Exemplo de algoritmo forex

Forex Algorithmic Trading: um conto prático para engenheiros.

Como você deve saber, o mercado de câmbio (Forex ou FX) é usado para negociação entre pares de moedas. Mas você pode não estar ciente de que é o mercado mais líquido do mundo.

Alguns anos atrás, impulsionado pela minha curiosidade, dei meus primeiros passos no mundo da negociação algorítmica Forex, criando uma conta de demonstração e executando simulações (com dinheiro falso) na plataforma de negociação Meta Trader 4.

Depois de uma semana de "negociação", eu quase dobrei meu dinheiro. Impulsionado pela minha própria negociação algorítmica bem-sucedida, busquei mais fundo e acabei me inscrevendo em vários fóruns de FX. Logo, eu estava gastando horas lendo sobre sistemas de negociação algorítmica (conjuntos de regras que determinam se você deve comprar ou vender), indicadores personalizados, humor do mercado e muito mais.

Meu primeiro cliente

Por essa época, coincidentemente, ouvi dizer que alguém estava tentando encontrar um desenvolvedor de software para automatizar um sistema de negociação simples. Isso estava de volta aos meus tempos de faculdade quando eu estava aprendendo sobre programação simultânea em Java (threads, semáforos e todo esse lixo). Achei que esse sistema automatizado não poderia ser muito mais complicado do que o meu curso avançado de ciência de dados, então perguntei sobre o trabalho e participei do processo.

O cliente queria um software de negociação algorítmica construído com o MQL4, uma linguagem de programação funcional usada pela plataforma Meta Trader 4 para realizar ações relacionadas a ações.

O papel da plataforma de negociação (Meta Trader 4, neste caso) é fornecer uma conexão com um corretor Forex. O corretor fornece uma plataforma com informações em tempo real sobre o mercado e executa suas ordens de compra / venda. Para os leitores não familiarizados com a negociação em Forex, veja as informações fornecidas pelo feed de dados:

Através do Meta Trader 4, é possível acessar todos esses dados com funções internas, acessíveis em vários prazos: a cada minuto (M1), a cada cinco minutos (M5), M15, M30, a cada hora (H1), H4, D1, W1, MN .

O movimento do preço atual é chamado de tick. Em outras palavras, um tick é uma mudança no preço Bid ou Ask para um par de moedas. Durante mercados ativos, pode haver vários ticks por segundo. Durante os mercados lentos, pode haver minutos sem um tick. O tick é a pulsação de um robô do mercado monetário.

Quando você faz um pedido através de tal plataforma, você compra ou vende um certo volume de uma determinada moeda. Você também define os limites de stop-loss e take-profit. O limite de stop loss é a quantia máxima de pips (variações de preço) que você pode perder antes de desistir de uma negociação. O limite de take-profit é a quantidade de pips que você acumulará a seu favor antes de fazer um saque.

As especificações de negociação algorítmica do cliente eram simples: eles queriam um robô Forex baseado em dois indicadores. Como pano de fundo, os indicadores são muito úteis ao tentar definir um estado de mercado e tomar decisões comerciais, pois são baseados em dados passados ​​(por exemplo, valor de preço mais alto nos últimos n dias). Muitos vêm embutidos no Meta Trader 4. No entanto, os indicadores em que meu cliente estava interessado vieram de um sistema de negociação customizado.

Eles queriam negociar sempre que dois desses indicadores personalizados se cruzassem, e apenas em um determinado ângulo.

Enquanto eu sujava as mãos, aprendi que os programas MQL4 têm a seguinte estrutura:

A função start é o coração de todo programa MQL4, uma vez que é executada toda vez que o mercado se move (ergo, essa função será executada uma vez por tick). Este é o caso, independentemente do período de tempo que você está usando. Por exemplo, você poderia estar operando no período de tempo H1 (uma hora), mas a função de início seria executada milhares de vezes por período de tempo.

Para contornar isso, forcei a função a executar uma vez por unidade de período:

Obtendo os valores dos indicadores:

A lógica de decisão, incluindo a intersecção dos indicadores e seus ângulos:

Enviando os pedidos:

Se você estiver interessado, poderá encontrar o código completo e executável no GitHub.

Backtesting

Uma vez que eu construí meu sistema de negociação algorítmica, eu queria saber: 1) se estava se comportando apropriadamente, e 2) se a estratégia de negociação Forex usada era boa.

Backtesting (às vezes escrito “back-testing”) é o processo de testar um sistema particular (automatizado ou não) sob os eventos do passado. Em outras palavras, você testa seu sistema usando o passado como proxy para o presente.

MT4 vem com uma ferramenta aceitável para backtesting uma estratégia de negociação Forex (hoje em dia, existem ferramentas mais profissionais que oferecem maior funcionalidade). Para começar, você configura seus prazos e executa seu programa sob uma simulação; a ferramenta simulará cada tick sabendo que para cada unidade deve abrir a determinado preço, fechar a um determinado preço e atingir os altos e baixos especificados.

Depois de comparar as ações do programa com os preços históricos, você terá um bom senso se está ou não executando corretamente.

Do backtesting, eu verifiquei a taxa de retorno do robô FX para alguns intervalos de tempo aleatórios; Escusado será dizer que eu sabia que o meu cliente não ia ficar rico com isso - os indicadores que ele escolheu, juntamente com a lógica de decisão, não eram rentáveis. Como exemplo, aqui estão os resultados da execução do programa na janela M15 para 164 operações:

Note que o nosso saldo (a linha azul) termina abaixo do seu ponto de partida.

Otimização de Parâmetro e suas Mentiras.

Embora o backtesting tenha me deixado desconfiado da utilidade desse robô FX, fiquei intrigado quando comecei a brincar com seus parâmetros externos e notei grandes diferenças na Taxa de Retorno geral. Essa ciência específica é conhecida como otimização de parâmetros.

Fiz alguns testes difíceis para tentar inferir o significado dos parâmetros externos na taxa de retorno e surgiu com algo parecido com isto:

Você pode pensar (como eu) que deveria usar o Parâmetro A. Mas a decisão não é tão direta quanto parece. Especificamente, observe a imprevisibilidade do Parâmetro A: para valores de erro pequenos, seu retorno muda drasticamente. Em outras palavras, é muito provável que o Parâmetro A supervalie os resultados futuros, pois qualquer incerteza, qualquer mudança, resultará em pior desempenho.

Mas, de fato, o futuro é incerto! E assim o retorno do Parâmetro A também é incerto. A melhor escolha, na verdade, é confiar na imprevisibilidade. Freqüentemente, um parâmetro com um retorno máximo mais baixo, mas uma previsibilidade superior (menos flutuação), será preferível a um parâmetro com alto retorno, mas com baixa previsibilidade.

A única coisa que você pode ter certeza é que você não conhece o futuro do mercado e pensar que sabe como o mercado vai se comportar com base em dados do passado é um erro. Por sua vez, você deve reconhecer essa imprevisibilidade em suas previsões de Forex.

Isso não significa necessariamente que devemos usar o Parâmetro B, porque mesmo os retornos mais baixos do Parâmetro A são melhores que o Parâmetro B; Isso é apenas para mostrar a você que a otimização de parâmetros pode resultar em testes que exageram os prováveis ​​resultados futuros, e esse raciocínio não é óbvio.

Considerações Gerais de Negociação Algorítmica de Forex.

Desde essa primeira experiência algorítmica de negociação Forex, eu construí vários sistemas de negociação automatizada para clientes, e posso dizer-lhe que há sempre espaço para explorar e fazer análises Forex a serem feitas. Por exemplo, eu criei recentemente um sistema baseado em encontrar os chamados movimentos “Big Fish”; isto é, variações enormes de pips em minúsculas e minúsculas unidades de tempo. Este é um assunto que me fascina.

Construir seu próprio sistema de simulação de FX é uma excelente opção para aprender mais sobre o mercado Forex, e as possibilidades são infinitas. Por exemplo, você poderia tentar decifrar a distribuição de probabilidade das variações de preço como uma função da volatilidade em um mercado (EUR / USD por exemplo), e talvez fazer um modelo de simulação de Monte Carlo usando a distribuição por estado de volatilidade, usando qualquer grau de precisão que você quer. Vou deixar isso como um exercício para o leitor ansioso.

O mundo Forex pode ser esmagador às vezes, mas espero que este write-up deu-lhe alguns pontos sobre como começar em sua própria estratégia de negociação Forex.

Leitura adicional

Atualmente, existe um vasto conjunto de ferramentas para construir, testar e melhorar as Automações do Sistema de Negociação: Negociação de Blox para testes, NinjaTrader para negociação, OCaml para programação, para citar alguns.

Eu li extensivamente sobre o mundo misterioso que é o mercado de moedas. Aqui estão alguns write-ups que eu recomendo para programadores e leitores entusiastas:

Entendendo o básico.

O que é o Forex trading tudo sobre?

Forex (ou FX) negociação é compra e venda via pares de moedas (por exemplo, USD vs EUR) no mercado de câmbio.

Como o Forex ganha dinheiro?

Corretores de Forex ganham dinheiro através de comissões e taxas. Comerciantes forex fazem (ou perdem) dinheiro com base em seu timing: se eles conseguirem vender alto o suficiente em comparação com quando compraram, podem gerar lucro.

O que é backtesting uma estratégia de negociação?

Backtesting é o processo de testar uma determinada estratégia ou sistema usando os eventos do passado.

O que é negociação algorítmica?

A negociação algorítmica é quando um robô / programa usa um conjunto de regras que informam quando comprar ou vender.

Estratégias Para Forex Algorithmic Trading.

Como resultado da recente controvérsia, o mercado cambial tem estado sob maior escrutínio. Quatro grandes bancos foram considerados culpados de conspirar para manipular as taxas de câmbio, o que prometeu aos comerciantes receitas substanciais com risco relativamente baixo. Em particular, os maiores bancos do mundo concordaram em manipular o preço do dólar e do euro entre 2007 e 2013.

O mercado forex é notavelmente desregulamentado, apesar de lidar com US $ 5 trilhões em transações diárias. Como resultado, os reguladores pediram a adoção do trading algorítmico, um sistema que usa modelos matemáticos em uma plataforma eletrônica para executar negociações no mercado financeiro. Devido ao alto volume de transações diárias, o comércio algorítmico dos estrangeiros cria maior transparência, eficiência e elimina o preconceito humano.

Várias estratégias diferentes podem ser buscadas por traders ou firmas no mercado forex. Por exemplo, a cobertura automática refere-se ao uso de algoritmos para proteger o risco da carteira ou para limpar posições de forma eficiente. Além da proteção automática, as estratégias algorítmicas incluem negociação estatística, execução algorítmica, acesso direto ao mercado e negociação de alta frequência, e todas podem ser aplicadas a transações forex.

Auto cobertura.

Ao investir, a cobertura é uma maneira simples de proteger seus ativos contra perdas significativas, reduzindo a quantia que você pode perder se algo inesperado ocorrer. Na negociação algorítmica, a cobertura pode ser automatizada para reduzir a exposição do profissional a risco. Esses pedidos de hedge gerados automaticamente seguem modelos específicos para gerenciar e monitorar o nível de risco de um portfólio.

No mercado cambial, os principais métodos de negociação de hedge são através de contratos à vista e opções de moeda. Contratos à vista são a compra ou venda de uma moeda estrangeira com entrega imediata. O mercado spot do fprex cresceu significativamente desde o início dos anos 2000, devido ao influxo de plataformas algorítmicas. Em particular, a rápida proliferação de informações, conforme refletida nos preços de mercado, permite que surjam oportunidades de arbitragem. Oportunidades de arbitragem ocorrem quando os preços da moeda ficam desalinhados. A arbitragem triangular, como é conhecida no mercado forex, é o processo de conversão de uma moeda de volta para si mesma através de várias moedas diferentes. Comerciantes algorítmicos e de alta frequência só podem identificar essas oportunidades por meio de programas automatizados.

Como derivativo, as opções de câmbio operam de maneira semelhante a uma opção em outros tipos de títulos. As opções de moeda estrangeira dão ao comprador o direito de comprar ou vender o par de moedas a uma determinada taxa de câmbio em algum momento no futuro. Os programas de computador têm opções binárias automatizadas como uma forma alternativa de proteger transações em moeda estrangeira. As opções binárias são um tipo de opção em que as recompensas tomam um dos dois resultados: a negociação é liquidada a zero ou a um preço de exercício pré-determinado.

Análise Estatística.

Dentro do setor financeiro, a análise estatística continua sendo uma ferramenta importante para medir os movimentos de preço de um título ao longo do tempo. No mercado cambial, indicadores técnicos são usados ​​para identificar padrões que podem ajudar a prever movimentos futuros de preços. O princípio de que a história se repete é fundamental para a análise técnica. Como os mercados de câmbio operam 24 horas por dia, a quantidade robusta de informações aumenta a significância estatística das previsões. Devido à crescente sofisticação dos programas de computador, os algoritmos foram gerados de acordo com os indicadores técnicos, incluindo a divergência de convergência de média móvel (MACD) e o índice de resistência relativa (RSI). Os programas algorítmicos sugerem tempos específicos em que as moedas devem ser compradas ou vendidas.

Execução algorítmica.

O comércio algorítmico requer uma estratégia executável que os gerentes de fundos possam usar para comprar ou vender grandes quantidades de ativos. Os sistemas de negociação seguem um conjunto pré-especificado de regras e são programados para executar uma ordem sob determinados preços, riscos e horizontes de investimento. No mercado cambial, o acesso direto ao mercado permite que os operadores de buy-side executem ordens forex diretamente no mercado. O acesso direto ao mercado ocorre por meio de plataformas eletrônicas, que geralmente reduzem custos e erros de negociação. Normalmente, a negociação no mercado é restrita a corretores e criadores de mercado; no entanto, o acesso direto ao mercado fornece às empresas de buy-in acesso à infraestrutura de sell-side, concedendo aos clientes maior controle sobre as negociações. Devido à natureza da negociação algorítmica e dos mercados de câmbio, a execução de pedidos é extremamente rápida, permitindo que os operadores aproveitem as oportunidades de negociação de curta duração.

Negociação de alta frequência.

Como o subconjunto mais comum de negociação algorítmica, a negociação de alta frequência tornou-se cada vez mais popular no mercado forex. Com base em algoritmos complexos, a negociação de alta frequência é a execução de um grande número de transações a velocidades muito rápidas. À medida que o mercado financeiro continua a evoluir, velocidades de execução mais rápidas permitem que os operadores aproveitem oportunidades lucrativas; No mercado cambial, várias estratégias de negociação de alta frequência são projetadas para reconhecer situações lucrativas de arbitragem e liquidez. Desde que os pedidos sejam executados rapidamente, os comerciantes podem alavancar a arbitragem para garantir lucros livres de risco. Devido à velocidade da negociação de alta frequência, a arbitragem também pode ser feita entre os preços à vista e futuros dos mesmos pares de moedas.

Os defensores da negociação de alta frequência no mercado de câmbio destacam seu papel na criação de alto grau de liquidez e transparência nas negociações e nos preços. A liquidez tende a ser contínua e concentrada, pois há um número limitado de produtos em comparação com ações. No mercado cambial, as estratégias de liquidez visam detectar desequilíbrios de pedidos e diferenças de preços entre um par de moedas em particular. Um desequilíbrio de pedidos ocorre quando há um número excessivo de ordens de compra ou venda para um ativo ou moeda específicos. Nesse caso, os operadores de alta frequência atuam como provedores de liquidez, ganhando o spread ao arbitrar a diferença entre o preço de compra e venda.

The Bottom Line.

Muitos estão pedindo maior regulamentação e transparência no mercado de câmbio à luz dos recentes escândalos. A crescente adoção de sistemas de negociação algorítmica forex pode efetivamente aumentar a transparência no mercado forex. Além da transparência, é importante que o mercado forex permaneça líquido com baixa volatilidade de preços. Estratégias de negociação algorítmica, como hedging automático, análise estatística, execução algorítmica, acesso direto ao mercado e negociação de alta frequência, podem expor inconsistências de preços, que representam oportunidades lucrativas para os traders.

Exemplos de negociação Forex (parte 1)

Muitos traders iniciantes não entendem completamente o conceito de alavancagem. Basicamente, se você tiver um capital inicial de US $ 5.000 e negociar com uma margem de 1:50, poderá controlar efetivamente um capital de US $ 250.000. No entanto, um movimento de dois por cento contra você e seu capital é completamente eliminado. Se você é um trader iniciante, você não deve usar mais do que uma margem de 1: 20 até ficar confortável e lucrativo e, então, e só então, você pode tentar usar margens mais altas.

O que significa margem 1:20? Isso significa que, com seus US $ 5.000, você controlará um capital de US $ 100.000. Vamos dizer que você está negociando EUR / USD e, usando a nossa estratégia de entrada, você decidiu entrar no trade em um lado longo. Isso significa que você está apostando que o dólar irá desvalorizar em relação ao euro.

Digamos que a taxa atual de EUR / USD seja de 1,305. Novamente, se o seu capital de negociação for de US $ 5.000 e você estiver utilizando alavancagem de 1:20, estará efetivamente trocando US $ 100.000 por Euros. Se a taxa atual for 1.305, você receberá 100.000 / 1.305 = 76.628 Euros.

Se a negociação for em sua direção, a margem funcionará a seu favor e o declínio de 1% em USD significará um aumento de 20% em seu capital inicial. Portanto, se a taxa EUR / USD passar de 1.305 para 1.318, você poderá trocar seus 76.628 Euros de volta para US $ 101.000 com um lucro de US $ 1.000. Como seu capital inicial era de US $ 5.000, é efetivamente um aumento de 20% na sua conta. No entanto, se a negociação for contra você e o dólar valorizar 1% contra o euro, sua conta será reduzida para US $ 4.000. Isso não teria acontecido, já que nossa estratégia foi construída em duras paradas para evitar esse resultado.

A pergunta mais freqüente de aspirantes a traders é "Quanto dinheiro posso ganhar?" Infelizmente não há resposta fácil, porque depende de quanto você está disposto a arriscar.

Negociar é uma função de risco e recompensa: quanto mais você arrisca, mais você pode fazer. Aqui está um exemplo fácil: digamos que você comece com uma conta de US $ 5.000 e esteja disposto a arriscar US $ 1.000. Agora você poderia fazer uma negociação para ir muito tempo na abertura, definir uma meta de lucro de US $ 1.000 e um stop loss de US $ 1.000. Digamos que você investigou o comportamento do mercado nos últimos dois meses e percebeu que suas chances de alcançar sua meta de lucro são de 60%.

Infelizmente o comércio que você acabou de fazer é um perdedor e você perde o total de $ 1.000. Como esse era o valor que você estava disposto a arriscar, você fecha sua conta, transfere os US $ 4.000 restantes para sua conta corrente e isso é tudo para você.

Agora vamos supor que você queria arriscar apenas US $ 100 por negociação e ajustou sua meta de lucro para US $ 100 também. Agora você pode fazer pelo menos 10 trades, porque somente se todos os 10 trades forem perdedores, você perderá os US $ 1.000 que está disposto a arriscar. Eu não quero me tornar muito matemático, mas as estatísticas dizem que a probabilidade de ter 10 transações perdidas seguidas é menor que 1%. Portanto, é altamente provável que você tenha alguns vencedores nos 10 comércios. Se o seu sistema de negociação mostra o mesmo desempenho que no passado (60% de ganho), você deve ganhar $ 200: 4 comércios perdedores * $ 100 = - $ 400 + 6 comércios vencedores * $ 100 = $ 600. Faz sentido?

Compare estas duas opções:

O risco de perder seu dinheiro no cenário 1 é de 40%. Mas se você ganhasse, você teria feito $ 1.000.

No cenário 2, o risco de perder seu dinheiro após 10 negociações é menor que 1%, mas você tem uma boa chance de ganhar $ 200. Portanto, você precisa definir primeiro quanto está disposto a arriscar, pois o valor que você pode fazer é uma função desse risco. Faz sentido? Vou lhe dar exemplos mais específicos mais adiante neste capítulo.

Tenha em mente que há uma diferença entre o valor que você precisa negociar e o valor que você está disposto a arriscar. Seu corretor está sempre pedindo uma "margem" e você precisa depositar na sua conta esse requisito de margem + seu risco. Em nosso exemplo anterior, você financiou sua conta com US $ 5.000, mas só arriscou US $ 1.000. Mais sobre isso depois.

Alavancagem de 50: 1: o que isso significa?

Com uma conta mínima de US $ 10.000, por exemplo, você pode negociar até US $ 500.000. Os USD 10.000 são colocados na margem como garantia para o desempenho futuro da sua posição.

A taxa AUD / USD está cotada em '0.7500 / 04'. Esta cotação representa o spread de oferta / oferta para AUD vs USD. A taxa de oferta de 0,7504 é a taxa na qual você pode comprar AUD (ou COMPRA AUD e VENDA USD). A taxa de oferta de 0,7500 é a taxa na qual você pode vender AUD para comprar USD.

Você acredita que o dólar australiano se fortalecerá em relação ao dólar americano e decidirá COMPRAR ou "comprará" A $ 100.000 a 0.7504 (o preço da oferta).

Cotação (oferta / oferta) 0.7500 / 04.

Comprar preço 0,7504.

Initial Outlay (margem de 1%) A $ 1.000.

No exemplo acima, você comprou A $ 100.000. Mas como o FX é negociado em margem com a CMC Markets, você precisará apenas de A $ 1.000 (1%) para manter a mesma exposição no mercado.

O risco neste comércio AUD / USD é equivalente a US $ 10 por movimento de cada ponto. Cada ponto é avaliado em 0,0001. Por exemplo, se a taxa AUD / USD passar de 0,7504 para 0,7505, você receberá um lucro de US $ 10.

Sua previsão está correta e o dólar australiano aprecia em relação ao dólar americano. A cotação em AUD / USD é agora 0,7590 / 94. Para fechar sua posição, você decide VENDER A $ 100.000 @ 0.7590 (o preço da oferta).

Cotação (oferta / oferta) 0.7590 / 94.

Preço de Venda 0.7590.

Lucro / Prejuízo US $ 860 Lucro.

Seu lucro e perda geralmente são calculados na moeda secundária. Portanto, o lucro / prejuízo comercial AUD / USD acima é calculado em dólares americanos. Com a CMC Markets, nenhuma corretagem ou comissão será deduzida do seu lucro bruto. Você só será cobrado um custo de financiamento se você mantiver a sua posição durante a noite.

Tamanho do comércio x (preço de venda - preço de compra) = lucro & amp; perda USD.

100.000 x (0.7590 - 0.7504) = lucro de US $ 860.

Ou, convertendo os US $ 860 de volta para A $ a uma taxa de 0,7590.

(860? 0,7590) = Lucro de US $ 1.133,07.

Ao fechar sua posição você percebe um lucro bruto de A $ 1,133.07.

Se você previu incorretamente e vendeu AUD em 0.7500 e depois comprou AUD em 0.7594, uma perda de US $ 940 teria sido experimentada.

Se você quiser comprar / vender uma quantia específica de GBP, primeiro insira o símbolo GBP como a moeda da transação. Em seguida, selecione USD como a moeda de liquidação no menu suspenso. Você receberá então a cotação USD / GBP, por exemplo Licitação: 1.5300 Pergunte: 1.5310.

Isso significa que GBP 1 = US $ 1,53XX.

Se você quiser comprar GBP 10.000, clique em pedir e digite 10.000 como a quantidade de GBP que você deseja comprar. Você pagará $ 1,5300 por cada GBP. Assim, você pagará $ 15.310.

Se você quiser vender GBP 10.000, clique no lance e insira 10.000 como a quantidade de GBP que você deseja vender. Você receberá $ 1,5300 por cada GBP. Assim, você receberá US $ 15.300.

Se você quiser comprar / vender uma quantia específica de USD. Primeiro, insira o símbolo USD como a moeda da transação. Em seguida, escolha GBP como a moeda de liquidação no menu suspenso. Você receberá então a cotação GBP / USD, por ex. Licitação: 0.6530 Pergunte: 0.6536.

Isso significa que USD 1 = GBP 0,653XX.

Se você quiser comprar USD 10.000, clique no botão solicitar e digite 10.000 como a quantidade de USD que você deseja comprar. Você pagará GBP0,6536 por cada USD. Assim, você pagará GBP 6,536.

Se você quiser vender USD 10.000, clique no lance e insira 10.000 como a quantidade de USD que deseja vender. Você receberá GBP0,6530 por cada USD. Assim, você receberá GBP 6.530.

SnowCron.

GRATUITO E. Mail Classes.

Usando Algoritmo Genético para criar uma estratégia de negociação FOREX rentável. Algoritmo Genético no Software de Redes Neurais do Cortex Feedforward Backpropagation Rede Neural Aplicação para cálculos genéticos baseados em negociações Forex.

Este exemplo usa conceitos e idéias do artigo anterior, portanto, leia o Algoritmo Genético de Rede Neural em FOREX Trading Systems primeiro, embora não seja obrigatório.

Sobre este texto

Primeiro de tudo, por favor leia o aviso. Este é um exemplo do uso da funcionalidade do algoritmo genético da Cortex Neural Networks Software, não um exemplo de como fazer negócios lucrativos. Eu não sou seu guru, nem eu deveria ser responsável por suas perdas.

O Cortex Neural Networks Software possui redes neurais, e o FFBP que discutimos anteriormente é apenas uma maneira de escolher uma estratégia de negociação forex. É uma boa técnica, poderosa e quando aplicada corretamente, muito promissor. No entanto, tem um problema - para ensinar a Rede Neural, precisamos conhecer a "saída desejada".

É bastante fácil fazer quando fazemos a aproximação da função, apenas pegamos o valor "real" de uma função, porque sabemos o que deveria ser.

Quando fazemos previsões de redes neurais, usamos a técnica (descrita em artigos anteriores) de ensinar a Rede Neural sobre a história, novamente, se prevemos, digamos, uma taxa de câmbio, sabemos (durante o treinamento) qual é a predição correta .

No entanto, quando estamos construindo um sistema de negociação, não temos idéia de qual é a decisão de negociação correta, mesmo se soubermos a taxa de câmbio! De fato, temos muitas estratégias de negociação forex que podemos usar a qualquer momento, e precisamos encontrar uma boa - como? O que devemos alimentar como a saída desejada da nossa Rede Neural?

Se você seguiu nosso artigo anterior, você sabe que nos enganamos para lidar com esse problema. Ensinamos a Rede Neural a fazer a previsão da taxa de câmbio (ou indicador baseado na taxa de câmbio) e, em seguida, utilizamos essa previsão para negociar. Então, fora da parte de Rede Neural do programa, tomamos uma decisão sobre qual Rede Neural é a melhor.

Algoritmos genéticos podem lidar com este problema diretamente, eles podem resolver o problema declarado como "encontrar os melhores sinais de negociação".

Neste artigo, vamos usar o software Cortex Neural Networks para criar um programa desse tipo.

Usando Algoritmo Genético.

Algoritmos genéticos são muito bem desenvolvidos e muito diversificados. Se você quer aprender tudo sobre eles, eu sugiro que você use Wikipedia, já que este artigo é apenas sobre o que o Cortex Neural Networks Software pode fazer.

Com o Cortex Neural Networks Software, podemos criar uma Rede Neural que recebe alguma entrada, digamos, valores de um indicador, e produz alguma saída, digamos, sinais de negociação (comprar, vender, manter) e parar a perda / obter níveis de lucro para posições para ser aberto.

É claro que, se multiplicarmos os pesos dessa rede neural aleatoriamente, os resultados das negociações serão terríveis. No entanto, digamos que criamos uma dúzia desses NNs. Então podemos testar o desempenho de cada um deles e escolher o melhor, o vencedor.

Esta foi a "primeira geração" de NNs. Para continuar com a segunda geração, precisamos permitir que nosso vencedor "procrie", mas para evitar cópias idênticas, vamos adicionar um pouco de noice aleatório aos pesos de seus descendentes.

Na segunda geração, temos nosso vencedor da primeira geração e são cópias imperfeitas (mutantes). Vamos fazer o teste novamente. Teremos outro vencedor, que é melhor do que qualquer outra rede neural na geração.

E assim por diante. Simplesmente permitimos que os vencedores criem e eliminem os perdedores, assim como na evolução da vida real, e obteremos nossa Rede Neural de melhor negociação, sem nenhum conhecimento prévio sobre como deve ser o sistema comercial (algoritmo genético).

Algoritmo Genético de Rede Neural: Exemplo 0.

Este é o primeiro exemplo de algoritmo genético e um exemplo muito simples. Vamos percorrê-lo passo a passo para aprender todos os truques que os exemplos a seguir usarão.

O código tem comentários inline, então vamos nos concentrar apenas nos principais momentos.

Primeiro, criamos uma rede neural. Está usando pesos aleatórios e ainda não foi ensinado.

Então, em ciclo, fazemos 14 cópias, usando a função MUTATION_NN. Esta função faz uma cópia de uma rede neural de origem, adicionando valores aleatórios de 0 a (no nosso caso) 0,1 a todos os pesos.

Mantemos alças para 15 NNs resultantes em uma matriz, podemos fazer isso, pois handle é apenas um número inteiro.

A razão pela qual usamos 15 NNs não tem nada a ver com negociação: o Cortex Neural Networks Software pode plotar até 15 linhas em um gráfico simultaneamente.

Podemos usar abordagens diferentes para o teste. Primeiro, podemos usar o conjunto de aprendizado, tudo de uma vez. Segundo, podemos testar, digamos, 12.000 resordos (de 100.000) e percorrer o conjunto de aprendizado, do começo ao fim. Isso tornará os aprendizados diferentes, já que procuraremos redes neurais que sejam lucrativas em qualquer parte dos dados, não apenas no conjunto inteiro. A segunda abordagem pode nos dar problemas, se os dados mudarem, do começo ao fim. Em seguida, a rede evoluirá, obtendo a capacidade de negociar no final do conjunto de dados e perdendo a capacidade de negociar no início.

Para resolver esse problema, vamos pegar aleatoriamente 12.000 registros de fragmentos de dados e alimentá-los com a Rede Neural.

Abaixo, adicionamos um filho para cada rede, com pesos ligeiramente diferentes. Note que 0,1 para mutação tange não é a única escolha, na verdade, até mesmo este parâmetro pode ser otimizado usando algoritmo genético.

NNs recém-criados são adicionados após 15 existentes. Dessa forma, temos 30 NNs em uma matriz, 15 antigos e 15 novos. Então, vamos fazer o próximo ciclo de testes e matar os perdedores das duas gerações.

Para fazer testes, aplicamos a Rede Neural aos nossos dados, para produzir saídas e, em seguida, chamamos a função Teste, que usa essas saídas para simular a negociação. Os resultados da negociação são usados ​​para designar quais NNs são melhores.

Usamos um intervalo de registros nLearn, de nStart para nStart + nLearn, em que nStart é um ponto aleatório dentro do conjunto de aprendizado.

O código abaixo é um truque. A razão pela qual a usamos é para ilustrar o fato de que o algoritmo genético pode criar um algoritmo genético, mas não necessariamente será o melhor, e também, para sugerir, que podemos melhorar o resultado, se implicarmos algumas limitações ao aprendizado. processo.

É possível que nosso sistema de negociação funcione muito bem em operações longas e muito fraco em curto ou vice-versa. Se, digamos, trocas longas forem MUITO boas, esse algoritmo genético poderá vencer, mesmo com grandes perdas em trocas curtas.

Para evitá-lo, atribuímos mais peso aos negócios longos em operações ímpares e curtas em ciclos pares. Este é apenas um exemplo, não há garantia de que isso irá melhorar alguma coisa. Mais sobre isso abaixo, em discussão sobre correções. Tecnicamente, você não precisa fazer isso, ou pode fazer diferente.

Adicione lucro a uma matriz classificada. Ele retorna uma posição de inserção e, em seguida, usamos essa posição para adicionar o identificador da Rede Neural, aprendendo e testando os lucros para matrizes não ordenadas. Agora, temos dados para a Rede Neural atual no mesmo índice de matriz que seu lucro.

A ideia é chegar ao conjunto de NNs, classificados por rentabilidade. Como array é ordenado por lucro, para remover 1/2 de redes, que são menos lucrativas, basta remover NNs 0 a 14.

As decisões de negociação são baseadas no valor do sinal da Rede Neural, a partir deste ponto de vista o programa é idêntico aos exemplos do artigo anterior.

Estratégia de Negociação de FOREX: Discutindo o exemplo 0.

Primeiro de tudo, vamos dar uma olhada nos gráficos. O primeiro gráfico para lucro durante a primeira iteração não é nada bom, como seria de se esperar, a Rede Neural perde dinheiro (imagem evolution_00_gen_0.png copiada após a primeira iteração da pasta "images"):

A imagem para lucro no ciclo 15 é melhor, às vezes, o algoritmo genético pode aprender muito rápido:

No entanto, observe a saturação em uma curva de lucro.

É interessante também olhar para o modo como os lucros individuais mudam, tendo em mente que o número da curva, digamos, 3 nem sempre é para a mesma Rede Neural, pois eles estão nascendo e terminando o tempo todo:

Observe também que, fora do sistema de negociação automatizado de forex pouco executa em operações curtas, e muito melhor em longos, o que pode ou não estar relacionado com o fato, que o dólar estava caindo em relação ao euro durante esse período. Também pode ter algo a ver com parâmetros do nosso indicador (talvez, precisamos de um período diferente para curtos) ou a escolha de indicadores.

Aqui está a história depois de 92 e 248 ciclos:

Para nossa surpresa, o algoritmo genético falhou completamente. Vamos tentar descobrir por que e como ajudar a situação.

Primeiro de tudo, cada geração não é supostamente melhor que a anterior? A resposta é não, pelo menos não dentro do modelo que usamos. Se pegarmos todo o conjunto de aprendizagem de uma só vez, e usá-lo repetidamente para ensinar nossas NNs, então sim, elas melhorarão em cada geração. Mas, em vez disso, pegamos fragmentos aleatórios (12.000 registros no tempo) e os usamos.

Duas perguntas: por que o sistema falhou em fragmentos aleatórios do conjunto de aprendizado e por que não usamos todo o conjunto de aprendizado? Bem. Para responder a segunda pergunta, eu fiz. NNs realizaram muito - no set de aprendizagem. E eles falharam no teste, pelo mesmo motivo que falha quando usamos o aprendizado FFPB. Em outras palavras, nossos NNs foram superespecializados, aprenderam a sobreviver no ambiente a que estão acostumados, mas não fora dele. Isso acontece muito na natureza.

A abordagem que tomamos foi destinada a compensar isso, forçando os NNs a terem um bom desempenho em qualquer fragmento aleatório do conjunto de dados, de modo que, esperamos, eles também pudessem executar em um conjunto de testes desconhecido. Em vez disso, eles falharam nos testes e no conjunto de aprendizado.

Imagine animais vivendo em um deserto. Muito sol, nada de neve. Essa é uma metaforização para o mercado, já que nossos dados de NNs desempenham o papel de ambiente. Os animais aprenderam a viver no deserto.

Imagine animais que vivem num clima frio. Neve e sem sol. Bem, eles se ajustaram.

No entanto, em nosso experimento, colocamos aleatoriamente nossas NNs em um deserto, na neve, na água, nas árvores. apresentando-os com diferentes fragmentos de dados (surgindo aleatoriamente, caindo, planos). Animais morreram.

Ou, em outras palavras, selecionamos a melhor Rede Neural para o conjunto de dados aleatórios 1, que, digamos, foi para o mercado em ascensão. Em seguida, apresentamos aos vencedores e seus filhos dados sobre um mercado em queda. As NNs tiveram um desempenho ruim, tiramos o melhor dos maus desempenhos, talvez, um dos filhos mutantes, que perderam a capacidade de negociar no mercado em ascensão, mas conseguiram alguma habilidade para lidar com a queda de um.

Depois viramos a mesa novamente e, novamente, obtivemos o melhor desempenho - mas o melhor entre os artistas com baixo desempenho. Nós simplesmente não davamos às nossas NNs nenhuma chance de se tornarem universais.

Existem técnicas que permitem que o algoritmo genético aprenda novas informações sem perder o desempenho em informações antigas (afinal, os animais podem viver no verão e no inverno, certo? Assim, a evolução é capaz de lidar com mudanças repetidas). Podemos discutir essas técnicas mais tarde, embora este artigo seja mais sobre o uso do Cortex Neural Networks Software, do que sobre a construção de um sistema de negociação automatizado forex bem-sucedido.

Algoritmo Genético da Rede Neural: Exemplo 1.

Agora é hora de falar sobre correções. Um algoritmo genético simples que criamos durante a etapa anterior tem duas falhas principais. Primeiro, falhou em negociar com lucro. Está tudo bem, podemos tentar usar um sistema parcialmente treinado (foi lucrativo no começo). A segunda falha é mais séria: não temos controle sobre as coisas, que esse sistema faz. Por exemplo, pode aprender a ser lucrativo, mas com enormes perdas.

É um fato bem conhecido que, na vida real, a evolução pode otimizar mais de um parâmetro simultaneamente. Por exemplo, podemos pegar um animal que pode correr rápido e ser resistente ao frio. Por que não tentar fazer o mesmo em nosso sistema de negociação automatizado forex?

É quando usamos correções, que não são nada além do conjunto de punições adicionais. Digamos que nosso sistema negocie com drawdown 0.5, enquanto queremos confirmá-lo para 0 - 0.3 interval. Para "dizer" ao sistema que ele cometeu um erro, diminuímos seu lucro (um usado para determinar qual algoritmo genético venceu) ao grau, que é proporcional ao tamanho do DD. Então, o algoritmo de evolução cuida do resto.

Há poucos fatores a mais que queremos levar em consideração: podemos querer ter um número mais ou menos igual de operações de compra e venda, queremos ter mais operações lucrativas, depois fracassos, podemos querer que o gráfico de lucro seja seja linear e assim por diante.

Em evolution_01.tsc, implementamos um conjunto simples de correções. Primeiro de tudo, usamos um número grande para um valor de correção inicial. Nós multiplicamos para um valor pequeno (geralmente, entre 0 e 1), dependendo da "punição" que queremos aplicar. Então multiplicamos nosso lucro para essa correção. Como resultado, o lucro é corrigido, para refletir quanto o algoritmo genético corresponde aos nossos outros critérios. Então usamos o resultado para encontrar uma Rede Neural vencedora.

Estratégia de Negociação de FOREX: Discutindo o exemplo 1.

O exemplo 1 funciona muito melhor do que o exemplo 0. Durante os primeiros 100 ciclos, ele aprendeu muito e os gráficos de lucro parecem reconfortantes. No entanto, como no exemplo 0, as negociações longas são muito mais lucrativas, o que provavelmente significa que há um problema em nossa abordagem. No entanto, o sistema encontrou um equilíbrio entre duas condições iniciais contraditórias:

Há alguma dinâmica positiva tanto no conjunto de aprendizado quanto, mais importante, no conjunto de testes.

Quanto ao aprendizado posterior, no ciclo 278 podemos ver que nosso sistema foi super treinado. Isso significa que ainda temos progresso no aprendizado:

Mas o conjunto de testes mostra fraqueza:

Este é um problema comum com NNs: quando ensinamos em um conjunto de aprendizado, ele aprende a lidar com ele e, às vezes, aprende muito bem - na medida em que perde o desempenho no conjunto de testes.

Para lidar com esse problema, uma solução "tradicional" é usada: continuamos procurando a Rede Neural, que tem melhor desempenho no conjunto de testes, e a salvamos, sobrescrevendo a melhor anterior, sempre que um novo pico é atingido. Essa é a mesma abordagem, usada no treinamento FFBP, exceto que, desta vez, temos que fazer isso sozinhos (adicionando código, que procura uma melhor Rede Neural em um conjunto de testes, chamando SAVE_NN ou exportando pesos de Rede Neural para um Arquivo). Dessa forma, quando você interromper seu treinamento, você terá o melhor desempenho de ON TESTING SET salvo e esperando por você.

Note também que não é o máximo. o lucro que você busca, mas o desempenho ideal, portanto, considere usar correções ao procurar um melhor desempenho em um conjunto de testes.

Algoritmo Genético para Análise Técnica FOREX: Onde agora?

Depois de ganhar o seu vencedor Rede Neural, você pode seguir os passos, descritos no artigo anterior, para exportar pesos dessa Rede Neural, e então usá-los em sua plataforma de negociação em tempo real, como Meta Trader, Trade Station e assim por diante.

Alternativamente, você pode se concentrar em outras maneiras de otimizar a Rede Neural, ao contrário do algoritmo FFBP, aqui você pode obter o avay de usar conjuntos de aprendizado e teste e mover o aprendizado seqüencial.

Algorithmic Trading System Design & amp; Implementação.

AlgorithmicTrading é um desenvolvedor de sistema de negociação de terceiros especializado em sistemas automatizados de negociação, estratégias de negociação algorítmica e análise de negociação quantitativa. Oferecemos dois algoritmos de negociação distintos para comerciantes de varejo e investidores profissionais.

Assista ao nosso blog de vídeo algorítmico em que nosso principal desenvolvedor analisa o desempenho a partir de 6/10/17 & ndash; 8/8/17 usando nosso sistema de negociação automatizado. Visite nosso Blog Algorithmic Trading para ver todos os vídeos de desempenho de 2016-2018 no acumulado do ano. Os futuros e opções de negociação envolvem risco substancial de perda e não são adequados para todos os investidores.

Comece hoje mesmo na negociação algorítmica.

Os Destaques do Swing Trader.

Nossa Swing Trading Strategy negocia o S & P 500 Emini Futures (ES) e o Ten Year Note (TY). Este é um sistema de negociação 100% automatizado que pode ser executado automaticamente com os melhores esforços por vários Corretores Registrados da NFA. Também pode ser instalado e carregado na plataforma Tradestation. Os dados seguintes abrangem o período de avanço (fora da amostra) que abrange 10/1 / 15-3 / 14/18. A negociação de futuros envolve risco substancial de perda e não é apropriada para todos os investidores. O desempenho passado não é indicativo de desempenho futuro. Esses dados presumem que 1 unidade (US $ 15.000) foi negociada durante todo o período em análise (non-compounded).

* Perdas podem exceder o rebaixamento máximo. Isso é medido de pico a vale, fechando o comércio para fechar o comércio. O desempenho passado não é indicativo de desempenho futuro.

O Swing Trader Mensal P / L.

Os negócios iniciados em outubro de 2015 são considerados Walk-Forward / Out-of-Sample, enquanto os negócios anteriores a outubro de 2015 são considerados back-tested. Os lucros / perdas fornecidos são baseados em uma conta de US $ 15.000 que troca 1 unidade no Swing Trader. Esses dados não são compostos.

* Perdas podem exceder o rebaixamento máximo. Isso é medido de pico a vale, fechando o comércio para fechar o comércio. O desempenho passado não é indicativo de desempenho futuro.

CFTC REGRA 4.41: Os resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados mostrados em um registro de desempenho real, esses resultados não representam negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação maior ou menor pelo impacto, se houver, de alguns fatores de mercado, como a falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de que eles são projetados com o benefício da retrospectiva. Não está sendo feita nenhuma representação de que qualquer conta terá ou poderá obter lucros ou perdas similares a essas demonstrações.

Noções básicas de negociação algorítmica.

O Algorithmic Trading, também conhecido como Quant Trading, é um estilo de negociação que utiliza algoritmos de previsão de mercado para encontrar transações potenciais. Existem várias subcategorias de negociação quantitativa para incluir High Frequency Trading (HFT), Arbitragem Estatística e Análise de Predição de Mercado. Na AlgorithmicTrading, nós nos concentramos no desenvolvimento de sistemas de negociação automatizados que fazem negócios de swing, dia e opções para aproveitar as ineficiências do mercado.

Atualmente, estamos oferecendo dois sistemas de negociação de futuros que negociam o ES & amp; Futuros de TY. Continue lendo para ver por si mesmo como implementar um sistema de negociação de algo projetado profissionalmente pode ser benéfico para suas metas de investimento. Nós não somos registrados Consultores de Negociação de Commodities e, portanto, não controlamos diretamente as contas de clientes & ndash; no entanto, negociamos ambos os sistemas de negociação com nosso próprio capital, utilizando um dos corretores de execução de negociação automatizada.

Exemplo de negociação algorítmica.

Estratégia de negociação de futuros: o pacote Swing Trader.

Este pacote utiliza nossos algoritmos de melhor desempenho desde o início. Visite a página do comerciante do swing para ver preços, estatísticas comerciais completas, lista completa de comércio e muito mais. Este pacote é ideal para o cético que deseja negociar um sistema robusto que tenha se saído bem em negociações cegas para fora e para fora da amostra. Cansado de modelos otimistas com back-testing que nunca parecem funcionar quando negociados ao vivo? Se assim for, considere este sistema de negociação de caixa preta. Este é o nosso algoritmo de negociação mais popular para venda.

Detalhes no Swing Trader System.

Futuros & amp; Estratégia de negociação de opções: o pacote S & amp; P Crusher v2.

Este pacote utiliza sete estratégias de negociação em uma tentativa de diversificar melhor sua conta. Este pacote utiliza comércios de swing, day trades, condutores de ferro e chamadas cobertas para tirar proveito de várias condições de mercado. Este pacote é negociado em unidades de tamanho de US $ 30.000 e foi lançado ao público em outubro de 2016. Visite a página do produto S & P Crusher para ver os resultados do back-test com base nos relatórios de negociação.

Detalhes no triturador S & P.

Cobrindo os fundamentos do design do sistema de negociação automatizado.

Múltiplos Sistemas de Negociação Algorítmica Disponíveis.

Escolha de um dos nossos sistemas de negociação & ndash; O Swing Trader ou o S & amp; P Crusher. Cada página mostra a lista de negociação completa, incluindo resultados de otimização de post-forward, walk-forward. Esses sistemas de negociação informatizados de caixa preta são totalmente automatizados para gerar alfa ao tentar minimizar o risco.

Algoritmos de negociação múltiplos trabalhando juntos.

Nossa metodologia de negociação quântica nos emprega várias estratégias de negociação de algoritmos para diversificar melhor sua conta de negociação automática. Saiba mais visitando nossa página de metodologia de design de estratégias de negociação.

Trades During Bear & amp; Mercados de touro.

Em nossa opinião, a chave para o desenvolvimento de um sistema de negociação algorítmica que realmente funciona é contabilizar múltiplas condições de mercado. A qualquer momento, o mercado poderia passar de um touro para um mercado em baixa. Ao tomar uma posição agnóstica de direção de mercado, estamos tentando superar o desempenho em Bull & amp; Condições de mercado do urso.

Sistemas de negociação totalmente automatizados.

Você pode negociar automaticamente nosso software algorítmico usando um corretor de execução automática (com os melhores esforços). Temos vários corretores para você escolher. Remova as decisões baseadas em emoções de sua negociação usando nosso sistema de negociação automatizado.

O comércio algorítmico funciona?

Acompanhe o progresso diário de nossos algoritmos de negociação quantitativa com o aplicativo do corretor OEC. Você também receberá declarações diárias da empresa de compensação da NFA Registered. Você pode comparar cada uma das suas negociações com a lista comercial que publicamos no final de cada dia. Exemplos completos de negociação algorítmica são postados para todos verem. A lista completa de transações pode ser vista visitando a página de negociação algorítmica do sistema que você está negociando. Quer ver algumas declarações de contas ativas? Visite os retornos ao vivo & amp; página de instruções.

Múltiplas Estratégias de Negociação Quant.

Nossos sistemas de negociação quantitativos têm diferentes expectativas com base nos algoritmos preditivos empregados. Nossos Sistemas de Negociação Automatizada colocarão operações de swing, day trade, condutores de ferro & amp; chamadas cobertas. Estas Estratégias 100% Quant baseiam-se puramente em indicadores técnicos e algoritmos de reconhecimento de padrões.

Nosso software de negociação automatizada ajuda a remover suas emoções da negociação.

Algoritmos de negociação múltiplos são negociados como parte de um maior sistema de negociação algorítmica.

Cada estratégia de negociação algorítmica oferecida tem vários pontos fortes e fracos. Seus pontos fortes e fracos são identificados com base em três estados de mercado potenciais: Strong Up, Sideways & amp; Abaixo mercados em movimento. A estratégia de negociação de condores de ferro supera os mercados em movimento lateral e ascendente, enquanto o algoritmo das notas de tesouro se destaca nos mercados em baixa. Com base no backtesting, espera-se que o algoritmo de momentum tenha um bom desempenho durante os mercados em ascensão. Confira a seguinte coleção de vídeos, onde cada algoritmo de negociação oferecido é revisado por nosso desenvolvedor líder. Os pontos fortes de cada algoritmo de negociação são analisados ​​juntamente com as suas fraquezas.

Vários tipos de estratégias de negociação são usados ​​em nosso software de negociação automatizada.

Comissões do dia são inseridas & amp; saiu no mesmo dia, enquanto as negociações de giro terão um longo prazo de negociação com base nas expectativas para o S & amp; P 500 a tendência de maior ou menor no prazo intermédio. Os negócios de opções são colocados nas opções semanais do S & amp; P 500 sobre futuros, normalmente entrando em uma segunda-feira e mantendo até a expiração da sexta-feira.

Swing Trading Strategies.

As seguintes Swing Trading Strategies colocam operações de swing direccionais no S & amp; P 500 Emini Futures (ES) e na Nota de Dez Anos (TY). Eles são usados ​​em ambos os sistemas de negociação automatizados que oferecemos para aproveitar as tendências de longo prazo que nossos algoritmos de predição de mercado estão esperando.

Futures Swing Trading Strategy # 1: Momentum Swing Trading Algorithm.

A Momentum Swing Trading Strategy coloca os negócios do swing no Emini S & amp; P Futures, aproveitando as condições de mercado que sugerem um movimento de prazo intermediário mais alto. Este algoritmo de negociação é usado em ambos os nossos sistemas de negociação automatizados: O S & amp; P Crusher v2 & amp; O comerciante do balanço.

Estratégia de Negociação de Futuros Swing # 2: Algoritmo de Notas do Tesouro de Dez Anos.

A Tesouraria Note (TY) Trading Strategy coloca swing trades na nota de dez anos (TY). Uma vez que o TY tipicamente se move inversamente para os mercados mais amplos, esta estratégia cria um trade swing semelhante ao shorting do S & P 500. Esse algoritmo T-Note tem expectativas positivas para condições de mercado em baixa. Este algoritmo de negociação é usado em ambos os nossos sistemas de negociação automatizados: O S & amp; P Crusher v2 & amp; O comerciante do balanço.

Estratégias de Negociação Diária.

As estratégias de negociação do dia seguinte colocam o day trade no S & amp; P 500 Emini Futures (ES). Eles quase sempre entram em negociações durante os primeiros 20 minutos após a abertura dos mercados de ações e saem antes do fechamento dos mercados. Paradas apertadas são utilizadas em todos os momentos.

Estratégia de Negociação do Dia de Futuros # 1: Algoritmo de Negociação de Dia.

A Estratégia de Negociação de Dia Curta coloca negociações diárias no Emini S & P Futures quando o mercado mostra fraqueza pela manhã (prefere uma grande diferença para baixo). Esta estratégia de negociação é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.

Estratégia de Negociação de Dia de Futuro # 2: Algoritmo de Negociação de Dia de Breakout.

A Breakout Day Trading Strategy coloca o day trade no Emini-S & P Futures quando o mercado mostra força pela manhã. Esta estratégia de negociação de futuros é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.

Estratégia de Negociação de Dia de Futuros # 3: Algoritmo de Negociação de Dia de Intervalo da Manhã.

O Morning Gap Day Trading Strategy coloca negócios de dia curto no Emini S & amp; P Futures quando o mercado tem uma grande lacuna, seguido por um curto período de fraqueza. Esta estratégia de negociação é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.

Estratégias de Negociação de Opções.

As seguintes estratégias de negociação de opções cobram prêmio no S & amp; P 500 Emini Weekly Options (ES). Eles são usados ​​em nosso S & amp; P Crusher v2, a fim de aproveitar as vantagens de lateralmente, para baixo & amp; condições de mercado em movimento. Um benefício para as opções de negociação com nossas estratégias de negociação algorítmica é que elas são suportadas em um ambiente de negociação automatizado usando um dos corretores de execução automática.

Opções Trading Strategy # 1: Algoritmo de Condor Iron Condor.

A Estratégia de Negociação de Opções da Iron Condor é perfeita para quem deseja uma taxa de ganhos por negociação mais alta e que simplesmente quer cobrar prêmios no S & amp; P 500 Emini Futures com a venda da Iron Condors. Quando nossos algoritmos esperam uma condição de mercado de derivação lateral ou ascendente, esse sistema criará uma operação de Condor de Ferro. Essa estratégia é usada em um dos nossos Sistemas de negociação automatizados: O S & amp; P Crusher v2.

Estratégia de negociação de opções # 2: Algoritmo de opções de chamadas cobertas.

A Estratégia de Negociação das Opções de Compra Coberta vende de chamadas cobertas por dinheiro contra os algoritmos de momento Long swing swing, para arrecadar premium e ajudar a minimizar as perdas caso o mercado se mova contra nossa posição de algoritmo de momentum. Quando negociado com o Algoritmo de Troca de Momentum Swing - como é o caso no S & amp; P Crusher & amp; ES / TY Futures Trading Systems, isso cria uma posição de compra coberta. Quando negociados no Sistema de Negociação Bearish Trader, as chamadas são vendidas sem cobertura e, portanto, estão a descoberto. Em ambos os casos, & ndash; como um suporte ao longo do algoritmo & ndash; Ele funciona bem em condições de mercado em movimento lateral e para baixo. Essa estratégia é usada em um dos nossos Sistemas de negociação automatizados: O S & amp; P Crusher v2.

Embora cada uma dessas estratégias de negociação possa ser negociada sozinha, elas são negociadas melhor em uma coleção mais ampla de algoritmos de negociação & ndash; como visto em um dos nossos sistemas automatizados de negociação, como o The Swing Trader.

Algoritmos de negociação que realmente funcionam?

Essa série de vídeos de negociação algorítmica é feita para que nossos clientes possam ver os detalhes de cada negociação semanalmente. Assista a cada um dos seguintes vídeos de negociação algorítmica para ver em tempo real o desempenho de nossos algoritmos de negociação. Sinta-se à vontade para visitar nossos Críticas de AlgorithmicTrading & amp; Página Press Releases para ver o que os outros estão dizendo sobre nós.

Inscrição na Newsletter.

Obtenha atualizações de desempenho da AlgorithmicTrading juntando-se à nossa newsletter.

O que separa o comércio algorítmico de outras técnicas técnicas de negociação?

Nos dias de hoje, parece que todo mundo tem uma opinião sobre as técnicas de negociação técnica. Head & amp; Padrões de ombros, MACD Bullish Crosses, VWAP Divergences, a lista continua. Nesses vídeos, nosso engenheiro líder de projeto analisa alguns exemplos de estratégias de negociação encontradas on-line. Ele pega suas Tips Trading, faz um código e executa um back-test simples para ver o quão efetivas elas realmente são. Depois de analisar seus resultados iniciais, ele otimiza o código para ver se uma abordagem quantitativa à negociação pode melhorar as descobertas iniciais. Se você é novo em negociação algorítmica, esses blogs de vídeo serão bastante interessantes. Nosso designer utiliza máquinas de estado finito para codificar essas dicas básicas de negociação. Como a negociação algorítmica difere da negociação técnica tradicional? Simplificando, Algorithmic Trading requer precisão e fornece uma janela para um potencial de algoritmos baseado em back-testing que possui limitações.

Procurando por Algorithmic Trading Tutorial & amp; Como para vídeos?

Assista a várias apresentações de vídeo educativo feitas por nosso designer líder em negociação algorítmica para incluir um vídeo que cobre nossa Metodologia de Design de Quantificação Comercial e um Tutorial de Negociação Algorítmica. Esses vídeos de estratégia de negociação fornecem exemplos de codificação de comércio algorítmico e o introduzem à nossa abordagem de negociar os mercados usando análise quantitativa. Nesses vídeos, você verá muitas razões pelas quais a negociação automatizada está decolando para incluir a ajuda para remover suas emoções da negociação. Visite nossa página de vídeos de negociação educacional para ver uma lista completa de mídia educacional.

Comece a usar um dos nossos sistemas de negociação automatizados hoje.

Não perca. Junte-se aos que já estão negociando com AlgorithmicTrading. Comece hoje mesmo com um dos nossos pacotes de negociação algorítmica.

Várias opções de execução automática de comércio estão disponíveis.

Nossos algoritmos de negociação podem ser executados automaticamente usando um dos corretores de execução automática registrados pela NFA (com os melhores esforços) ou podem ser negociados em seu próprio PC usando MultiCharts ou Tradestation.

O FOX Group é uma corretora de introdução independente localizada no icônico prédio da Chicago Board of Trade, no coração do distrito financeiro da cidade. Eles são registrados no NFA e são capazes de executar nossos algoritmos automaticamente com os melhores esforços.

Os corretores interativos são corretores registrados pela NFA que podem executar nossos algoritmos automaticamente com os melhores esforços. Além disso, eles suportam clientes canadenses.

Se você preferir executar os algoritmos em seu próprio PC, o MultiCharts é a plataforma preferida de software de negociação para execução automática. Ele oferece benefícios consideráveis ​​aos negociadores e oferece vantagens significativas em relação às plataformas concorrentes. Ele vem com gráficos de alta definição, suporte a mais de 20 feeds de dados e mais de 10 corretores, backtesting dinâmico de estratégia em nível de portfólio, suporte a EasyLanguage, relatórios interativos de desempenho, otimização genética, scanner de mercado e replay de dados.

A TradeStation é mais conhecida pelo software de análise e pela plataforma de negociação eletrônica que oferece ao operador ativo e a determinados mercados de traders institucionais que permitem que os clientes projetem, testem, otimizem, monitorem e automatizem suas próprias ações, opções e opções personalizadas. estratégias de negociação de futuros. Tradestation é outra opção para pessoas que desejam negociar automaticamente nossos algoritmos em seu próprio PC.

Não deixe de visitar nossa página de Perguntas frequentes para ver uma lista de perguntas e respostas comuns. Você também pode clicar aqui para saber mais sobre a AlgorithmicTrading e seu Lead Developer.