Forex Trading Ubuntu Studio

MetaTrader4 på Linux Linux er et Unix-lignende datoperativsystem utviklet og brukt under modellen for programvareutvikling og distribusjon av gratis og åpen kildekode. Linux-systemer brukes aktivt i smarttelefoner og serverhardware. I det siste foretrekker flere og flere hjemme PC-brukere Linux til MS Windows-serien. Nedenfor finner du artikkelen, hvordan du arbeider i MetaTrader5 via en av Linux-versjonene - Ubuntu. Installere vin på Ubuntu En av Linux-funksjonene er fraværet av et enhetlig oppsettpakke. Ulike grupper av programmerere jobber med flere forskjellige Linux-versjoner som Debian, Mint, Ubuntu, OpenSUSE, Gentoo, etc. Denne artikkelen beskriver et av de mest populære distribusjonssettene - Ubuntu. Vin er et gratis program som lar brukere kjøre et program utviklet for Microsoft Windows-systemene. Blant alle Vinversjonene er det en for Ubuntu. Vi bør merke seg at Vin ikke er et fullt stabilt program. Det betyr at noen funksjoner i programmene du kjører under det, kan fungere ukorrekt. Foreløpig oppsett bør utføres før installasjonen. Alle applikasjoner er installert på Ubuntu fra pakkene, som finnes i repositorier. For å installere Vin, må banen til WineHQ PPA-depot legges til. Åpne Ubuntu Software Center og kjør quotSoftware Sourcesquot-kommando i quotEditquot-menyen. Klikk på quotAddquot i det nye vinduet. Følgende parameter skal spesifiseres i (Avansert pakkeverktøy) - linje: ppa: ubuntu-wineppa. Klikk på quotAdd Sourcequot. Dette avsluttes med det foreløpige oppsettet. For å installere Vin, åpne den offisielle nettsiden winehq. org. Gå til Nedlastinger og velg distribusjonssett for Ubuntu. Klikk deretter koblingen for å installere den nyeste Wine-versjonen. For tiden er den siste stabile versjonen Wine 1.4.1. Du kan også laste ned beta versjon Wine 1.5.21, som inneholder mange forbedringer, men kan virke mindre pålitelig. Systemet vil be deg om å åpne koblingen via Ubuntu Software Center. Samtykke til det, og Programvaresenteret vil be om å starte Vininstallasjon: Klikk quotInstallquot og vent på at installasjonen skal fullføres. Når installasjonen er fullført, vil det allerede være mulig å kjøre Microsoft Windows-kjørbare filer i Ubuntu. Installere vin fra kommandolinjen For å installere Vin uten å bruke Ubuntu GUI, kan du bruke kommandolinjen (som kalles quotTerminalquot i Ubuntu) Skriv inn følgende kommando for å legge til WineHQ PPA-depot, hvorav Vin skal installeres: sudo add-apt-depot ppa: ubuntu-wineppa Etter fullføringen oppdaterer du APT-pakkedata ved å bruke følgende kommando: sudo apt-get update Da kan du starte Vininstallasjon. Skriv inn følgende kommando: sudo apt-get install wine1.5 Vin v. 1.5 vil bli installert. Ved utførelsen er Wine klar til bruk. Starte MetaTrader5 For å bruke MetaTrader5, bør du enten laste ned og installere installasjonsfilen eller kopiere hele mappen til klientterminalen som tidligere ble installert i Windows-systemet. For å laste ned installasjonsfilen, bruk direkte koblingen mt5setup. exe. Systemet vil automatisk bestemme at du prøver å kjøre en fil designet for Windows-systemet, og vil tilby å åpne den ved hjelp av Wine. Velg dette alternativet og klikk på quotOKquot. MetaTrader5 installasjonsprogrammet vil bli lansert. Fullfør alle installasjonstrinnene. MetaTrader5 installasjonsprogrammet vil bli lansert. Fullfør alle installasjonstrinnene. Etter at installasjonen er fullført, kan du begynne å bruke MetaTrader5 ved å kjøre terminal. exe-filen. En annen måte å bruke MetaTrader5 i Ubuntu på, er å kopiere hele mappen til handelsterminalen som tidligere ble installert i Windows-systemet. Etter at du har kopiert mappen, starter MetaTrader5 terminal ved å kjøre terminal. exe-filen. Vin vil bli brukt automatisk til å åpne filen. Bildet nedenfor viser MetaTrader5 terminal i Ubuntu-systemet. quotVIP clientquot-programmet Få eksepsjonelle privilegier ved å bli med i vårt VIP-program. Lag din egen handelsrobot om 5 minutter, selv om du donrsquot har programmeringsevner stock. roboforex Direkte tilgang fra 100 USD til det virkelige aksjemarkedet. quotRebates (Cashback) kvoteprogram Handel og motta månedlige rabatter på kontoen din Opptil 10 på kontosaldo Få ekstra fortjeneste for handelsvolumet du lager. Risikoadvarsel Det er et høyt risikonivå ved handel med brukte produkter som ForexCFDs. Du bør ikke risikere mer enn du har råd til å tape, det er mulig at du kan miste hele beløpet på kontosaldoen din. Du bør ikke handle eller investere med mindre du forstår den virkelige omfanget av eksponeringen din for risikoen for tap. Når du handler eller investerer, må du alltid ta hensyn til nivået på din erfaring. Kopihandelstjenester innebærer ytterligere risiko for investeringen på grunn av slike produkters natur. Hvis de involverte risikoene ikke virker uklare for deg, vennligst søk på en ekstern spesialist for et uavhengig råd. 30. november 2016, kl. 12:34 For noen måneder siden forklarer en leser meg denne nye måten å koble R og Excel til. Jeg vet ikke hvor lenge dette har eksistert, men jeg kom aldri over det, og I8217ve har aldri sett noen blogginnlegg eller artikkel om det. Så jeg bestemte meg for å skrive et innlegg som verktøyet er virkelig verdt det og før noen spør, I8217m ikke relatert til selskapet på noen måte. BERT står for Basic Excel R Toolkit. It8217s er gratis (lisensiert under GPL v2), og den er utviklet av Structured Data LLC. På tidspunktet for skriving er den nåværende versjonen av BERT 1,07. Mer informasjon finner du her. Fra et mer teknisk perspektiv er BERT designet for å støtte kjører R-funksjoner fra Excel-regnearkceller. I Excel-termer, it8217s for å skrive brukerdefinerte funksjoner (UDFer) i R. I dette innlegget vil I8217m ikke vise deg hvordan R og Excel samhandler via BERT. Det er veldig gode opplæringsprogrammer her. her og her. I stedet vil jeg vise deg hvordan jeg brukte BERT til å bygge en 8220control tower8221 for min handel. Mine handelssignaler genereres ved hjelp av en lang liste med R-filer, men jeg trenger fleksibiliteten til Excel for å vise resultater raskt og effektivt. Som vist ovenfor kan BERT gjøre dette for meg, men jeg vil også skreddersy applikasjonen til mine behov. Ved å kombinere kraften i XML, VBA, R og BERT, kan jeg lage et godt og likevel kraftig program i form av en Excel-fil med minimum VBA-kode. Til slutt har jeg en enkelt Excel-fil som samler alle nødvendige oppgaver for å håndtere porteføljen min: databaseoppdatering, signalgenerering, innlevering av ordre etc8230 Min tilnærming kan brytes ned i de tre trinnene nedenfor: Bruk XML til å bygge brukerdefinerte menyer og knapper i en Excel fil. Ovennevnte menyer og knapper er i hovedsak anrop til VBA-funksjoner. Disse VBA-funksjonene er vikle rundt R-funksjoner definert ved hjelp av BERT. Med denne tilnærmingen kan jeg holde et klart skille mellom kjernen i koden min i R, SQL og Python, og alt brukt til å vise og formatere resultater som holdes i Excel, VBA amp XML. I de neste avsnittene presenterer jeg forutsetningen for å utvikle en slik tilnærming og en trinnvis veiledning som forklarer hvordan BERT kunne brukes til å bare overføre data fra R til Excel med minimal VBA-kode. 1 8211 Last ned og installer BERT fra denne linken. Når installasjonen er fullført, skal du ha en ny tilleggsmeny i Excel med knappene som vist nedenfor. Dette er hvordan BERT materialiseres i Excel. 2 8211 Last ned og installer Custom UI editor. Den Custom UI Editor lar deg lage brukerdefinerte menyer og knapper i Excel-bånd. En trinnvis prosedyre er tilgjengelig her. Steg for trinn guide 1 8211 R Kode: R-funksjonen nedenfor er et veldig enkelt stykke kode for illustrasjonsformål. Det beregner og returnerer residualene fra en lineær regresjon. Dette er hva vi vil hente i Excel. Lagre dette i en fil som heter myRCode. R (hvilket som helst annet navn er greit) i en katalog av ditt valg. 2 8211 funksjoner. R i BERT. Fra Excel velger du Add-Ins - gt Home Directory og åpner filen som heter funksjoner. R. I denne filen lim inn følgende kode. Pass på at du setter inn den riktige banen. Dette er bare innhenting i BERT R-filen du opprettet ovenfor. Lagre og lukk deretter filfunksjonene. R. Hvis du vil gjøre noen endringer i R-filen som ble opprettet i trinn 1, må du laste den opp igjen ved å bruke BERT-knappen 8220Reload Startup File8221 fra tilleggsmenyen i Excel 3 8211 I Excel: Opprett og lagre en fil som heter myFile. xslm (noe annet navn er greit). Dette er en makroaktivert fil som du lagrer i katalogen etter eget valg. Når filen er lagret, lukk den. 4 8211 Åpne filen opprettet ovenfor i Custom UI editor: Når filen er åpen, lim inn underkoden. Du bør ha noe slikt i XML-editoren: Denne delen av XML-koden oppretter i hovedsak en ekstra meny (RTrader), en ny gruppe (Min gruppe) og en brukerdefinert knapp (Ny knapp) i Excel-båndet. Når du er ferdig, åpner du myFile. xslm i Excel og lukker Custom UI Editor. Du bør se noe sånt. 5 8211 Åpne VBA-editor. I myFile. xlsm legg inn en ny modul. Lim inn koden nedenfor i den nylig opprettede modulen. Dette sletter tidligere resultater i regnearket før du klarte nye. 6 8211 Klikk Ny knapp. Gå nå tilbake til regnearket, og klikk på 8220New Button8221-knappen i RTrader-menyen. Du bør se noe som nedenfor vises. Guiden ovenfor er en veldig grunnleggende versjon av hva som kan oppnås ved hjelp av BERT, men det viser deg hvordan du kombinerer kraften til flere spesifikke verktøy for å bygge ditt eget tilpassede program. Fra mitt perspektiv er interessen for en slik tilnærming evnen til å lim sammen R og Excel selvsagt, men også å inkludere via XML (og batch) koden fra Python, SQL og mer. Dette er akkurat det jeg trengte. Endelig vil jeg være nysgjerrig på å vite om noen har noen erfaring med BERT 19. august 2016, kl 9:26. Når man tester handelsstrategier, er en felles tilnærming å dele det opprinnelige datasettet inn i prøvedata: den delen av dataene som er beregnet for å kalibrere modellen og ut av prøvedata: den delen av dataene som brukes til å validere kalibreringen og sikre at ytelsen skapt i prøven, blir reflektert i den virkelige verden. Som en tommelfingerregel kan rundt 70 av de opprinnelige dataene brukes til kalibrering (dvs. i prøven) og 30 for validering (dvs. ute av prøven). Deretter bidrar en sammenligning av inn og ut av prøvedata til å bestemme om modellen er robust nok. Dette innlegget tar sikte på å gå et skritt videre og gir en statistisk metode for å avgjøre om utdataene stemmer overens med det som ble opprettet i prøven. I diagrammet nedenfor representerer det blå området ut av prøveytelsen for en av mine strategier. En enkel visuell inspeksjon avslører en god passform mellom inn og ut av prøveytelsen, men hvilken grad av tillit har jeg i dette På dette stadiet ikke mye, og dette er problemet. Det som virkelig trengs, er et mål på likhet mellom inn og ut av prøvesettene. I statistiske termer kan dette oversettes som sannsynligheten for at inn - og utprøveprøveverdiene kommer fra samme fordeling. Det er en ikke-parametrisk statistisk test som gjør akkurat dette: Kruskall-Wallis-testen. En god definisjon av denne testen kunne bli funnet på R-Tutor 8220A-samlingen av dataprøver er uavhengige hvis de kommer fra ikke-relaterte populasjoner, og prøvene påvirker ikke hverandre. Bruke Kruskal-Wallis-testen. vi kan bestemme om befolkningsfordelingene er identiske uten at de antar at de skal følge den normale fordeling.8221 Den ekstra fordelen av denne testen antar ikke en normal fordeling. Det finnes andre tester av samme natur som kan passe inn i rammen. Mann-Whitney-Wilcoxon-testen eller Kolmogorov-Smirnov-testene passer perfekt til rammen beskriver her, men dette er utenfor rammen av denne artikkelen for å diskutere fordeler og ulemper ved hver av disse testene. En god beskrivelse sammen med R eksempler finnes her. Here8217s koden som brukes til å generere diagrammet ovenfor og analysen: I eksemplet ovenfor er det i prøveperioden lengre enn ut av prøveperioden, derfor har jeg tilfeldig opprettet 1000 delmengder av prøvedataene, hver av dem har samme lengde som ut av prøvedata. Deretter testet jeg hver i prøvesubset mot ut av prøvedata og jeg registrerte p-verdiene. Denne prosessen skaper ikke en eneste p-verdi for Kruskall-Wallis-testen, men en distribusjon som gjør analysen mer robust. I dette eksemplet er middelverdien av p-verdiene langt over null (0,478) som indikerer at nullhypotesen skal aksepteres: det er sterke bevis på at inn - og utgående av prøvedata kommer fra samme fordeling. Som vanlig er det som er presentert i dette innlegget et leketøyeksempel som bare riper opp overflaten av problemet og bør skreddersys for individuelle behov. Men jeg synes det foreslår et interessant og rasjonelt statistisk rammeverk for å evaluere ut av utvalgsresultater. Dette innlegget er inspirert av følgende to papirer: Vigier Alexandre, Chmil Swann (2007), Effekt av ulike optimaliseringsfunksjoner på utsatt ytelse av genetisk utviklede handelsstrategier, Forecasting Financial Markets Conference Vigier Alexandre, Chmil Swann (2010), An optimaliseringsprosess for å forbedre innsamlingen av konsistensen, et aksjemarkedssak, JP Morgan Cazenove Equity Quantitative Conference, London oktober 2010 13. desember 2015 klokken 14:03 Å gjøre kvantitativ forskning innebærer mye datakrytende og man trenger rene og pålitelige data til oppnå dette. Det som virkelig trengs er ren data som er lett tilgjengelig (selv uten en internettforbindelse). Den mest effektive måten å gjøre dette på for meg, har vært å opprettholde et sett med csv-filer. Selvfølgelig kan denne prosessen håndteres på mange måter, men jeg fant svært effektiv og enkel overtid for å opprettholde en katalog der jeg lagrer og oppdaterer csv-filer. Jeg har en CSV-fil per instrument, og hver fil er oppkalt etter instrumentet den inneholder. Grunnen til at jeg gjør det er todelt: For det første vil jeg ikke laste ned (pris) data fra Yahoo, Google etc8230 hver gang jeg vil teste en ny ide, men enda viktigere når jeg har identifisert og løst et problem, vil jeg ikke Gjør det igjen neste gang jeg trenger det samme instrumentet. Enkel, men svært effektiv hittil. Prosessen er oppsummert i tabellen nedenfor. I alt som følger, antar jeg at data kommer fra Yahoo. Koden må endres for data fra Google, Quandl etc8230 I tillegg presenterer jeg prosessen med å oppdatere daglige prisdata. Oppsettet vil variere for høyere frekvensdata og annen datasett (dvs. forskjellig fra priser). 1 8211 Innledende data nedlasting (listOfInstruments. R amp historicalData. R) FillistenOfInstruments. R er en fil som bare inneholder listen over alle instrumenter. Hvis et instrument isn8217t er en del av listen min (det vil si ingen CSV-fil i data-mappen min), eller hvis du gjør det for første gang, må du laste ned det første historiske datasettet. Eksempelet nedenfor laster ned et sett med ETFs daglige priser fra Yahoo Finance tilbake til januar 2000 og lagrer dataene i en csv-fil. 2 8211 Oppdater eksisterende data (updateData. R) Koden nedenfor starter fra eksisterende filer i den dedikerte mappen og oppdaterer dem alle etter hverandre. Jeg kjører vanligvis denne prosessen hver dag unntatt når I8217m er på ferie. For å legge til et nytt instrument, kjør du bare trinn 1 over for dette instrumentet alene. 3 8211 Opprett en batchfil (updateDailyPrices. bat) En annen viktig del av jobben er å lage en batchfil som automatiserer oppdateringsprosessen over (I8217m en Windows-bruker). Dette unngår å åpne RRStudio og kjøre koden derfra. Koden nedenfor er plassert på en. bat-fil (banen må endres med oppsettet reader8217s). Merk at jeg har lagt til en utdatafil (updateLog. txt) for å spore kjøringen. Prosessen over er ekstremt enkel fordi den bare beskriver hvordan du oppdaterer daglige prisdata. I8217ve har brukt dette på en stund, og det har jobbet veldig jevnt for meg så langt. For mer avanserte data og eller høyere frekvenser kan ting bli vanskeligere. Som vanlig mottok noen kommentarer 15. august 2015 klokka 09:03. Asset Management-bransjen er på randen av en stor forandring. I løpet av de siste par årene har Robots Advisors (RA) kommet fram som nye spillere. Begrepet i seg selv er vanskelig å definere da det omfatter et stort utvalg av tjenester. Noen er laget for å hjelpe tradisjonelle rådgivere til å bedre allokere sine kunder penger og noen er ekte 8220 black box8221. Brukeren oppgir noen få kriterier (alder, inntekt, barn etc8230) og roboten foreslår en skreddersydd allokering. Mellom disse to ekstremer er et komplett utvalg av tilbud tilgjengelig. Jeg fant Wikipedia-definisjonen ganske bra. 8220De er en klasse av finansiell rådgiver som tilbyr porteføljeforvaltning online med minimal menneskelig inngrep8221. Nærmere bestemt bruker de algoritmbasert porteføljestyring for å tilby det fulle spekteret av tjenester en tradisjonell rådgiver vil tilby: utbytte reinvestering, compliancerapportering, porteføljeombalanse, skattemessig høsting etc8230 (vel dette er det kvantitative investeringssamfunnet gjør i flere tiår). Næringen er fortsatt i sin barndom, med de fleste spillere som fortsatt administrerer en liten sum penger, men jeg skjønte bare hvor dypt forandringen var da jeg var i NYC for noen dager siden. Når RA får navnene sine på TV, legger du på eller på taket på NYC-kabinen, vet du noe stort som skjer8230 Det blir stadig mer oppmerksomhet fra media og fremfor alt gir det mye mening fra et investorperspektiv. Det er faktisk to hovedfordeler ved å bruke RA: Betraktelig lavere avgifter over tradisjonelle rådgivere. Investeringer gjøres mer gjennomsiktige og enklere som er mer tiltalende for personer med begrenset økonomisk kunnskap. I dette innlegget er R bare en unnskyldning for å presentere pent hva som er en stor trend i kapitalforvaltning. Tabellen nedenfor viser markedsandelene til de mest populære RA i slutten av 2014. Koden som brukes til å generere diagrammet nedenfor, finner du på slutten av dette innlegget, og dataene er her. Disse tallene er litt datert, gitt hvor fort denne industrien utvikler seg, men er fortsatt veldig informativ. Ikke overraskende er markedet dominert av amerikanske leverandører som Wealthfront and Betterment, men RA kommer over hele verden: Asia (8Now), Sveits (InvestGlass), Frankrike (Marie Quantier) 8230. Det begynner å påvirke måten tradisjonelle kapitalforvaltere gjør forretningsmessig på. Et fremtredende eksempel er partnerskapet mellom Fidelity og Betterment. Siden desember 2014 Bedre enn 2 milliarder AUM-merkene. Til tross for alt ovenfor tror jeg den virkelige forandringen er foran oss. Fordi de bruker mindre mellommenn og lavprovisjonsprodukter (som ETFer) tar de mye lavere avgifter enn tradisjonelle rådgivere. RA vil sikkert få betydelige markedsandeler, men de vil også senke avgifter som belastes av næringen som helhet. Til syvende og sist vil det påvirke måten tradisjonelle investeringsselskaper gjør forretninger på. Aktiv porteføljeforvaltning som har en tøff tid i noen år, vil lide enda mer. De høye gebyrene som belastes, vil bli enda vanskeligere å rettferdiggjøre, med mindre det gjenoppliver seg selv. En annen potensiell innvirkning er økningen av ETFs og lavprovisjons finansielle produkter generelt. Selvfølgelig har dette begynt en stund siden, men jeg tror effekten vil bli enda mer uttalt i de kommende årene. Nye generasjoner av ETFer sporer mer komplekse indekser og skreddersydde strategier. Denne trenden blir sterkere uunngåelig. Som vanlig mottok noen kommentarer 7. juli 2015, klokka 8:04. Det er mange R-tidsserier-veiledninger som flyter rundt på nettet. Dette innlegget er ikke laget for å være en av dem. I stedet vil jeg introdusere en liste over de mest nyttige triksene jeg kom over når jeg jobbet med økonomiske tidsserier i R. Noen av funksjonene som presenteres her er utrolig kraftige, men dessverre begravet i dokumentasjonen, derfor mitt ønske om å skape et dedikert innlegg. Jeg adresserer bare daglig eller lavere frekvens ganger serie. Å håndtere høyere frekvensdata krever spesifikke verktøy: data. table eller highfrequency-pakker er noen av dem. xts. Xts-pakken er må ha når det gjelder tider serie i R. Eksempelet nedenfor laster pakken og lager en daglig tidsrekke på 400 dager normal distribuert retur merge. xts (pakke xts): Dette er utrolig kraftig når det gjelder bindende to eller flere ganger serie sammen om de har samme lengde eller ikke. Sammenføyningsargumentet gjør det magiske det bestemmer hvordan bindingen gjøres gjelde. Årligapply. monthly (pakke xts): Bruk en spesifisert funksjon til hver forskjellig periode i en gitt tidsserieobjekt. Eksempelet nedenfor beregner månedlig og årlig retur av den andre serien i tsInter-objektet. Merk at jeg bruker summen av returnerer (ingen sammensatte) endepunkter (pakke xts): Utdrag indeksverdier for et gitt xts-objekt som svarer til de siste observasjonene gitt en periode angitt av på. Eksemplet gir den siste dagen i måneden returnerer for hver serie i tsInter-objektet med sluttpunkt for å velge datoen. na. locf (pakke dyrepark): Generisk funksjon for å erstatte hver NA med den siste ikke-NA før den. Ekstremt nyttig når det gjelder en tidsserie med noen 8220holes8221, og når denne tidsserien senere brukes som input for en R-funksjoner som ikke aksepterer argumenter med NA. I eksemplet oppretter jeg en tidsserie av tilfeldige priser, og inneholder kunstig noen få NA i den og erstatter dem med den nyeste verdien. charts. PerformanceSummary (pakke PerformanceAnalytics): For et sett med retur, opprett et wealth index diagram, barer for per-periode ytelse og undersjøisk diagram for drawdown. Dette er utrolig nyttig, da det vises i et enkelt vindu all relevant informasjon for en rask visuell inspeksjon av en handelsstrategi. Eksemplet under viser prisserien til et xts-objekt, og viser et vindu med de tre diagrammene som er beskrevet ovenfor. Listen ovenfor er på ingen måte uttømmende, men når du mestrer funksjonene som beskrives i dette innlegget, gjør det manipuleringen av økonomiske tidsserier mye lettere, koden kortere og lesbarheten av koden bedre. Som vanlig mottok noen kommentarer 23. mars 2015, 20:55 Når det gjelder å forvalte en portefølje av aksjer i forhold til en referanse, er problemet svært forskjellig fra å definere en absolutt avkastningsstrategi. I den førstnevnte må man holde flere aksjer enn i den senere hvor det ikke kan holdes noe lager hvis det ikke er god nok mulighet. Årsaken til dette er sporingsfeilen. Dette er definert som standardavviket i porteføljens avkastning minus referanseavkastningen. Jo mindre aksjer holdes vs. et referanse desto høyere sporing feil (for eksempel høyere risiko). Analysen som følger er i stor grad inspirert av boken 8220Active Portfolio Management8221 av Grinold amp Kahn. Dette er Bibelen for alle som er interessert i å drive en portefølje mot et referanseindeks. Jeg oppfordrer sterkt alle med interesse for emnet å lese boka fra begynnelse til slutt. It8217 er veldig godt skrevet og legger grunnlaget for systematisk aktiv porteføljestyring (jeg har ingen tilknytning til redaktøren eller forfatterne). 1 8211 Faktoranalyse Her prøver vi å rangere så nøyaktig som mulig aksjene i investeringsuniverset på en forward return basis. Mange mennesker kom opp med mange verktøy og utallige variant av disse verktøyene er utviklet for å oppnå dette. I dette innlegget fokuserer jeg på to enkle og mye brukte beregninger: Informasjonskoeffisient (IC) og Quantiles Return (QR). 1.1 8211 Informasjonskoeffisient Horisonten for videresendingen må defineres av analytikeren, og it8217s er en funksjon av strategi8217s omsetning og alfaforfallet (dette har vært gjenstand for omfattende undersøkelser). Åpenbart må IC-er være så høye som mulig i absolutte tal. For den ivrige leseren, i boken av Grinold amp Kahn er det gitt en formel som forbinder Informasjonsforhold (IR) og IC: med bredde er antall uavhengige spill (handler). Denne formelen er kjent som den grunnleggende loven for aktiv ledelse. Problemet er at det ofte ikke er så enkelt å definere bredde som det lyder. 1.2 8211 Quantiles Return For å få et mer nøyaktig estimat av faktorforutsigelsestrømmen it8217s er nødvendig for å gå et skritt videre og gruppere aksjer ved kvantifaktor av faktorverdier, analyser deretter gjennomsnittlig videresendingsavkastning (eller hvilken som helst annen sentral tendensmetrisk) for hver av disse quantiles. Bruken av dette verktøyet er grei. En faktor kan ha en god IC, men dens prediktive kraft kan begrenses til et lite antall aksjer. Dette er ikke bra da en porteføljeforvalter må plukke aksjer i hele universet for å møte sin sporingsfeilbegrensning. God kvantilgjenoppretting er preget av et monotont forhold mellom de enkelte kvantiler og fremoveravkastning. Alle aksjene i SampP500-indeksen (på tidspunktet for skriving). Det er åpenbart at det er en overlevelsesskipsforstyrrelse: listen over aksjer i indeksen har endret seg betydelig mellom start og slutt på prøveperioden, men it8217s er godt nok bare for illustrasjonsformål. Koden nedenfor laster ned individuelle aksjekurser i SampP500 mellom januar 2005 og i dag (det tar en stund) og gjør de raske prisene tilbake i løpet av de siste 12 månedene og den siste måneden. Den førstnevnte er vår faktor, sistnevnte vil bli brukt som fremoverrettsmål. Nedenfor er koden for å beregne informasjonskoeffisient og kvantilførsel. Merk at jeg brukte quintiles i dette eksemplet, men noen annen gruppemetode (terciles, deciles etc8230) kan brukes. det avhenger egentlig av utvalgsstørrelsen, hva du vil fange og hvorvidt du vil ha en bred oversikt eller fokus på distribusjonshaler. For å estimere avkastning innenfor hver kvintil, har median blitt brukt som sentral tendens estimator. Dette tiltaket er mye mindre følsomt for utjevnere enn aritmetisk middel. Og til slutt koden for å produsere Quantiles Return diagrammet. 3 8211 Slik utnytter du informasjonen ovenfor I diagrammet over Q1 er det laveste siste 12 måneder tilbake og Q5 høyest. Det er en nesten monotonisk økning i kvantilavkastningen mellom Q1 og Q5, noe som klart indikerer at aksjer som faller inn i Q5, overgår de som faller inn i Q1 med ca. 1 per måned. Dette er veldig viktig og kraftig for en så enkel faktor (ikke egentlig en overraskelse though8230). Derfor er det større sjanser til å slå indeksen ved å overvurdere aksjene som faller inn i Q5 og undervekting de som faller inn i Q1 i forhold til referansen. En IC på 0,0206 kan ikke bety mye i seg selv, men it8217 er vesentlig forskjellig fra 0 og indikerer en god prediktiv kraft i de siste 12 månedene tilbake generelt. Formelle signifikanstest kan vurderes, men dette er utenfor rammen av denne artikkelen. 4 8211 Praktiske begrensninger Ovennevnte rammeverk er utmerket for evaluering av investeringer faktor8217s kvalitet, men det er en rekke praktiske begrensninger som må tas opp for real-life implementering: Rebalancing. I beskrivelsen ovenfor antok it8217s at porteføljen ved utgangen av hver måned er fullstendig balansert. Dette betyr at alle aksjer som faller i 1. kvartal er undervektige og alle aksjer som faller i 5. kvartal er overvektige i forhold til referanseporteføljen. Dette er ikke alltid mulig av praktiske årsaker: Noen aksjer kan utelukkes fra investeringsuniverset, det er begrensninger på industri - eller sektorvekt, det er begrensninger på omsetningen etc8230 Transaksjonskostnader. Dette er ikke tatt i betraktning i analysen ovenfor, og dette er en alvorlig bremse til virkeliggjøring. Omsetningsoverveksten blir vanligvis implementert i virkeligheten i form av straff på faktorkvalitet. Overføringskoeffisient. Dette er en utvidelse av den grunnleggende loven for aktiv ledelse, og det slapper av antakelsen om Grinold8217s modell at ledere ikke står overfor noen begrensninger som hindrer dem i å oversette sine investeringsinnsikter direkte i porteføljesats. Og til slutt, I8217m forbløffet over hva som kan oppnås på mindre enn 80 linjer med kode med R8230. Som vanlig er det noen kommentarer velkommen. Våre forexroboter har funnet over En forex robot (aka ekspertrådgiver) er programvare som handler et forexsystem for deg. De kjører inne i forex terminal og kan festes til hvilken som helst valuta du velger. Ved hjelp av avanserte beregninger åpner de og forvalter forex handler for deg i henhold til en forexstrategi. Hver EA er forskjellig. Bruk mer enn én samtidig for å få de beste resultatene. Ingen erfaring er nødvendig, og oppsettet er enkelt. Å bruke en forex robot er den eneste måten å forbedre din handel med det samme. Med en ekspertrådgiver kan du umiddelbart begynne å handle et arbeidssystem uavhengig av ditt eget ferdighetsnivå. Vanskelige beregninger og sikker pengestyring håndteres for deg. De sover aldri og kan se etter handler 24 timer i døgnet5 dager i uken. Og de er den eneste måten å dekke flere par på samme tid. Hver ekspertrådgiver er fullautomatisk og lastet med funksjoner for å dominere et diagram. Vi kodes alt annet enn kjøkkenvasken i alle våre forex roboter. Automatisk håndfri forex trading Yep. Riktig pengestyring Sjekk. Stopp ledelsen og automatisk ta fortjeneste Du satser. Hver ekspertrådgiver er fullt optimert for alle valutapar. Og de kan handle mikro, mini og standard mye.