تطوير استراتيجيات التداول
كوانتديسك هو الحل الكامل نهاية إلى نهاية لصندوق كمي من أي حجم. وهو يتضمن أوبينكوانت إيد، كوانتروتر (ألغو تنفيذ الخادم مع النسخ المتماثل الأعلاف، والتوحيد والتجميع والتوجيه النظام الذكي)، كوانتباس (خادم بيانات السوق مع التقاط الوقت الحقيقي تغذية وإدارة مركزية البيانات التاريخية)، كوانترادر (محرك نشر الإنتاج لاستراتيجيات التداول الآلي المتقدمة مع أوبنكوانت) و كوانتكونترولر، تطبيق الخادم الذي يكمل كوانتديسك لتمكين إدارة فعالة من الهندسة المعمارية تداول سمارتكانت ل.
بالتأكيد، ما زلنا نقضي الكثير من الوقت التجريب، في محاولة واختبار استراتيجيات مختلفة. إن وجود بيئة تطوير جيدة لا يسمح لك بالضرورة بتخطي تلك الخطوة. وتتمثل الميزة الحقيقية لإطار جيد التصميم في خفض الوقت بين الاختبار والإنتاج إلى أدنى حد ممكن، وفي الطبيعة القابلة للتطوير للبنية التحتية التي يمكن أن تنمو مع الشركة من إدارة رأس مال صغير من البذور إلى مستويات مؤسسية حقيقية. وبوجود نظام من هذا القبيل، يمكن للمديرين الناشئين أن يشعروا بمجال متكافئ بينما يتداولون في نفس سوق المنافسين الأكبر حجما، ويمكنهم أن يدركوا تماما المزايا الكامنة وراء كونهم رشيقين ومتكيفين.
منحنى المناسب والتحسين في تطوير استراتيجية التداول.
تطوير استراتيجية التداول عادة ما ينطوي على تحسين ومنحنى المناسب من نوع ما. هناك وجهات نظر مختلفة بل متضاربة حول معنى التحسين ومنحنى المناسب وتأثيرها على أداء الاستراتيجية. يدعي البعض أن التحسين والمنحنى المناسب لا مفر منه، بل هو ضروري ولكن البعض يصرون على أن أي استراتيجية التداول التي هي الأمثل أو منحنى المجهزة سوف تفشل في نهاية المطاف.
في الرياضيات، ومنحنى المناسب هو عملية العثور على منحنى يناسب أفضل مجموعة من نقاط البيانات بمعنى أن بعض وظيفة موضوعية تخضع للقيود هو أقصى حد (أو التقليل). على سبيل المثال، المربعات الصغرى هي طريقة منحنى المناسب الذي يقلل من مجموع المخلفات التربيعية. والمتبقي هو الفرق بين القيمة المجهزة والقيمة الفعلية. وظيفة الهدف لتقليل عند استخدام هذه الطريقة لتحقيق أفضل تناسب هو مجموع المخلفات التربيعية. لاحظ أن "أفضل ملاءمة" يتم تعريفها فقط بالنسبة للهدف المختار وأن تركيب المنحنى هو في الأساس نتيجة للتحسين.
منحنى المناسب والتحسين.
وعندما يتبنى المرء التعريف بأن استراتيجيات التداول هي العمليات التي تولد مجموعات من إشارات الدخول والخروج، فإن المرء يدرك أن ما تم القيام به أساسا عند تعديل أي معلمات عن طريق الاختبار الخلفي هو أن توقيت الإشارات يتغير بحيث تكون ومجهزة على البيانات التاريخية في مثل هذه الطريقة بحيث يتم تحسين بعض وظيفة موضوعية. هذا ليس منحنى المناسب بالمعنى المعتاد لأن المرء ليس مجرد محاولة للعثور على منحنى الذي يناسب البيانات التاريخية بشكل أفضل ولكن بدلا من العثور على أفضل مجموعة من إشارات الدخول التي جنبا إلى جنب مع إشارات الخروج تعظيم بعض الهدف. هذه العملية أكثر انخراطا وتعقيدا بكثير من منحنى بسيط المناسب. وهو ينطوي على اختيار أو توقيت إشارات الدخول والخروج، بحيث يتم تحسين الدالة الموضوعية المتصلة بالأداء. هذا هو مشكلة الأمثل بدلا من مجرد مشكلة منحنى المناسب. وكما سبق ذكره، قد ينطوي تركيب المنحنى على التحسين ولكن الأخير هو عملية ذات نطاق أوسع بكثير وتشمل إمكانيات كثيرة أكثر من السابق. ولذلك، فمن الأفضل الإشارة إلى الاستراتيجيات الأمثل بدلا من المنحنى المجهزة على الرغم من أن هذا تبين أن أكثر من قضية دلالات بالنسبة لأولئك الذين يفهمون العملية في العمق.
فلننظر في إستراتيجية كروس أوفر المتوسطة البسيطة التي تولد إشارات دخول طويلة عند سما (t1) & غ؛ سما (t2)، حيث t1 و t2 هما الفترتان مع t2 & غ؛ t1، وإشارات الدخول القصيرة عند سما (t1) & لوت؛ SMA (T2). في أبسط أشكاله، هذه هي استراتيجية التوقف والعكس، أي عندما يتم إنشاء إشارة عكسية يتم إغلاق الموقف السابق وعكس. لا يمكن استخدام هذه الاستراتيجية عمليا ما لم يتم تحديد قيم t1 و t2. يتم تحديد القيم عادة عن طريق تحسين الأداء باستخدام الاختبار الخلفي على البيانات التاريخية. ويعتقد الكثيرون أن هذه العملية تؤدي إلى استراتيجيات تفشل في التداول الفعلي لأنها منحنى المجهزة. هل هذا مطالبة صالحة؟
وقد تكون حالات فشل الاستراتيجية مرتبطة بتغير ظروف السوق.
في الواقع، لم يثبت أحد من الناحية الرياضية أن الفشل في الاستراتيجيات الأمثل، والتي هي موثقة بشكل جيد، ويرجع ذلك في المقام الأول إلى التحسين، أو ما يشار إليه عادة منحنى المناسب. وقد يكون السبب هو أن الفشل يعود فقط إلى طبيعة الاستراتيجيات وعدم قدرتها على التكيف مع ظروف السوق المتغيرة. ومن المرجح أن تفشل استراتيجيات التداول الأمثل لأي قيم معلماتها في مرحلة ما. ومن طبيعة الاستراتيجية وليس التحسين الذي يسبب الفشل. فئة كبيرة من استراتيجيات التداول على أساس مؤشرات التحليل الفني لديها احتمال كبير من الفشل ولكن تم إسناد خطأ على أساس تجربتي في عملية التحسين لوضع المعلمات. ولا يهم حتى ما إذا كانت المعلمات محددة بحيث تؤدي التغيرات الصغيرة في قيمها إلى أداء مستقر. هذه ليست مسألة سلامة طريقة التحسين المستخدمة ولكن لطبيعة استراتيجيات التداول هذه.
في ورقتي "قيود المطالبات الكمية حول تقييم استراتيجية التداول" لدي مثال يوضح كيف أن تغير ظروف السوق يؤثر على أداء الاستراتيجية وأن اختيار المعلمات غير ذي صلة.
ومع ذلك، أي التحسين الذي يسبب اختيار مجموعات الدخول والخروج هو في العموم عملية إشكالية لأنه قد يقدم التحيز. اختيار المجموعات التي حققت أفضل أداء في الماضي يتجاهل حقيقة فشل العديد من المجموعات المماثلة الأخرى.
بالعودة إلى إستراتيجية كروس أوفر المتوسطة البسيطة، من السهل أن نفهم أنه نظرا لسلسلة بيانات تاريخية محددة، فإن تغيير قيم t1 و t2 سيسبب تغييرا في توقيت إشارات الدخول والخروج. وفي هذه الحالة، يؤدي انتقاء أي مجموعة من إشارات الدخول والخروج التي تنتج عن قيم محددة للمعلمات مثل تعظيم بعض الدالة الموضوعية إلى تحيز. ويرجع السبب في ذلك إلى احتمال أن تكون المجموعة المحددة قد نجت في ظروف سوق معينة. في المثال البسيط، كل مجموعة مختلفة تماما عن بعضها البعض بمعنى أن كل من نقاط الدخول والخروج مختلفة. ماذا يمكننا أن نفعل للحد من التحيز بحيث لا يتم المساس سلامة عملية التحسين؟ يمكن الإجابة على هذا السؤال إذا كنا نفهم أولا كيف تتأثر أنواع مختلفة من الاستراتيجيات من خلال تحسين المعلمات الخاصة بهم.
تصنيف من ثلاثة مستويات لاستراتيجيات التداول الأمثل.
يمكننا التمييز بين ثلاثة أنواع من الاستراتيجيات اعتمادا على كيفية تأثير الأمثل جمعها من نقاط الدخول والخروج:
النوع-I منحنى مناسبا: عندما يتم تعديل المعلمات من استراتيجيات النوع الأول كل من الدخول وإشارات الخروج تتأثر، على سبيل المثال في المتوسط المتحرك كروسوفر استراتيجية بسيطة نظر من قبل. في هذه الحالة، نتيجة التحسين والمنحنى المناسب في مجموعات من إشارات الدخول والخروج التي تختلف واختيار واحد الذي يقدم أفضل يدخل التحيز الاختيار. هذه الاستراتيجيات لديها أعلى احتمال الفشل.
نوع منحنى منحنى إي: عندما يتم ضبط معلمات استراتيجيات النوع الثاني، تتأثر إشارات الدخول فقط. في هذه الحالة، نتيجة تحسين ومنحنى المناسب في مجموعات من إشارات الدخول والخروج التي تختلف فقط في الجزء دخولهم. ويؤدي الاختيار إلى تحيز أقل من استراتيجيات النوع الأول. هذه الاستراتيجيات لديها احتمال أقل من فشل استراتيجيات النوع الأول. مثال: أدخل طويلا إذا سما (t1) & غ؛ سما (t2) والسعر & لوت؛ P و الخروج لفترة طويلة عند P1 أو P2 حيث P1 و P2 هي أسعار ثابتة (سعر الربح ووقف السعر).
نوع منحنى منحنى إي: عند تعديل معلمات استراتيجيات النمط الثالث، تتأثر إشارات الخروج فقط. في هذه الحالة، نتيجة التحسين والمنحنى المناسب في مجموعات من إشارات الدخول والخروج التي تختلف فقط في جزء الخروج. ويعرض التحديد تحيزا أقل مما هو عليه في حالة النمط I أو النوع إي. هذه الاستراتيجيات لديها أدنى احتمال للفشل لأن توقيت إشارات الدخول لا يتأثر بالتحسين. مثال: أدخل طويلا إذا أغلق اليوم & غ؛ إغلاق منذ يومين والخروج لفترة طويلة عند سعر الدخول + نقاط x أو عند سعر الدخول - نقاط y، حيث x و y هي المعلمة لتحسين (هدف الربح ووقف الخسارة).
وبصفة عامة، تشمل الاستراتيجيات التي تشمل المؤشرات النوع الأول منحنى مناسبا. نوع منحنى إي منحنى نادرا ما تكون موجودة في الممارسة العملية. ويشمل النوع الثالث منحنى مناسبا فئة واسعة من الاستراتيجيات على أساس أنماط الأسعار أقل المعلمة.
معظم البرامج التي تكتشف استراتيجيات التداول تولد تلقائيا استراتيجيات النوع الأول. ومن غير الملائم كم من الاختبارات الإحصائية التي يقومون بها لقياس أهمية النتائج حيث أن هذه الاستراتيجيات لها احتمال كبير بالفشل أثناء التداول الفعلي بسبب طبيعتها وظروف السوق المتغيرة. لاحظ أن استراتيجيات النوع الثالث ليست منطقية. على سبيل المثال، في محاولة لاكتشاف مثل هذه الاستراتيجيات دون نموذج السوق الموجهة هو ممارسة في عدم حيث هناك مليارات من مجموعات من ميزات العمل السعر التي يمكن أن تؤدي إلى هذا النوع من الاستراتيجيات والانحياز الاختيار مرتفعة للغاية. ومع ذلك، يبدو أنه في الأطر الزمنية القصيرة يمكن لهذه الاستراتيجيات أن تكون أكثر فعالية إذا صممت بشكل صحيح.
والقضية الهامة ليست ما إذا كانت الاستراتيجية هي الأمثل لأن جميع الاستراتيجيات هي بطريقة أو بأخرى، ولكن إلى أي درجة الأمثل يؤثر على احتمال الفشل بسبب طبيعته وظروف السوق المتغيرة. الاستراتيجيات يمكن أن تفشل بسبب أسباب كثيرة ولكن في هذه المقالة تعاملنا مع التحسين والمنحنى المناسب. ويبدو أن استراتيجيات منحنى النمط من النوع الثالث، كما هو محدد أعلاه، لديها أقل احتمال للفشل إذا ما صممت بشكل سليم. ومع ذلك، فإن التصميم في معظم الحالات ساذج ولا يسترشد بنموذج السوق المناسب.
تم نشر هذه المقالة في الأصل في مختبر مختبر العمل السعر.
إذا كان لديك أي أسئلة أو تعليقات، سعيد للاتصال على تويتر: ميكيهاريسني.
نبذة عن الكاتب: مايكل هاريس هو تاجر وأفضل المؤلف مبيعا. وهو أيضا مطور البرامج التجارية الأولى لتحديد أنماط أقل معلمة في العمل السعر منذ 17 عاما. في السنوات السبع الماضية كان يعمل على تطوير دلبال، وهو برنامج البرمجيات التي يمكن استخدامها لتحديد الشذوذ على المدى القصير في بيانات السوق للاستخدام مع نماذج التعلم الآلي والآلات. اضغط هنا للمزيد.
عن طريق التصفيق أكثر أو أقل، يمكنك أن تشير لنا القصص التي تبرز حقا.
مايكل هاريس.
كوانت المنهجية والتقديرية والتاجر، مؤلف كتاب التداول والمطور من دلبال آلة تعلم البرمجيات. لا المشورة الاستثمارية. #quant #trading #finance.
تطوير استراتيجيات التداول
هناك عدة طرق تستخدم للتحقق من صحة استراتيجيات التداول ولكن لكل منها مزايا وعيوب. في هذه المقالة نناقش أربعة أساليب التحقق.
في التداول استراتيجية تطوير التحقق هو مطلوب لأنه من السهل أن أكثر ملاءمة الاستراتيجيات على البيانات التاريخية خلال التنمية والحصول على ينخدع العشوائية. على الرغم من أن أفضل طريقة للتحقق هي الأداء الفعلي، بل هو وسيلة مكلفة ومعظم المطورين ترغب في تقييم الإمكانات قبل توظيف الاستراتيجيات.
يعاني تطوير استراتيجية التداول من القرصنة. في معظم الحالات، يحاول مطور البرامج تعديل إستراتيجية بعد اختبار التحقق من الصحة الفاشلة أو إجراء اختبار جديد. وهذا يؤدي إلى ممارسة خطيرة لإعادة استخدام البيانات حتى يتم تطوير استراتيجية يمر بعض اختبارات التحقق من الصحة. هناك بعض المفاهيم الخاطئة حول مقارنات متعددة، والتحيز في تعدين البيانات و P-هاكينغ، ويرجع ذلك في الغالب إلى الطريقة التي قدمها الأكاديميون مع مهارات رياضية جيدة ولكن عدم وجود الخبرة التجارية.
على الرغم من أن معظم استراتيجيات التداول التي تم تطويرها عبر أساليب غير سليمة عادة ما تفشل في مرحلة ما من التداول الحقيقي، وبعض حتى على الفور، أهمية إحصائية عالية، وهو موضوع يفضله الأكاديميون، لا يعادل استراتيجية جيدة. وبعبارة أخرى، قد تفشل أيضا الاستراتيجيات ذات الدلالة الإحصائية العالية وغالبا ما تفعل [المرجع. 1]، وهذا ناتج عن تغيرات كبيرة في ظروف السوق، وتعرف أيضا بتغيرات النظام. ولذلك، فإن الدلالة الإحصائية ليست حلا سحريا، كما هو مزعوم في بعض المنشورات الأكاديمية، وينبغي أن يكون المطورين على بينة من هذا، والحقيقة أن تغيرات نظام السوق تلعب أيضا دورا هاما.
هذه هي الطريقة الأكثر شعبية وأيضا إساءة استخدام المصادقة. وباختصار، تتطلب اختبارات خارج العينة تخصيص جزء من البيانات لاستخدامها في اختبار الاستراتيجية بعد تطويرها والحصول على تقدير غير متحيز للأداء المستقبلي. ومع ذلك، الاختبارات خارج العينة.
الحد من قوة الاختبارات بسبب نتائج عينة أصغر منحازة إذا تم تطوير استراتيجية عبر مقارنات متعددة.
وبعبارة أخرى، الاختبارات خارج العينة مفيدة في حالة الفرضيات الفريدة فقط. ويؤدي استخدام اختبارات خارج العينة للاستراتيجيات التي يتم تطويرها عن طريق استخراج البيانات إلى عدم فهم العملية. في هذه الحالة يمكن استخدام الاختبار لرفض الاستراتيجيات ولكن عدم قبول أي. وبهذا المعنى، فإن الاختبار لا يزال مفيدا ولكن مطوري استراتيجية التداول يعرفون أن الأداء الجيد في العينات خارج الاستراتيجيات التي تم تطويرها عن طريق مقارنات متعددة هو في معظم الحالات نتيجة عشوائية.
وقد اقترحت بعض الأساليب لتصحيح الأهمية خارج العينة لوجود تحيز مقارنات متعددة ولكن في جميع الحالات الحقيقية تقريبا كانت النتيجة استراتيجية غير هامة. ومع ذلك، كما نعرض في المرجع. 1 مع اثنين من الأمثلة التي تتوافق مع اثنين من أنظمة السوق الرئيسية، استراتيجيات كبيرة للغاية حتى بعد تطبيق التصحيحات للتحيز يمكن أن تفشل أيضا بسبب تغير الأسواق. لذلك، فإن الاختبارات خارج العينة هي تقديرات غير متحيزة للأداء المستقبلي فقط إذا تم توزيع العائدات المستقبلية بطرق مماثلة مثل العائدات السابقة. وبعبارة أخرى، قد يؤدي عدم الترابط إلى إبطال أي نتائج اختبار خارج العينة.
الخلاصة: لا تنطبق الاختبارات خارج العينة إلا على الفرضيات الفريدة وتفترض الاستبانة. في هذه الحالة تكون مفيدة ولكن إذا لم يتم الوفاء بهذه الشروط، فإنها يمكن أن تكون مضللة جدا.
2. اختبارات المتانة والنمذجة العشوائية.
بسبب خطأ من النوع الثاني (رفض كاذب) من أساليب التحقق الأخرى، والممارسين لجأت منذ فترة طويلة إلى اختبارات المتانة. وتندرج اختبارات المتانة تحت موضوع النمذجة العشوائية الأكثر عمومية.
اختبارات المتانة عادة ما تنطوي على اختلافات صغيرة في المعلمات و / أو في منطق الدخول والخروج لاستراتيجية التداول. والهدف من ذلك هو تحديد ما إذا كان التوزيع الناجم عن بعض مقاييس الأداء، وهو عادة متوسط العائد أو السحب الأقصى، له تباين منخفض. وإذا كان التباين مرتفعا، يفترض أن الاستراتيجية ليست قوية. ويمكن استخدام مقاييس مختلفة جنبا إلى جنب مع أساليب مختلفة لتقييم المتانة.
وباختصار، فإن اختبارات المتانة في الواقع تحدد مدى نجاح الاستراتيجية بشكل مفرط، وتشير في معظم الحالات إلى عكس ما هو مرغوب فيه، أي أن المتانة العالية قد تكون مؤشرا على ملاءمة مفرطة للبيانات التاريخية. لهذا السبب من المناسب تطبيق اختبارات المتانة على عينة من خارج العينة ولكن نتيجة لذلك تكون قوة الاختبار منخفضة.
والأهم من ذلك، فإن أي اختبارات متانة ونمذجة عشوائية بشكل عام تخضع لتحيز التطفل على البيانات إذا ما استخدمت مرارا وتكرارا مع نفس البيانات. احتمال أن استراتيجية عشوائية يمر جميع الاختبارات حتى في خارج العينة يزداد مع زيادة عدد الفرضيات. ومع ذلك، بالنسبة للفرضيات الفريدة، يمكن لهذه الاختبارات العملية أن تكشف عن بعض الخصائص المفيدة ولكنها تختلف على أساس كل حالة على حدة.
الاستنتاج: يمكن للاختبارات المتانة والنمذجة العشوائية بشكل عام تقييم الظروف المفرطة ولكن خطأ النوع الأول (الاكتشافات الخاطئة) مرتفع خصوصا في حالة المقارنات المتعددة حتى عند تطبيقها على عينة خارج العينة.
والفكرة الرئيسية مع هذه الطريقة هي لتجنب الاختبارات خارج عينة واستخدام التاريخ كله السعر في تطوير استراتيجيات التداول. باستخدام عدد مرتفع بما فيه الكفاية من سلسلة الأسعار في محفظة، قوة أي اختبار أهمية يزيد.
ويمكن استخدام اختبار فرضية إحصائية بسيطة في هذه الحالة استنادا إلى T-ستات على النحو التالي [ريف. 1]:
T-ستات = شارب × عدد السنوات.
الفرضية الباطلة هي أن عوائد الاستراتيجية يتم استخلاصها من توزيع بمتوسط صفر. إذا تم رفض فرضية نول، هناك احتمال ضعيف للحصول على أداء الاستراتيجية نظرا لأن فرضية نول صحيحة.
وتعاني الاختبارات السابقة للحوافظ، فضلا عن الاختبارات على الأوراق المالية المماثلة [المرجع 2]، من مشكلتين على الأقل: المشكلة الأولى هي أن هذه الاختبارات صارمة للغاية وأن الخطأ من النوع الثاني (الاكتشافات المفقودة) مرتفع. أما المشكلة الأخرى، وربما أكثر خطورة، فهي أن الاستراتيجيات عادة ما تنخفض عندما تتغير ظروف السوق رغم أهميتها العالية [المرجع. 1.]
اختبار الفرضية الإحصائية محدود التطبيق في تطوير استراتيجية التداول على الرغم من توفير أرضية لنشر الأوراق الأكاديمية. وبوجه عام، فإن منطق الاستراتيجية والعملية المستخدمة في استخلاصها أكثر أهمية من أي اختبارات إحصائية. الاحصائيات لا يمكن العثور على الذهب حيث لا يوجد يمكن العثور عليها.
لاحظ أنه من السهل للغش باكتستس محفظة عن طريق اختيار الأوراق المالية لاستخدام ما بعد المخصصة. وغالبا ما يتم ذلك من قبل بعض المطورين استراتيجية التداول، في معظم الحالات بسبب الجهل. يجب اختيار األوراق المالية التي سيتم استخدامها في المحفظة مسبقا. ثم، إذا فشل الاختبار، يجب رفض الاستراتيجية. وأي جهد لتحسين الاستراتيجية وتكرار الاختبارات سيؤدي إلى تحيز التطفل على البيانات ويؤدي إلى القرصنة.
خاتمة: اختبارات المحفظة والاختبارات على الأوراق المالية مماثلة هي مفيدة في ظل ظروف معينة، ونظرا لأنها لا يساء استخدامها مع P - القرصنة كهدف.
محاكاة مونتي كارلو هي جزء من النمذجة العشوائية لكننا ندرجها هنا بشكل منفصل بسبب شعبيتها. هذه الاختبارات هي الأقل قوة وفعالية في تطوير استراتيجية التداول وينبغي تجنبها إلا في حالة الاستراتيجيات تلبية متطلبات معينة. لمزيد من التفاصيل انظر المرجع. 3.
ولا يمكن تطبيق عمليات محاكاة مونتي كارلو بوجه خاص في حالة الاستراتيجيات الملغومة للبيانات والمقارنات المتعددة. في الواقع، إذا تم استخدام هذه المحاكاة مع استراتيجيات الملغومة البيانات، هو مؤشر قوي أن المطور يفتقر إلى الخبرة. باختصار، عادة ما تولد الاستراتيجيات المجهزة بشكل جيد نتائج مونت كارلو الجيدة. عندما يتم استخدام هذه الطريقة في حلقة من مقارنات متعددة، فإنه يفقد أهميته تماما.
الاستنتاج: لا تستخدم اختبارات مونت كارلو إلا عندما يكون ذلك مناسبا. لمزيد من التفاصيل راجع المرجع. 3.
في هذه المقالة ناقشنا بإيجاز أربعة أساليب التحقق من صحة استراتيجية التداول الشعبية. يعتمد اختيار أسلوب التحقق على طبيعة الاستراتيجية وتطبيق وتفسير النتائج هو أكثر من الفن من العلم. معظم اختبارات التحقق التي يقوم بها الممارسون ولكن أيضا الأكاديميين يعانون إما من مقارنات متعددة التحيز أو تفشل في ظل ظروف السوق المتغيرة. وطبيعة األسواق بحيث ال يوجد اختبار قوي لتقييم متانة االستراتيجية. هذا هو ما يجعل تطوير استراتيجية التداول صعبة للغاية ولكن أيضا مهمة مثيرة للاهتمام وتحديا.
1.Harris، M (2018)، ليميتاتيونس أوف كوانتيتاتيف كليمز أبوت ترادينغ ستراتيغي التقييم، سكرن، papers. ssrn / sol3 / paper. cfm؟ abstract_id = 2810170.
2. هاريس، M (2018)، ينخدع التحليل الفني: مخاطر الرسم البياني، باكتستينغ واستخراج البيانات، مختبر السعر العمل. متوفر في برايساكتيونلاب / مدونة / الكتاب /
3. هاريس، M (2017)، ينخدع مونتي كارلو المحاكاة، متوسطة، bit. ly/2y9gYBq، آخر الوصول: 18 سبتمبر 2017.
تم نشر هذه المقالة في الأصل في مختبر مختبر العمل السعر.
إذا كان لديك أي أسئلة أو تعليقات، سعيد للاتصال على تويتر: ميكيهاريسني.
نبذة عن الكاتب: مايكل هاريس هو تاجر وأفضل المؤلف مبيعا. وهو أيضا مطور البرامج التجارية الأولى لتحديد أنماط أقل معلمة في العمل السعر منذ 17 عاما. في السنوات السبع الماضية كان قد عمل على تطوير دلبال، وهو برنامج البرمجيات التي يمكن استخدامها لتحديد الشذوذ على المدى القصير في بيانات السوق للاستخدام مع نماذج التعلم الآلي والآلات. اضغط هنا للمزيد.
عن طريق التصفيق أكثر أو أقل، يمكنك أن تشير لنا القصص التي تبرز حقا.
مايكل هاريس.
كوانت المنهجية والتقديرية والتاجر، مؤلف كتاب التداول والمطور من دلبال آلة تعلم البرمجيات. لا المشورة الاستثمارية. #quant #trading #finance.
لدينا استراتيجية التداول الشركاء النامية تحت تصرفكم.
لا تسوية لاستراتيجية شخص آخر؛ أنت تعرف أفضل ما، متى وكيف تريد التجارة.
كما التجار أنفسنا، ونحن نفهم الحاجة إلى تخصيص استراتيجية الشخصية الخاصة بك من أجل الحصول على أفضل النتائج من التداول الخاص بك. هذا هو السبب في أننا نقدم خيار وجود مطوري الاستراتيجية لدينا وضع معا استراتيجية فريدة من نوعها تماما، مصممة فقط لأجلك. أنت تحدد بالضبط ما تريد؛ لدينا المطورين تنفيذها. أنها يمكن أن تجمع بين مختلف الميزات العملية والفعالة التي تقدمها أجيناترادر إلى استراتيجية مصممة تماما بالنسبة لك. لا حاجة إلى الاستمرار في استخدام فقط أي استراتيجية عامة القديمة؛ دعونا المطورين لدينا تصميم واحد من شأنها أن تساعدك على الحصول على أقصى استفادة من التداول الخاص بك.
تطبيق الشريك.
هل أنت مهتم في الانضمام إلى أجيناترادر سباس ومساعدة المستخدمين أجيناترادر بناء بنجاح، السفينة وتشغيل مؤشرات محددة واستراتيجيات التداول؟ أكمل استمارة الطلب لتصبح عضوا وسوف يقوم أحد مديري شركائنا بالاتصال بك.
الفئة: استراتيجيات التداول.
كريبتوكيرنسي دليل الاستثمار: الزخم ومؤشر القوة النسبية.
في 2017 كريبتو ماركيتس تواصل الاتجاه إلى أعلى مع الزخم ومن الواضح أن كريبتوكيرنسيز كانت في سوق تتجه خلال العامين الماضيين، أو أن البعض يجادل، منذ إنشائها. كل 1000 $ استثمرت في سلة من بيتكوين، إثريوم، و ليتسوان في بداية يناير 2017 من شأنه أن يتحول بشكل جيد إلى 18،000 $ في 11 شهرا فقط. تماما & # 8230؛
دليل للتجارة كريبتوكيرنسي الجزء 5: البولنجر العصابات.
في هذا الدليل، سيتم تقديمك إلى استراتيجية موثوقة وسهلة الاستخدام للتجارة وكسب المال من كريبتوكيرنسيز مثل بيتكوين، الأثير وغيرها. ومن المثير جدا للاهتمام لمراقبة المخضرم التجاري جون بولينجر تحويل تركيزه إلى أنجح العملة الرقمية اللامركزية، بيتكوين. جون بولينجر هو المنشئ لل بولينجر باندز، أن & # 8230؛
دليل للتجارة كريبتوكيرنسي الجزء 4: الرسوم البيانية رينكو.
الرسوم البيانية رينكو هي تقنية اليابانية الأخرى التي هي سهلة الاستخدام وموثوق بها لجعل الصفقات المربحة. على غرار الرسوم البيانية الشمعدان، والرسوم البيانية رينكو هي أسهل لتحليل هذه الرسوم البيانية مجردة من الوقت والحجم، مع التركيز فقط على جزء كبير من حركة السعر. النظر في الماضي وسوف تعرف المستقبل هناك كتل الفردية التي تشكل رينكو & # 8230؛
دليل للتجارة كريبتوكيرنسي الجزء 3: بيل ويليامز & # 8217؛ طريقة.
الأسواق هي الفوضوية. أسواق كريبتوكيرنسي، حتى أكثر من ذلك. ولكن فقط لأن الأسواق هي عشوائية والمشاعر يمكن أن تتحول بسرعة لا يعني أنك لا يمكن أن تستفيد من تقلبات في سعر بيتكوين أو ألتسوانز. علم النفس بيل ويليامز دكتوراه وضعت طريقة التداول في 1970 & # 8217؛ s لتداول الأسواق في المستقبل، ولكن يمكن تطبيقها على أسواق كريبتوكورنسي كذلك. و& # 8230؛
دليل للتجارة كريبتوكيرنسيز الجزء 2: إشيموكو كينكو هيو.
إذا كنت ترغب في الاستثمار في التجارة كريبتوكيرنسي، أداة تنبؤية قوية التي غالبا ما يتم تجاهلها هو إيشيموكو كينكو هيو. طريقة إيشيموكو كينكو هيو تنبع من اليابان، وقد تم استغلاله بشكل كامل من قبل المهنيين في الغرب بسبب عدم وجود ترجمة وتوجيهات حول كيفية استخدامها في الواقع، مع معظم استبعاده كمؤشر غريبة & # 8230؛.
الإعلانات.
الإعلانات.
دليل للتجارة كريبتوكيرنسي الجزء 1: الشمعدانات وسلسلة فيبوناتشي.
أي شخص متورط مع بيتكوين أو كريبتوكيرنسيز يحتاج إلى معرفة أي معدلات جيدة لشراء أو بيع في المستقبل. البعض الآخر ترغب في تداول الأسواق والمضاربة مع إمكانية تحقيق الربح. في كلتا الحالتين، يمكن استخدام الشموع وتسلسل فيبوناتشي لتحسين الربحية عند التداول في الأسواق أو عند إجراء عملية شراء مع & # 8230؛
تنويه: بتكماناجر ليس مشروعا ماليا ولا تقدم أي خدمات الاستثمار أو تمثل مصالح أي شخص آخر غير بلده. للحصول على المعلومات الأساسية على هذا الموقع نضع معرفتنا الخاصة حول وسائل الدفع عبر الإنترنت، والمهارات العملية وسنوات من الخبرة. يتم تقديم موقع بتكماناجر لمجموعة واسعة من القراء كما هضم اليومي الذي يركز على القضايا والحلول الحديثة في التطبيق العملي كريبتوكيرنسي الرئيسي ومشتقاته. من بين أهدافنا الرئيسية هو تعميم استخدام كريبتوكيرنسي، تفسير ما هي كريبتوكيرنسيز هي وكيف أنها تلعب دور أداة الدفع ووسائل للتخزين الآمن والأرباح، فضلا عن توفير المعرفة اللازمة، والمواد التعليمية، والمعلومات حول الأحداث القادمة والمؤتمرات مكرسة لتطوير كريبتوكيرنسي. مدير بتك ليست مسؤولة عن أي نتائج الخاص بك باستخدام المعلومات من موقعنا على الانترنت.
90 لونغ أكر، كوفنت غاردن، لندن WC2E 9RZ، المملكة المتحدة.
هناك عدة طرق تستخدم للتحقق من صحة استراتيجيات التداول ولكن لكل منها مزايا وعيوب. في هذه المقالة نناقش أربعة أساليب التحقق.
في التداول استراتيجية تطوير التحقق هو مطلوب لأنه من السهل أن أكثر ملاءمة الاستراتيجيات على البيانات التاريخية خلال التنمية والحصول على ينخدع العشوائية. على الرغم من أن أفضل طريقة للتحقق هي الأداء الفعلي، بل هو وسيلة مكلفة ومعظم المطورين ترغب في تقييم الإمكانات قبل توظيف الاستراتيجيات.
يعاني تطوير استراتيجية التداول من القرصنة. في معظم الحالات، يحاول مطور البرامج تعديل إستراتيجية بعد اختبار التحقق من الصحة الفاشلة أو إجراء اختبار جديد. وهذا يؤدي إلى ممارسة خطيرة لإعادة استخدام البيانات حتى يتم تطوير استراتيجية يمر بعض اختبارات التحقق من الصحة. هناك بعض المفاهيم الخاطئة حول مقارنات متعددة، والتحيز في تعدين البيانات و P-هاكينغ، ويرجع ذلك في الغالب إلى الطريقة التي قدمها الأكاديميون مع مهارات رياضية جيدة ولكن عدم وجود الخبرة التجارية.
على الرغم من أن معظم استراتيجيات التداول التي تم تطويرها عبر أساليب غير سليمة عادة ما تفشل في مرحلة ما من التداول الحقيقي، وبعض حتى على الفور، أهمية إحصائية عالية، وهو موضوع يفضله الأكاديميون، لا يعادل استراتيجية جيدة. وبعبارة أخرى، قد تفشل أيضا الاستراتيجيات ذات الدلالة الإحصائية العالية وغالبا ما تفعل [المرجع. 1]، وهذا ناتج عن تغيرات كبيرة في ظروف السوق، وتعرف أيضا بتغيرات النظام. ولذلك، فإن الدلالة الإحصائية ليست حلا سحريا، كما هو مزعوم في بعض المنشورات الأكاديمية، وينبغي أن يكون المطورين على بينة من هذا، والحقيقة أن تغيرات نظام السوق تلعب أيضا دورا هاما.
هذه هي الطريقة الأكثر شعبية وأيضا إساءة استخدام المصادقة. وباختصار، تتطلب اختبارات خارج العينة تخصيص جزء من البيانات لاستخدامها في اختبار الاستراتيجية بعد تطويرها والحصول على تقدير غير متحيز للأداء المستقبلي. ومع ذلك، الاختبارات خارج العينة.
الحد من قوة الاختبارات بسبب نتائج عينة أصغر منحازة إذا تم تطوير استراتيجية عبر مقارنات متعددة.
وبعبارة أخرى، الاختبارات خارج العينة مفيدة في حالة الفرضيات الفريدة فقط. ويؤدي استخدام اختبارات خارج العينة للاستراتيجيات التي يتم تطويرها عن طريق استخراج البيانات إلى عدم فهم العملية. في هذه الحالة يمكن استخدام الاختبار لرفض الاستراتيجيات ولكن عدم قبول أي. وبهذا المعنى، فإن الاختبار لا يزال مفيدا ولكن مطوري استراتيجية التداول يعرفون أن الأداء الجيد في العينات خارج الاستراتيجيات التي تم تطويرها عن طريق مقارنات متعددة هو في معظم الحالات نتيجة عشوائية.
وقد اقترحت بعض الأساليب لتصحيح الأهمية خارج العينة لوجود تحيز مقارنات متعددة ولكن في جميع الحالات الحقيقية تقريبا كانت النتيجة استراتيجية غير هامة. ومع ذلك، كما نعرض في المرجع. 1 مع اثنين من الأمثلة التي تتوافق مع اثنين من أنظمة السوق الرئيسية، استراتيجيات كبيرة للغاية حتى بعد تطبيق التصحيحات للتحيز يمكن أن تفشل أيضا بسبب تغير الأسواق. لذلك، فإن الاختبارات خارج العينة هي تقديرات غير متحيزة للأداء المستقبلي فقط إذا تم توزيع العائدات المستقبلية بطرق مماثلة مثل العائدات السابقة. وبعبارة أخرى، قد يؤدي عدم الترابط إلى إبطال أي نتائج اختبار خارج العينة.
الخلاصة: لا تنطبق الاختبارات خارج العينة إلا على الفرضيات الفريدة وتفترض الاستبانة. في هذه الحالة تكون مفيدة ولكن إذا لم يتم الوفاء بهذه الشروط، فإنها يمكن أن تكون مضللة جدا.
2. اختبارات المتانة والنمذجة العشوائية.
بسبب خطأ من النوع الثاني (رفض كاذب) من أساليب التحقق الأخرى، والممارسين لجأت منذ فترة طويلة إلى اختبارات المتانة. وتندرج اختبارات المتانة تحت موضوع النمذجة العشوائية الأكثر عمومية.
اختبارات المتانة عادة ما تنطوي على اختلافات صغيرة في المعلمات و / أو في منطق الدخول والخروج لاستراتيجية التداول. والهدف من ذلك هو تحديد ما إذا كان التوزيع الناجم عن بعض مقاييس الأداء، وهو عادة متوسط العائد أو السحب الأقصى، له تباين منخفض. وإذا كان التباين مرتفعا، يفترض أن الاستراتيجية ليست قوية. ويمكن استخدام مقاييس مختلفة جنبا إلى جنب مع أساليب مختلفة لتقييم المتانة.
وباختصار، فإن اختبارات المتانة في الواقع تحدد مدى نجاح الاستراتيجية بشكل مفرط، وتشير في معظم الحالات إلى عكس ما هو مرغوب فيه، أي أن المتانة العالية قد تكون مؤشرا على ملاءمة مفرطة للبيانات التاريخية. لهذا السبب من المناسب تطبيق اختبارات المتانة على عينة من خارج العينة ولكن نتيجة لذلك تكون قوة الاختبار منخفضة.
والأهم من ذلك، فإن أي اختبارات متانة ونمذجة عشوائية بشكل عام تخضع لتحيز التطفل على البيانات إذا ما استخدمت مرارا وتكرارا مع نفس البيانات. احتمال أن استراتيجية عشوائية يمر جميع الاختبارات حتى في خارج العينة يزداد مع زيادة عدد الفرضيات. ومع ذلك، بالنسبة للفرضيات الفريدة، يمكن لهذه الاختبارات العملية أن تكشف عن بعض الخصائص المفيدة ولكنها تختلف على أساس كل حالة على حدة.
الاستنتاج: يمكن للاختبارات المتانة والنمذجة العشوائية بشكل عام تقييم الظروف المفرطة ولكن خطأ النوع الأول (الاكتشافات الخاطئة) مرتفع خصوصا في حالة المقارنات المتعددة حتى عند تطبيقها على عينة خارج العينة.
والفكرة الرئيسية مع هذه الطريقة هي لتجنب الاختبارات خارج عينة واستخدام التاريخ كله السعر في تطوير استراتيجيات التداول. باستخدام عدد مرتفع بما فيه الكفاية من سلسلة الأسعار في محفظة، قوة أي اختبار أهمية يزيد.
ويمكن استخدام اختبار فرضية إحصائية بسيطة في هذه الحالة استنادا إلى T-ستات على النحو التالي [ريف. 1]:
T-ستات = شارب × عدد السنوات.
الفرضية الباطلة هي أن عوائد الاستراتيجية يتم استخلاصها من توزيع بمتوسط صفر. إذا تم رفض فرضية نول، هناك احتمال ضعيف للحصول على أداء الاستراتيجية نظرا لأن فرضية نول صحيحة.
وتعاني الاختبارات السابقة للحوافظ، فضلا عن الاختبارات على الأوراق المالية المماثلة [المرجع 2]، من مشكلتين على الأقل: المشكلة الأولى هي أن هذه الاختبارات صارمة للغاية وأن الخطأ من النوع الثاني (الاكتشافات المفقودة) مرتفع. أما المشكلة الأخرى، وربما أكثر خطورة، فهي أن الاستراتيجيات عادة ما تنخفض عندما تتغير ظروف السوق رغم أهميتها العالية [المرجع. 1.]
اختبار الفرضية الإحصائية محدود التطبيق في تطوير استراتيجية التداول على الرغم من توفير أرضية لنشر الأوراق الأكاديمية. وبوجه عام، فإن منطق الاستراتيجية والعملية المستخدمة في استخلاصها أكثر أهمية من أي اختبارات إحصائية. الاحصائيات لا يمكن العثور على الذهب حيث لا يوجد يمكن العثور عليها.
لاحظ أنه من السهل للغش باكتستس محفظة عن طريق اختيار الأوراق المالية لاستخدام ما بعد المخصصة. وغالبا ما يتم ذلك من قبل بعض المطورين استراتيجية التداول، في معظم الحالات بسبب الجهل. يجب اختيار األوراق المالية التي سيتم استخدامها في المحفظة مسبقا. ثم، إذا فشل الاختبار، يجب رفض الاستراتيجية. وأي جهد لتحسين الاستراتيجية وتكرار الاختبارات سيؤدي إلى تحيز التطفل على البيانات ويؤدي إلى القرصنة.
خاتمة: اختبارات المحفظة والاختبارات على الأوراق المالية مماثلة هي مفيدة في ظل ظروف معينة، ونظرا لأنها لا يساء استخدامها مع P - القرصنة كهدف.
محاكاة مونتي كارلو هي جزء من النمذجة العشوائية لكننا ندرجها هنا بشكل منفصل بسبب شعبيتها. هذه الاختبارات هي الأقل قوة وفعالية في تطوير استراتيجية التداول وينبغي تجنبها إلا في حالة الاستراتيجيات تلبية متطلبات معينة. لمزيد من التفاصيل انظر المرجع. 3.
ولا يمكن تطبيق عمليات محاكاة مونتي كارلو بوجه خاص في حالة الاستراتيجيات الملغومة للبيانات والمقارنات المتعددة. في الواقع، إذا تم استخدام هذه المحاكاة مع استراتيجيات الملغومة البيانات، هو مؤشر قوي أن المطور يفتقر إلى الخبرة. باختصار، عادة ما تولد الاستراتيجيات المجهزة بشكل جيد نتائج مونت كارلو الجيدة. عندما يتم استخدام هذه الطريقة في حلقة من مقارنات متعددة، فإنه يفقد أهميته تماما.
الاستنتاج: لا تستخدم اختبارات مونت كارلو إلا عندما يكون ذلك مناسبا. لمزيد من التفاصيل راجع المرجع. 3.
في هذه المقالة ناقشنا بإيجاز أربعة أساليب التحقق من صحة استراتيجية التداول الشعبية. يعتمد اختيار أسلوب التحقق على طبيعة الاستراتيجية وتطبيق وتفسير النتائج هو أكثر من الفن من العلم. معظم اختبارات التحقق التي يقوم بها الممارسون ولكن أيضا الأكاديميين يعانون إما من مقارنات متعددة التحيز أو تفشل في ظل ظروف السوق المتغيرة. وطبيعة األسواق بحيث ال يوجد اختبار قوي لتقييم متانة االستراتيجية. هذا هو ما يجعل تطوير استراتيجية التداول صعبة للغاية ولكن أيضا مهمة مثيرة للاهتمام وتحديا.
1.Harris، M (2018)، ليميتاتيونس أوف كوانتيتاتيف كليمز أبوت ترادينغ ستراتيغي التقييم، سكرن، papers. ssrn / sol3 / paper. cfm؟ abstract_id = 2810170.
2. هاريس، M (2018)، ينخدع التحليل الفني: مخاطر الرسم البياني، باكتستينغ واستخراج البيانات، مختبر السعر العمل. متوفر في برايساكتيونلاب / مدونة / الكتاب /
3. هاريس، M (2017)، ينخدع مونتي كارلو المحاكاة، متوسطة، bit. ly/2y9gYBq، آخر الوصول: 18 سبتمبر 2017.
تم نشر هذه المقالة في الأصل في مختبر مختبر العمل السعر.
إذا كان لديك أي أسئلة أو تعليقات، سعيد للاتصال على تويتر: ميكيهاريسني.
نبذة عن الكاتب: مايكل هاريس هو تاجر وأفضل المؤلف مبيعا. وهو أيضا مطور البرامج التجارية الأولى لتحديد أنماط أقل معلمة في العمل السعر منذ 17 عاما. في السنوات السبع الماضية كان قد عمل على تطوير دلبال، وهو برنامج البرمجيات التي يمكن استخدامها لتحديد الشذوذ على المدى القصير في بيانات السوق للاستخدام مع نماذج التعلم الآلي والآلات. اضغط هنا للمزيد.
عن طريق التصفيق أكثر أو أقل، يمكنك أن تشير لنا القصص التي تبرز حقا.
مايكل هاريس.
كوانت المنهجية والتقديرية والتاجر، مؤلف كتاب التداول والمطور من دلبال آلة تعلم البرمجيات. لا المشورة الاستثمارية. #quant #trading #finance.
لدينا استراتيجية التداول الشركاء النامية تحت تصرفكم.
لا تسوية لاستراتيجية شخص آخر؛ أنت تعرف أفضل ما، متى وكيف تريد التجارة.
كما التجار أنفسنا، ونحن نفهم الحاجة إلى تخصيص استراتيجية الشخصية الخاصة بك من أجل الحصول على أفضل النتائج من التداول الخاص بك. هذا هو السبب في أننا نقدم خيار وجود مطوري الاستراتيجية لدينا وضع معا استراتيجية فريدة من نوعها تماما، مصممة فقط لأجلك. أنت تحدد بالضبط ما تريد؛ لدينا المطورين تنفيذها. أنها يمكن أن تجمع بين مختلف الميزات العملية والفعالة التي تقدمها أجيناترادر إلى استراتيجية مصممة تماما بالنسبة لك. لا حاجة إلى الاستمرار في استخدام فقط أي استراتيجية عامة القديمة؛ دعونا المطورين لدينا تصميم واحد من شأنها أن تساعدك على الحصول على أقصى استفادة من التداول الخاص بك.
تطبيق الشريك.
هل أنت مهتم في الانضمام إلى أجيناترادر سباس ومساعدة المستخدمين أجيناترادر بناء بنجاح، السفينة وتشغيل مؤشرات محددة واستراتيجيات التداول؟ أكمل استمارة الطلب لتصبح عضوا وسوف يقوم أحد مديري شركائنا بالاتصال بك.
الفئة: استراتيجيات التداول.
كريبتوكيرنسي دليل الاستثمار: الزخم ومؤشر القوة النسبية.
في 2017 كريبتو ماركيتس تواصل الاتجاه إلى أعلى مع الزخم ومن الواضح أن كريبتوكيرنسيز كانت في سوق تتجه خلال العامين الماضيين، أو أن البعض يجادل، منذ إنشائها. كل 1000 $ استثمرت في سلة من بيتكوين، إثريوم، و ليتسوان في بداية يناير 2017 من شأنه أن يتحول بشكل جيد إلى 18،000 $ في 11 شهرا فقط. تماما & # 8230؛
دليل للتجارة كريبتوكيرنسي الجزء 5: البولنجر العصابات.
في هذا الدليل، سيتم تقديمك إلى استراتيجية موثوقة وسهلة الاستخدام للتجارة وكسب المال من كريبتوكيرنسيز مثل بيتكوين، الأثير وغيرها. ومن المثير جدا للاهتمام لمراقبة المخضرم التجاري جون بولينجر تحويل تركيزه إلى أنجح العملة الرقمية اللامركزية، بيتكوين. جون بولينجر هو المنشئ لل بولينجر باندز، أن & # 8230؛
دليل للتجارة كريبتوكيرنسي الجزء 4: الرسوم البيانية رينكو.
الرسوم البيانية رينكو هي تقنية اليابانية الأخرى التي هي سهلة الاستخدام وموثوق بها لجعل الصفقات المربحة. على غرار الرسوم البيانية الشمعدان، والرسوم البيانية رينكو هي أسهل لتحليل هذه الرسوم البيانية مجردة من الوقت والحجم، مع التركيز فقط على جزء كبير من حركة السعر. النظر في الماضي وسوف تعرف المستقبل هناك كتل الفردية التي تشكل رينكو & # 8230؛
دليل للتجارة كريبتوكيرنسي الجزء 3: بيل ويليامز & # 8217؛ طريقة.
الأسواق هي الفوضوية. أسواق كريبتوكيرنسي، حتى أكثر من ذلك. ولكن فقط لأن الأسواق هي عشوائية والمشاعر يمكن أن تتحول بسرعة لا يعني أنك لا يمكن أن تستفيد من تقلبات في سعر بيتكوين أو ألتسوانز. علم النفس بيل ويليامز دكتوراه وضعت طريقة التداول في 1970 & # 8217؛ s لتداول الأسواق في المستقبل، ولكن يمكن تطبيقها على أسواق كريبتوكورنسي كذلك. و& # 8230؛
دليل للتجارة كريبتوكيرنسيز الجزء 2: إشيموكو كينكو هيو.
إذا كنت ترغب في الاستثمار في التجارة كريبتوكيرنسي، أداة تنبؤية قوية التي غالبا ما يتم تجاهلها هو إيشيموكو كينكو هيو. طريقة إيشيموكو كينكو هيو تنبع من اليابان، وقد تم استغلاله بشكل كامل من قبل المهنيين في الغرب بسبب عدم وجود ترجمة وتوجيهات حول كيفية استخدامها في الواقع، مع معظم استبعاده كمؤشر غريبة & # 8230؛.
الإعلانات.
الإعلانات.
دليل للتجارة كريبتوكيرنسي الجزء 1: الشمعدانات وسلسلة فيبوناتشي.
أي شخص متورط مع بيتكوين أو كريبتوكيرنسيز يحتاج إلى معرفة أي معدلات جيدة لشراء أو بيع في المستقبل. البعض الآخر ترغب في تداول الأسواق والمضاربة مع إمكانية تحقيق الربح. في كلتا الحالتين، يمكن استخدام الشموع وتسلسل فيبوناتشي لتحسين الربحية عند التداول في الأسواق أو عند إجراء عملية شراء مع & # 8230؛
تنويه: بتكماناجر ليس مشروعا ماليا ولا تقدم أي خدمات الاستثمار أو تمثل مصالح أي شخص آخر غير بلده. للحصول على المعلومات الأساسية على هذا الموقع نضع معرفتنا الخاصة حول وسائل الدفع عبر الإنترنت، والمهارات العملية وسنوات من الخبرة. يتم تقديم موقع بتكماناجر لمجموعة واسعة من القراء كما هضم اليومي الذي يركز على القضايا والحلول الحديثة في التطبيق العملي كريبتوكيرنسي الرئيسي ومشتقاته. من بين أهدافنا الرئيسية هو تعميم استخدام كريبتوكيرنسي، تفسير ما هي كريبتوكيرنسيز هي وكيف أنها تلعب دور أداة الدفع ووسائل للتخزين الآمن والأرباح، فضلا عن توفير المعرفة اللازمة، والمواد التعليمية، والمعلومات حول الأحداث القادمة والمؤتمرات مكرسة لتطوير كريبتوكيرنسي. مدير بتك ليست مسؤولة عن أي نتائج الخاص بك باستخدام المعلومات من موقعنا على الانترنت.
90 لونغ أكر، كوفنت غاردن، لندن WC2E 9RZ، المملكة المتحدة.
Comments
Post a Comment