Публикации по теме 'algorithmic-trading'
Расчет DMI (индекс направленного движения) с помощью JavaScript
DMI (индекс направленного движения) — это индикатор технического анализа, который показывает силу ценового тренда. Он рассчитывается с помощью следующих шагов:
Рассчитайте положительный индекс направления (PDI) и отрицательный индекс направления (NDI). Рассчитайте средний истинный диапазон (ATR). Рассчитайте индекс направленного движения (DMI).
Вот пример кода на JavaScript, который демонстрирует, как рассчитать DMI, используя описанные выше шаги:
function calculateDMI(prices,..
Модели случайного блуждания для финансовых рынков
Визуализация данных
Модели случайного блуждания для финансовых рынков
Общая цель анализа временных рядов состоит в том, чтобы иметь возможность построить модель, которая идентифицирует все автокорреляции во временном ряду и использует это для создания прогнозов тенденций. Мы хотим иметь возможность использовать всю информацию о прошлом поведении, которая, по нашему мнению, имеет отношение к будущим движениям, с надеждой, что все, что осталось, — это добавить некоторую форму..
Рабочий лист перехода вперед для Backtrader
Рабочий лист для проверки ваших торговых идей на основе выборки с помощью python, backtrader и пошаговой оптимизации.
Существуют библиотеки алгоритмической торговли / разработки стратегий на основе Python с открытым исходным кодом, но нет интеграции с пошаговым анализом. Без понимания нестандартной производительности вашей стратегии вы можете так легко переоснастить свои параметры и обмануть себя, построив алгоритм, который дает безумную отдачу. Черт возьми, на самом деле вы можете..
Блоги о количественном трейдинге, которые стоит прочитать
Когда мы делаем первые шаги в очередной новый год, неопределенность может быть в центре нашего внимания. В это время года это не редкость. 2017 год принес много взлетов и падений в технологическом мире, а некоторые достижения подтолкнули нас дальше в автоматизированный мир. Продолжая свою практику и обучение количественному трейдингу, я оглядываюсь назад на то, чему научился в 2017 году, в надежде еще лучше подготовиться к тому, что готовит 2018 год.
Вот, как мне кажется, некоторые..
Создание бесплатного торгового робота для алгоритмов машинного обучения с помощью ежеквартальных отчетов о прибылях и убытках [Полная…
Введение
Ниже приводится полное руководство, которое научит вас, как создать собственного алгоритмического торгового бота, который будет совершать сделки на основе квартальных отчетов о доходах (10-Q), поданных в SEC публично торгуемыми американскими компаниями. Мы рассмотрим все: от загрузки исторических документов 10-Q, очистки текста и построения вашей модели машинного обучения. Обучающий набор для модели машинного обучения использует текст из этих архивных документов и ценовое..
Введение в вероятностное глубокое обучение, объясненное простыми словами
Глубокое обучение - это не что иное, как вероятность. В нем задействованы два принципа: один - максимальная вероятность, а другой - байесовский. Все дело в максимизации функции правдоподобия , чтобы найти распределение вероятности и параметры, которые лучше всего объясняют данные, с которыми мы работаем. Байесовские методы вступают в игру, когда наша сеть должна сказать: «Я не уверен». Он находится на стыке архитектуры глубокого обучения и байесовской теории вероятностей.
В целом..
Приложение для прогнозов акций с Streamlit - введение в Streamlit
В этой статье я рассмотрю код для создания панели инструментов для интерактивного прогнозирования цен закрытия акций. Вместе с тем вы будете удивлены, насколько легко с помощью Streamlit создать достойные веб-интерфейсы для ваших проектов в области науки о данных.
Ссылка на приложение
0. Несколько слов о Streamlit.
Streamlit - это библиотека Python, созданная специально для людей, не имеющих опыта веб-разработки, но желающих создавать веб-приложения для обмена интерактивными..
