Novas alternativas para negociação de alta frequência.
Por um tempo, parecia que a negociação de alta frequência, ou HFT, ocuparia completamente o mercado. Em 2010, o HFT representou mais de 60% do volume de ações dos EUA. Mas a tendência pode estar diminuindo. Em 2009, os operadores de alta frequência movimentaram cerca de 3,25 bilhões de ações por dia. Em 2012, foi de 1,6 bilhão por dia, segundo a Bloomberg. Ao mesmo tempo, os lucros médios caíram de "cerca de um décimo de um centavo por ação para um vigésimo de um centavo", observou o relatório.
Em 2017, a HFT respondeu por quase metade do volume de capital nacional.
Na HFT, computadores poderosos usam algoritmos complexos para analisar mercados e executar negócios super rápidos, geralmente em grandes volumes. A HFT exige uma infraestrutura de negociação avançada, como computadores poderosos, com hardware de ponta, que custa enormes quantias de dinheiro e reduz os lucros. E com o aumento da concorrência, o sucesso não é garantido. Este artigo analisa por que os comerciantes estão se afastando do HFT e quais estratégias alternativas eles estão usando agora.
Por que a HFT está perdendo terreno?
Um programa de HFT custa muito dinheiro para estabelecer e manter. O poderoso hardware e software de computador precisa de atualizações frequentes e caras que consomem lucros. Os mercados são altamente dinâmicos, e replicar tudo em programas de computador é impossível. A taxa de sucesso no HFT é baixa devido a erros nos algoritmos subjacentes.
O mundo da HFT também inclui negociação de alta frequência. Comerciantes de frequência ultra-alta pagam pelo acesso a uma bolsa que mostra cotações de preço um pouco mais cedo do que o resto do mercado. Esta vantagem extra de tempo leva os outros participantes do mercado a operarem em desvantagem. A situação levou a alegações de práticas injustas e crescente oposição à HFT.
Os regulamentos de HFT também estão ficando mais rigorosos a cada dia. Em 2013, a Itália foi o primeiro país a introduzir um imposto especial sobre o comércio de alta frequência e isso foi seguido de perto por um imposto similar na França.
O mercado de HFT também se tornou muito lotado. Indivíduos e profissionais estão colocando seus algoritmos mais inteligentes uns contra os outros. Os participantes até implantam algoritmos de HFT para detectar e superar outros algoritmos. O resultado líquido é de programas de alta velocidade lutando uns contra os outros, apertando ainda mais os lucros.
Devido aos fatores acima mencionados de aumento de custos de infra-estrutura e execução, novos impostos e aumento de regulamentações, os lucros da negociação de alta frequência estão encolhendo. Os ex-operadores de alta frequência estão se movendo em direção a estratégias de negociação alternativas.
Alternativas emergentes para HFT.
As empresas estão se movendo em direção a estratégias de negociação operacionalmente eficientes e de baixo custo que não acionam uma regulamentação maior.
Momentum Trading: O antigo indicador de análise técnica baseado na identificação de momentum é uma das alternativas populares ao HFT. O mercado de momentum envolve a percepção da direção dos movimentos de preço que devem continuar por algum tempo (de alguns minutos a alguns meses). Uma vez que o algoritmo do computador detecta uma direção, os operadores colocam uma ou várias negociações escalonadas com pedidos de grande porte. Devido à grande quantidade de pedidos, mesmo pequenos movimentos de preços diferenciais resultam em lucros consideráveis ao longo do tempo. Uma vez que as posições baseadas na troca de momentum precisam ser mantidas por algum tempo, a negociação rápida dentro de milissegundos ou microssegundos não é necessária. Isso economiza enormemente nos custos de infraestrutura. (Veja também: Introdução ao Momentum Trading e Informações e Conselhos sobre Momentum Trading.) Automated News-Based Trading: Notícias impulsiona o mercado. Trocas, agências de notícias e fornecedores de dados ganham muito dinheiro vendendo feeds de notícias dedicados aos traders. Negociações automatizadas baseadas na análise automática de itens de notícias vêm ganhando força. Os programas de computador agora podem ler itens de notícias e tomar ações comerciais instantâneas em resposta. Por exemplo, suponha que as ações da empresa ABC estejam sendo negociadas a US $ 25,40 por ação quando as seguintes notícias hipotéticas chegarem: A ABC declara dividendos de 20 centavos por ação com data anterior 5 de setembro de 2015. Como resultado, o preço das ações subirá pelo mesmo valor do dividendo (20 centavos) para cerca de US $ 25,60. O programa de computador identifica palavras-chave como dividendo, o valor do dividendo e a data e coloca uma ordem de negociação instantânea. Ele deve ser programado para comprar ações da ABC apenas para a alta limitada (esperada) de US $ 25,60. Essa estratégia baseada em notícias pode funcionar melhor do que as HFTs, já que essas ordens devem ser enviadas em fração de segundo, principalmente em cotações de preço de mercado aberto e podem ser executadas a preços desfavoráveis. Além dos dividendos, a negociação automatizada baseada em notícias é programada para resultados de lances de projetos, resultados trimestrais da empresa, outras ações corporativas, como desdobramentos de ações e mudanças nas taxas de câmbio para empresas com alta exposição estrangeira. (Veja também: Como Negociar as Notícias e Como Negociar Forex em Comunicados à Imprensa.) Social Media Feed-Based Trading: A análise de feeds de mídia social em tempo real de fontes conhecidas e participantes confiáveis do mercado é outra tendência emergente na negociação automatizada. Envolve a análise preditiva do conteúdo de mídia social para tomar decisões comerciais e fazer pedidos de negociação. Por exemplo, suponha que Paul seja um criador de mercado de renome para três ações conhecidas. Seu feed de mídia social dedicado contém dicas em tempo real para seus três estoques. Os participantes do mercado, que confiam em Paul para sua perspicácia comercial, podem pagar para assinar seu feed em tempo real privado. Suas atualizações são alimentadas em algoritmos de computador que os analisam e interpretam para o conteúdo e até mesmo para o tom usado na linguagem da atualização. Junto com Paul, pode haver vários outros participantes confiáveis, que compartilham dicas sobre um determinado estoque. O algoritmo agrega todas as atualizações de diferentes fontes confiáveis, analisa as decisões de negociação e, finalmente, coloca a negociação automaticamente. A combinação da análise de feed de mídia social com outras entradas, como a análise de notícias e os resultados trimestrais, pode levar a uma maneira complexa, mas confiável, de sentir o humor do mercado no movimento de uma determinada ação. Essa análise preditiva é muito popular para negociações intradiárias de curto prazo. Modelo de Desenvolvimento de Firmware: A velocidade é essencial para o sucesso em negociações de alta frequência. A velocidade depende da rede disponível e da configuração do computador (hardware) e do poder de processamento das aplicações (software). Um novo conceito é integrar o hardware e o software para formar o firmware, o que reduz drasticamente o processamento e a velocidade de decisão dos algoritmos. Esse firmware personalizado é integrado ao hardware e é programado para negociação rápida com base em sinais identificados. Isso resolve o problema de atrasos e dependências de tempo quando um sistema de computador deve executar muitos aplicativos diferentes. Essas desacelerações se tornaram um gargalo no comércio tradicional de alta frequência.
The Bottom Line.
Muitos desenvolvimentos de muitos participantes levam a um mercado superlotado. Limita oportunidades e aumenta o custo das operações. Tais tendências estão levando ao declínio das negociações de alta frequência. No entanto, os comerciantes estão encontrando alternativas para o HFT. Alguns estão revertendo para os conceitos tradicionais de negociação e outros estão aproveitando as novas ferramentas de análise e tecnologia.
Jesse Spaulding.
Como ganhei $ 500k com aprendizado de máquina e HFT (negociação de alta frequência)
Este post irá detalhar o que eu fiz para fazer aprox. 500k de negociação de alta frequência de 2009 a 2010. Desde que eu estava negociando de forma totalmente independente e não estou mais executando o meu programa, estou feliz em dizer tudo. Minha negociação foi principalmente em contratos de futuros Russel 2000 e DAX.
A chave do meu sucesso, acredito, não estava em uma equação financeira sofisticada, mas sim no design geral do algoritmo, que unia muitos componentes simples e usava o aprendizado de máquina para otimizar a máxima lucratividade. Você não precisa conhecer nenhuma terminologia sofisticada aqui, porque quando eu configurei meu programa, tudo foi baseado na intuição. (O surpreendente curso de aprendizado de máquina de Andrew Ng ainda não estava disponível - se você clicar nesse link, você será levado ao meu projeto atual: CourseTalk, um site de revisão para MOOCs)
Primeiro, quero apenas demonstrar que meu sucesso não foi simplesmente o resultado da sorte. Meu programa fazia de 1000 a 4000 negociações por dia (meio longo, meio curto) e nunca ocupava posições de mais do que alguns contratos por vez. Isso significava que a sorte aleatória de qualquer negociação em particular era muito rápida. O resultado foi que eu nunca perdi mais de US $ 2000 em um dia e nunca tive um mês perdido:
(EDIT: Estes números são depois de pagar comissões)
E aqui está um gráfico para lhe dar uma noção da variação diária. Note que isso exclui os últimos 7 meses porque - à medida que os números pararam de subir - perdi minha motivação para entrar neles.
Antes de configurar o meu programa de negociação automatizado, eu tinha 2 anos de experiência como "manual" e "& rdquo; comerciante do dia. Isso foi em 2001 - eram os primeiros dias do comércio eletrônico e havia oportunidades para os "cambistas". fazer um bom dinheiro. Eu só posso descrever o que eu estava fazendo como se fosse jogar videogames / jogos de azar com uma suposta vantagem. Ser bem-sucedido significa ser rápido, ser disciplinado e ter uma boa capacidade intuitiva de reconhecimento de padrões. Consegui ganhar cerca de US $ 250 mil, pagar meus empréstimos estudantis e ter dinheiro sobrando. Ganhar!
Nos próximos cinco anos, eu lançaria duas startups, adquirindo algumas habilidades de programação ao longo do caminho. Não seria até o final de 2008 que eu voltaria a negociar. Com o dinheiro acabando com a venda da minha primeira startup, a negociação oferecia esperanças de algum dinheiro rápido enquanto eu descobria o meu próximo movimento.
Em 2008, eu era "manualmente" e "rdquo; dia negociando futuros usando software chamado T4. Eu estava querendo algumas teclas de atalho de entrada de pedidos personalizadas, então depois de descobrir que o T4 tinha uma API, aceitei o desafio de aprender C # (a linguagem de programação necessária para usar a API) e fui em frente e desenvolvi algumas teclas de atalho.
Depois de molhar os pés com a API, logo tive aspirações maiores: queria ensinar o computador a trocar por mim. A API forneceu um fluxo de dados de mercado e uma maneira fácil de enviar pedidos para a troca - tudo o que eu tinha que fazer era criar a lógica no meio.
Abaixo está uma imagem de uma janela de negociação T4. O que foi legal é que quando eu comecei meu programa trabalhando eu pude assistir o comércio de computador exatamente nesta mesma interface. Assistir ordens reais entrando e saindo (por conta própria com meu dinheiro real) era ao mesmo tempo emocionante e assustador.
O design do meu algoritmo.
Desde o início, meu objetivo era configurar um sistema de modo que eu pudesse estar razoavelmente confiante de que ganharia dinheiro antes de fazer qualquer negociação ao vivo. Para conseguir isso, eu precisava construir uma estrutura de simulação de negociação que simulasse a negociação ao vivo, com a maior precisão possível.
Enquanto a negociação no modo ao vivo exigia atualizações do mercado de processamento transmitidas pela API, o modo de simulação exigia a leitura das atualizações do mercado a partir de um arquivo de dados. Para coletar esses dados, configurei a primeira versão do meu programa para simplesmente conectar-me à API e registrar as atualizações do mercado com registros de data e hora. Acabei usando 4 semanas de dados de mercado recentes para treinar e testar meu sistema.
Com uma estrutura básica em vigor, ainda tinha a tarefa de descobrir como criar um sistema comercial lucrativo. Acontece que meu algoritmo se dividiria em dois componentes distintos, que eu explorarei por sua vez:
Previsão de movimentos de preços; e Fazendo negócios lucrativos.
Previsão de movimentos de preços.
Talvez um componente óbvio de qualquer sistema de negociação seja a capacidade de prever onde os preços irão se mover. E o meu não foi exceção. Eu defini o preço atual como a média do lance interno e da oferta interna e estabeleci a meta de prever onde o preço estaria nos próximos 10 segundos. Meu algoritmo precisaria apresentar essa previsão momento a momento ao longo do dia de negociação.
Criando & amp; otimização de indicadores.
Eu criei um punhado de indicadores que provaram ter uma capacidade significativa de prever movimentos de preços de curto prazo. Cada indicador produziu um número que foi positivo ou negativo. Um indicador era útil se, na maior parte dos casos, um número positivo correspondesse ao aumento do mercado e um número negativo correspondesse à queda do mercado.
Meu sistema me permitiu determinar rapidamente a capacidade preditiva de qualquer indicador, por isso pude experimentar muitos indicadores diferentes para ver o que funcionava. Muitos dos indicadores tinham variáveis nas fórmulas que os produziam e eu consegui encontrar os valores ideais para essas variáveis fazendo comparações lado a lado dos resultados obtidos com valores variáveis.
Os indicadores que foram mais úteis foram todos relativamente simples e foram baseados em eventos recentes no mercado em que eu estava negociando, bem como nos mercados de títulos correlacionados.
Fazendo previsões precisas de movimentação de preços.
Ter indicadores que simplesmente previam uma alta ou baixa no preço não era suficiente. Eu precisava saber exatamente quanto movimento de preço era previsto por cada valor possível de cada indicador. Eu precisava de uma fórmula que convertesse um valor de indicador em uma previsão de preço.
Para conseguir isso, acompanhei as movimentações de preço previstas em 50 buckets que dependiam do intervalo em que o valor do indicador caiu. Isso gerou previsões exclusivas para cada bucket que eu era capaz de representar graficamente no Excel. Como você pode ver, a mudança de preço esperada aumenta à medida que o valor do indicador aumenta.
Com base em um gráfico como esse, consegui fazer uma fórmula para ajustar a curva. No começo eu fiz isso "ajuste de curva". manualmente, mas logo escrevi algum código para automatizar esse processo.
Note que nem todas as curvas do indicador tinham a mesma forma. Observe também que os buckets foram distribuídos logaritmicamente para distribuir os dados de maneira uniforme. Por fim, observe que os valores dos indicadores negativos (e suas previsões de preços descendentes correspondentes) foram invertidos e combinados com os valores positivos. (Meu algoritmo tratado para cima e para baixo exatamente o mesmo.)
Combinando indicadores para uma única previsão.
Uma coisa importante a considerar era que cada indicador não era totalmente independente. Eu não poderia simplesmente somar todas as previsões que cada indicador fez individualmente. A chave era descobrir o valor preditivo adicional que cada indicador tinha além do que já estava previsto. Isso não era difícil de implementar, mas significava que se eu estivesse "ajustando a curva", vários indicadores ao mesmo tempo, tive que ser cuidadoso; a mudança de um efetuaria as previsões de outro.
Para ajustar a curva & rdquo; Todos os indicadores ao mesmo tempo eu configurei o otimizador para pisar apenas 30% do caminho para as novas curvas de previsão com cada passagem. Com esse salto de 30%, descobri que as curvas de previsão se estabilizariam em poucas passagens.
Com cada indicador nos dando agora a previsão adicional de preço, eu poderia simplesmente adicioná-los para produzir uma única previsão de onde o mercado estaria em 10 segundos.
Por que prever preços não é suficiente.
Você pode pensar que com essa vantagem no mercado eu era de ouro. Mas você precisa ter em mente que o mercado é composto de ofertas e ofertas - não é apenas um preço de mercado. Sucesso na negociação de alta freqüência se resume a obter bons preços e não é assim tão fácil.
Os fatores a seguir dificultam a criação de um sistema lucrativo:
Com cada negócio eu tive que pagar comissões ao meu corretor e à bolsa. O spread (diferença entre oferta mais alta e oferta mais baixa) significava que se eu simplesmente comprasse e vendesse aleatoriamente, estaria perdendo uma tonelada de dinheiro. A maior parte do volume do mercado era de outros bots que só fariam uma troca comigo se achassem que tinham alguma vantagem estatística. Vendo uma oferta não garante que eu poderia comprá-lo. No momento em que minha ordem de compra chegou à bolsa, era muito possível que essa oferta tivesse sido cancelada. Como um pequeno participante do mercado, não havia como competir sozinho com a velocidade.
Construindo uma simulação de negociação completa.
Então eu tive uma estrutura que me permitiu backtest e otimizar os indicadores. Mas eu tive que ir além disso - eu precisava de um framework que me permitisse fazer backtest e otimizar um sistema de negociação completo; aquele em que eu estava mandando pedidos e ficando em posições. Neste caso, eu estaria otimizando para P & amp; L total e, em certa medida, P & amp; L médio por negociação.
Isso seria mais complicado e, de certa forma, impossível modelar exatamente, mas eu fiz o melhor que pude. Aqui estão alguns dos problemas que eu tive que lidar:
Quando um pedido foi enviado ao mercado na simulação, tive que modelar o tempo de atraso. O fato de meu sistema ter visto uma oferta não significa que ela poderia comprá-la imediatamente. O sistema enviaria o pedido, aguardaria aproximadamente 20 milissegundos e somente se a oferta ainda estivesse lá era considerado como um negócio executado. Isso era inexato porque o tempo real de atraso era inconsistente e não relatado. Quando eu fiz lances ou ofertas, tive que olhar para o fluxo de execução de negociação (fornecido pela API) e usá-los para avaliar quando meu pedido seria executado. Para fazer isso direito eu tive que rastrear a posição do meu pedido na fila. (É um sistema first-in first-out). Novamente, eu não pude fazer isso perfeitamente, mas fiz uma melhor aproximação.
Para refinar minha simulação de execução de pedidos, o que fiz foi extrair meus arquivos de log da negociação ao vivo pela API e compará-los aos arquivos de log produzidos pela negociação simulada no mesmo período de tempo. Consegui obter minha simulação ao ponto de ser bastante precisa e, para as partes que eram impossíveis de modelar exatamente, certifiquei-me de, pelo menos, produzir resultados que fossem estatisticamente semelhantes (nas métricas que julguei importantes).
Fazendo negócios lucrativos.
Com um modelo de simulação de pedidos, agora eu poderia enviar pedidos no modo de simulação e ver um P & amp; Mas como meu sistema saberia quando e onde comprar e vender?
As previsões do movimento de preços foram um ponto de partida, mas não toda a história. O que eu fiz foi criar um sistema de pontuação para cada um dos 5 níveis de preço na oferta e oferta. Estes incluíram um nível acima da oferta interna (para uma ordem de compra) e um nível abaixo da oferta interna (para uma ordem de venda).
Se a pontuação em qualquer nível de preço estiver acima de um certo limite, isso significa que o meu sistema deve ter um lance / oferta ativa - abaixo do limite, então qualquer pedido ativo deve ser cancelado. Com base nisso, não era incomum que meu sistema exibisse um lance no mercado e o cancelasse imediatamente. (Embora eu tentei minimizar isso, é irritante para quem olha para a tela com olhos humanos - inclusive eu.)
As pontuações do nível de preços foram calculadas com base nos seguintes fatores:
A previsão do movimento de preços (que discutimos anteriormente). O nível de preços em questão. (Níveis internos significavam que grandes previsões de movimentação de preço eram necessárias.) O número de contratos na frente do meu pedido na fila. (Menos foi melhor.) O número de contratos por trás do meu pedido na fila. (Mais foi melhor.)
Essencialmente, esses fatores serviram para identificar "seguro". lugares para licitar / oferecer. A previsão do movimento de preços, por si só, não era adequada porque não levava em conta o fato de que, ao fazer uma oferta, eu não era preenchido automaticamente - só fui preenchido se alguém me vendesse lá. A realidade era que o simples fato de alguém me vender a um certo preço mudava as probabilidades estatísticas do negócio.
As variáveis usadas nesta etapa foram todas sujeitas a otimização. Isso foi feito exatamente da mesma maneira que eu otimizei as variáveis nos indicadores de preço, exceto neste caso eu estava otimizando para a linha de fundo P & amp; L.
Quando negociamos como seres humanos, muitas vezes temos emoções e vieses poderosos que podem levar a decisões menos que ótimas. Obviamente, não queria codificar esses vieses. Aqui estão alguns fatores que meu sistema ignorou:
O preço que uma posição foi inserida - Em um escritório comercial, é muito comum ouvir conversas sobre o preço em que alguém é comprido ou baixo, como se isso pudesse afetar sua futura tomada de decisão. Embora isso tenha alguma validade como parte de uma estratégia de redução de riscos, ela realmente não tem relação com o curso futuro dos eventos no mercado. Portanto, meu programa ignorou completamente essa informação. É o mesmo conceito que ignorar os custos irrecuperáveis. Indo curto vs. saindo de uma posição longa - Tipicamente um trader teria critérios diferentes que determinam onde vender uma posição comprada versus onde ir short. No entanto, da minha perspectiva de algoritmos, não havia razão para fazer uma distinção. Se meu algoritmo esperava um movimento descendente, a venda era uma boa ideia, independentemente de ser atualmente longa, curta ou plana. A & ldquo; dobrando & rdquo; estratégia - Esta é uma estratégia comum, onde os comerciantes vão comprar mais ações no caso de que o comércio original vai contra eles. Isso faz com que o preço médio de compra seja menor e isso significa que quando (ou se) a ação girar, você estará pronto para recuperar seu dinheiro rapidamente. Na minha opinião, esta é realmente uma estratégia horrível, a menos que você esteja Warren Buffet. Você é levado a pensar que está indo bem porque a maioria de seus negócios será vencedores. O problema é quando você perde você perde grande. O outro efeito é que torna difícil julgar se você realmente tem uma vantagem no mercado ou está apenas tendo sorte. Ser capaz de monitorar e confirmar que meu programa realmente tinha uma vantagem era um objetivo importante.
Como meu algoritmo tomava decisões da mesma forma, independentemente de onde ele entrasse em uma negociação ou se era atualmente longo ou curto, ocasionalmente ele fazia parte (e tomava) de algumas grandes negociações perdedoras (além de algumas grandes negociações vencedoras). Mas, você não deve pensar que não houve nenhum gerenciamento de risco.
Para gerenciar o risco, impus um tamanho máximo de posição de dois contratos por vez, ocasionalmente aumentado em dias de alto volume. Eu também tinha um limite máximo de perda diária para proteger contra condições inesperadas de mercado ou um bug no meu software. Esses limites foram aplicados no meu código, mas também no backend por meio do meu corretor. Aconteceu que nunca encontrei problemas significativos.
A partir do momento em que comecei a trabalhar no meu programa, demorei cerca de 6 meses até atingir o ponto de rentabilidade e comecei a executá-lo ao vivo. Embora, para ser justo, uma quantidade significativa de tempo foi aprender uma nova linguagem de programação. Enquanto trabalhei para melhorar o programa, vi um aumento nos lucros para cada um dos próximos quatro meses.
Toda semana eu reciclaria meu sistema com base nas 4 semanas anteriores de dados. Descobri que isso estabelecia o equilíbrio certo entre captar tendências comportamentais recentes do mercado e garantir que meu algoritmo tivesse dados suficientes para estabelecer padrões significativos. Como o treinamento começou a tomar mais e mais tempo, eu o dividi para que pudesse ser executado por 8 máquinas virtuais usando o amazon EC2. Os resultados foram então reunidos na minha máquina local.
O ponto alto da minha negociação foi em outubro de 2009, quando fiz quase 100k. Depois disso, continuei a passar os próximos quatro meses tentando melhorar meu programa, apesar do lucro reduzido a cada mês. Infelizmente, a essa altura, acho que implementei todas as minhas melhores ideias, porque nada do que tentei parecia ajudar muito.
Com a frustração de não poder fazer melhorias e não ter senso de crescimento, comecei a pensar em uma nova direção. Eu enviei um e-mail para 6 diferentes empresas de negociação de alta frequência para ver se eles estariam interessados em comprar meu software e me contratar para trabalhar para eles. Ninguém respondeu. Eu tive algumas novas idéias de inicialização que eu queria trabalhar, então eu nunca dei continuidade.
ATUALIZAÇÃO - Eu postei isso no Hacker News e tem recebido muita atenção. Eu só quero dizer que eu não defendo ninguém tentando fazer algo assim agora. Você precisaria de uma equipe de pessoas realmente inteligentes com uma variedade de experiências para ter qualquer esperança de competir. Mesmo quando eu estava fazendo isso, acredito que era muito raro para as pessoas alcançarem o sucesso (embora eu tivesse ouvido falar de outras pessoas).
Há um comentário no topo da página que menciona "estatísticas manipuladas" e se refere a mim como um investidor de varejo & rdquo; que quants iria "alegremente escolher". Este é um comentário bastante infeliz que simplesmente não se baseia na realidade. Deixando isso de lado, há alguns comentários interessantes: news. ycombinator / item? Id = 4748624.
ATUALIZAÇÃO # 2 - Fiz uma FAQ de acompanhamento que responde a algumas perguntas comuns que recebi de traders sobre essa postagem.
Robôs Forex: HF-Scalping EURUSD, AUDUSD.
Expira em 1º de julho de 2015.
Robô Forex (Expert Advisor MT4) O HF-Scalping é uma estratégia de negociação totalmente automatizada de alta frequência para a plataforma MT4, com base no indicador de movimento de preço e no Indicador de Canal Keltner. O robô não só analisa a duração das velas diminutas (M1), mas também as características temporais da formação de velas (a formação de alta e baixa). HF-Scalping Forex robot é sensível para corretor, e você precisa de uma verdadeira conta ECN / STP.
Negociação de alta frequência - Uma estratégia de negociação de investimento orientada por computador que enfatiza o alto volume de transações, posições de duração extremamente curta e a compra e venda automatizada rápida baseada em regras. A negociação de alta frequência é realizada por algoritmos de computador, operados por empresas de investimento que reagem a condições de mercado pré-especificadas para gerar lucros a curto prazo.
Exemplos de negociação.
Explicação do Canal Keltner.
O canal Keltner é um indicador de análise técnica que mostra uma linha média móvel central mais linhas de canal a uma distância acima e abaixo. O indicador leva o nome de Chester W. Keltner (1909-1998), que o descreveu em seu livro de 1960, How To Make Money in Commodities. Esse nome foi aplicado por aqueles que ouviram falar dele, mas Keltner chamou a regra de negociação de média móvel de dez dias e, de fato, não reivindicou qualquer originalidade para a ideia.
Na descrição de Keltner, a linha central é uma média móvel simples de 10 dias do preço típico, em que o preço típico de cada dia é a média de alta, baixa e próxima,
US Search Desktop.
Agradecemos seus comentários sobre como melhorar a Pesquisa do Yahoo. Este fórum é para você fazer sugestões de produtos e fornecer feedback atencioso. Estamos sempre tentando melhorar nossos produtos e podemos usar o feedback mais popular para fazer uma mudança positiva!
Se você precisar de assistência de qualquer tipo, visite nosso fórum de suporte à comunidade ou encontre ajuda individualizada em nosso site de ajuda. Este fórum não é monitorado por nenhum problema relacionado a suporte.
O fórum de comentários do produto do Yahoo agora exige um ID e uma senha válidos do Yahoo para participar.
Agora você precisa fazer login usando sua conta de e-mail do Yahoo para nos fornecer feedback e enviar votos e comentários para as ideias existentes. Se você não tiver um ID do Yahoo ou a senha do seu ID do Yahoo, inscreva-se para obter uma nova conta.
Se você tiver um ID e uma senha válidos do Yahoo, siga estas etapas se quiser remover suas postagens, comentários, votos e / ou perfil do fórum de comentários do produto do Yahoo.
Vote em uma ideia existente () ou publique uma nova ideia…
Idéias quentes Idéias superiores Novas ideias Categoria Status Meu feedback.
Trazer de volta o layout antigo com pesquisa de imagens.
Xnxx vedios.
Motor de busca no Yahoo Finance.
Um conteúdo que está no Yahoo Finance não aparece nos resultados de pesquisa do Yahoo ao pesquisar por título / título da matéria.
Existe uma razão para isso, ou uma maneira de reindexar?
Não consigo usar os idiomas ingleses no e-mail do Yahoo.
Por favor, me dê a sugestão sobre isso.
O que vocês pagam por boas sugestões que aumentam a receita porque eu tenho uma que é garantida para fazer $. Me avise se estiver interessado.
O que vocês pagam por boas sugestões que aumentam a receita porque eu tenho uma que é garantida para fazer $. Me avise se estiver interessado.
Por favor, envie para desindexação.
Por favor, envie o link '410' para desindexação. Obrigado.
diga trump a tempo de imposto todo o mundo doa 1 dólar como patos ilimitado e.
como eles fazem para patos ilimitados e os fundos quando eles correm para o escritório?
Pare de ser um traidor para o nosso país. Whoo nomeou você para ser Juiz e Júri re Trump.
Quem nomeou você como juiz e jurado do presidente Trump?
Não é fácil dar um comentário.
Mantenha a verdadeira notícia que é muito importante. Trunfos *** a vida antes de ele ser presidente não é importante hoje, quando ele nem estava no cargo. Rússia, China, militares, comércio, protegendo a fronteira que eu vivo precisando da parede etc é o que é importante. A mídia não achava que era importante quando outros presidentes estavam fazendo negócios enquanto estavam no cargo, como os Kennedy, Clinton e outros. Ele mostra que você está alvejando Trump, que não é isso que os relatórios devem fazer. Também você sabe que eu pareço lembrar quando Obama disse que ele usou o Facebook etc a máquina eletrônica para ajudá-lo a ser eleito e como eles eram espertos e eu pensei a mesma coisa, mas agora, quando é Trumps campanha usando isso que está errado. Você não consegue ver porque está perdendo os espectadores? Você não está sendo tarifa. Como sobre as coisas importantes nas notícias que afetam nossa segurança (defesa, proteção de nossas fronteiras, negócios para empregos, dinheiro em nossos livros de bolso, quem no congresso estava por trás deles recebendo um aumento, etc.) O que é coisas que queremos saber.
Mantenha a verdadeira notícia que é muito importante. Trunfos *** a vida antes de ele ser presidente não é importante hoje, quando ele nem estava no cargo. Rússia, China, militares, comércio, protegendo a fronteira que eu vivo precisando da parede etc é o que é importante. A mídia não achava que era importante quando outros presidentes estavam fazendo negócios enquanto estavam no cargo, como os Kennedy, Clinton e outros. Ele mostra que você está alvejando Trump, que não é isso que os relatórios devem fazer. Além disso, você sabe que eu me lembro quando Obama disse que ele usou o Facebook, etc o eletrônico ... mais.
HFT Forex Scalping Strategy.
Índice.
Sistema de escalpelamento HFT está negociando com alta freqüência. Este sistema é útil em quaisquer pares de moedas importantes e é muito eficaz em um período de 15 minutos. Esta estratégia tem 2 formas de negociar e as instruções estão descritas abaixo, mas primeiro, temos que identificar os indicadores. Tome nota que o primeiro é para iniciantes e o segundo é para o avançado.
Indicadores Metatrader:
SDZ TzPivots, todas as médias, vela contagem para baixo, HFT 2,1 vola dss, MT4 moeda poder, DSS Bressert (5,9).
O viés do mercado de HFT é uma tendência de alta. Seta de compra azul deve aparecer. DSS Bressert Blue Dot.
Entrada de Venda:
O viés de mercado do HFT está em baixa. A seta vermelha de venda deve aparecer. DSS Bressert red dot.
Sair da posição:
O stop loss inicial deve ser colocado no swing anterior. Segunda estratégia de escalpelamento forex baseada no indicador HFT. Use um intervalo de tempo de 15 minutos e negocie nos principais pares de moedas.
Indicadores Metatrader:
HFT 2,1 vola dss, DSS Bressert (5,8), Bollinger Bands (20, 2).
Compre e venda o mesmo do anterior.
Tome rapidamente o lucro ou saia na seta oposta. Coloque 15 pips iniciais acima ou abaixo no balanço anterior.
Instruções de instalação de estratégias de negociação Forex.
HFT Forex Scalping Strategy é uma combinação de indicadores e modelo do Metatrader 4 (MT4).
A essência desta estratégia cambial é transformar os dados acumulados do histórico e os sinais de negociação.
HFT Forex Scalping Strategy oferece uma oportunidade para detectar várias peculiaridades e padrões na dinâmica de preços que são invisíveis a olho nu.
Com base nessas informações, os negociadores podem assumir mais movimentos de preços e ajustar essa estratégia de acordo.
Комментарии
Отправить комментарий