Hft system handlowy

Handel wysokimi częstotliwościami - HFT. Według transakcji High-Frequency - HFT. HMS jest platformą transakcyjną, która wykorzystuje potężne komputery do przetworzenia dużej liczby zleceń przy bardzo szybkich prędkościach. Wykorzystuje złożone algorytmy do analizy wielu rynków i wykonywanie zleceń w oparciu o warunki rynkowe Zwykle przedsiębiorcy o najszybszych prędkościach wykonania są bardziej dochodowi niż handlowcy z mniejszymi prędkościami realizacji. BREAKING DOWN High-Frequency Trading - HFT. Handel wysokimi częstotliwościami stała się popularna, gdy giełdy zaczęły zachęcać firmy do dodawania płynność na rynku Na przykład Giełda Papierów Wartościowych w Nowym Jorku NYSE posiada grupę dostawców płynności, SLP, które próbują zwiększyć konkurencję i płynność w odniesieniu do istniejących notowań na giełdzie. Jako bodziec dla firm, NYSE płaci prowizję lub rabat dla zapewnienia wymienionej płynności W lipcu 2018 r. średnia stopa zwrotu SLP wyniosła 0 0019 dla papierów wartościowych notowanych na NYSE - i NYSE MKT na NYSE With m iluzje transakcji dziennie powodują znaczną część zysków SLP został wprowadzony po upadku Lehman Brothers w 2008 r., gdy płynność była poważnym problemem dla inwestorów. Korzyści płynące z HFT. Główną zaletą HFT jest poprawa sytuacji na rynku płynność i usunięte zapytania ofertowe, które poprzednio byłyby zbyt małe Wynik testu przez dodanie opłat na koncie HFT, aw rezultacie zwiększenie spreadów z zapytaniem ofertowym Jedno badanie ocenia, w jaki sposób różnice kursów na akcje kanadyjskie uległy zmianie, gdy rząd wprowadził opłaty za HFT , i okazało się, że zapytania ofertowe wzrosły o 9.Krytyki HFT. HFT jest kontrowersyjne i spotkał się z pewną surową krytyką Zastąpił on dużą liczbę dealerów brokerów i wykorzystuje modele matematyczne i algorytmy do podejmowania decyzji, biorąc ludzka decyzja i interakcje poza równaniem Decyzje zdarzają się w milisekundach i może to doprowadzić do dużych ruchów rynkowych bez powodu Na przykład w dniu 6 maja 2017 r. Dow Jones Industrial Average DJIA poniósł największy spadek w ciągu dnia, spadający o 1000 punktów i spadek o 10 w ciągu zaledwie 20 minut przed ponownym wzroście Obligacje rządowe zarzucały ogromne zamówienie, które spowodowało wyrzucenie na wypadek katastrofy. Dodatkową krytyką HFT jest umożliwienie dużych firm zysku na wydatki małych chłopców czy inwestorów instytucjonalnych i detalicznych Inną poważną skargą na HFT jest płynność oferowana przez HFT to płynność finansowa, co oznacza płynność, która jest dostępna na rynku w ciągu jednej sekundy, a następna, uniemożliwiając prawdziwym handlowcom zdolny do handlu tą płynnością. Czym jest handel na wysokich częstotliwościach. Transakcja na wysokich częstotliwościach jest automatyczną platformą transakcyjną stosowaną przez duże banki inwestycyjne fundusze hedgingowe i inwestorów instytucjonalnych, które wykorzystują potężne komputery do przetwarzania dużej liczby zleceń z dużą prędkością platformy umożliwiają handlowcom wykonywanie milionów zamówień i skanowanie wielu rynków i wymiany w ciągu kilku sekund, dając tym instytucjom, które korzystają z platform ogromną przewagę na otwartym rynku. Systemy wykorzystują złożone algorytmy do analizy rynków i są w stanie dostrzec pojawiające się trendy w ułamku sekundy. By móc rozpoznać zmiany na rynku, handel systemy wysyłają setki koszyków na targi na żądanie spreadów, które są korzystne dla handlowców W zasadzie przewidując i pokonując trendy na rynku, instytucje wdrażające handel na dużą skalę mogą zyskać korzystne zyski z transakcji, które czynią z istoty ich spreadu w celu zaoferowania zysku, co przyniosło znaczne zyski. Transakcje na wysokich częstotliwościach stały się powszechnym miejscem na rynkach po wprowadzeniu zachęt oferowanych przez wymianę dla instytucji, aby zwiększyć płynność na rynkach. Dzięki małym zachętom dla tych marketerów wymiana zwiększa płynność, a instytucje, które zapewniają płynność, również zwiększają zyski z każdego handlu, na jakim się opierają ich korzystnych spreadów Chociaż spread i bodźce stanowią ułamek 1 centa za transakcję, pomnożąc to, że duża liczba transakcji dziennie to znaczne zyski dla podmiotów zajmujących się handlem wysokimi częstotliwościami. Widzimy, że handel wysokonapięciowy jest nieetycznym i niesprawiedliwym duże firmy przeciwko mniejszych instytucjom i inwestorom Aby spróbować swoich sił w handlu online przeczytaj Twoje umiejętności z symulowanym obrotem i zapoznaj się z narzędziem Investopedia Stock Simulator, aby zaoferować bezpłatne ryzyko związane z akcjami. Dowiedz się, które czynniki wpływają na szerokość spreadu zapytań i zapytań Dlaczego niektóre zasoby mają duże Spread między ceną ofertową a ceną zapytania Czytaj Odpowiedz. Więcej informacji na temat stawek z podziałem na stawki i dlaczego akcje o wysokim poziomie płynności i niskie poziomy zmienności mają zazwyczaj wąskie odczyty Odczytywanie wyłączeń z Answer. Stock umożliwia pomoc maklerom i innym specjalistom w koordynowaniu oferty ask prices Cena ofertowa to Read Answer. Liquidity odnosi się do tego, jak łatwo jest kupić i sprzedać akcje, nie widząc zmiany w pri ce Jeśli na przykład kupiłeś czas Przeczytaj odpowiedź Answer. A platforma transakcyjna to kawałek oprogramowania, który działa jako kanał informacji między przedsiębiorcą a brokerem Trading read Odpowiedz. Algorytmiczne strategie handlowe, takie jak auto hedging, analiza statystyczna, realizacja algorytmiczna, bezpośredni dostęp do rynku i handel wysokonakładowy może narazić niezgodności cen, które stwarzają. Algorytmiczny handel jest procesem wykorzystywania komputerów do układania transakcji w celu generowania zysków z szybkością i częstotliwością, które wykraczają poza zdolność osoby. głębokie spojrzenie na to, jak działa handel wysokimi częstotliwościami i kim są gracze. Dużym wzrostem handlu algorytmicznego na rynkach finansowych w ciągu ostatnich lat jest algorytm automatyzujący niektóre procesy i redukujący godziny potrzebne do prowadzenia wymiany walutowej. Automatyczne systemy handlowe zminimalizowanie emocji, umożliwienie szybszego wprowadzania zamówień, prowadzenie do większej spójności i rozwiązywanie problemów związanych z błędami pilota. Podmioty handlowe systemów dzielą czas pomiędzy handel, dev Elastyczność, testowanie wyników, optymalizacja i przetestowanie testów w celu stworzenia rentownych systemów o wysokim stopniu prawdopodobieństwa. Czy płynność rynku zapewnia wysoka częstotliwość obrotu rzeczywistością lub iluzją. Maksymalna kwota, którą Stany Zjednoczone mogą pożyczać, druga ustawa o obligacjach skarbowych. Stopa procentowa, w jakiej instytucja depozytowa pożycza fundusze utrzymywane w Rezerwie Federalnej innej instytucji depozytowej.1 Statystyczna metoda rozproszenia rentowności dla danego indeksu bezpieczeństwa lub rynku Zmienność może być mierzona. Kongres USA zdał w 1933 r. jako ustawę o bankowości, która zabraniała bankom komercyjnym uczestnictwa w inwestycji. Płace nieobjęte wynagrodzeniem nordycka odnoszą się do każdej pracy poza gospodarstwami domowymi, prywatnymi domami i sektorem non-profit US Bureau of Labor. Skrót walucie lub symbol waluty indyjska rupia INR, waluta Indii Rupia składa się z 1.To stanowisko będzie szczegółowo, co zrobiłem, aby około 500 k od hig h handlu częstotliwościami od 2009 do 2017 r. Ponieważ byłem całkowicie niezależny i nie prowadzę już swojego programu chętnie opowiadam wszystkim moim transakcjom głównie w ramach kontraktów futures Russel 2000 i DAX. Kluczem do mojego sukcesu, jak sądzę, nie było wyrafinowane równanie finansowe, ale raczej w ogólnym algorytmie projektowania, które łączy wiele prostych elementów i używanego uczenia maszyn do optymalizacji dla maksymalnej rentowności Wygrałeś nie potrzebujesz znać jakiejkolwiek zaawansowanej terminologii tutaj, ponieważ podczas instalacji mojego programu wszystko opierało się na intuicji Andrew Ng to niesamowite szkolenie na temat uczenia maszyn nie było jeszcze dostępne - jeśli klikniesz na ten link, zostaniesz przeniesiony do mojego aktualnego projektu CourseTalk, stronę przeglądu MOOCs. First, chcę tylko pokazać, że mój sukces nie był po prostu wynikiem mojego szczęścia program robił 1000-4000 transakcji dziennie pół długie, pół krótkie i nigdy nie dostał się na pozycje o więcej niż kilku kontraktach na raz Oznaczało to szczęście losowe z jednej konkretnej avera handlu ged out pretty fast Wynik był nigdy nie tracąc ponad 2000 w jednym dniu i nigdy nie miałem miesiąca, który stracił. EDIT Te liczby są po wypłaceniu prowizji. I tutaj jest wykres, aby dać poczucie codziennej odmiany Uwaga, że ​​wyklucza to przez ostatnie 7 miesięcy, ponieważ - jak postacie przestały wchodzić - straciłem moją motywację, aby wejść do nich. Moje tło handlowe. Prior do założenia mojego zautomatyzowanego programu handlowego I d miał 2 lata doświadczenia jako handel ręczny dzień To było w 2001 roku - to były wczesne dni handlu elektronicznego i nie było możliwości dla skalperów, aby zarabiać pieniądze Mogę tylko opisać to, co robiłem jak na przykład grając w gry wideo z domniemaną krawędzią Udane osiągnięcie oznacza szybkie, bycie zdyscyplinowanym i posiadanie dobrego intuicyjnego rozpoznawania wzorców, dzięki któremu mogłem zrobić około 250 tys., spłacić moje pożyczki studenckie i pieniądze pozostawione przez firmę Win. Over w ciągu najbliższych pięciu lat chciałbym uruchomić dwa starty, podnosząc umiejętności programowania po drodze Nie byłoby aż do końca 2008 roku, że wrócę do handlu Z pieniędzmi na niskim poziomie ze sprzedaży mojego pierwszego uruchomienia, handel oferował nadzieje na szybką gotówkę, a ja zorientowałem się w moim następnym ruchu. W 2008 r. byłem ręcznie na rynku terminowym na futures przy użyciu oprogramowania o nazwie T4. Chciałbym dostosować własne klawisze dostępu do zamówień, więc po odkryciu T4 miałem interfejs API, podjęłam wyzwanie nauki C języka programowania wymagane do korzystania z interfejsu API i poszedłem naprzód i zbudowałem się kilka klawiszy skrótu. After coraz moje stopy z API wkrótce miałem większe aspiracje chciałem nauczyć komputer do handlu dla mnie API dostarczył zarówno strumień dane rynkowe i prosty sposób wysyłania zamówień na wymianę - wszystko, co musiałem zrobić, to stworzenie logiki w środku. Poniżej znajduje się zeskanowanie okna handlowego T4 Co było fajne, kiedy dostałem program do pracy, byłem w stanie uważaj na handel komputerowy na tym dokładnie tym samym interfejsu Oglądanie prawdziwych zamówień, które pojawiają się i kończąc samymi pieniędzmi, było zarówno emocjonujące, jak i przerażające. Konstrukcja mojego algorytmu. Od samego początku moim celem było stworzenie takiego systemu, współ nfident I d zarabiać pieniądze przed dokonaniem jakichkolwiek transakcji na żywo Aby to osiągnąć potrzebowałem zbudować ramę symulacji handlowej, która - tak dokładnie jak to możliwe - symulować transakcje na żywo. Gdy transakcja na żywo wymaga przetworzenia, aktualizacje rynkowe przesyłane strumieniowo przez interfejs API, tryb symulacji wymagane aktualizacje rynku z pliku danych Aby zebrać te dane, skonfiguruj pierwszą wersję mojego programu, aby po prostu połączyć się z interfejsem API i zapisywać aktualizacje rynkowe z znacznikami czasu. Skończyłem korzystanie z ostatnich 4-tygodniowych danych rynkowych w celu wyszukania i testowania mojego systemu na. Z podstawowej ramie na miejscu wciąż miałem zadanie dowiedzieć się, jak zrobić korzystny system handlowy Jak okazuje się mój algorytm rozbiłby się na dwa odrębne komponenty, które będę badać z kolei. Przedmiotowe zmiany cen. handel. Przedyżanie ruchów cen. Prawdopodobnie oczywistym elementem każdego systemu handlowego jest możliwość przewidzenia, gdzie ceny będą się przemieszczać I moje nie było wyjątkiem Wyznaczałem obecny cena jako średnia z oferty wewnętrznej i oferty wewnętrznej i wyznaczam cel przewidywania, gdzie cena będzie w ciągu najbliższych 10 sekund Mój algorytm musiałby wystąpić z tym przewidywaniem moment przez moment w ciągu dnia handlowego. Optymalizacja produkcji wskaźniki. Stworzyłem kilka wskaźników, które okazały się mieć znaczącą zdolność do przewidywania krótkoterminowych zmian cen Każdy wskaźnik wytworzył liczbę, która była dodatnia lub ujemna Wskaźnik był użyteczny, gdyby częściej niż nie dodatnia liczba odpowiadała wzrastającym rynkowi a liczba ujemna odpowiadała rynkowi zejściem. Mój system pozwalał mi szybko określić, ile wskaźnika predykcyjnego mógłby być dowolny wskaźnik, więc mogłem eksperymentować z wieloma różnymi wskaźnikami, aby zobaczyć, co działało Wiele wskaźników miało zmienne w formułach że je wytworzyłem i udało mi się znaleźć optymalne wartości dla tych zmiennych, wykonując porównania wyników osiągniętych z różnymi wartościami. dicatory, które były najbardziej przydatne były stosunkowo proste i opierały się na ostatnich wydarzeniach na rynku byłem obrotu, a także rynków skorelowanych papierów wartościowych. Dokładne prognozy zmian cen. Wskaźniki, które po prostu przewidywały wzrost lub spadek cen nie było wystarczająco dużo Musiałem dokładnie wiedzieć, jak wiele przewidywanych ruchów cenowych przez każdą możliwą wartość każdego wskaźnika potrzebowałem formuły, która umożliwiłaby przeliczanie wskaźnika na predykcję cen. Aby to osiągnąć, śledziłem prognozowane zmiany cen w 50 wiadrach, które zależały od zakresu wartość wskaźnika spadła To wydało unikalne prognozy dla każdego wiadra, który byłem w stanie wydrukować w programie Excel Jak widać oczekiwaną zmianę ceny wzrasta wraz ze wzrostem wskaźnika. Na wykresie mogłem utworzyć formułę aby dopasować się do krzywej Na początku wykonałem tą krzywą ręcznie, ale wkrótce napisałem jakiś kod, aby zautomatyzować ten proces. Zwróć uwagę, że nie wszystkie krzywe wskaźników miały takie same hape Zwróć uwagę, że wiadra były rozłożone logicznie, aby rozłożyć punkty danych równomiernie Na koniec zwróć uwagę, że ujemne wartości wskaźników i ich odpowiadające im prognozy spadku cen zostały odwrócone i połączone z wartościami dodatnimi Mój algorytm traktował w górę iw dół dokładnie te same wskaźniki dla pojedynczego że każdy wskaźnik nie był całkowicie niezależny, nie mogłem po prostu podsumować wszystkich przewidywań, które każdy wskaźnik wykonał indywidualnie. Kluczem było ustalenie dodatkowej predykcyjnej wartości, którą każdy wskaźnik wykraczał poza to, czego się spodziewano nie było trudne do wdrożenia, ale oznaczało to, że jeśli byłam krzywa dopasowana do wielu wskaźników w tym samym czasie musiałam ostrożnie zmieniać, to mogłoby to wpłynąć na przewidywania innego. Aby dopasować wszystkie wskaźniki w tym samym czasie, I skonfiguruj optymalizator, aby przejść krok 30 w stronę nowych krzywych predykcji z każdym przejściem. Z tym 30 skoku znalazłem że krzywe predykcji ustabilizują się w ciągu kilku przejazdów. Z każdym wskaźnikiem, który teraz daje nam dodatkową przewidywaną cenę, można po prostu dodać je do pojedynczego przewidywania, gdzie rynek będzie wynosić 10 sekund. Dlaczego prognozowanie cen nie wystarczy? Można by pomyśleć, że z tej przewagi na rynku byłem złoty Ale trzeba pamiętać, że rynek składa się z ofert i ofert - to nie tylko jedna cena rynkowa Sukces w handlu wysokimi częstotliwościami sprowadza się do uzyskania dobrych cen i to nie takie proste. Następujące czynniki powodują, że tworzenie zyskownego systemu jest trudne. Z każdym handlem musiałem płacić prowizje zarówno dla mojego maklera, jak i wymiany. Różnica między najwyższą ofertą a najniższą ofertą oznaczała, że ​​jeśli miałbym po prostu kupić sprzedaj losowo I d być tracąc mnóstwo pieniędzy. Większości wolumenu rynku były inne boty, które tylko przeprowadzić handel ze mną, jeśli myślą, że mieli jakieś statystyczne krawędzi. Sekcja oferty nie gwarantuje, że mogłaby go kupić czas moje zamówienie kupna dotarła do wymiany było bardzo możliwe, że oferta ta została odwołana. Jak mały gracz na rynku nie było sposobu, w jaki mogłbym konkurować na szybkość sam. Budując pełną symulację handlu. Więc miałem ramy, które pozwoliły mi do testów wstecznych i zoptymalizowania wskaźników Ale musiałem wykraczać poza to - potrzebowałem ramy, które umożliwiłyby mi sprawdzenie wyników i zoptymalizowanie pełnego systemu handlowego, w którym wysyłałem zamówienia i dostając się do pozycji W tym przypadku muszę optymalizować łączny koszt PL i do pewnego stopnia przeciętnego PL na handel. Byłoby to trudniejsze i w pewnym sensie niemożliwe do dokładnego modelowania, ale zrobiłem tak, jak tylko potrafię. Oto niektóre z problemów, z którymi musiałem się zmierzyć. Kiedy zlecenie zostało wysłane na rynek w symulacji Musiałem modelować czas opóźnienia Fakt, że mój system widział ofertę, nie oznaczałby, że może ją kupić od razu System będzie wysyłał zamówienie, poczekaj około 20 milisekund, a potem tylko wtedy, gdy oferta nadal była tam uznawana za wykonany handel Było to niedokładne, ponieważ rzeczywisty czas opóźnienia był niespójny i nieudokumentowany. Kiedy składałem oferty lub oferty, musiałem przyjrzeć się strumieniom transakcji handlowej dostarczanym przez interfejs API i używać tych do sprawdzenia, kiedy moje zamówienie zostanie wykonane. Aby to zrobić, musiałem śledzić pozycję mojego zamówienia w kolejce To sa pierwszy w pierwszym systemie Poza tym nie mogłem tego zrobić idealnie, ale zrobiłem najlepsze przybliżenie. Aby doprecyzować moje wykonanie zamówienia symulacji, co zrobiłem zabierał moje pliki dziennika z żyć transakcją za pośrednictwem interfejsu API i porównać je z plikami rejestracyjnymi wytworzonymi przez symulowany handel z tego samego okresu czasu byłem w stanie uzyskać moją symulację do tego stopnia, że ​​to było dość dokładne i dla części, które nie były w stanie dokładnie dokładnie modelować co najmniej wyniki, które były statystycznie podobne w metrykach Myślałem, że były ważne. Making zyskiem trades. With model symulacji zamówienia w miejscu można teraz wysłać zamówienia w trybie symulacji i zobaczyć symulowany PL Ale jak m system y wiedzą, kiedy i gdzie kupić i sprzedawać. Prognozy dotyczące przesunięć cen były punktem wyjścia, ale nie całą historię Co zrobiłem stworzyłem system punktacji dla każdego z 5 poziomów cen w ofercie i ofercie Obejmują one jeden poziom powyżej wewnątrz stawka na zlecenie kupna i jeden poziom poniżej oferty wewnętrznej dla zlecenia sprzedaży. Jeśli wynik na jakimkolwiek poziomie cenowym był powyżej pewnego progu, co oznaczałoby, że mój system powinien mieć aktywną ofertę ofertową - poniżej progu, to wszystkie aktywne zamówienia powinny być anulowane W oparciu o to nie było rzadkością, że mój system będzie błyskawicznie licytować na rynku, a następnie natychmiast go anulować Chociaż starałem się zminimalizować to, jak to irytujące jak heck dla każdego, kto patrzy na ekran z ludzkimi oczami - w tym me. The oceny na poziomie ceny zostały obliczone na podstawie następujących czynników. Prognoza przeniesienia ceny, o której mówiliśmy wcześniej. Poziom cen, o którym mowa Poziom wewnętrzny oznacza wyższe oczekiwania na przesunięcie ceny. Liczba kontraktów przed moim kolejność w kolejce Mniej było lepiej Liczbę kontraktów za moim zamówieniem w kolejce Więcej było lepsze. W zasadzie czynniki te służyły do ​​identyfikowania bezpiecznych miejsc oferowania oferty Przewidywanie przeniesienia ceny było niewystarczające, ponieważ nie uwzględniało to faktu, podczas składania oferty nie zostałem automatycznie napełniony - napełniłem tylko wtedy, gdy ktoś mi sprzedał. Rzeczywistość polegała na tym, że sam fakt sprzedania mi kogoś za pewną cenę zmienił statystyczne szanse handlu. Zmienne stosowane w tym kroku wszystkie zostały zoptymalizowane To zostało zrobione w dokładnie taki sam sposób, jak zoptymalizowane zmienne w wskaźnikach przesunięcia cen, z wyjątkiem tego, że optymalizowałem dla dolnej linii P L. W moim ignorowanym programie. Kiedy handel ludźmi często mamy potężne emocje i uprzedzenia, które mogą prowadzić do mniej niż optymalnych decyzji Jasne, że nie chcę kodyfikować tych uprzedzeń Poniżej kilka czynników, które mój system zignorował. Cena, która została wprowadzona - W biurze handlowym jest to dość powszechne aby usłyszeć rozmowę o cenie, w jakiej ktoś jest długi lub krótki, jak gdyby miało to wpływać na przyszłe podejmowanie decyzji Chociaż to ma pewną ważność w ramach strategii redukcji ryzyka, to naprawdę nie ma to wpływu na przyszły przebieg wydarzeń na rynku Dlatego moje program całkowicie zignorował te informacje To jest to samo co ignorowanie kosztów pogrążonych. Mijając krótko i wychodząc z długiej pozycji - Zwykle przedsiębiorca miałby inne kryteria, które decydują, gdzie sprzedać długą pozycję, a gdzie się uda. Jednak z mojego punktu widzenia algorytm nie ma powodu, aby dokonać rozróżnienia Jeśli mój algorytm spodziewał się sprzedaży na dół był dobrym pomysłem niezależnie od tego, czy był on obecnie długi, krótki czy płaski. Podwójna strategia - jest to wspólna strategia, w której handlowcy będą kupować więcej akcji w wydarzeniu że nie ma oryginalnego handlu się z nimi To skutkuje średnią ceną zakupu jest niższa, a to oznacza, kiedy lub jeśli towar odwraca się wokół Ciebie będzie się, aby twój mon nie w moim czasie tak naprawdę jest straszna strategia, chyba że będziesz ponownie Warren Buffet Będziesz znowu myślał, że dobrze sobie radzisz, ponieważ większość Twoich transakcji będzie zwycięzcami Problem polega na tym, że stracisz strach Duży efekt jest taki sprawia, że ​​trudno jest ocenić, czy rzeczywiście masz przewagę na rynku czy po prostu czujesz się szczęśliwy Możliwość monitorowania i potwierdzania, że ​​mój program rzeczywiście miał przewagę był ważnym celem. Ponieważ mój algorytm podejmował decyzje w ten sam sposób, niezależnie od tego, gdzie to wszedł w handel lub jeśli to było obecnie długie lub krótkie od czasu do czasu siedzieć i wziąć kilka dużych transakcji, oprócz dużych wygranych transakcji, ale nie należy myśleć, nie było żadnych zarządzania ryzykiem. Aby zarządzać ryzykiem I egzekwowane maksymalnie pozycja wielkości 2 kontraktów naraz, od czasu do czasu spotykana w dużych wolnych dniach miałem również maksymalną dzienną stratę, aby zabezpieczyć się przed nieoczekiwanymi warunkami rynkowymi lub błędem w moim oprogramowaniu Te limity zostały wymuszone w moim bu bu t także w backend przez mojego pośrednika Jak to się stało nigdy nie napotkanych żadnych znaczących problems. Running algorytmu. Na momencie zacząłem pracować nad moim programem zajęło mi to około 6 miesięcy, zanim dostałem go do punktu rentowności i zaczęło go uruchomić żyć Chociaż być uczciwy znaczna ilość czasu to nauka nowego języka programowania Podczas pracy nad ulepszeniem programu widziałem większe zyski na najbliższe cztery miesiące. W każdym tygodniu będę przekwalifikował mój system w oparciu o poprzednie 4 tygodnie warte dane odkryłem, że uderzyło to we właściwą równowagę między pozyskaniem najnowszych tendencji zachowań na rynku a zapewnieniem mojego algorytmu miało wystarczającą ilość danych do ustalenia znaczących wzorców Ponieważ szkolenie zaczęło coraz więcej, rozdzieliłem je tak, że mogło być ono wykonane przez 8 wirtualnych maszyn używających amazonu EC2 Wyniki były następnie scalane na mojej maszynie lokalnej. Najwyższym punktem mojego handlu był październik 2009, kiedy to zrobiłem prawie 100 tys. Po tym czasie kontynuowałem spędzanie kolejnych czterech miesięcy t aby poprawić mój program pomimo spadku zysku każdego miesiąca Niestety na tym punkcie przypuszczam, że d zrealizowałem wszystkie moje najlepsze pomysły, ponieważ nic, co próbowałem, nie pomogło dużo. Z frustracją nie jest w stanie poprawić i nie mieć poczucia wzrostu I zacząłem myśleć o nowym kierunku, wysłałem e-maili do sześciu różnych firm handlowych o wysokiej częstotliwości, aby sprawdzić, czy są zainteresowani zakupem mojego oprogramowania i zatrudnianiem mnie do pracy dla nich Nikt nie odpowiedział, miałem nowe pomysły na start, na które chciałem pracować, więc nigdy nie podążałem za nim. UPDATE - Opublikowałem to na Hacker News i przyciągnęło mnóstwo uwagi Chcę tylko powiedzieć, że nie zalecam kogoś, kto próbuje zrobić coś takiego teraz Teraz potrzebujesz zespołu naprawdę inteligentnych ludzi z wieloma doświadczeniami mieć nadzieję na współzawodnictwo Nawet jeśli to robię, uważam, że bardzo rzadko zdarzało się, że jednostki osiągnęły sukces, chociaż słyszałem o innych. Na górze strony znajduje się komentarz, który wymienia manipulację sta tistics i odnosi się do mnie jako inwestora detalicznego, który z entuzjazmem chętnie wybiera To raczej nieszczęśliwy komentarz, który po prostu nie jest oparty na rzeczywistości Ustawienie tego na bok jest interesujące komentarze. UPDATE 2 - Znalazłem dalsze odpowiedzi na często zadawane pytania, które odpowiadają kilka typowych pytań, jakie otrzymałem od przedsiębiorców na ten temat.