Публикации по теме 'algorithmic-trading'
Свойство возврата активов без памяти
Подводные камни использования исторической доходности и ценовых моделей для прогнозирования будущей доходности активов
Предположим, вы едете на автомобиле через точки A, B, C и так далее до конечного пункта назначения в точке Z. Расстояние между каждой парой точек одинаково. Наблюдатель хочет предсказать время вашего прибытия. Если дорожные условия постоянны и вы поддерживаете постоянную скорость, наблюдатель может использовать среднее время, которое вы проводите между каждой парой..
Расчет полос Боллинджера с помощью JavaScript
Чтобы рассчитать полосы Боллинджера с помощью JavaScript, вам нужно сначала рассчитать простую скользящую среднюю (SMA) для заданного массива цен закрытия. SMA рассчитывается по следующей формуле:
SMA = sum of closing prices in the period / number of closing prices in the period
Получив SMA, вы можете рассчитать верхнюю и нижнюю полосы Боллинджера, используя следующие формулы:
upper band = SMA + (standard deviation of closing prices in the period * number of standard deviations)..
Наука о данных на фондовом рынке
Объяснение концепции и вариантов использования на финансовых рынках
Наука о данных — популярная тема в последнее время. Все дело в данных. Во многих случаях данные представлены в виде чисел, и эти числа могут представлять множество разных вещей. Этими числами могут быть объемы продаж, уровень потребления, потребители и, что не менее важно, наличные деньги .
Это подводит нас к финансовым данным или, можно сказать, конкретно к фондовому рынку. Акции, товары, ценные бумаги и тому..
Мельчайшие тонкости торгового времени удержания
В сегодняшней короткой статье мы обсудим, как время удержания влияет на многие аспекты вашей стратегии. Серия Коллайдер носит чисто образовательный, а не инвестиционный характер. Пожалуйста, проведите собственное исследование.
Независимо от того, являетесь ли вы любителем, трейдером или инвестором, есть вопрос, который ставит и, вероятно, продолжает ставить вас в тупик. Когда вы должны продать свою позицию? Когда вы входите в сделку, как долго вы держитесь?
В трейдинге время..
Использование моделей машинного обучения анализа настроений для прогнозирования тенденций рынка криптовалют
Криптовалюты были развивающимся рынком, который в последние годы продемонстрировал огромный рост. С 2009 года, когда была создана первая криптовалюта Биткойн, на рынок были представлены тысячи других криптовалют. Рост криптовалют создал спрос на новые способы анализа рыночных тенденций и прогнозирования будущих движений цен. Алгоритмы машинного обучения можно научить анализировать социальные сети и новостные статьи, чтобы определять настроения, связанные с конкретной криптовалютой...
The Austrian Quant: мой торговый алгоритм с машинным обучением превзошел SP500 на 10 лет
Я создал торговый алгоритм с машинным обучением, используя Python и Quantopian, чтобы побеждать на фондовом рынке более 10 лет.
Вступление
Вообще говоря, я обычно трачу большую часть своего времени на размышления о двух вещах: технологии и инвестировании. В частности, я часто спрашиваю себя, что можно сделать с помощью программного обеспечения (или иногда аппаратного ) и что полезного, во что мне следует инвестировать. Алгоритмический трейдинг - прекрасная интеграция этих двух..
05b Моя первая модель машинного обучения — Исследовательский анализ данных
Следующее, что нужно сделать, это загрузить CSV-файл с историческими данными и изучить данные.
Загрузите csv и поработайте над преобразованием в дату и время.
prices_df = pd.read_csv('prices.csv')
#convert to datetime
prices_df['snapshotTime'] = prices_df['snapshotTime'].astype('datetime64[ns]')
prices_df['snapshotTimeUTC'] = prices_df['snapshotTimeUTC'].astype('datetime64[ns]')
prices_df.sort_values(by='snapshotTime', inplace = True) # This now sorts in date order
prices_df =..