Jse trading กลยุทธ์

หกขั้นตอนในการปรับปรุงการค้าของคุณหกขั้นตอนเพื่อปรับปรุงการซื้อขายสกุลเงินของคุณไม่ว่าคุณจะเป็นคนใหม่ในการซื้อขายสกุลเงินหรือผู้ประกอบการค้าเก๋าคุณก็สามารถพัฒนาทักษะการค้าของคุณได้เสมอ การศึกษาเป็นพื้นฐานของการซื้อขายที่ประสบความสำเร็จ ต่อไปนี้เป็นหกขั้นตอนที่จะช่วยฝึกฝนทักษะการซื้อขายสกุลเงินของคุณ ขั้นตอนที่ 1: ขั้นตอนต่อไป X25B6 ยุทธศาสตร์การวิเคราะห์และการป้อนข้อมูลผู้ค้ามืออาชีพที่ประสบความสำเร็จทำสามสิ่งที่มักลืมสมัครพรรคพวก พวกเขาวางแผนกลยุทธ์การซื้อขายพวกเขาทำตามตลาดและพวกเขาก็หาเรื่องติดตามและวิเคราะห์ธุรกิจการค้าของตน วางแผนว่าคุณจะค้าคุณอาจเคยได้ยินสุภาษิตถ้าคุณล้มเหลวในการวางแผนคุณวางแผนที่จะล้มเหลว นี่คือความจริงใน Forex speculation ผู้ค้าที่ประสบความสำเร็จเริ่มต้นด้วยกลยุทธ์ด้านเสียงและติดอยู่ตลอดเวลา เลือกคู่สกุลเงินที่เหมาะสำหรับคุณ สกุลเงินบางคู่มีความผันผวนและเคลื่อนไหวภายในวันอย่างมาก คู่สกุลเงินบางคู่มีความมั่นคงและทำให้การเคลื่อนไหวช้ากว่าช่วงเวลาที่นานขึ้น พิจารณาค่าเงินความเสี่ยงของคุณโดยพิจารณาว่าคู่สกุลเงินใดเหมาะสมกับกลยุทธ์การซื้อขายของคุณมากที่สุด ตัดสินใจเลือกระยะเวลาที่คุณต้องการอยู่ในตำแหน่ง ขึ้นอยู่กับการเลือกคู่สกุลเงินของคุณกำหนดระยะเวลาที่คุณต้องการถือตำแหน่ง: นาทีชั่วโมงหรือวัน โปรดจำไว้ว่าขึ้นอยู่กับประเภทบัญชีของคุณการเปิดตำแหน่งที่ 5:00 pm Eastern Time อาจมีการเรียกเก็บเงินแบบโรลโอเวอร์ กำหนดเป้าหมายสำหรับตำแหน่ง ก่อนที่คุณจะเข้ารับตำแหน่งคุณควรสร้างกลยุทธ์ทางออก ถ้าตำแหน่งเป็นผู้ชนะคุณจะจ่ายเงินเท่าไหร่ถ้าตำแหน่งนั้นเป็นผู้แพ้คุณจะลดความเสียหายลงที่ใดคุณก็ควรวางจุดหยุดและข้อ จำกัด ไว้ ปฏิบัติตามตลาด Forex ใช้แผนภูมิ Forex และการวิเคราะห์ตลาดเพื่อตรวจสอบข้อมูลตลาดและระดับเทคนิคที่มีผลต่อตำแหน่งของคุณใช้แผนภูมิ Forex แผนภูมิเป็นเครื่องมือที่จำเป็นในการปรับปรุงผลตอบแทนการซื้อขาย คุณสามารถรับคืนเงินที่ใช้ไปกับแพคเกจแผนภูมิจากการค้าขายที่มีอยู่เพียงอย่างเดียวโดยอาศัยการวิเคราะห์จากชาร์ตมืออาชีพ ดูแผนภูมิ XE โปรดจำไว้ว่าการซื้อขาย forex เกี่ยวข้องกับความเสี่ยงสูงของการสูญเสียและไม่มีการรับประกันว่าการลงทุนในโปรแกรมประยุกต์ charting จะ recouped การวิเคราะห์ตลาด XE การวิเคราะห์ตลาดให้ข่าวสกุลเงินที่ทำลายและการวิเคราะห์ในเชิงลึกที่ตลาดสกุลเงินเป็นที่ไปของตนและทำไมมันจะมี คุณสามารถเข้าถึงความเห็นของตลาดโดยละเอียดและกลยุทธ์การซื้อขายจากผู้ค้า Forex ที่มีประสบการณ์ เก็บบันทึกประจำ Forex ผู้ค้าส่วนใหญ่ล้มเหลวเนื่องจากทำข้อผิดพลาดเดียวกันซ้ำแล้วซ้ำอีก ไดอารี่สามารถช่วยโดยการติดตามสิ่งที่เหมาะกับคุณและสิ่งที่ไม่ได้ ใช้อย่างสม่ำเสมอสมุดบันทึกที่เก็บไว้อย่างดีคือเพื่อนที่ดีที่สุดของคุณ เมื่อเก็บบันทึกประจำวันของคุณตรวจสอบให้แน่ใจว่ามีข้อมูลอย่างน้อยดังต่อไปนี้: วันที่และเวลาที่คุณรับตำแหน่ง อัตราที่คุณได้รับตำแหน่ง เหตุผลที่คุณเข้ารับตำแหน่ง กลยุทธ์สำหรับตำแหน่ง วันที่และเวลาที่คุณออกจากตำแหน่ง อัตราที่คุณออกจากตำแหน่ง กำไรของคุณอยู่ในตำแหน่ง ทำไมคุณถึงออกจากตำแหน่ง คุณปฏิบัติตามกลยุทธ์ของคุณเมื่อคุณเรียนรู้ที่จะจดจำรูปแบบการซื้อขายที่ประสบความสำเร็จคุณจะสามารถมองเห็นได้เมื่อพวกเขากลับมาก้าวที่ 2: ขั้นต่อไป X25B6 เรียนรู้การจัดการความเสี่ยงจากประสบการณ์ของเราผู้ค้าที่ประสบความสำเร็จมากที่สุดไม่ใช่แค่คนที่ทำ ตำแหน่งที่ดีที่สุด พวกเขาเป็นคนฉลาดในการบริหารความเสี่ยงและมีระเบียบวินัยในกลยุทธ์ พวกเขาไม่เคยรู้สึกเกี่ยวกับกำไรหรือขาดทุน พวกเขาตั้งเป้าหมายกำไรและขีด จำกัด การสูญเสียตำแหน่งของตนและใช้คำสั่ง Limit Orders และ StopLoss Orders เพื่อล็อคคำสั่ง Limit สั่งให้ระบบออกจากตำแหน่งโดยอัตโนมัติเมื่อกำไรเป้าหมายของคุณได้รับ นี้ช่วยให้คุณสามารถล็อคกำไรที่คุณต้องการในตำแหน่งที่ชนะ คำสั่ง stoploss จะสั่งให้ระบบออกจากตำแหน่งโดยอัตโนมัติเมื่อมีการ จำกัด การสูญเสียสูงสุด ช่วยให้คุณสามารถลดความสูญเสียในตำแหน่งที่สูญเสียได้ Traders แบบมืออาชีพใช้คำสั่ง Limit Orders และ StopLoss Orders เป็นรากฐานสำคัญของกลยุทธ์การซื้อขายที่มีระเบียบวินัย โดยการตั้งค่าทั้งในตำแหน่งทั้งหมดของพวกเขาพวกเขาได้ลบอารมณ์ออกจากสมการและปล่อยให้ตลาดทำงานสำหรับพวกเขา ในมืออื่น ๆ อย่าใช้คำสั่ง Limit Orders และ StopLoss Orders พวกเขาติดกาวไปที่หน้าจอของพวกเขาพยายามที่จะเล่นปาหี่ตำแหน่งทั้งหมดของพวกเขาในเวลาจริง พวกเขาพลาดจุดแอ็คชั่นที่สำคัญและปล่อยให้อารมณ์ควบคุมการตัดสินใจของพวกเขา ข้อ จำกัด การตั้งค่าและคำสั่งซื้อ StopLoss ตามกฎทั่วไปของใบสั่งซื้อคุณควรตั้งการสั่งซื้อ StopLoss ของคุณให้ใกล้เคียงกับราคาตำแหน่งเปิดมากกว่าคำสั่งซื้อวงเงินของคุณ ถ้าคุณทำเช่นนี้แล้วคุณจะประสบความสำเร็จในขณะที่ถูกต้องน้อยกว่า 50 ครั้ง ตัวอย่างเช่นหากคุณใช้ 100 Limit Limit Order กับ Stop Stop Order 30 pip สำหรับตำแหน่งทั้งหมดของคุณคุณจะมีเวลาเพียง 13 ครั้งในการทำกำไร เมื่อคุณวาง Limit and StopLoss Orders ขึ้นอยู่กับความเสี่ยงของคุณ อย่างไรก็ตามคุณต้องฉลาดเมื่อตั้งค่า หากคำสั่ง StopLoss ใกล้เคียงกับราคาตำแหน่งเปิดมากเกินไปอาจทำให้เกิดความผันผวนตามตลาดได้ ซึ่งหมายความว่าจุ่มชั่วคราวสามารถเคาะตำแหน่งก่อนที่จะมีโอกาสถอยกลับ ในทำนองเดียวกันถ้ามีการตั้งค่า Limit Order ให้ห่างจากราคาเปิดมากเกินไปอาจทำให้กำไรที่คาดว่าจะไม่เกิดขึ้นได้ ขั้นตอนที่ 3: ขั้นตอนถัดไป X25B6 เลือกแนวทางของคุณมีสองวิธีพื้นฐานในการวิเคราะห์ตลาด Forex สิ่งสำคัญคือต้องทำความเข้าใจว่าสามารถใช้งานได้อย่างประสบความสำเร็จได้อย่างไร การวิเคราะห์ทางเทคนิคมุ่งเน้นไปที่การศึกษาการเคลื่อนไหวของราคาโดยใช้ข้อมูลสกุลเงินในอดีตเพื่อคาดการณ์ทิศทางของราคาในอนาคต สมมติฐานคือข้อมูลทางการตลาดทั้งหมดมีอยู่แล้วในราคาของสกุลเงินใด ๆ และสิ่งที่คุณต้องทำก็คือการศึกษาการเคลื่อนไหวของราคาในการตัดสินใจซื้อขาย เครื่องมือหลักของการวิเคราะห์ทางเทคนิคคือแผนภูมิ แผนภูมิจะใช้เพื่อระบุแนวโน้มและรูปแบบในการพยายามหาโอกาสในการทำกำไร ผู้ที่ปฏิบัติตามแนวทางนี้มองหาแนวโน้มแนวโน้มในตลาด Forex และบอกว่ากุญแจสู่ความสำเร็จคือการระบุแนวโน้มดังกล่าวในระยะแรกของการพัฒนา ฉันควรใช้อะไร - นักวิเคราะห์ด้านเทคนิคหรือวิเคราะห์พื้นฐานใช้การวิเคราะห์ทางเทคนิคตามแผนภูมิและแนวโน้มโดยทั่วไปจะทำตามคู่สกุลเงินจำนวนหนึ่งพร้อมกัน ผู้ค้าที่ใช้การวิเคราะห์ขั้นพื้นฐานต้องจัดการข้อมูลตลาดจำนวนมากและโดยปกติแล้วจะมุ่งเน้นที่คู่สกุลเงินเพียงไม่กี่สกุล ด้วยเหตุนี้ผู้ค้าจำนวนมากจึงชอบการวิเคราะห์ทางเทคนิค นอกจากนี้ผู้ค้าจำนวนมากเลือกการวิเคราะห์ทางเทคนิคเนื่องจากเห็นแนวโน้มการเติบโตที่แข็งแกร่งในตลาด Forex พวกเขามองไปที่ต้นแบบพื้นฐานของการวิเคราะห์ทางเทคนิคและนำไปใช้กับกรอบเวลาจำนวนมากและคู่สกุลเงิน ขั้นตอนที่ 4: ขั้นตอนถัดไป X25B6 แผนภูมิหลักสูตรของคุณด้วยการวิเคราะห์ด้านเทคนิคการวิเคราะห์ทางเทคนิคใช้แผนภูมิเพื่อคาดการณ์ราคาสกุลเงินในอนาคตโดยการศึกษาความเคลื่อนไหวในตลาดที่ผ่านมา การใช้เทคนิคนี้พ่อค้ามีความสามารถในการตรวจสอบคู่สกุลเงินหลายสกุลพร้อม ๆ กันโดยการประเมินว่าผู้ค้ารายอื่นกำลังซื้อขายสกุลเงินใดโดยเฉพาะ จากประสบการณ์ของเราเนื่องจากผู้ค้าจำนวนมากใช้การวิเคราะห์ทางเทคนิคและปฏิกิริยาของพวกเขาต่อกิจกรรมการตลาดมีแนวโน้มที่จะคล้ายคลึงกันความถูกต้องของเทคนิคนี้จะเพิ่มขึ้น มันกลายเป็นคำทำนายของตัวเองที่ตอบสนองต่อตัวเองและเพิ่มความเชื่อถือได้ของสัญญาณที่ได้จากการวิเคราะห์นี้ การสนับสนุนความต้านทานของแอมป์บางทีรูปแบบการวิเคราะห์ทางเทคนิคที่มีประสิทธิภาพและมีประสิทธิภาพมากที่สุดคือการใช้การสนับสนุนและความต้านทาน การสนับสนุนคือขอบเขตหรือขอบเขตล่างที่คู่สกุลเงินมีปัญหาในการละเมิด ความต้านทานในมืออื่น ๆ เป็นเพียงตรงข้าม: มันเป็นขอบเขตด้านบนที่คู่สกุลเงินมีปัญหาในการเจาะ การสนับสนุนและความต้านทานเป็นสิ่งสำคัญในตลาดที่อยู่ในช่วงเนื่องจากเป็นเขตแดนที่ตลาดมีแนวโน้มจะเปลี่ยนทิศทาง เมื่อไหร่และถ้าตลาดทะลุผ่านขอบเขตเหล่านี้จะเรียกว่าการฝ่าวงล้อมและตามด้วยกิจกรรมทางการตลาดที่เพิ่มขึ้น การใช้ความต้านทานแอ็พพลิเคชันของแอมป์เราสามารถใช้การสนับสนุนและระดับความต้านทานเหล่านี้ได้หลายวิธี ผู้ค้าช่วงจะต้องการซื้อการสนับสนุนด้านบนและขายต่ำกว่าแนวต้านขณะที่มีการหยุดพัก ขณะที่ผู้ค้าเทรนด์จะซื้อเมื่อราคาพักเหนือระดับของความต้านทานและขายได้เมื่อหยุดพักฐานด้านล่าง แนวความคิดยังคงเป็นเช่นเดียวกับที่เราได้ระบุไว้ก่อนหน้านี้ เราต้องการซื้อคู่สกุลเงินถ้าเราคาดการณ์ว่าตลาดจะขยับขึ้นและขายในราคาที่สูงขึ้น นอกจากนี้เรายังสามารถขายคู่สกุลเงินได้หากเราคาดการณ์ว่าตลาดจะขยับลงและซื้อในราคาที่ต่ำกว่า แต่ละขั้นตอนที่ 5: ขั้นตอนถัดไป X25B6 รู้ด้วยพื้นฐานการวิเคราะห์แต่ละสกุลเงินมีอัตราดอกเบี้ยค้างคืนที่กำหนดโดยธนาคารกลางของประเทศนั้น ๆ หากอัตราเงินเฟ้อสูงเกินไปธนาคารกลางอาจเพิ่มอัตราดอกเบี้ยเพื่อลดภาวะเศรษฐกิจ ในทางตรงกันข้ามหากกิจกรรมทางเศรษฐกิจซบเซาธนาคารกลางอาจลดอัตราดอกเบี้ยเพื่อกระตุ้นการเติบโต อัตราดอกเบี้ยที่ลดลงมักจะอ่อนค่าลงเมื่อเทียบกับมูลค่าของสกุลเงินในส่วนหนึ่งเนื่องจากจะดึงดูดธุรกิจการค้าสินค้าประเภท carry carry carry-trade เป็นกลยุทธ์ที่พ่อค้าขายสกุลเงินที่มีอัตราดอกเบี้ยต่ำและซื้อสกุลเงินที่มีดอกเบี้ยสูง อัตราการว่างงานเป็นตัวบ่งชี้ที่สำคัญของความแข็งแกร่งทางเศรษฐกิจ หากประเทศใดมีอัตราการว่างงานสูงก็หมายความว่าเศรษฐกิจไม่แข็งแรงพอที่จะให้คนงานได้ สิ่งนี้นำไปสู่การลดลงของค่าสกุลเงิน เหตุการณ์ทางการเมืองระหว่างประเทศที่สำคัญ ๆ เหล่านี้ส่งผลต่อตลาดแลกเปลี่ยนเงินตราต่างประเทศตลอดจนตลาดอื่น ๆ ทั้งหมด ในเดือนพฤษภาคมปี 2548 มีการคาดการณ์ว่าฝรั่งเศสจะลงคะแนนเสียงต่อต้านการยอมรับรัฐธรรมนูญของสหภาพยุโรป เนื่องจากฝรั่งเศสมีความสำคัญต่อสุขภาพทางเศรษฐกิจของยุโรป (และมูลค่าของยูโร) ผู้ค้าจึงขายเงินยูโรและซื้อดอลลาร์ซึ่งทำให้ยูโรอ่อนค่าลงจนทำให้ผู้ค้ารายใหญ่หลายรายคิดว่าจะไม่ลดลง แต่พวกเขาผิด เมื่อฝรั่งเศสลงมติเห็นชอบกับรัฐธรรมนูญสกุลเงิน EURUSD ลดลงมากกว่า 400 จุดในสามวัน ผู้ค้าที่ซื้อยูโรหายไปนับพัน ในทางตรงกันข้ามผู้ค้าที่ขายเงินยูโรทำหลายพัน ขั้นตอนที่ 6: ระวังการผิดพลาดทางจิตวิทยาผู้ค้าหลายรายกำลังซื้อสินค้าอย่างจริงจังกว่าการซื้อขาย ไม่กี่คนที่จะใช้จ่าย 500 โดยไม่ต้องระมัดระวังในการค้นคว้าและตรวจสอบผลิตภัณฑ์ แต่ผู้ค้าหลายรายรับตำแหน่งที่เสียค่าใช้จ่ายมากกว่า 500 ขึ้นอยู่กับเพียงเล็กน้อยเท่านั้นลางสังหรณ์ นี้ไม่สามารถเน้นมากพอ พ่อค้าส่วนใหญ่ล้มเหลวเพราะขาดระเบียบวินัย ตรวจสอบให้แน่ใจว่าคุณได้วางแผนไว้ก่อนที่คุณจะเริ่มทำการค้า การวิเคราะห์ของคุณควรรวมถึงข้อดีที่อาจเกิดขึ้นรวมทั้งแนวโน้มการฟื้นตัว ดังนั้นสำหรับทุกตำแหน่งที่คุณทำคุณควรวางทั้ง Limit Order และ StopLoss Order ตั้งค่าขีด จำกัด ทางการค้าที่ชาญฉลาดสำหรับแต่ละการค้าเลือกเป้าหมายกำไรที่จะช่วยให้คุณสามารถทำเงินได้ดีในตำแหน่งโดยไม่ต้อง unachievable เลือกวงเงินการสูญเสียที่มีขนาดใหญ่พอที่จะรองรับความผันผวนของตลาดตามปกติได้ แต่น้อยกว่าเป้าหมายกำไรของคุณ ล็อคสิ่งเหล่านี้ในการใช้คำสั่งซื้อวงเงินและคำสั่งซื้อ StopLoss แนวคิดง่ายๆนี้เป็นหนึ่งในสิ่งที่ยากที่สุดที่จะปฏิบัติตาม ผู้ค้าหลายรายละทิ้งแผนการที่กำหนดไว้ล่วงหน้าของพวกเขาในราชประสงค์ปิดตำแหน่งที่ชนะก่อนที่จะบรรลุเป้าหมายกำไรของพวกเขาเนื่องจากพวกเขาเติบโตประสาทว่าตลาดจะหันกับพวกเขา แต่ผู้ค้ารายเดียวกันเหล่านี้จะยึดมั่นในการสูญเสียตำแหน่งที่ดีเกินขีด จำกัด การสูญเสียโดยหวังว่าจะกู้คืนความสูญเสียได้บ้าง บางครั้งผู้ค้าเห็นข้อ จำกัด การสูญเสียของพวกเขาตีกี่ครั้งเท่านั้นที่จะเห็นตลาดกลับไปในความโปรดปรานของพวกเขาเมื่อพวกเขาออก สิ่งนี้อาจนำไปสู่ความเชื่อที่ผิด ๆ ว่าสิ่งนี้จะเกิดขึ้นต่อไปเสมอและข้อ จำกัด ในการสูญเสียนั้นก็มีผลต่อการต่อต้าน ไม่มีอะไรสามารถเพิ่มเติมจากความจริง StopLoss สั่งซื้อจะมีการ จำกัด การสูญเสียของคุณ ไม่มีพ่อค้าทำเงินในการค้าทุก ถ้าคุณสามารถได้รับ 5 ธุรกิจการค้าออกจาก 10 เพื่อทำกำไรได้แล้วคุณจะทำดี คุณจะสร้างรายได้ด้วยเพียงครึ่งหนึ่งของตำแหน่งที่เป็นผู้ชนะด้วยการกำหนดวงเงินการค้าอัจฉริยะ เมื่อคุณสูญเสียน้อยกว่าผู้แพ้ของคุณมากกว่าที่คุณทำกับผู้ชนะของคุณคุณจะมีกำไร อย่าแต่งงานกับคนของคุณ มันง่ายที่จะทำวิเคราะห์วัตถุประสงค์ก่อนที่จะดำรงตำแหน่ง มันยากมากเมื่อ youve มีเงินลงทุน ผู้ค้าที่ถือครองตำแหน่งมักจะวิเคราะห์ตลาดด้วยความหวังที่จะย้ายไปในทิศทางที่ดีโดยไม่สนใจปัจจัยที่อาจเปลี่ยนแปลงไปจากการวิเคราะห์เดิม โดยเฉพาะอย่างยิ่งเมื่อมีการสูญเสียตำแหน่ง ผู้ค้ามีแนวโน้มที่จะแต่งงานกับตำแหน่งที่สูญเสียโดยไม่คำนึงถึงสัญญาณที่ชี้ไปยังการขาดทุนอย่างต่อเนื่อง อย่าวางเดิมพันอย่าค้าขาย ข้อผิดพลาดทั่วไปที่ทำโดยผู้ค้ารายใหม่คือการใช้ประโยชน์จากบัญชีมากเกินไป เพียงเพราะสกุลเงินจำนวนมาก (100,000 หน่วย) ต้องใช้เงินฝากขั้นต่ำเพียง 1000 จึงไม่ได้หมายความว่าผู้ค้าที่มีบัญชี 5,000 บัญชีสามารถซื้อขายได้ 5 หมายเลข หนึ่งแสนเป็น 100,000 และควรได้รับการพิจารณาเป็น 100,000 การลงทุนและไม่ 1000 วางเป็นขอบ ผู้ค้าส่วนใหญ่วิเคราะห์แผนภูมิอย่างถูกต้องและวางธุรกิจการค้าที่เหมาะสม แต่พวกเขามักจะใช้ประโยชน์มากกว่าตัวเอง เป็นผลจากการนี้พวกเขามักจะถูกบังคับให้ออกจากตำแหน่งในเวลาที่ไม่ถูกต้อง หลักเกณฑ์ที่ดีคือการซื้อขายกับ 1-10 leverage หรือไม่เคยใช้บัญชีมากกว่า 10 บัญชีในแต่ละช่วงเวลา สกุลเงินในการซื้อขายไม่ใช่เรื่องง่าย (ถ้าเป็นเช่นนั้นทุกคนก็จะเป็นเศรษฐีเงิน) โปรดทราบว่าการซื้อขายเงินตราต่างประเทศในรูปแบบ Margin มีความเสี่ยงสูงและอาจไม่เหมาะสำหรับนักลงทุนทุกราย ระดับการยกระดับสูงสามารถทำงานได้ดีกับคุณและคุณ ก่อนตัดสินใจลงทุนในตลาดหลักทรัพย์ต่างประเทศคุณควรพิจารณาวัตถุประสงค์การลงทุนระดับประสบการณ์และความกระหายที่มีความเสี่ยงอย่างรอบคอบ ความเป็นไปได้ที่จะทำให้คุณสูญเสียบางส่วนหรือทั้งหมดของการลงทุนครั้งแรกของคุณดังนั้นคุณจึงไม่ควรลงทุนเงินที่คุณไม่สามารถจะเสียได้ คุณควรตระหนักถึงความเสี่ยงทั้งหมดที่เกี่ยวข้องกับการซื้อขายเงินตราต่างประเทศและขอคำแนะนำจากที่ปรึกษาทางการเงินอิสระหากคุณมีข้อสงสัยใด ๆ นายหน้าซื้อขาย Forex ของคุณตัดมัสตาร์ดอ่านนี้ X25B6OANDA ใช้คุกกี้เพื่อทำให้เว็บไซต์ของเราใช้งานง่ายและปรับแต่งให้เหมาะกับผู้เยี่ยมชมของเรา ไม่สามารถใช้คุกกี้เพื่อระบุตัวคุณได้ เมื่อไปที่เว็บไซต์ของเราคุณยินยอมให้ OANDA8217s ใช้คุกกี้ตามนโยบายส่วนบุคคลของเรา หากต้องการบล็อกลบหรือจัดการคุกกี้โปรดไปที่ aboutcookies. org การ จำกัด คุกกี้จะป้องกันไม่ให้คุณได้รับประโยชน์จากฟังก์ชันการทำงานบางอย่างในเว็บไซต์ของเรา ดาวน์โหลดบัญชีสำหรับเลือกบัญชีบนมือถือของเรา: สถิติการซื้อขาย Forex 100 อันดับแรกดูสถิติการซื้อขาย Forex ที่ประสบความสำเร็จและไม่ประสบความสำเร็จในวันนี้สถิติต่อไปนี้คำนวณจากกิจกรรมการซื้อขายแลกเปลี่ยนในช่วง 24 ชั่วโมงที่ผ่านมาของทั้งสองกลุ่มผู้ค้า OANDA: 100 อันดับสูงสุดที่ทำกำไรได้และ เป็นทางเลือก) ผู้ค้า 100 อันดับแรกที่มีกำไรน้อยที่สุด ผู้ค้า forex เหล่านี้เลือกอย่างไรผู้ค้า forex เหล่านี้ไม่ได้รับเลือกเฉพาะกับกำไรและขาดทุนที่เกิดขึ้นจริงทั้งหมดเนื่องจากจะเป็นการเอียงผลไปสู่กองทุนเฮดจ์ฟันด์และบัญชีสถาบันขนาดใหญ่ แต่ผู้ค้าสกุลเงินจะถูกสุ่มตัวอย่างจากยอดคงเหลือในบัญชีที่หลากหลายตั้งแต่ขนาดเล็กไปจนถึงสถาบัน What8217s แสดงในแผนภูมิเหล่านี้โดยค่าเริ่มต้นสถิติจะแสดงเฉพาะสำหรับผู้ค้า forex ที่มีกำไรมากที่สุด 100 รายเท่านั้น เลือกแสดงผู้ซื้อขายที่ทำกำไรได้น้อยที่สุดเพื่อแสดงสถิติสำหรับผู้ค้าที่ไม่หวังผลกำไรซึ่งแสดงด้วยสีที่มีน้ำหนักเบา สถิติต่อไปนี้แสดงสำหรับคู่ค้าสกุลเงินที่มีการซื้อขายมากที่สุดของเราในช่วง 24 ชั่วโมงที่ผ่านมา พวกเขาจะคำนวณจากจำนวนการซื้อขายทั้งหมดที่วางโดยแต่ละกลุ่มของผู้ค้า ทิศทาง (ร้อยละของธุรกิจการค้าที่ยาวและสั้น) ความสามารถในการทำกำไร (เปอร์เซ็นต์ของการทำกำไรและธุรกิจที่ไม่ก่อผลกำไร) ระยะเวลาเฉลี่ยสำหรับธุรกิจการค้าที่ทำกำไรได้และไม่หวังผลกำไรที่แต่ละกลุ่ม ProfitLoss เฉลี่ยต่อหน่วยใน pips ฉันสามารถดูได้จากแผนภูมิเหล่านี้ในขณะที่แผนภูมินี้ไม่สามารถคาดการณ์แนวโน้มในอนาคตได้นี่เป็นภาพรวมที่น่าสนใจในช่วง 24 ชั่วโมงที่ผ่านมา เมื่อคุณเปรียบเทียบสองประเภทของ traders forex ค้นหาแนวโน้ม. เครื่องมือต่อไปนี้ให้ข้อมูลเชิงลึกมากยิ่งขึ้นเกี่ยวกับกิจกรรมประจำวันของผู้ค้าราย OANDA8217: OANDA Forex Order Book S ผู้ค้าที่ทำกำไรได้น้อยที่สุด 169 1996 - 2017 OANDA Corporation สงวนลิขสิทธิ์. ตระกูล OANDA, fxTrade และ OANDAs fx เป็นของ OANDA Corporation เครื่องหมายการค้าอื่น ๆ ที่ปรากฎในเว็บไซต์นี้เป็นทรัพย์สินของเจ้าของที่เกี่ยวข้อง การทำสัญญาซื้อขายเงินตราต่างประเทศกับสัญญาซื้อขายเงินตราต่างประเทศหรือผลิตภัณฑ์อื่น ๆ ที่ไม่มีการแลกเปลี่ยนเงินตราต่างประเทศมีความเสี่ยงสูงและอาจไม่เหมาะสำหรับทุกคน เราแนะนำให้คุณพิจารณาอย่างรอบคอบว่าการซื้อขายมีความเหมาะสมกับคุณหรือไม่ในแง่ของสถานการณ์ส่วนบุคคลของคุณ คุณอาจสูญเสียมากกว่าที่คุณลงทุน ข้อมูลในเว็บไซต์นี้มีลักษณะทั่วไป เราขอแนะนำให้คุณแสวงหาคำแนะนำด้านการเงินที่เป็นอิสระและมั่นใจได้ว่าคุณเข้าใจถึงความเสี่ยงทั้งหมดที่เกี่ยวข้องก่อนการซื้อขาย การซื้อขายผ่านแพลตฟอร์มออนไลน์ถือเป็นความเสี่ยงเพิ่มเติม ดูส่วนกฎหมายของเราที่นี่ การแพร่กระจายการแพร่กระจายทางการเงินจะใช้ได้เฉพาะกับลูกค้า OANDA Europe Ltd ที่อาศัยอยู่ในสหราชอาณาจักรหรือสาธารณรัฐไอร์แลนด์เท่านั้น CFDs ความสามารถในการป้องกันความเสี่ยงด้านราคาของ MT4 และอัตราส่วน Leverage Ratio เกิน 50: 1 ไม่สามารถใช้ได้กับชาวอเมริกัน ข้อมูลในไซต์นี้ไม่ใช่ข้อมูลที่อยู่ในประเทศที่การแจกจ่ายหรือการใช้โดยบุคคลใด ๆ จะขัดต่อกฎหมายหรือข้อบังคับของท้องถิ่น OANDA Corporation เป็นตัวแทนซื้อขายสัญญาซื้อขายล่วงหน้าของ Futures Commission และตัวแทนจำหน่ายรายย่อยที่จดทะเบียนกับ Commodity Futures Trading Commission และเป็นสมาชิกของ National Futures Association หมายเลข: 0325821 โปรดดูที่ ALFA FOREX INVESTOR ALFA ของ NFAs ตามความเหมาะสม บัญชี ULC ของ OANDA (Canada) Corporation มีให้สำหรับทุกคนที่มีบัญชีธนาคารของแคนาดา OANDA (Canada) Corporation ULC มีการกำกับดูแลโดยองค์การการลงทุนอุตสาหกรรมกฎระเบียบของแคนาดา (IIROC) ซึ่งรวมถึงฐานข้อมูลการตรวจสอบ IIROCs ที่ปรึกษาออนไลน์ (IIROC AdvisorReport) และบัญชีลูกค้าได้รับการคุ้มครองโดย Canadian Investor Protection Fund ภายในวงเงินที่กำหนด โบรชัวร์ที่อธิบายถึงลักษณะและขอบเขตของความคุ้มครองจะมีให้ตามคำขอหรือที่ cipf. ca OANDA Europe Limited เป็น บริษัท จดทะเบียนในประเทศอังกฤษที่หมายเลข 7110087 และมีที่อยู่จดทะเบียนตั้งอยู่ที่ชั้น 9a, Tower 42, 25 Old Broad St, London EC2N 1HQ ได้รับมอบอำนาจและควบคุมโดยผู้ควบคุมการแข่งขันทางการเงิน เลขที่: 542574 OANDA Asia Pacific Pte Ltd (บริษัท จดทะเบียนเลขที่ 200704926K) มีใบอนุญาตให้บริการด้านการตลาดทุนที่ออกโดยธนาคารกลางสิงคโปร์และได้รับอนุญาตจาก International Enterprise Singapore OANDA Australia Pty Ltd 160 ถูกควบคุมโดย Australian Securities and Investment Commission ASIC (ABN 26 152 088 349, AFSL No. 412981) และเป็นผู้ออกผลิตภัณฑ์หรือบริการบนเว็บไซต์นี้ สิ่งสำคัญสำหรับคุณในการพิจารณาคู่มือการให้บริการทางการเงินในปัจจุบัน (FSG) คำชี้แจงการเปิดเผยข้อมูลผลิตภัณฑ์ (PDS) ข้อกำหนดบัญชีและเอกสาร OANDA ที่เกี่ยวข้องอื่น ๆ ก่อนตัดสินใจลงทุนทางการเงิน เอกสารเหล่านี้สามารถพบได้ที่นี่ บริษัท OANDA Japan Co. , Ltd. First Type I Financial Instruments ผู้อำนวยการสำนักงาน Kanto Local Financial Bureau (Kin-sho) เลขที่ 2137 สถาบัน Financial Futures Association หมายเลข 1571 Trading FX andor CFDs for margin มีความเสี่ยงสูงและไม่เหมาะสำหรับทุกคน ความสูญเสียอาจเกินกว่าการลงทุนกลยุทธ์การค้าระยะสั้นที่ทำงาน QuantLab nbspnbsp 3 กันยายน 2014nbsp10: 48 ในบทความ todaybyquos เราจะไปถึงขั้นตอนในการสร้างระบบการซื้อขายหรือกลยุทธ์ที่ใช้งานง่ายสำหรับ JSE เราเชื่อว่าความเรียบง่ายเป็นคุณธรรมในการออกแบบระบบการซื้อขาย ตัวแปรที่มีจำนวนน้อยกว่าจะทำให้ระบบทำงานต่อไปได้ตามที่ต้องการ Statisticians อ้างถึงคำอธิบายของ ldquodegrees of freedomrdquo เราก็จะบอกว่าส่วนน้อยในระบบน้อยที่อาจผิดพลาดได้ การใช้งานร่วมกันกับรุ่นปัจจุบันของคุณเกี่ยวกับระบบนั้นขึ้นอยู่กับแนวคิดที่เรียบง่าย แต่มีความสมเหตุสมผลมากและสร้างขึ้นจากการที่เราชื่นชอบระบบที่เข้าสู่ภาวะที่มีแนวโน้มเป็นอย่างมาก นี่เป็นวิธีการพลิกกลับแบบคลาสสิก ระบบพยายามเข้าสู่การซื้อขายหุ้นที่ระดับต่ำสุดโดยคาดว่าราคาจะฟื้นตัวขึ้นสู่ระดับปกติมากขึ้น แนวโน้มด้านการตลาดเพื่อย้อนกลับไปสู่ความหมายได้รับการบันทึกไว้เป็นอย่างดีและได้รับความสำเร็จอย่างมากจากแนวทางนี้ทั้งในกองทุนนอกชายฝั่งที่เราจัดการและกับลูกค้าที่ใช้การวิจัยของเราผ่าน QuantLab. co. za ซึ่งเป็นศูนย์การวิจัยการลงทุนในท้องถิ่น หนึ่งในส่วนผสมที่สำคัญในระบบของเราคือการใช้ Bollinger Bands พัฒนาขึ้นโดย John Bollinger และใช้ในการวิเคราะห์ทางเทคนิคอย่างกว้างขวางวงดนตรีที่ติดตามด้านบนและด้านล่างราคาเฉลี่ยโดยค่าเบี่ยงเบนมาตรฐานที่ผู้ใช้กำหนด (เป็นตัวชี้วัดทางสถิติในการกระจายตัวในกรณีของเรามีความผันผวน) ใกล้ชิดกับราคาที่ขยับขึ้นไปเหนือกลุ่มผู้ซื้อมากเกินไปและในทางกลับกัน แอตทริบิวต์นี้ทำให้กลุ่ม Bollinger Bands เป็นตัวบ่งชี้ที่เหมาะที่จะสร้างระบบการซื้อขายย้อนกลับที่มีประสิทธิภาพ ต่อไปนี้เป็นกฎสำหรับรายการ: 1) เมื่อวานนี้: หุ้นซื้อขายเฉลี่ย 250 000 หุ้นในช่วง 100 วันก่อนหน้า 2) เมื่อวานนี้: ราคาปิดสูงกว่าค่าเฉลี่ยเคลื่อนที่เฉลี่ยของช่วงเดียวกันของปีที่ 100 ที่ปิด 3) เมื่อวานนี้: ความแตกต่าง ระหว่าง Bollinger Band ด้านบนและด้านล่างมีค่ามากกว่า 5 4) เมื่อวานนี้: ระยะใกล้มีค่าต่ำกว่า Bollinger Band ตอนล่าง 5) วันนี้: ระยะใกล้น้อยกว่าการปิดเมื่อวานนี้ป้อนระยะยาวเราใช้ช่วง Bollinger Band 5 ช่วงกับ ค่าเบี่ยงเบนมาตรฐาน 1.5 ต่อไปนี้เป็นกฎสำหรับการออก: 1) การปิดวันนี้สูงกว่าค่าเฉลี่ยเคลื่อนที่ 5 ช่วงเวลาที่ปิด นี่คือค่าเฉลี่ยเคลื่อนที่ที่ศูนย์กลาง Bolinger Bandsreg กฎข้อที่ 1 ทำให้แน่ใจได้ว่าการซื้อขายหุ้นของเหลวที่สามารถซื้อและขายได้โดยง่าย กฎข้อที่ 2 ทำให้เรามีความชัดเจนในเรื่องของ บริษัท ที่มีความผันผวนและไม่อาจคาดการณ์ได้โดยการซื้อขายหุ้นที่แข็งแกร่งเท่านั้น กฎข้อ 3 ยืนยันว่าหุ้นมีการเพิ่มขึ้นของความผันผวนในระยะสั้นและการขาย กฎข้อที่ 4 ระบุถึงการปรับตัวลงของราคาโดยวัดจากการปิดหุ้นที่ด้านล่างแถบ Bollinger Band ด้านล่าง กฎข้อที่ 5 เป็นตัวเรียกรายการของเราและอนุญาตให้เราป้อนหุ้นในราคาที่เหมาะสม การวิจัยของเราชี้ให้เห็นว่าหุ้นซื้อขายได้ดีที่สุดโดยใช้แนวโน้มการโต้แย้งหรือกลยุทธ์การพลิกกลับหมายถึง กฎของรายการข้างต้นได้รับการออกแบบมาเพื่อใช้ประโยชน์จากการค้นพบของเราโดยการแยกหุ้นในหุ้นขาขึ้นที่แข็งแกร่งซึ่งกำลังประสบปัญหาในระยะสั้น เมื่อผู้สมัครที่มีศักยภาพได้รับการตั้งอยู่เรารอความอ่อนแอเพิ่มเติมในราคาก่อนที่จะเข้า กฎข้อที่ 1 เป็นวิธีที่มีระเบียบวินัยและมีรูปแบบเพื่อปิดสถานะในระยะสั้น กลยุทธ์การออกของเรารอจังหวะในระยะสั้นก่อนราคาปิด วิธีนี้ช่วยเติมเต็มเทคนิคในการเข้าร่วมของเราซึ่งจะเปิดเผยช่วงเวลาแห่งความอ่อนแอ การปิดสถานะของเราเป็นจุดแข็งเรามีความสามารถในการจับภาพการกลับรายการที่แข็งแกร่งในราคา ในกรณีที่ราคาไม่ฟื้นตัวตามที่คาดหวังวิธีการออกของเราจะเป็นงานที่ยอดเยี่ยมในการ จำกัด การสูญเสีย ผลการทดสอบสมมติฐานของเราคือระบบพลิกกลับโดยเฉลี่ยที่ออกแบบมาเพื่อซื้อความต้องการในหุ้นที่มีแนวโน้มสูง ตรรกะของระบบของเราเป็นเรื่องง่ายและมีเสียง ได้รับการออกแบบมาอย่างพิถีพิถันในการปรับตัวและมีประสิทธิภาพสูง พารามิเตอร์ต่างๆที่เราเลือกดูเหมือนจะมีขอบกว้างสำหรับข้อผิดพลาดและเราพบว่ามันไม่ได้จำเป็นต้องทำอย่างมากในการปรับเส้นโค้งเพื่อสร้างผลลัพธ์ที่น่าสนใจมาก ในการทดสอบทางประวัติศาสตร์ของเราได้พิสูจน์แล้วว่าเป็นผลกำไรสูงและคาดการณ์ได้ เราเชื่อว่าระบบนี้อาจมีการประยุกต์ใช้เป็นเครื่องมือในการกำหนดจังหวะเวลาในการซื้อขายเพื่อช่วยในการซื้อขายหุ้นของแต่ละบุคคล หากคุณพบบทความนี้ที่น่าสนใจทำไมไม่ทำตามบล็อกของเราที่ quantlab. co. zablog ซึ่งเราแบ่งปันความคิดที่สามารถซื้อขายได้ของเราสำหรับ JSE เป็นรายสัปดาห์ ในบทความเรื่องถัดไปของเราเกี่ยวกับกลยุทธ์การซื้อขายตลาดจากด้านสั้นวิธีการระบุกลยุทธ์การซื้อขายขั้นตอนวิธีในบทความนี้ผมอยากจะแนะนำคุณเกี่ยวกับวิธีการที่ผมใช้กลยุทธ์การซื้อขายแบบอัลกอริธึมเชิงกำไร เป้าหมายของเราในวันนี้คือการทำความเข้าใจในรายละเอียดในการหาประเมินและเลือกระบบดังกล่าว อธิบายวิธีการระบุกลยุทธ์เป็นเรื่องเกี่ยวกับการตั้งค่าส่วนบุคคลเช่นเดียวกับที่เกี่ยวกับประสิทธิภาพของกลยุทธ์วิธีการตรวจสอบชนิดและปริมาณของข้อมูลที่ผ่านมาสำหรับการทดสอบวิธีการประเมินกลยุทธ์การซื้อขายอย่างไม่ลดละและท้ายที่สุดวิธีการดำเนินการต่อขั้นตอนการทำ backtesting และการใช้กลยุทธ์ . ระบุความชอบส่วนบุคคลของคุณสำหรับการเทรดเพื่อที่จะเป็นผู้ประกอบการค้าที่ประสบความสำเร็จ - ไม่ว่าจะเป็นทางเลือกหรือแบบอัลกอริทึม - จำเป็นต้องถามตัวเองด้วยความซื่อสัตย์ เทรดดิ้งทำให้คุณมีความสามารถในการเสียเงินในอัตราที่น่าตกใจดังนั้นจึงจำเป็นต้องรู้จักตัวเองให้มากที่สุดเท่าที่จำเป็นเพื่อให้เข้าใจถึงกลยุทธ์ที่คุณเลือก ฉันจะบอกว่าการพิจารณาที่สำคัญที่สุดในการซื้อขายคือการตระหนักถึงบุคลิกภาพของคุณเอง การซื้อขายและการค้าอัลกอริธึมโดยเฉพาะอย่างยิ่งต้องมีวินัยอย่างอดทนและความรู้สึกไม่ดี เนื่องจากคุณอนุญาตให้อัลกอริทึมดำเนินการซื้อขายให้กับคุณคุณจำเป็นต้องแก้ไขไม่ให้แทรกแซงกลยุทธ์เมื่อดำเนินการ นี้อาจเป็นเรื่องยากมากโดยเฉพาะอย่างยิ่งในช่วงเวลาของการเบิกขยาย อย่างไรก็ตามกลยุทธ์หลายอย่างที่แสดงให้เห็นว่ามีผลกำไรสูงในการทำ backtest สามารถทำลายได้ด้วยการแทรกแซงง่ายๆ เข้าใจว่าถ้าคุณต้องการที่จะเข้าสู่โลกของการค้าอัลกอริทึมคุณจะได้รับการทดสอบทางอารมณ์และเพื่อที่จะประสบความสำเร็จคุณจำเป็นต้องทำงานผ่านปัญหาเหล่านี้การพิจารณาครั้งต่อไปคือหนึ่งครั้ง คุณทำงานเต็มเวลาหรือไม่คุณทำงานนอกเวลาทำงานจากที่บ้านหรือเดินทางเป็นประจำทุกวันคำถามเหล่านี้จะช่วยในการกำหนดความถี่ของกลยุทธ์ที่คุณควรหา สำหรับบรรดาผู้ที่อยู่ในการจ้างงานแบบเต็มเวลากลยุทธ์ในอนาคตของฟิวเจอร์สอาจไม่เหมาะสม (อย่างน้อยก็จนกว่าจะมีการดำเนินการโดยอัตโนมัติ) ข้อ จำกัด ด้านเวลาของคุณจะกำหนดวิธีการของกลยุทธ์ด้วย หากกลยุทธ์ของคุณมีการซื้อขายกันบ่อยๆและพึ่งพาฟีดข่าวที่มีราคาแพง (เช่น Bloomberg Terminal) คุณจะต้องมีความสมจริงเกี่ยวกับความสามารถในการทำงานในขณะนี้ที่สำนักงานด้วยสำหรับบรรดาคุณที่มีเวลามากหรือทักษะ เพื่อทำให้กลยุทธ์ของคุณเป็นไปโดยอัตโนมัติคุณอาจต้องการดูกลยุทธ์การซื้อขายทางเทคนิคที่มีความถี่สูงขึ้น (HFT) ความเชื่อของฉันคือต้องดำเนินการวิจัยต่อเนื่องเกี่ยวกับกลยุทธ์การซื้อขายเพื่อรักษาผลงานที่ทำกำไรได้อย่างสม่ำเสมอ กลยุทธ์น้อยอยู่ภายใต้เรดาร์ตลอดไป ดังนั้นส่วนที่สำคัญของเวลาที่จัดสรรให้กับการซื้อขายจะเป็นในการดำเนินการวิจัยต่อเนื่อง ถามตัวเองว่าคุณพร้อมที่จะทำเช่นนี้หรือไม่เพราะอาจเป็นความแตกต่างระหว่างความสามารถในการทำกำไรที่แข็งแกร่งหรือการลดลงอย่างช้าๆต่อความสูญเสีย คุณต้องพิจารณาทุนการซื้อขายของคุณด้วย จำนวนเงินขั้นต่ำที่เหมาะสำหรับกลยุทธ์เชิงปริมาณโดยทั่วไปที่ยอมรับโดยทั่วไปคือ 50,000 เหรียญสหรัฐ (ประมาณ 35,000 สำหรับเราในสหราชอาณาจักร) ถ้าฉันเริ่มต้นใหม่ฉันจะเริ่มต้นด้วยจำนวนเงินที่มากขึ้นซึ่งอาจจะใกล้ 100,000 ดอลลาร์ (ประมาณ 70,000) เนื่องจากต้นทุนการทำธุรกรรมอาจมีราคาแพงมากสำหรับกลยุทธ์ตั้งแต่กลางถึงความถี่สูงและจำเป็นต้องมีเงินทุนเพียงพอในการดูดซับพวกเขาในช่วงเวลาเบิกเงินกู้ หากคุณกำลังพิจารณาเริ่มต้นด้วยน้อยกว่า 10,000 เหรียญสหรัฐคุณจะต้อง จำกัด ตัวเองกับกลยุทธ์ความถี่ต่ำซึ่งจะซื้อขายสินทรัพย์หนึ่งหรือสองรายการเนื่องจากค่าใช้จ่ายในการทำธุรกรรมจะกินเข้าไปในผลตอบแทนของคุณอย่างรวดเร็ว โบรกเกอร์เชิงโต้ตอบซึ่งเป็นหนึ่งในโบรกเกอร์ที่เป็นมิตรกับผู้ที่มีทักษะการเขียนโปรแกรมเนื่องจาก API มีบัญชีรายย่อยไม่ต่ำกว่า 10,000 เหรียญสหรัฐฯ ทักษะการเขียนโปรแกรมเป็นปัจจัยสำคัญในการสร้างกลยุทธ์การซื้อขายแบบอัลกอรึทึมอัตโนมัติ การมีความรู้ความเข้าใจในภาษาเขียนโปรแกรมเช่น C, Java, C, Python หรือ R จะช่วยให้คุณสามารถสร้างระบบจัดเก็บข้อมูลแบบ end-to-end, เครื่องมือทดสอบและระบบปฏิบัติงานด้วยตัวคุณเอง ซึ่งมีข้อดีหลายอย่างซึ่งหัวหน้าซึ่งเป็นความสามารถในการตระหนักถึงทุกด้านของโครงสร้างการค้าอย่างครบถ้วน นอกจากนี้ยังช่วยให้คุณสามารถสำรวจกลยุทธ์ความถี่สูงขึ้นได้ด้วยเนื่องจากคุณจะสามารถควบคุมสแต็คเทคโนโลยีของคุณได้อย่างเต็มที่ แม้ว่าจะหมายความว่าคุณสามารถทดสอบซอฟต์แวร์ของคุณเองและกำจัดข้อบกพร่องได้ แต่ก็หมายถึงเวลาที่ใช้ในการเข้ารหัสโครงสร้างพื้นฐานและไม่ใช้กลยุทธ์มากนักอย่างน้อยก็ในช่วงก่อนหน้าของอาชีพการค้าแบบอัลกอร์ของคุณ คุณอาจพบว่าคุณพอใจกับการซื้อขายใน Excel หรือ MATLAB และสามารถ outsource การพัฒนาส่วนประกอบอื่น ๆ ฉันไม่อยากแนะนำเรื่องนี้ แต่โดยเฉพาะอย่างยิ่งสำหรับการซื้อขายที่ความถี่สูง คุณต้องถามตัวเองว่าคุณหวังว่าจะบรรลุเป้าหมายด้วยการซื้อขายแบบอัลกอลิกึม คุณสนใจในรายได้ประจำโดยที่คุณหวังว่าจะดึงรายได้จากบัญชีการซื้อขายของคุณหรือคุณสนใจที่จะได้รับเงินทุนระยะยาวและสามารถจ่ายได้โดยไม่จำเป็นต้องเบิกเงินดาวน์การพึ่งพารายได้จะกำหนดความถี่ของกลยุทธ์ของคุณ . การถอนเงินรายได้เพิ่มเติมจะต้องมีกลยุทธ์การซื้อขายความถี่ที่สูงขึ้นและมีความผันผวนน้อย (เช่นอัตราส่วน Sharpe ที่สูงขึ้น) ผู้ค้าระยะยาวสามารถจ่ายเงินได้มากขึ้น สุดท้ายอย่าหลงระเริงด้วยแนวคิดเรื่องการเป็นผู้มั่งคั่งอย่างมหาศาลในระยะเวลาสั้น ๆ การค้าขายของ Algo ไม่ใช่โครงการที่ร่ำรวยอย่างรวดเร็วหากมีอะไรเกิดขึ้นอาจกลายเป็นโครงการที่ไม่ดีอย่างรวดเร็ว ต้องมีวินัยอย่างมากการวิจัยความขยันและอดทนเพื่อให้ประสบความสำเร็จในการซื้อขายแบบอัลกอลิกึม อาจใช้เวลาหลายเดือนหากไม่ใช้เวลาหลายปีในการสร้างผลกำไรที่สม่ำเสมอ การจัดหาแนวคิดการค้าอัลกอริทึมแม้จะมีการรับรู้ร่วมกันในทางตรงกันข้าม แต่ก็ค่อนข้างตรงไปตรงมาในการหากลยุทธ์การซื้อขายที่มีกำไรในโดเมนสาธารณะ ไม่เคยมีแนวคิดการซื้อขายที่พร้อมใช้งานมากกว่าที่เป็นอยู่ในปัจจุบัน วารสารทางวิชาการการเงินเซิร์ฟเวอร์ก่อนการพิมพ์บล็อกการซื้อขายฟอรัมการซื้อขายนิตยสารการค้ารายสัปดาห์และตำราผู้เชี่ยวชาญนับพันกลยุทธ์การซื้อขายที่จะนำเสนอแนวคิดของคุณต่อไป เป้าหมายของเราในฐานะนักวิจัยเชิงปริมาณคือการสร้างท่อกลยุทธ์ซึ่งจะช่วยให้เรามีกระแสความคิดในการซื้อขายอย่างต่อเนื่อง เราต้องการสร้างแนวทางที่เป็นระบบในการจัดหาการประเมินและการใช้กลยุทธ์ที่เราเจอ จุดมุ่งหมายของท่อคือการสร้างจำนวนของความคิดใหม่ ๆ ที่สม่ำเสมอและเพื่อให้เรามีกรอบในการปฏิเสธความคิดส่วนใหญ่เหล่านี้ด้วยการพิจารณาทางอารมณ์อย่างน้อย เราต้องระมัดระวังอย่างยิ่งที่จะไม่ให้อคติทางความคิดมีผลต่อวิธีการตัดสินใจของเรา นี้อาจเป็นง่ายๆเป็นมีความพึงพอใจสำหรับชั้นสินทรัพย์หนึ่งมากกว่าอื่น (ทองและโลหะมีค่าอื่น ๆ มาใจ) เนื่องจากพวกเขาจะรับรู้ว่าแปลกมากขึ้น เป้าหมายของเราควรจะหากลยุทธ์ที่ทำกำไรได้อย่างต่อเนื่องพร้อมกับคาดหวังในเชิงบวก การเลือกชั้นสินทรัพย์ควรพิจารณาจากข้อควรพิจารณาอื่น ๆ เช่นข้อ จำกัด ด้านเงินทุนค่าธรรมเนียมการเป็นนายหน้าซื้อขายหลักทรัพย์และความสามารถในการยกระดับการลงทุน หากคุณไม่คุ้นเคยกับแนวคิดของกลยุทธ์การซื้อขายอย่างสมบูรณ์สถานที่แรกที่ดูก็คือตำราที่ได้รับการยอมรับ ข้อความคลาสสิกให้ความคิดที่เรียบง่ายและตรงไปตรงมามากขึ้นซึ่งจะทำความคุ้นเคยกับการซื้อขายเชิงปริมาณ นี่คือสิ่งที่ฉันแนะนำสำหรับผู้ที่ยังใหม่กับการซื้อขายเชิงปริมาณซึ่งค่อยๆกลายเป็นความซับซ้อนมากขึ้นในขณะที่คุณทำงานผ่านรายการ: สำหรับรายการการซื้อขายเชิงปริมาณอีกต่อไปโปรดไปที่รายการการอ่าน QuantStart สถานที่ถัดไปเพื่อหากลยุทธ์ที่ซับซ้อนมากขึ้นคือการซื้อขายฟอรัมและบล็อกการซื้อขาย อย่างไรก็ตามข้อควรระวัง: บล็อกการค้าหลายแห่งขึ้นอยู่กับแนวคิดในการวิเคราะห์ทางเทคนิค การวิเคราะห์ทางเทคนิคเกี่ยวข้องกับการใช้ตัวบ่งชี้พื้นฐานและจิตวิทยาพฤติกรรมเพื่อกำหนดแนวโน้มหรือรูปแบบการกลับรายการในราคาสินทรัพย์ แม้ว่าการได้รับความนิยมอย่างมากในพื้นที่การค้าโดยรวมการวิเคราะห์ทางเทคนิคถือว่าค่อนข้างไม่ได้ผลในชุมชนการเงินเชิงปริมาณ บางคนบอกว่าไม่ดีไปกว่าการอ่านดวงชะตาหรือการศึกษาใบชาในแง่ของพลังแห่งการคาดการณ์ในความเป็นจริงมีบุคคลที่ประสบความสำเร็จในการใช้การวิเคราะห์ทางเทคนิค อย่างไรก็ตามในฐานะที่เป็น quants กับกล่องเครื่องมือทางคณิตศาสตร์และสถิติที่มีความซับซ้อนมากขึ้นในการกำจัดของเราเราสามารถประเมินประสิทธิผลของกลยุทธ์แบบ TA ดังกล่าวได้อย่างง่ายดายและใช้การตัดสินใจด้วยข้อมูลแทนที่จะเป็นพื้นฐานในการพิจารณาทางอารมณ์หรือการคาดการณ์ล่วงหน้า นี่คือรายชื่อบล็อกและฟอรัมการซื้อขายอัลกอริธึมที่เป็นที่ยอมรับนับถือ: เมื่อคุณมีประสบการณ์ในการประเมินกลยุทธ์ที่เรียบง่ายแล้วคุณต้องพิจารณาถึงข้อเสนอทางวิชาการที่ซับซ้อนมากขึ้น วารสารวิชาการบางเรื่องอาจยากที่จะเข้าถึงโดยไม่มีการสมัครสมาชิกหรือค่าใช้จ่ายเพียงครั้งเดียว หากคุณเป็นสมาชิกหรือศิษย์เก่าของมหาวิทยาลัยคุณควรสามารถเข้าถึงวารสารทางการเงินบางส่วนได้ มิเช่นนั้นคุณสามารถดูเซิร์ฟเวอร์ pre-print ได้ ซึ่งเป็นที่เก็บอินเทอร์เน็ตของบทคัดย่อของเอกสารทางวิชาการที่กำลังผ่านการตรวจสอบโดย peer เนื่องจากเราสนใจเป็นพิเศษในกลยุทธ์ที่เราสามารถทำซ้ำได้สำเร็จ backtest และได้รับผลกำไรการตรวจทานของเพื่อนมีความสำคัญน้อยกว่าสำหรับเรา ข้อเสียที่สำคัญของกลยุทธ์การศึกษาคือการที่พวกเขามักจะล้าสมัยจำเป็นต้องใช้ข้อมูลทางประวัติศาสตร์ที่คลุมเครือและมีราคาแพงการค้าในประเภทสินทรัพย์ที่ไม่มีหลักประกันหรือไม่เป็นปัจจัยที่ทำให้เกิดค่าธรรมเนียมการลื่นไถลหรือการแพร่กระจาย นอกจากนี้ยังอาจไม่ชัดเจนว่าจะมีการดำเนินกลยุทธ์การซื้อขายกับคำสั่งซื้อของตลาดคำสั่งซื้อที่ จำกัด หรือไม่ว่าจะมีการขาดทุนจากขาดทุนแบบสแตนด์อโลนเป็นต้นดังนั้นจึงจำเป็นอย่างยิ่งที่จะต้องจำลองกลยุทธ์ด้วยตัวคุณเองให้ดีที่สุดเท่าที่จะเป็นไปได้ทำเป็นเอกสารหลังสุดและเพิ่มธุรกรรมที่สมจริง นี่เป็นรายการของเซิร์ฟเวอร์ pre-print และวารสารทางการเงินที่เป็นที่นิยมมากขึ้นซึ่งคุณสามารถนำมาใช้ประโยชน์ได้จาก: สิ่งที่เกี่ยวกับการสร้างกลยุทธ์เชิงปริมาณของคุณเอง ความเชี่ยวชาญเฉพาะด้านในประเภทใดประเภทหนึ่งหรือหลายประเภทดังต่อไปนี้โครงสร้างจุลภาคของตลาด - สำหรับกลยุทธ์ความถี่สูง ๆ โดยเฉพาะอย่างยิ่งสามารถใช้โครงสร้างจุลภาคในตลาดได้ กล่าวคือเข้าใจเกี่ยวกับพลวัตหนังสือสั่งซื้อเพื่อสร้างผลกำไร ตลาดที่แตกต่างกันจะมีข้อ จำกัด ด้านเทคโนโลยีข้อบังคับนักลงทุนในตลาดและข้อ จำกัด ต่างๆที่เปิดกว้างสำหรับการแสวงหาผลประโยชน์โดยใช้กลยุทธ์เฉพาะ นี่เป็นพื้นที่ที่มีความซับซ้อนมากและผู้ค้าปลีกจะพบว่ายากที่จะสามารถแข่งขันได้ในพื้นที่นี้โดยเฉพาะอย่างยิ่งเมื่อการแข่งขันประกอบด้วยกองทุนเฮดจ์ฟันด์เชิงปริมาณขนาดใหญ่ที่มีทุนจดทะเบียนสูงและมีความสามารถด้านเทคโนโลยีที่แข็งแกร่ง โครงสร้างกองทุน - กองทุนรวมที่ลงทุนเช่นกองทุนบำเหน็จบำนาญข้าราชการหุ้นส่วนการลงทุนภาคเอกชน (กองทุนป้องกันความเสี่ยง) ที่ปรึกษาการซื้อขายสินค้าโภคภัณฑ์และกองทุนรวมมีข้อ จำกัด ทั้งจากกฎระเบียบที่เข้มงวดและทุนสำรองที่มีขนาดใหญ่ ดังนั้นพฤติกรรมที่สอดคล้องกันบางอย่างสามารถใช้ประโยชน์กับผู้ที่มีความว่องไวมากขึ้น ตัวอย่างเช่นกองทุนขนาดใหญ่อาจมีข้อ จำกัด ด้านกำลังการผลิตอันเนื่องมาจากขนาดของโครงการ ดังนั้นหากจำเป็นต้องลดปริมาณ (ขาย) ปริมาณของหลักทรัพย์อย่างรวดเร็วพวกเขาจะต้องเดินโซเซเพื่อหลีกเลี่ยงการเคลื่อนย้ายตลาด อัลกอริทึมที่ซับซ้อนสามารถใช้ประโยชน์จากสิ่งนี้และความเฉพาะเจาะจงอื่น ๆ ในกระบวนการทั่วไปที่เรียกว่าการเก็งกำไรโครงสร้างของกองทุน กลไกการเรียนรู้ของเครื่องจักรได้กลายเป็นที่แพร่หลายมากขึ้นในช่วงหลายปีที่ผ่านมาในตลาดการเงิน (ขั้นตอนวิธีทางพันธุกรรม) และการเพิ่มประสิทธิภาพ (ขั้นตอนวิธีทางพันธุกรรม) ได้ถูกนำมาใช้เพื่อคาดการณ์เส้นทางสินทรัพย์หรือเพิ่มประสิทธิภาพกลยุทธ์การซื้อขาย หากคุณมีพื้นหลังในบริเวณนี้คุณอาจมีข้อมูลเชิงลึกเกี่ยวกับวิธีการใช้อัลกอริทึมเฉพาะกับบางตลาด มีพื้นที่อื่น ๆ อีกมากมายสำหรับ quants เพื่อตรวจสอบ คุยกันถึงวิธีการกำหนดกลยุทธ์ในรายละเอียดในบทความในภายหลัง ด้วยการติดตามตรวจสอบแหล่งข้อมูลเหล่านี้เป็นประจำทุกสัปดาห์หรือแม้กระทั่งทุกวันคุณจะกำหนดตัวเองเพื่อรับรายการกลยุทธ์ที่สอดคล้องกันจากหลากหลายแหล่งข้อมูล The next step is to determine how to reject a large subset of these strategies in order to minimise wasting your time and backtesting resources on strategies that are likely to be unprofitable. Evaluating Trading Strategies The first, and arguably most obvious consideration is whether you actually understand the strategy . Would you be able to explain the strategy concisely or does it require a string of caveats and endless parameter lists In addition, does the strategy have a good, solid basis in reality For instance, could you point to some behavioural rationale or fund structure constraint that might be causing the pattern(s) you are attempting to exploit Would this constraint hold up to a regime change, such as a dramatic regulatory environment disruption Does the strategy rely on complex statistical or mathematical rules Does it apply to any financial time series or is it specific to the asset class that it is claimed to be profitable on You should constantly be thinking about these factors when evaluating new trading methods, otherwise you may waste a significant amount of time attempting to backtest and optimise unprofitable strategies. Once you have determined that you understand the basic principles of the strategy you need to decide whether it fits with your aforementioned personality profile. This is not as vague a consideration as it sounds Strategies will differ substantially in their performance characteristics. There are certain personality types that can handle more significant periods of drawdown, or are willing to accept greater risk for larger return. Despite the fact that we, as quants, try and eliminate as much cognitive bias as possible and should be able to evaluate a strategy dispassionately, biases will always creep in. Thus we need a consistent, unemotional means through which to assess the performance of strategies. Here is the list of criteria that I judge a potential new strategy by: Methodology - Is the strategy momentum based, mean-reverting, market-neutral, directional Does the strategy rely on sophisticated (or complex) statistical or machine learning techniques that are hard to understand and require a PhD in statistics to grasp Do these techniques introduce a significant quantity of parameters, which might lead to optimisation bias Is the strategy likely to withstand a regime change (i. e. potential new regulation of financial markets) Sharpe Ratio - The Sharpe ratio heuristically characterises the rewardrisk ratio of the strategy. It quantifies how much return you can achieve for the level of volatility endured by the equity curve. Naturally, we need to determine the period and frequency that these returns and volatility (i. e. standard deviation) are measured over. A higher frequency strategy will require greater sampling rate of standard deviation, but a shorter overall time period of measurement, for instance. Leverage - Does the strategy require significant leverage in order to be profitable Does the strategy necessitate the use of leveraged derivatives contracts (futures, options, swaps) in order to make a return These leveraged contracts can have heavy volatility characterises and thus can easily lead to margin calls . Do you have the trading capital and the temperament for such volatility Frequency - The frequency of the strategy is intimately linked to your technology stack (and thus technological expertise), the Sharpe ratio and overall level of transaction costs. All other issues considered, higher frequency strategies require more capital, are more sophisticated and harder to implement. However, assuming your backtesting engine is sophisticated and bug-free, they will often have far higher Sharpe ratios. Volatility - Volatility is related strongly to the risk of the strategy. The Sharpe ratio characterises this. Higher volatility of the underlying asset classes, if unhedged, often leads to higher volatility in the equity curve and thus smaller Sharpe ratios. I am of course assuming that the positive volatility is approximately equal to the negative volatility. Some strategies may have greater downside volatility. You need to be aware of these attributes. WinLoss, Average ProfitLoss - Strategies will differ in their winloss and average profitloss characteristics. One can have a very profitable strategy, even if the number of losing trades exceed the number of winning trades. Momentum strategies tend to have this pattern as they rely on a small number of big hits in order to be profitable. Mean-reversion strategies tend to have opposing profiles where more of the trades are winners, but the losing trades can be quite severe. Maximum Drawdown - The maximum drawdown is the largest overall peak-to-trough percentage drop on the equity curve of the strategy. Momentum strategies are well known to suffer from periods of extended drawdowns (due to a string of many incremental losing trades). Many traders will give up in periods of extended drawdown, even if historical testing has suggested this is business as usual for the strategy. You will need to determine what percentage of drawdown (and over what time period) you can accept before you cease trading your strategy. This is a highly personal decision and thus must be considered carefully. CapacityLiquidity - At the retail level, unless you are trading in a highly illiquid instrument (like a small-cap stock), you will not have to concern yourself greatly with strategy capacity . Capacity determines the scalability of the strategy to further capital. Many of the larger hedge funds suffer from significant capacity problems as their strategies increase in capital allocation. Parameters - Certain strategies (especially those found in the machine learning community) require a large quantity of parameters. Every extra parameter that a strategy requires leaves it more vulnerable to optimisation bias (also known as curve-fitting). You should try and target strategies with as few parameters as possible or make sure you have sufficient quantities of data with which to test your strategies on. Benchmark - Nearly all strategies (unless characterised as absolute return) are measured against some performance benchmark. The benchmark is usually an index that characterises a large sample of the underlying asset class that the strategy trades in. If the strategy trades large-cap US equities, then the SP500 would be a natural benchmark to measure your strategy against. You will hear the terms alpha and beta, applied to strategies of this type. We will discuss these coefficients in depth in later articles. Notice that we have not discussed the actual returns of the strategy. Why is this In isolation, the returns actually provide us with limited information as to the effectiveness of the strategy. They dont give you an insight into leverage, volatility, benchmarks or capital requirements. Thus strategies are rarely judged on their returns alone. Always consider the risk attributes of a strategy before looking at the returns. At this stage many of the strategies found from your pipeline will be rejected out of hand, since they wont meet your capital requirements, leverage constraints, maximum drawdown tolerance or volatility preferences. The strategies that do remain can now be considered for backtesting . However, before this is possible, it is necessary to consider one final rejection criteria - that of available historical data on which to test these strategies. Obtaining Historical Data Nowadays, the breadth of the technical requirements across asset classes for historical data storage is substantial. In order to remain competitive, both the buy-side (funds) and sell-side (investment banks) invest heavily in their technical infrastructure. It is imperative to consider its importance. In particular, we are interested in timeliness, accuracy and storage requirements. I will now outline the basics of obtaining historical data and how to store it. Unfortunately this is a very deep and technical topic, so I wont be able to say everything in this article. However, I will be writing a lot more about this in the future as my prior industry experience in the financial industry was chiefly concerned with financial data acquisition, storage and access. In the previous section we had set up a strategy pipeline that allowed us to reject certain strategies based on our own personal rejection criteria. In this section we will filter more strategies based on our own preferences for obtaining historical data. The chief considerations (especially at retail practitioner level) are the costs of the data, the storage requirements and your level of technical expertise. We also need to discuss the different types of available data and the different considerations that each type of data will impose on us. Lets begin by discussing the types of data available and the key issues we will need to think about: Fundamental Data - This includes data about macroeconomic trends, such as interest rates, inflation figures, corporate actions (dividends, stock-splits), SEC filings, corporate accounts, earnings figures, crop reports, meteorological data etc. This data is often used to value companies or other assets on a fundamental basis, i. e. via some means of expected future cash flows. It does not include stock price series. Some fundamental data is freely available from government websites. Other long-term historical fundamental data can be extremely expensive. Storage requirements are often not particularly large, unless thousands of companies are being studied at once. News Data - News data is often qualitative in nature. It consists of articles, blog posts, microblog posts (tweets) and editorial. Machine learning techniques such as classifiers are often used to interpret sentiment . This data is also often freely available or cheap, via subscription to media outlets. The newer NoSQL document storage databases are designed to store this type of unstructured, qualitative data. Asset Price Data - This is the traditional data domain of the quant. It consists of time series of asset prices. Equities (stocks), fixed income products (bonds), commodities and foreign exchange prices all sit within this class. Daily historical data is often straightforward to obtain for the simpler asset classes, such as equities. However, once accuracy and cleanliness are included and statistical biases removed, the data can become expensive. In addition, time series data often possesses significant storage requirements especially when intraday data is considered. Financial Instruments - Equities, bonds, futures and the more exotic derivative options have very different characteristics and parameters. Thus there is no one size fits all database structure that can accommodate them. Significant care must be given to the design and implementation of database structures for various financial instruments. We will discuss the situation at length when we come to build a securities master database in future articles. Frequency - The higher the frequency of the data, the greater the costs and storage requirements. For low-frequency strategies, daily data is often sufficient. For high frequency strategies, it might be necessary to obtain tick-level data and even historical copies of particular trading exchange order book data. Implementing a storage engine for this type of data is very technologically intensive and only suitable for those with a strong programmingtechnical background. Benchmarks - The strategies described above will often be compared to a benchmark . This usually manifests itself as an additional financial time series. For equities, this is often a national stock benchmark, such as the SP500 index (US) or FTSE100 (UK). For a fixed income fund, it is useful to compare against a basket of bonds or fixed income products. The risk-free rate (i. e. appropriate interest rate) is also another widely accepted benchmark. All asset class categories possess a favoured benchmark, so it will be necessary to research this based on your particular strategy, if you wish to gain interest in your strategy externally. Technology - The technology stacks behind a financial data storage centre are complex. This article can only scratch the surface about what is involved in building one. However, it does centre around a database engine, such as a Relational Database Management System (RDBMS), such as MySQL, SQL Server, Oracle or a Document Storage Engine (i. e. NoSQL). This is accessed via business logic application code that queries the database and provides access to external tools, such as MATLAB, R or Excel. Often this business logic is written in C, C, Java or Python. You will also need to host this data somewhere, either on your own personal computer, or remotely via internet servers. Products such as Amazon Web Services have made this simpler and cheaper in recent years, but it will still require significant technical expertise to achieve in a robust manner. As can be seen, once a strategy has been identified via the pipeline it will be necessary to evaluate the availability, costs, complexity and implementation details of a particular set of historical data. You may find it is necessary to reject a strategy based solely on historical data considerations. This is a big area and teams of PhDs work at large funds making sure pricing is accurate and timely. Do not underestimate the difficulties of creating a robust data centre for your backtesting purposes I do want to say, however, that many backtesting platforms can provide this data for you automatically - at a cost. Thus it will take much of the implementation pain away from you, and you can concentrate purely on strategy implementation and optimisation. Tools like TradeStation possess this capability. However, my personal view is to implement as much as possible internally and avoid outsourcing parts of the stack to software vendors. I prefer higher frequency strategies due to their more attractive Sharpe ratios, but they are often tightly coupled to the technology stack, where advanced optimisation is critical. Now that we have discussed the issues surrounding historical data it is time to begin implementing our strategies in a backtesting engine. This will be the subject of other articles, as it is an equally large area of discussion Just Getting Started with Quantitative Trading