी श्रृंखला में पर छू जाएगा कुछ बातें हैं। 1. क्या टुकड़ियों के पीछे मूल intuitions कर रहे हैं और यही कारण है कि वे व्यापार रणनीतियों के निर्माण में मदद कर सकते हैं? 2. हम कैसे अलग है और हम व्यापार उपकरणों पर अपने प्रभाव का निरीक्षण तो जानकारी के विशिष्ट टुकड़े यों और करते हैं। 3. कैसे हम संकेतों के मौजूदा योग्यता का मूल्यांकन करने के लिए। 4. अंत में, हम कैसे सभी उपयोगी जानकारी समग्र और जमीन से एक रणनीति का निर्माण करते हैं। यांत्रिकी पाठकों के साथ पालन करने के लिए, लेकिन अंतर्ज्ञान पहली QF रणनीति के पीछे एक ब्लॉग पर वास्तविक समय पर नज़र रखी जा करने के लिए है कि एक ही हो जाएगा के लिए एक सरल उदाहरण का उपयोग करते हुए समझाया होने जा रहे हैं। मैं अभी भी इसके लिए एक काल्पनिक नाम नहीं है, लेकिन यह अपनी आधिकारिक लांच के लिए एक मिल जाएगा।