Otu esi aghọta ihe ndabere nke quantitative Trading

1. Nchịkọta nke Quantitative Trading

Nnukwu ọnụ trading apụtala dị ka otu n'ime ụdị azụmaahịa kachasị ike na nke ọhụrụ na ego nke taa ahịa. Site na iji ụdị mgbakọ na mwepụ, algọridim, na nnukwu data. traders nwere ike ime mkpebi ngwa ngwa, na-arụ ọrụ nke ọma, yana na oke nkenke. N'akụkụ a, anyị ga-atọgbọ ntọala maka ịghọta ọnụọgụ ọnụọgụgụ site n'ịkọwa ihe ọ gụnyere na ịkọwa ihe kpatara nghọta siri ike nke mpaghara a ji dị oke mkpa maka ịga nke ọma n'ahịa ọgbara ọhụrụ.

1.1 Kọwaa ahia quantitative

N'isi ya, ịzụ ahịa ọnụọgụ gụnyere iji mgbakọ mgbakọ na mwepụ na ụdị ọnụ ọgụgụ iji chọpụta na mebie ohere ịzụ ahịa n'ahịa ego. Kama ịdabere n'uche mmadụ, mmetụta uche, ma ọ bụ echiche nke onwe, ọnụọgụgụ traders na-adabere na mkpebi ha na atụmatụ data na-ebute. A na-emekarị atụmatụ ndị a na-akpaghị aka site na iji algọridim ọkaibe, nke na-enye ohere maka igbu ngwa ngwa yana ikike ịhazi nnukwu ozi n'oge.

Akụkụ bụ isi nke ịzụ ahịa ọnụọgụ gụnyere iji algọridim, nnukwu azụ azụ nke trading azum, elu n'ihe ize ndụ usoro nchịkwa, na nyocha data. Akụkụ nke ọ bụla na-arụ ọrụ dị oke mkpa na usoro n'ozuzu ya, na-arụkọ ọrụ ọnụ iji chọpụta ụkpụrụ, ọnọdụ, na adịghị arụ ọrụ na ahịa. Ebumnuche bụ iji arụpụtaghị ihe ndị a, na-enyere aka traders ime ka uru trades na obere ihe ize ndụ.

1.2 Kọwaa mkpa ọ dị ịghọta ọnụọgụ ọnụọgụgụ

Mkpa nke quantitative trading dabeere na ya ike n'usoro wepụ mmetụta si trading usoro mgbe ikwe traders imekwu ebumnuche na mkpebi amamihe. Mmetụta uche mmadụ, dị ka egwu na anyaukwu, na-edugakarị n'ime mkpebi na-adịghị mma, karịsịa n'oge ọnọdụ ahịa na-agbanwe agbanwe. Azụmahịa ọnụọgụ na-enyere aka ibelata okwu a site n'ịdabere na iwu ekpebiburu na algọridim iji kpebie ịzụta na ire mkpebi.

Na mgbakwunye, ịzụ ahịa ọnụọgụ na-enye ohere maka scalability, dị ka nnukwu mpịakọta tradeEnwere ike igbu s n'otu oge na-enweghị mkpa enyemaka mmadụ mgbe niile. Nke a bara uru karịsịa na ahịa mmiri mmiri dị ukwuu, ebe igbu egbu ngwa ngwa dị mkpa iji weghara ohere bara uru.

Ọzọkwa, ịghọta quantitative trading ngwá traders nwere ngwaọrụ ndị achọrọ iji jikwaa gburugburu ahịa dị mgbagwoju anya. Site na itinye ụdị ọnụ ọgụgụ na usoro nyocha data, ọnụọgụ traders nwere ike ịkọwa mmegharị ahịa nke ọma, jikwaa ize ndụ, ma kwalite atụmatụ azụmaahịa ha maka ọnọdụ ahịa dị iche iche. Ihe ọmụma a dị mkpa maka traders ndị chọrọ ịnọgide na-asọmpi na mpaghara na-agbanwe ngwa ngwa ebe usoro algorithmic na data na-achịkwa na-achịkwa.

2. Isi echiche

Ịghọta isi echiche dị n'azụ ịzụ ahịa ọnụọgụ dị mkpa maka ịmepụta na ime atụmatụ na-aga nke ọma. Echiche ndị a na-etolite ntọala nke traders nwere ike wulite usoro ọkaibe, data na-eduzi. N'akụkụ a, anyị ga-enyocha ihe ndị bụ isi nke ịzụ ahịa ọnụọgụgụ, gụnyere ahia algọridim, nyocha azụ, njikwa ihe egwu, na nyocha data.

2.1 Algorithmic Trading

Azụmahịa algọridim bụ usoro iji sistemụ akpaaka, nke a maara dị ka algọridim, iji mebie trades dabere na iwu ebugoro ụzọ kọwaa. Usoro a na-ewepụ mkpa ntinye aka nke aka, na-enye ohere ime mkpebi ngwa ngwa na ịrụ ọrụ nke ọma trade ogbugbu. Azụmahịa algọridim bara uru karịsịa na gburugburu ebe oge na nkenke dị oke mkpa, n'ihi na algọridim nwere ike hazie nnukwu data ozugbo wee mebie. trades ya mere.

2.1.1 Nkọwa na ebumnuche

Ebumnuche nke ịzụ ahịa algọridim bụ iji megharịa usoro ịme mkpebi, ibelata mkpa ntinye mmadụ na ịbawanye ọsọ na izi ezi nke trades. Site na iji ụdị mgbakọ na mwepụ na ntuziaka koodu, algọridim nwere ike nyochaa ọnọdụ ahịa ma zaghachi mgbanwe n'ime oge. Emebere algọridim ndị a iji chọpụta ohere bara uru site n'ịtụle data ahịa, dị ka mmegharị ọnụahịa, olu, na usoro. Ebumnuche bụ imezu trades na oge kacha mma na ọnụahịa, na-adịkarị ngwa ngwa karịa mmadụ trader nwere ike.

2.1.2 Ụdị Algorithms

Enwere ụdị algọridim dị iche iche ejiri na azụmaahịa ọnụọgụ, nke ọ bụla na-arụ otu ebumnuche dabere na atụmatụ ejiri rụọ ọrụ. Algọridim dabere na iwu bụ otu n'ime ihe ndị a na-ahụkarị, na-adabere na usoro nke ọnọdụ eburu ụzọ mee mkpebi azụmaahịa. Ndị a nwere ike ịgụnye njirisi dịka oke ọnụ ahịa, na-agagharị agafe crossovers, ma ọ bụ akara ngosi ahịa kpọmkwem.

Algọridim ngụkọ, n'aka nke ọzọ, na-eji ụdị ndekọ ọnụ ọgụgụ dị elu iji nyochaa data akụkọ ihe mere eme ma buru amụma mmegharị ọnụahịa n'ọdịnihu. Modelsdị ndị a na-etinyekarị echiche nke puru omume, nyocha nlọghachi azụ, na usoro ndekọ ọnụ ọgụgụ ndị ọzọ iji chọpụta ohere azụmaahịa nwere ike.

Algọridim mmụta igwe na-eme nke a n'ihu site n'ikwe ka usoro ahụ "mụta" site na data ọhụrụ. Ka ọnọdụ ahịa na-agbanwe, algọridim mmụta igwe nwere ike imeghari site na imezi ụdị ha na imeziwanye amụma ha ziri ezi. Nke a bara uru karịsịa n'ahịa dị ike ebe ụkpụrụ na usoro nwere ike ịmalite ngwa ngwa.

2.1.3 Uru na ihe ize ndụ nke Algorithmic Trading

Azụmahịa Algorithmic na-enye ọtụtụ uru, gụnyere ịba ụba arụmọrụ, izi ezi, yana ikike ịhazi oke data. Site na ịmegharị usoro ịzụ ahịa, algọridim nwere ike ime trades na-agba ọsọ karịa ike mmadụ, nke dị mkpa karịsịa n'ahịa ahịa mmiri mmiri. Na mgbakwunye, algọridim nwere ike ịrụ ọrụ 24/7, na-ahụ na ohere ịzụ ahịa anaghị efu n'ihi oke mmadụ dịka ike ọgwụgwụ.

Otú ọ dị, algọridim trading na-abịa na ihe ize ndụ. Algọridim emebere nke ọma nwere ike ibute nnukwu mfu ma ọ bụrụ na ha adaghị akaụntụ maka ọnọdụ ahịa na-atụghị anya ya ma ọ bụ ihe ọjọọ. Enwekwara ihe ize ndụ nke ịfefe, ebe algorithm na-edobe nke ọma na data akụkọ ihe mere eme ma na-arụ ọrụ nke ọma mgbe etinyere ya na data ọhụrụ. N'ikpeazụ, ọsọ na automation nke algorithmic trading nwere ike mgbe ụfọdụ ka njọ ahịa volatility, dị ka a na-ahụ na mkpọka ọkụ ebe sistemụ akpaaka na-ebute ire ere ngwa ngwa.

2.2 Nleba anya

Nleghachi azụ bụ usoro dị oke mkpa na azụmaahịa ọnụọgụ na-enye ohere traders tule ka a usoro ahia gaara eme n'oge gara aga. Site n'itinye atụmatụ na data ahịa akụkọ ihe mere eme, traders nwere ike ịlele ịdị irè ya ma mee mgbanwe tupu emejuputa ya na ahịa dị ndụ.

2.2.1 Nkọwa na Usoro

Nleghachi azụ gụnyere ịgba ọsọ atụmatụ azụmaahịa site na data akụkọ ihe mere eme iji hụ ka ọ gaara arụ na ọnọdụ ụwa n'ezie. Usoro a na-agụnye itinye koodu a n'ime usoro nyocha azụ azụ, nke na-emezigharị ya trades dabere na data ahịa ahịa gara aga. Nke a na-enye ohere bara uru iji nyochaa arụmọrụ nke atụmatụ ahụ, gụnyere metrik dị ka uru, ihe egwu, na mwepu.

2.2.2 Mkpa nke nyocha azụ

Nleba anya azụ dị mkpa n'ihi na ọ na-enyere aka traders chọpụta adịghị ike ndị nwere ike na atụmatụ ha tupu ha etinye ego n'ezie. Site n'ịtụle arụmọrụ gara aga, traders nwere ike ịkwalite atụmatụ ha iji bulie uru ma na-ebelata ihe egwu. Ọ na-enye ohere traders iji nụchaa algọridim ha site na ịnwale ọnọdụ dị iche iche, ọnọdụ ahịa, na parampat, n'ikpeazụ na-abawanye ohere nke atụmatụ nke ịga nke ọma na ịzụ ahịa ndụ.

2.2.3 Omume kacha mma maka nyocha azụ

Mgbe ị na-eme nyocha azụ, ọ dị mkpa iji data dị elu na-egosipụta n'ụzọ ziri ezi ọnọdụ ahịa akụkọ ihe mere eme. Izi ezi data dị oke mkpa, n'ihi na nghọtahie ọ bụla nwere ike ibute nsonaazụ na-eduhie eduhie. Ndị na-azụ ahịa kwesịkwara iji echiche ziri ezi, dị ka itinye ọnụ ahịa azụmaahịa na nhichapu, iji hụ na backtest Nsonaazụ dabara na arụmọrụ nke ụwa. Omume ọzọ bụ isi bụ ịzenarị ihe karịrị oke, ebe atụmatụ na-arụ ọrụ nke ọma na azụ azụ mana ọ daa n'ahịa dị ndụ n'ihi na ahaziri ya nke ọma na data akụkọ ihe mere eme.

2.3 Njikwa Egwu

Njikwa ihe egwu bụ akụkụ dị mkpa nke ịzụ ahịa ọnụọgụgụ. Na-enweghị usoro njikwa ihe ize ndụ dị irè, ọbụnadị algọridim ahịa ahịa kachasị baa uru nwere ike ịkpata nnukwu mfu. Akụkụ a na-enyocha mkpa njikwa ihe egwu dị na isi ihe ize ndụ metric ejiri na ịzụ ahịa ọnụọgụ.

2.3.1 Mkpa njikwa ihe ize ndụ na ịzụ ahịa quantitative

N'ịzụ ahịa ọnụọgụ, ijikwa ihe egwu dị oke mkpa dị ka ịchọpụta ohere bara uru. Ahịa ndị a na-atụghị anya ya, na ọbụna algọridim ndị a na-emepụta nke ọma na-adabere na mgbanwe ahịa ahịa na-atụghị anya ya na ihe omume mpụga. Nlekọta ihe egwu dị irè na-enyere aka ichebe isi obodo, na-eme ka ọ dị ogologo oge, na-egbochikwa mfu dị egwu n'oge mbelata ahịa.

2.3.2 Usoro ihe egwu

Iji jikwaa ihe egwu nke ọma, ọnụọgụ traders na-eji ọtụtụ metrik. Uru nọ n'ihe ize ndụ (VaR) bụ otu n'ime metrik ndị a na-ejikarị eme ihe, na-eche na ọ ga-efunahụ ya na Pọtụfoliyo n'ime oge a kapịrị ọnụ n'okpuru ọnọdụ ahịa nkịtị. Ihe metrik ọzọ dị mkpa bụ Mkpirisi Atụrụ Atụrụ anya, nke na-atụle nkezi mfu n'oge oge kachasị njọ nke arụmọrụ pọtụfoliyo, na-enye nghọta miri emi nke nnukwu ihe egwu.

2.3.3 Atụmatụ Mbelata ihe egwu

Ndị na-azụ ahịa na-eji ọtụtụ atụmatụ mbelata ihe egwu iji chebe Pọtụfoliyo ha. Mgbanwe, ma ọ bụ ịgbasa itinye ego n'ofe klaasị na ahịa bara uru dị iche iche, na-enyere aka ibelata ikpughe n'ihe ize ndụ ọ bụla. Nhazi ọnọdụ bụ usoro ọzọ a na-ahụkarị, ebe traders na-amachi nha nke ọnọdụ ọ bụla n'ihe gbasara mkpokọta pọtụfoliyo ha iji belata mmetụta nke mfu ọ bụla. Hedge, ebe traders na-eweghachi ọnọdụ iji belata ihe egwu, a na-ejikwa ya ugboro ugboro.

2.4 Nyocha data

Nyocha data bụ isi nkuku nke ịzụ ahịa ọnụọgụgụ, ebe ọ na-enye ntọala nke etinyere atụmatụ azụmaahịa niile. Site n'ịtụle data ahịa akụkọ ihe mere eme na ezigbo oge, traders nwere ike ịchọpụta usoro, usoro na adịghị arụ ọrụ iji jiri.

2.4.1 Mkpa nke Ogo data

Ogo nke data ejiri na quantitative trading bụ ihe kacha mkpa. Data na-ezighi ezi ma ọ bụ ezughị ezu nwere ike iduga nkwubi okwu na-ezighị ezi na arụmọrụ azụmahịa na-adịghị mma. Ịhụ na data ziri ezi, ntụkwasị obi, na nke ọhụrụ dị mkpa maka ịme mkpebi ndị nwere ezi uche na ịmepụta atụmatụ dị irè.

2.4.2 Nhicha na nhazi data

Tupu enwee ike nyochaa data, a ga-ehichapụrịrị ma dozie ya iji wepụ njehie, ụkpụrụ efu, na ndị na-apụ apụ. Nzọụkwụ a na-eme ka o doo anya na data ahụ na-agbanwe agbanwe ma dị mma maka nyocha. Nhazi nke ọma nwekwara ike ịgụnye ịhazi data iji hụ na ihe ndekọ data dị iche iche na-atụnyere, ọkachasị mgbe ị na-ejikọta ọtụtụ isi mmalite data.

2.4.3 Usoro nyocha data

Enwere ọtụtụ usoro nyocha data nke a na-ejikarị na azụmaahịa ọnụọgụ. Nyocha ndekọ aha gụnyere inyocha mmegharị ọnụ ahịa akụkọ ihe mere eme iji chọpụta usoro na mmekọrịta. Nyocha usoro oge na-elekwasị anya na nyochaa data ọnụahịa ka oge na-aga, na-achọpụta usoro, seasonality, na ụkpụrụ cyclical. Usoro ndị a dị mkpa maka ịmepụta ụdị amụma na-eme ka mkpebi azụmaahịa mara.

3. Ntọala mgbakọ na mwepụ

Ọganihu nke ịzụ ahịa ọnụọgụ na-adabere n'ụzọ dị ukwuu n'ụdị mgbakọ na mwepụ na-akwado atụmatụ ndị ejiri. Nghọta siri ike nke ụkpụrụ mgbakọ na mwepụ dị mkpa maka iwulite na ịkwalite atụmatụ ndị a. Akụkụ a na-enyocha usoro ndekọ ọnụ ọgụgụ na usoro nyocha usoro oge nke a na-ejikarị arụ ọrụ na ịzụ ahịa ọnụọgụ.

3.1 Ụzọ mgbakọ na mwepụ

Ụzọ nchịkọta akụkọ na-etolite ọkpụkpụ azụ nke atụmatụ ịzụ ahịa ọnụ ọgụgụ, na-enye ngwá ọrụ ndị dị mkpa iji nyochaa data akụkọ ihe mere eme ma na-ebu amụma banyere mmegharị ahịa n'ọdịnihu. Ngwa nke usoro mgbakọ na mwepụ na-enye ohere traders iji mepụta ụdị ndị nwere ike ịhazi nnukwu data, chọpụta usoro, na tụọ ohere nke nsonaazụ akọwapụtara.

3.1.1 Echiche puru omume

Ozizi nke puru omume bụ akụkụ dị mkpa nke ịzụ ahịa ọnụọgụgụ, dịka ọ na-enyere aka traders na-enyocha ohere nke nsonaazụ dị iche iche dabere na data akụkọ ihe mere eme. Site n'ịghọta ihe nwere ike ime, traders nwere ike ịkọwa ihe ize ndụ yana nlọghachi nke ha trades, na-enyere ha aka ime mkpebi amamihe karịa. Karịsịa, echiche nke puru omume na-enye ohere traders iji gbakọọ ụkpụrụ ndị a na-atụ anya ya, nke bụ isi n'ịchọpụta ma a trade nwere ezigbo nlọghachi a tụrụ anya ya.

Dịka ọmụmaatụ, a trader nwere ike iji nkesa nke puru omume tụọ anya na ọnụ ahịa akụrụngwa ruru n'ọkwa ụfọdụ. Enwere ike itinye ozi a n'ime algọridim azụmaahịa nke na-edozi ọnọdụ dabere na ihe gbasara puru omume.

3.1.2 Nnwale echiche

Nnwale nleba anya bụ usoro mgbakọ na mwepụ iji chọpụta ma mmetụta a hụrụ ọ̀ pụtara n'ọnụ ọgụgụ ma ọ bụ na o yikarịrị ka ọ̀ mere na mberede. N'ịzụ ahịa ọnụọgụgụ, enwere ike iji nnwale hypothesis kwado atụmatụ azụmaahịa site n'ịtụle ma arụrụ ọrụ nke atụmatụ ọ bụ n'ihi ezigbo adịghị ike ahịa ma ọ bụ naanị mgbanwe mgbanwe.

Iji maa atụ, a trader nwere ike ịmepụta atụmatụ dabere na echiche na ụfọdụ ụkpụrụ ọnụahịa na-ebu amụma mmegharị ọnụahịa n'ọdịnihu. Site n'ule hypothesis, nke trader nwere ike ikpebi ma arụmọrụ akụkọ ihe mere eme nke atụmatụ a ọ̀ dị mkpa na ọnụ ọgụgụ ma ọ bụ na ọ bụ naanị ihe ndapụta. Nke a na-eme ka a mata na atụmatụ siri ike ma ghara ịdabere na usoro ahịa ahịa na-adịghị adịte aka.

3.1.3 Nyochaa nlọghachi azụ

Ntụle nlọghachi azụ bụ usoro nchịkọta akụkọ eji egosipụta mmekọrịta dị n'etiti otu mgbanwe dabere na otu mgbanwe ma ọ bụ karịa nọọrọ onwe ya. N'ihe gbasara ịzụ ahịa ọnụọgụgụ, enwere ike iji nyocha regression iji chọpụta na ọnụ ọgụgụ mmekọrịta dị n'etiti ọnụ ahịa akụ na mgbanwe ndị ọzọ, dị ka ndenye ahịa ahịa, ụtụ ọnụ, ma ọ bụ ihe ngosi akụ na ụba.

Linear regression, otu n'ime ihe ndị a na-emekarị nke nyocha nyocha, na-enye ohere traders iji gosipụta mmekọrịta dị n'etiti ọnụ ahịa akụrụngwa na mgbanwe amụma. Site na nyochaa ọnụọgụ regression, traders nwere ike ịkọwa ka mgbanwe na mgbanwe amụma ga-esi metụta ọnụ ahịa akụ, na-enyere ha aka ịmepụta ụdị na-etinye mmekọrịta ndị a na atụmatụ ịzụ ahịa ha.

3.1.4 Nkesa Statistical

Ịghọta nkesa ndekọ ọnụ ọgụgụ dị oke mkpa maka ịmegharị na ịkọ mmegharị ọnụ ahịa akụ. Ọnụ ahịa akụ na-esokarị usoro nkesa kpọmkwem, dị ka nkesa nkịtị ma ọ bụ log-nkịtị, nke na-enyere aka traders na-egosiputa ohere nke nsonaazụ dị iche iche. N'ịzụ ahịa ọnụọgụ, a na-ejikarị nkesa nkesa eme ihe iji gosipụta nlọghachi akụ, n'ihi na ọ na-eche na ọtụtụ mgbanwe ọnụahịa ga-adị ntakịrị yana na mmegharị ahụ dị oke ụkọ mana ọ ga-ekwe omume.

Site n'ịghọta udi, pụtara, na ndahie ọkọlọtọ nke nkesa. traders nwere ike ịkọwapụta ohere nke mmegharị ọnụahịa n'ọdịnihu ma jikwaa ihe egwu ha n'otu aka ahụ. Ihe ize ndụ ọdụ, nke na-ezo aka n'ihe ize ndụ nke mmegharị ahịa dị oke egwu, na-egosipụtakwa site na iji nkesa ọnụ ọgụgụ, na-enyere aka. traders na-akwado maka ihe omume dị ala mana mmetụta dị elu.

3.2 Nyocha usoro oge

Nyocha usoro oge bụ ọmụmụ ihe data anakọtara ma ọ bụ dekọọ n'ime oge ụfọdụ. N'ịzụ ahịa ọnụọgụgụ, a na-eji nyocha usoro oge iji nyochaa ọnụ ahịa akụrụngwa na data ego ndị ọzọ ka oge na-aga iji chọpụta usoro, usoro na mmegharị nwere ike ime n'ọdịnihu.

3.2.1 Ngwa nke usoro oge

Ihe ndekọ usoro oge nwere ọtụtụ isi ihe mejupụtara: omume, oge oge, usoro cyclical, na enweghị usoro. Ịghọta akụkụ ndị a dị oke mkpa maka ịkọwa data ahịa na ịkọ mmegharị ọnụahịa n'ọdịnihu.

• Trend na-ezo aka na mmegharị ogologo oge na usoro oge. Dịka ọmụmaatụ, mgbanwe na-agbanwe agbanwe na ọnụ ahịa akụrụngwa kemgbe ọtụtụ afọ na-egosi ezigbo uto ogologo oge.
• Oge elekere na-ezo aka n'usoro ikwugharị ma ọ bụ mgbanwe mgbanwe na-eme n'oge oge, dị ka kwa ụbọchị, kwa izu, ma ọ bụ kwa ọnwa. N'ahịa ego, enwere ike ịhụ oge oge n'ọtụtụ azụmaahịa na-abawanye na njedebe nke nkeji ego.
• Ụdị cyclical dị ka oge oge mana ọ na-eme n'oge oge na-adịghị, na-ejikọta ya na usoro akụ na ụba sara mbara dị ka nlaghachi azụ ma ọ bụ mgbasawanye.
• Ihe na -ezighi ezi na-ezo aka na enweghị atụ, mgbanwe mgbanwe na usoro oge, nke na-emekarị site na ihe omume ahịa a na-atụghị anya ya ma ọ bụ ihe mgbagwoju anya nke mpụga.

Site n'iwepụ data usoro oge n'ime ihe ndị a, traders nwere ike ghọta nke ọma ihe ndị agha na-akpata na-ebugharị mmegharị ahịa ma mezie atụmatụ ha nke ọma.

3.2.2 Usoro amụma

Usoro amụma na-enye ohere traders ịkọ amụma mmegharị ọnụahịa n'ọdịnihu dabere na data akụkọ ihe mere eme. Ụdị abụọ a na-ejikarị na quantitative trading bụ ARIMA (Auto-Regressive Integrated Moving Average) na GARCH (Generalized Autoregressive Conditional Heteroskedasticity).

• ARIMA a na-eji maka ịkọ usoro data usoro oge nke na-egosi usoro nke ngbanwe akpaaka. Ihe nlereanya a dị irè karịsịa maka ịkọ amụma ọnụahịa dị mkpirikpi dabere na data gara aga. Site n'ịchọpụta na ịmegharị mmekọrịta dị n'etiti mgbanwe ndị nwere oge, ARIMA nwere ike ịnye traders na ngwá ọrụ dị ike maka ịtụ anya mmegharị ọnụahịa n'ọdịnihu.
• ARTA a na-ejikarị eme ihe nlereanya volatility n'ahịa ego. Ebe ọ bụ na mgbanwe bụ isi ihe na nhọrọ ọnụahịa na ijikwa ihe egwu, GARCH dị mkpa maka traders ndị chọrọ ịkọ oge mgbanwe dị elu ma ọ bụ dị ala ma mezie atụmatụ ha nke ọma.

Ma ARIMA na GARCH kwere traders ịzụlite amụma ziri ezi na nke a pụrụ ịdabere na ya, na-enyere ha aka ime mkpebi ịzụ ahịa nke ọma.

3.2.3 Ngosipụta nyocha teknụzụ

Nka na ụzụ analysis ndị na-egosi bụ ngwaọrụ eji enyocha ụkpụrụ ọnụahịa na ibu amụma mmegharị ọnụahịa n'ọdịnihu. A na-enwetakarị ihe ngosi ndị a site na data usoro oge akụkọ ihe mere eme ma bụrụ akụkụ dị oke mkpa nke atụmatụ azụmaahịa ọnụọgụ.

Ụfọdụ ihe nleba anya nyocha teknụzụ a na-ahụkarị gụnyere:

• Ibughari ugo, nke na-eme ka data ọnụahịa dị mma iji chọpụta ntụziaka nke usoro n'ime oge a kapịrị ọnụ.
• Ikwu Ike Index (RSI), nke na-atụ ọsọ na mgbanwe nke mmegharị ọnụ ahịa iji chọpụta ọnọdụ ndị a zụtara ma ọ bụ karịa.
• Bollinger na ìgwè ndị agha, nke na-eji ụkpụrụ ọkọlọtọ gburugburu nkezi na-akpụ akpụ iji kọwaa ọnụọgụ ọnụahịa na ihe nkwụsịtụ nwere ike.

Site na itinye ihe ngosi ndị a n'ụdị ha, ọnụọgụ traders nwere ike ịmepụta atụmatụ na-ewe mgbasa ozivantage nke ahịa trends, ọkụ, na ụkpụrụ ọnụahịa ndị ọzọ.

4. Mmemme maka quantitative Trading

Mmemme bụ nka dị mkpa maka ọnụọgụgụ traders, dị ka ọ na-enyere ha aka ịhazi atụmatụ azụmaahịa ha, nyochaa nnukwu datasets, ma mee nyocha azụ. N'akụkụ a, anyị ga-enyocha asụsụ mmemme kachasị ewu ewu nke ejiri n'ịzụ ahịa ọnụọgụ, ọba akwụkwọ na ngwaọrụ dị mkpa, usoro nyocha azụ, yana isi mmalite data nwere ọnụọgụ. traders dabere.

4.1 Asụsụ mmemme ama ama

Nnukwu ọnụ traders ga-abụrịrị ọkachamara na opekata mpe otu asụsụ mmemme iji zụlite na mejuputa atumatu ha nke ọma. Atọ n'ime asụsụ ndị a na-ejikarị na ngalaba a bụ Python, R, na C++.

A na-ewere Python dị ka asụsụ mmemme kachasị ewu ewu maka ịzụ ahịa ọnụọgụ n'ihi ịdị mfe iji ya na ọbá akwụkwọ buru ibu. support. Mgbanwe nke Python na ịdị mfe na-eme ka ọ dị mma maka ịmepụta algọridim azụmaahịa, na-eduzi nyocha data, na ijikọ na data data ego API. Ndị na-azụ ahịa nwere ike ide edemede n'ụzọ dị mfe iji megharịa usoro, nyochaa data, wee mepụta ụdị nlegharị anya site na iji usoro ọba akwụkwọ bara ụba nke Python.

R bụ asụsụ ọzọ siri ike nke quantitative kwadoro traders, karịsịa maka nyocha ọnụ ọgụgụ na nhụta data. Ikike R ijikwa mgbakọ ọnụ ọgụgụ dị mgbagwoju anya na-eme ka ọ bụrụ nhọrọ na-ewu ewu n'etiti traders ndị na-adabere na ụdị ndekọ aha maka atụmatụ ha. Na mgbakwunye, R nwere nkwado siri ike maka nyocha usoro oge yana njikwa data ego, nke dị oke mkpa maka iwulite ụdị azụmaahịa siri ike.

C ++ bụ asụsụ a maara maka ọsọ na arụmọrụ ya, na-eme ka ọ dị mma maka ịzụ ahịa ugboro ugboro ebe oge igbu ya dị oke mkpa. Ọ bụ ezie na ọ na-esi ike karị ịmụta karịa Python ma ọ bụ R, C++ na-enye ohere traders iji bulie algọridim ha maka ịrụ ọrụ, nke dị mkpa na ahịa ebe milliseconds nwere ike ime ka ọdịiche dị n'etiti uru na ọnwụ. Ugboro ugboro traders na-adaberekarị na C++ iji mepụta sistemu na-enwe mmetụta latency nke nwere ike hazie nnukwu data na ozugbo.

4.2 ọba akwụkwọ na ngwa ọrụ dị mkpa

Nnukwu ọnụ traders na-eji ọtụtụ ọba akwụkwọ na ngwa ọrụ mepụta atụmatụ ha na nyochaa data. A na-akwalite ewu ewu Python site na nnukwu ọba akwụkwọ ya emebere maka nyocha ego na ịzụ ahịa ọnụọgụ.

NumPy bụ ọba akwụkwọ dị mkpa na Python maka mgbakọ ọnụọgụgụ. Ọ na-enye nkwado maka nnukwu nhazi na matrices dị iche iche, yana ọtụtụ ọrụ mgbakọ na mwepụ. Nrụ ọrụ nhazi nke ọma nke NumPy na-eme ka ọ bụrụ ngwa ọrụ dị oke mkpa maka ijikwa nnukwu dataset yana ịrụ ngụkọ siri ike na algọridim azụmaahịa.

Pandas bụ ọbá akwụkwọ ọzọ dị mkpa na Python, emebere ya maka njikwa na nyocha data. Ọ na-enye usoro data dị ka DataFrames, nke na-enye ohere traders iji chịkwaa ngwa ngwa, nzacha ma nyochaa data usoro oge. Pandas na-enyekwa ọrụ maka ịgụ data sitere na ụdị faịlụ dị iche iche na API, na-eme ka ọ dịkwuo mfe itinye data ego n'ime ụdị ịzụ ahịa.

SciPy bụ ọba akwụkwọ mgbakọ na mwepụ sayensị nke na-emeju NumPy site n'inye ọrụ ndị ọzọ maka njikarịcha, ntinye na nyocha ọnụ ọgụgụ. A na-eji ụlọ ọrụ SciPy eme ihe n'ọtụtụ ego iji rụọ mgbakọ mgbakọ na mwepụ dị elu, dị ka nhazi akara, nke nwere ike dị mkpa maka ịchọpụta ohere ịzụ ahịa.

Matplotlib bụ ọbá akwụkwọ na-akpa nkata na-enye ohere traders iji jiri anya nke uche hụ data na nsonaazụ nke atụmatụ ha. Ikiri data site na eserese na eserese na-enyere aka traders spot trends, nyochaa arụmọrụ nke ụdị ha, ma mee mgbanwe dịka ọ dị mkpa.

4.3 Usoro nyocha azụ

Nleghachi azụ bụ usoro dị oke egwu na ịzụ ahịa ọnụọgụgụ, dịka ọ na-enye ohere traders iji nyochaa atụmatụ ha site na iji data akụkọ ihe mere eme tupu itinye ha n'ahịa ahịa. E mepụtala ọtụtụ usoro nyocha azụ iji mee ka usoro a dị mfe, na-enye ngwaọrụ ndị dị mkpa iji megharịa trades ma nyochaa arụmọrụ.

Zipline bụ ọba akwụkwọ nyocha azụ nke dabeere na Python nke ama ama n'etiti ọnụọgụ traders maka mgbanwe ya na ịdị mfe nke ojiji. Zipline na-enye usoro ihe omume arụnyere arụnyere nke na-eme ka ọnọdụ azụmaahịa dị adị, na-enye ohere traders iji nwalee atụmatụ ha megide data akụkọ ihe mere eme. Ọ na-ejikọta na isi mmalite data dị ka Quandl, na-eme ka ọ dịkwuo mfe itinye data ego dị elu n'ime ule azụ azụ.

QuantConnect bụ ikpo okwu dabere na ígwé ojii nke na-enye nkwado azụ azụ na ike ịzụ ahịa ndụ. Ọ na-akwado ọtụtụ klaasị akụrụngwa ma na-enye ohere ịnweta data ahịa akụkọ ihe mere eme, na-enyere aka traders iji nwalee atụmatụ ha n'ofe ahịa dị iche iche. ikpo okwu QuantConnect na-enye ohere traders iji zụlite atụmatụ ha site na iji Python ma ọ bụ C #, na-eme ka ọ nweta ya traders ndị na-ahọrọ asụsụ ọ bụla.

Backtrader bụ usoro Eke Ọgba ọzọ emebere maka nyocha azụ na ịzụ ahịa. Ọ na-enye ikpo okwu siri ike na mgbanwe maka traders iji nwalee atumatu ha, bulie paramita, na nyochaa arụmọrụ. Azutrader na-akwado ọtụtụ isi mmalite data ma enwere ike iji ya maka azụ azụ azụ na ịzụ ahịa ndụ, na-eme ka ọ bụrụ ngwa ọrụ dị iche iche maka ọnụọgụ. trader.

4.4 Isi mmalite data

Data bụ ọbara ndụ nke ịzụ ahịa ọnụọgụgụ, yana ịnweta data dị elu dị mkpa maka ịmepụta, ịnwale, na imezi atụmatụ ịzụ ahịa. Ọtụtụ ndị na-enye data na-enye data ego nke ahụ traders dabere na azụ azụ azụ na ịzụ ahịa ndụ.

Bloomberg bụ otu n'ime ndị ama ama na-eweta data ego. Ọnụ ọnụ ya na-enye data ahịa ahịa ozugbo, ozi ọma, nyocha, na nyocha. Mkpuchi zuru oke nke Bloomberg nke ahịa ego zuru ụwa ọnụ na-eme ka ọ bụrụ ihe enyemaka dị mkpa maka ọnụọgụ. traders ndị chọrọ data oge na nke ziri ezi.

Reuters na-enye isi iyi ọzọ bara uru nke data ego, na-enye ozi ahịa ozugbo, ndepụta data, na nyocha. Ụlọ ọrụ na-eji data Reuters eme ihe n'ọtụtụ ebe traders na oke ego iji gwa mkpebi na atụmatụ azụmaahịa ha.

Quandl bụ ikpo okwu na-ewu ewu na-enye ohere dị iche iche nke ego na akụ na ụba datasets. Ọ na-enye ma data efu na nke adịchaghị n'ofe klaasị akụrụngwa dị iche iche, gụnyere equities, Ngwa ahia, na macroeconomic egosi. Quandl API na-enye ohere traders iji jikọta data ya ngwa ngwa n'ụdị ọnụọgụ ha maka nyocha na nyocha azụ.

5. Atụmatụ ịzụ ahịa ọnụọgụgụ ama ama

Emebere atụmatụ azụmaahịa ọnụ ọgụgụ ka ọ were were na-adịghị arụ ọrụ ma ọ bụ ụkpụrụ na ahịa ego site n'iji ụdị data chụpụrụ. A na-eji ngwa mgbakọ na mwepụ, mgbakọ na mwepụ na algọridim mepụta atụmatụ ndị a, a na-ejikwa ya eme ya nke ọma site na akpaaka. N'akụkụ a, anyị ga-enyocha ụfọdụ atụmatụ ọnụọgụ ọnụọgụgụ nke a na-ejikarị eme ihe, gụnyere ntughari ntụgharị, ume ọkụ, arbitrage, na usoro mmụta dabere na igwe.

5.1 Atụmatụ Mgbanwe pụtara

Atụmatụ mweghachi azụ dabere n'echiche na ọnụ ahịa akụrụngwa ga-emecha laghachi na nkezi akụkọ ihe mere eme ha ma ọ bụ pụta ka oge na-aga. Na usoro a, traders na-achọ irite uru site na ngbanwe ọnụahịa site na nkezi, na-akụ nzọ na ntụgharị ndị a bụ nwa oge ma ga-edozi onwe ha.

Echiche bụ isi dị n'azụ atumatu ntụgharị pụtara bụ na mgbe ọnụ ahịa akụ na-aga n'ebe dị anya site n'ụzọ akụkọ ihe mere eme, ọ ga-emecha laghachi n'ụzọ ahụ. Nke a na-emepụta ohere maka traders ịzụta akụ ndị na-abaghị uru (n'okpuru ihe ọ pụtara) ma ree ndị na-abaghị uru (n'elu nke pụtara). Usoro a dabere na ịchọpụta mgbe ọnụ ahịa esila n'ọnụ ụzọ wee mebie ya trades iji na-erigbu ndị a nwa oge adịghị arụ ọrụ.

Otu ihe atụ a na-ahụkarị nke atụmatụ ngbanwe pụtara bụ ịzụ ahịa ụzọ abụọ, nke gụnyere ịchọpụta akụ abụọ metụtara akụkọ ihe mere eme na ịzụ ahịa dị iche na ọnụ ahịa ha. Ọ bụrụ na ọnụahịa nke otu akpan owo deviates ọzọ, na trader na-ewere ọnọdụ na akụ abụọ ahụ, na-atụ anya na ọnụ ahịa ha ga-agbakọta ọzọ. Atụmatụ a na-eche na mmekọrịta akụkọ ihe mere eme dị n'etiti akụ abụọ ahụ ga-anọgide na-adịgide adịgide.

Ụdị ọzọ nke pụtara-ntụgharị uche atụmatụ bụ statistical ikpe ikpe, ebe traders na-eji ụdị ngụkọ ọnụ iji chọpụta mgbaghara n'ofe oke akụ. Site n'ịtụle data akụkọ ihe mere eme, traders nwere ike ịchọpụta akụ ndị a na-atụ anya ịlaghachi n'ọnụ ha wee mebie tradeya mere. A na-etinyekarị atụmatụ a n'ofe nnukwu pọtụfoliyo, na-enye ohere traders iji nweta uru site na obere adịghị arụ ọrụ na ahịa.

5.2 Atụmatụ oge

Atụmatụ oge na-adabere n'echiche bụ na akụ ndị mere nke ọma n'oge gara aga ga-aga n'ihu na-eme ya n'ọdịnihu dị nso, na ndị na-arụ ọrụ nke ọma ga-anọgide na-ada. Atụmatụ ndị a na-ewe mgbasa ozivantage nke usoro ahịa site na ịkụ nzọ na mmegharị ọnụahịa n'otu ụzọ ga-adịgide ruo oge ụfọdụ.

Usoro na-esote bụ ụdị azụmaahịa a na-ahụkarị, ebe traders na-achọ ijide mgbago elu ma ọ bụ ala nke akụ site n'ịgbaso usoro guzosiri ike. Ndị na-azụ ahịa na-eji atụmatụ a na-achọ ịchọpụta ihe na-eme n'oge ma jide ọnọdụ ruo mgbe omume ahụ gosipụtara akara nke ịtụgharị. A na-ejikarị nkezi na-akpụ akpụ, ọkachasị ndị na-agafe agafe, n'usoro dị egwu iji gosi mmalite ma ọ bụ njedebe nke omume. Dịka ọmụmaatụ, mgbe nkezi na-akpụ akpụ na-adị mkpụmkpụ gafere karịa nkezi na-akpụ akpụ ogologo oge, ọ nwere ike igosi mmalite nke omume elu, na-akpalite. traders ịzụta.

Atụmatụ Breakout bụ ụdị ọzọ nke ịzụ ahịa ọkụ ọkụ. Atụmatụ ndị a gụnyere ịchọpụta ọkwa ọnụahịa ebe akụ na-esi n'ụdị akọwapụtara, na-egosi na ọ ga-aga n'ihu nke usoro ya ugbu a. Ndị na-ere ahịa na-achọ akụ ndị na-agbaji site na isi nguzogide ma ọ bụ ọkwa nkwado ma banye n'ọnọdụ na ntụziaka nke nkwụsịtụ. Nkwenye ebe a bụ na ihe onwunwe ahụ ga-anọgide na-aga n'ihu na ntụziaka nke nkwụsịtụ, nke na-eme ka ike ahịa dị ike.

Atụmatụ oge na-arụ ọrụ nke ọma n'ahịa na-ewu ewu mana ọ nwere ike ịgbalịsi ike n'oge nkwado ma ọ bụ mgbanwe ahịa. N'ihi ya, traders kwesịrị iji nlezianya nyochaa ọnọdụ ha ma jiri ngwá ọrụ nchịkwa ihe ize ndụ chebe onwe ha pụọ ​​na mgbanwe mberede na ọnọdụ ahịa.

5.3 Atụmatụ mkpegbu

Emebere atụmatụ mkpegbu iji jiri nghọtahie ọnụ ahịa dị n'etiti akụ ndị metụtara ya na ahịa dị iche iche ma ọ bụ ngwa ego. Atụmatụ ndị a na-adabere na ụkpụrụ nke "zụta ala, ree elu" site n'ịzụta na ire ihe onwunwe ma ọ bụ ihe metụtara ya n'otu oge iji weghara ọdịiche ọnụahịa ahụ. Usoro mkpegbu na-adịkarị obere ihe ize ndụ mana ọ chọrọ igbu egbu ngwa ngwa yana ịnweta ọtụtụ ahịa ka ọ dị irè.

Mkpezi mgbakọ na mwepụ bụ otu n'ime ụdị mkpezi ikpe na-emekarị n'ahịa ahịa. N'ime atụmatụ a, traders na-eji ụdị ndekọ ọnụ ọgụgụ iji chọpụta nchekwa ndị na-ezighi ezi metụtara mmekọrịta akụkọ ihe mere eme ha na akụ ndị ọzọ. Site na-egbu tradendị na-eji ego emefu ego ndị a nwa oge, traders nwere ike irite uru site na nchikota ọnụ ahịa akụ na-aga azụ na mmekọrịta ha. A na-etinyekarị atụmatụ a na nkata nchekwa sara mbara iji belata ihe egwu ma kwalite ohere ị nweta uru.

Market microstructure arbitrage bụ ụdị ọzọ nke mkpezi ikpe na-elekwasị anya na-erigbu adịghị arụ ọrụ n'ime usoro ịzụ ahịa nke ahịa ego. Ndị na-azụ ahịa na-eji atụmatụ a na-enyocha mgbasa ozi-ịjụ-ajụọ, ịtụ ọsọ na liquidity nke ahịa dị iche iche iji chọpụta ohere ebe ọnụahịa na-ezighị ezi. Site n'ime ngwa ngwa traden'ime ụlọ dị iche iche, traders nwere ike weghara obere uru site na adịghị arụ ọrụ nwa oge ndị a.

Ọ bụ ezie na a na-ewerekarị usoro mkpezi ikpe dị ka ihe ize ndụ dị ala n'ihi ịdabere na ndakọrịta ọnụahịa, ha chọrọ teknụzụ dị elu na ọsọ ọsọ ka ọ dị irè. Site na ịrị elu nke ịzụ ahịa ugboro ugboro, a na-ewepụ ọtụtụ ohere ikpe ikpe ngwa ngwa, na-eme ka ọ na-esiwanye ike iji nweta atụmatụ ndị a n'ejighị usoro ọkaibe.

5.4 Usoro mmụta igwe

Usoro mmụta igwe na-anọchite anya njedebe nke ịzụ ahịa ọnụọgụgụ, ebe algọridim nwere ike "mụta" site na data ọhụrụ ma gbanwee ụdị ha na-agbanwe ọnọdụ ahịa. Usoro mmụta igwe bara uru karịsịa n'ahịa dị mgbagwoju anya, dị ike ebe ụdị ọdịnala nwere ike ghara ijide usoro na-agbanwe agbanwe.

Nmụta nkwado bụ ngalaba mmụta igwe bara uru karịsịa maka ịmepụta atụmatụ ịzụ ahịa. N'ime usoro a, algọridim na-amụta site na ịmekọrịta gburugburu ahịa na ịnweta nzaghachi n'ụdị ụgwọ ọrụ ma ọ bụ ntaramahụhụ. Ka oge na-aga, algọridim na-edozi atụmatụ ya iji bulie ụgwọ ọrụ, dị ka uru, ma na-ebelata ntaramahụhụ, dị ka mfu. A na-ejikarị usoro mmụta nkwado ike na sistemu azụmaahịa na-agbanwe agbanwe nke kwesịrị ịgbanwe na ọnọdụ ahịa na-agbanwe ozugbo.

Mmụta miri emi bụ ngwa ọzọ dị ike na mmụta igwe, nke gụnyere iji netwọkụ akwara arụ ọrụ iji gosipụta mmekọrịta dị mgbagwoju anya na data ego. Site n'ịtụle ọnụ ọgụgụ dị ukwuu nke data ahịa akụkọ ihe mere eme, algọridim mmụta miri emi nwere ike ịchọpụta usoro na usoro ndị na-apụtaghị ozugbo nye mmadụ. traders. Ụdị ndị a nwere ike ịdị irè karịsịa n'ịkọ mgbanwe ọnụahịa dị mkpirikpi na ịchọpụta ohere ịzụ ahịa bara uru.

Usoro mmụta igwe chọrọ ike mgbakọ dị ukwuu yana nnukwu dataset iji zụọ ụdị. Otú ọ dị, ozugbo e mepụtara ụdị ndị a, ha nwere ike inye traders nwere oke asọmpi site n'ime ka ha nwee ike ịchọpụta na irigbu usoro ndị na-adịghị mfe site na usoro ọdịnala.

6. Akụrụngwa mmụta

Ịzụ ahịa ọnụọgụ bụ mpaghara dị mgbagwoju anya nke chọrọ mmụta na mgbanwe na-aga n'ihu. Enwere ọtụtụ akụrụngwa dị maka traders ndị chọrọ ime ka nghọta ha dịkwuo omimi ma melite nkà ha. Site na akwụkwọ gaa na nkuzi ịntanetị, akụrụngwa efu, na asambodo, traders nwere ohere inweta ozi bara ụba iji nyere ha aka ịmụta ọnụọgụ ọnụọgụgụ.

6.1 Akwụkwọ kacha mma na ahia quantitative

Akwụkwọ na-enye ntọala siri ike maka traders ndị chọrọ inyocha quantitative trading n'ụzọ zuru ezu. Ha na-enye nkọwa miri emi nke atụmatụ azụmaahịa, ụdị mgbakọ na mwepụ na ngwa bara uru nke nwere ike ịba uru nke ukwuu maka ndị mbido na ndị nwere ahụmahụ. trader.

Otu n'ime akwụkwọ akwadoro nke ukwuu na ngalaba a bụ "Azụmahịa Algorithmic: Atụmatụ imeri na ebumnuche ha" nke Ernest Chan. Akwụkwọ a na-enye ntuziaka bara uru maka usoro ịzụ ahịa algọridim ma na-enye nghọta n'ime otu traders nwere ike chepụta ma mejuputa atumatu ọnụ ọgụgụ nke ha. Chan na-akọwa ihe kpatara atụmatụ dị n'azụ ma na-enye ihe atụ n'ezie nke ụwa traders nwere ike itinye na sistemụ azụmaahịa nke ha.

Akwụkwọ ọzọ dị mkpa bụ "Trading Quantitative: Otu esi ewulite ma mee azụmahịa azụmaahịa algorithmic na-aga nke ọma" nke David Weiss dere. Akwụkwọ a na-elekwasị anya n'akụkụ arụmọrụ nke ịzụ ahịa azụmaahịa ọnụ ọgụgụ, gụnyere ihe ịma aka nke iwu algọridim, ịchọta data, na ijikwa ihe egwu. Ọ bara uru karịsịa maka traders ndị chọrọ ịgafe n'ofe atụmatụ atụmatụ ma ghọta ka ha ga-esi tụọ usoro azụmaahịa ha nke ọma.

Akwụkwọ abụọ a na-ekwusi ike mkpa ọ dị nleba anya azụ, njikwa ihe ize ndụ, na nyocha data, inye traders nwere nghọta zuru oke nke ihe ọ na-ewe iji nwee ihe ịga nke ọma na azụmaahịa ọnụọgụ.

6.2 Ọmụmụ ihe n'ịntanetị

Maka ndị na-ahọrọ gburugburu ebe mmụta ahaziri ahazi, ọmụmụ ihe n'ịntanetị bụ ụzọ magburu onwe ya isi nweta nkà bara uru na ịzụ ahịa ọnụọgụ. Platform dị ka Coursera, edX, na Udemy na-enye usoro ọmụmụ dị iche iche na-ekpuchi isiokwu dịka ịzụ ahịa algọridim, ego data analysis, na mmụta igwe maka ego.

Coursera, karịsịa, na-enye nkuzi sitere na mahadum kachasị elu na ụlọ ọrụ ego, na-enye ohere traders ịmụta n'aka ndị ọkachamara ụlọ ọrụ na ndị ọkachamara. Emebere ọtụtụ nkuzi ndị a maka ma ndị mbido na ndị mmụta togoro elu, na-enye mgbanwe n'usoro ijeụkwụ na omimi. edX na-enyekwa nkuzi na ego ọnụọgụ ego na ịzụ ahịa algọridim, na-elekwasịkarị anya na mgbakọ na mwepụ na akụkụ nka nke ubi.

A maara Udemy maka ịnye usoro ọmụmụ dị iche iche, gụnyere isiokwu akọwapụtara dị ka mmemme Python maka ego, atụmatụ azụmaahịa azụ azụ, na mmụta igwe na ịzụ ahịa. Ọtụtụ n'ime nkuzi na Udemy ka emebere ka ọ bụrụ aka, na-enye ndị mmụta ohere iwulite ma nwalee algọridim azụmaahịa nke ha ka ha na-aga n'ihu site na ihe.

6.3 akụrụngwa efu

n'ihi na traders ndị chọrọ ịgbasa ihe ọmụma ha n'ebughị nnukwu ụgwọ, enwere ọtụtụ akụrụngwa efu dị. Blọọgụ, forums, na ọwa YouTube raara onwe ya nye maka ịzụ ahịa ọnụọgụ na-enye ọtụtụ ozi gbasara atụmatụ, ngwaọrụ na usoro dị iche iche.

Blọọgụ dị ka Quantocracy na-achọpụta ọdịnaya sitere na weebụ, na-enye traders nwere akụkọ, akwụkwọ nyocha, na nkuzi gbasara isiokwu azụmaahịa ọnụọgụ. Blọọgụ ndị a bụ ụzọ dị mma isi nọgide na-emelite na mmepe kachasị ọhụrụ na mpaghara yana ịchọpụta atụmatụ na ngwaọrụ ọhụrụ.

Nzukọ dịka QuantNet na Elite Trader na-enye ohere traders ka gị na ndị ọzọ nọ n'ime obodo jikọọ, kesaa echiche, ma kparịta akụkụ dị iche iche nke ịzụ ahịa ọnụọgụgụ. Nzukọ ndị a bara uru karịsịa maka traders ndị chọrọ ị nweta nzaghachi na atụmatụ ha ma ọ bụ dozie nsogbu teknụzụ metụtara mmemme na nyocha data.

Ọwa YouTube na-enyekwa nkuzi bara uru gbasara ịzụ ahịa ọnụọgụgụ, yana ụfọdụ ọwa na-elekwasị anya na asụsụ mmemme dị ka Python na R, ebe ndị ọzọ na-enyocha atụmatụ azụmaahịa na nyocha ahịa. Ihe onwunwe ndị a na-enye ụzọ mmekọrịta karịa ịmụta, dịka traders nwere ike soro ya na ngosipụta koodu na nkọwa atụmatụ.

6.4 Asambodo

Asambodo na-enye nnabata nke a tradenka nke r na ọ nwere ike bara uru maka ndị na-achọ ịkwalite ọrụ ha na azụmaahịa ma ọ bụ ego. Ọtụtụ asambodo dị mkpa karịsịa maka ọnụọgụgụ trader.

Asambodo Chartered Financial Analyst (CFA) bụ otu n'ime aha ndị a kacha asọpụrụ na ụlọ ọrụ ego. Ọ bụ ezie na ọ naghị elekwasị anya kpọmkwem na ịzụ ahịa ọnụọgụgụ, mmemme CFA na-ekpuchi isiokwu ndị dị mkpa dị ka njikwa pọtụfoliyo, nyocha ego, na njikwa ihe ize ndụ, ihe niile dị mkpa maka ọnụọgụgụ. trader.

Asambodo nke Quantitative Analyst (CQA) bụ nke pụrụ iche ma gbado anya kpọmkwem na ego ọnụọgụgụ. Ihe omume CQA na-ekpuchi mpaghara dịka nyocha ọnụ ọgụgụ, nhazi ọnụọgụ, na ịzụ ahịa algọridim, na-eme ka ọ dị mkpa maka ya. traders ndị chọrọ igosipụta nka ha na ngalaba a.

Asambodo ndị a abụghị naanị ịkwalite a tradentụkwasị obi r mana na-enyekwa ụzọ mmụta ahaziri ahazi nke na-ekpuchi ma usoro iwu na akụkụ bara uru nke ịzụ ahịa ọnụọgụ.

mmechi

Azụmahịa ọnụọgụ na-anọchi anya ụzọ ọkaibe nke ukwuu yana usoro data na-ebute ịnyagharị ahịa ego. Ọ na-ejikọta ụwa nke ego, mgbakọ na mwepụ na mmemme, na-enye ohere traders ime mkpebi ziri ezi, nke ebumnobi na-enweghị mkparị nke mmetụta uche. Ntọala nke ịzụ ahịa ọnụọgụ dabere na ikike ya inyocha oke data, tinye ụdị mgbakọ na mwepụ dị elu, na mebie. trades na-akpaghị aka site na algọridim.

N'ime ntuziaka a, anyị enyochala akụkụ dị mkpa nke ịzụ ahịa ọnụọgụgụ, na-amalite na nghọta doro anya nke isi echiche ya. Site na ịzụ ahịa algọridim na azụ azụ na njikwa ihe egwu na nyocha data, ihe ndị a na-eme ka ihe wuo ụlọ nke atụmatụ ịzụ ahịa ọnụọgụgụ na-aga nke ọma. Anyị tụlekwara mkpa ọ dị inwe nghota nke ọma na ntọala mgbakọ na mwepụ nke ọnụọgụ ọnụọgụgụ, dị ka echiche nke puru omume, nyocha nlọghachi azụ, na nyocha usoro oge, nke niile na-enye aka na atụmatụ ziri ezi na nke bara uru.

Mmemme bụ nka bụ isi nke na-akwado mmepe nke sistemu azụmaahịa ọnụọgụ, yana asụsụ dịka Python, R, na C++ dị oke mkpa maka itinye koodu algọridim na ime nyocha data. Ojiji nke ọba akwụkwọ ndị dị mkpa, usoro nyocha azụ, na isi mmalite data a pụrụ ịdabere na ya na-eme ka nke ahụ pụta ìhè traders nwere ike wulite sistemu siri ike ma rụọ ọrụ nke ọma. Ọzọkwa, anyị nyochara n'ime atụmatụ azụmaahịa ọnụọgụ kachasị ewu ewu, gụnyere ntughari ntughari, ume, mkpezi ikpe, na usoro mmụta igwe, nke ọ bụla na-enye ụzọ pụrụ iche isi na-erigbu adịghị arụ ọrụ ahịa.

Akụrụngwa mmụta dịkwa oke mkpa maka onye ọ bụla trader na-achọ ịmụta ubi nke quantitative trading. Akwụkwọ, nkuzi ịntanetị, akụrụngwa efu, na asambodo na-enye ohere mmụta zuru oke maka traders na ọkwa niile. Ka ọnọdụ akụ na ụba na-aga n'ihu na-aga n'ihu, ịdị na-emelite ihe ọhụrụ na azụmaahịa ọnụọgụ dị mkpa maka ịga nke ọma.

N'ikpeazụ, ịzụ ahịa ọnụ ọgụgụ abụghị naanị ịgbaso usoro iwu ma ọ bụ ịdabere n'echiche ahịa. Ọ bụ maka itinye data, nyocha ndekọ ọnụ ọgụgụ, na akpaaka iji wepụta atụmatụ nke nwere ike ịgbatị ma nwee ike ime mgbanwe. Site n'ịghọta ụkpụrụ na usoro akọwapụtara na ntuziaka a. traders nwere ike tinye onwe ha ka ha were mgbasa ozivantage nke nnukwu ike nke ịzụ ahịa ọnụọgụ na-enye n'ahịa ego na-agba ọsọ ọsọ taa.