Estratégias de negociação baseadas em carteira de pedidos.
Nos últimos anos, os pedidos de limite eletrônico, que coletam pedidos de limite de entrada e correspondem automaticamente às ordens de mercado contra a melhor ordem de limite disponível, foram introduzidos por quase todas as principais bolsas de valores. A introdução de livros de ordens limitadas mudou significativamente as estratégias de negociação, à medida que a velocidade de negociação aumentou drasticamente e os traders têm a escolha entre diferentes tipos de pedidos, o que automaticamente impõe a questão de qual deles deve ser usado e sob quais condições. Isso representa uma grande quantidade de dados financeiros eletrônicos que podem ser armazenados e processados para explorar padrões subjacentes. As instituições financeiras estão usando esses dados para criar vantagem para eles no mercado. Uma das aplicações são as estratégias de negociação automatizadas que usam esses padrões para negociar com vantagem competitiva.
Analise os dados do histórico de pedidos de limite e tente encontrar padrões, que possam ser reutilizados na criação de futuras estratégias de negociação algorítmica ou na engenharia reversa. Para conseguir o que precisamos, vamos usar algoritmos genéticos para diferentes estratégias de negociação.
Candidatar-se ao TotalView-ITCH histórico do LOBSTER / TradingPhysics NASDAQ. Análise dos conjuntos de dados de amostra disponíveis (7 a 10 dias)
Treinamento + Mecanismo do sistema (analisador, analisador, processador de dados) básico (4 semanas).
2.1 Algoritmos Genéticos (descrição do Vidor)
2.2 Especifique interfaces e necessidades do nosso System Engine.
2.3 Iniciando a implementação do nosso System Engine.
Conclusão do mecanismo do sistema para testar diferentes algoritmos / estratégias (1 semana)
4. Implementação de algoritmos e estratégias em simulações com dados históricos (1 semana)
4.1 Iniciando a implementação de diferentes algoritmos de negociação.
4.2 Iniciar a implementação de estratégias baseadas em algoritmos de negociação.
5. Otimização, teste e avaliação do sistema final (1 semana)
5.1 Teste e otimização de algoritmos de negociação.
5.2 Avaliação dos resultados das estratégias de negociação e do sistema final.
Obteremos os dados da seguinte maneira:
A LOBSTER oferece dados de limite de pedidos derivados dos arquivos Historical TotalView-ITCH da NASDAQ somente para pesquisa acadêmica. (Lobster. wiwi. hu-berlin. de/info/help_faq_general. php)
Como ingressar na LOBSTER: lobster. wiwi. hu-berlin. de/info/HowToJoin. php.
O processo pode levar até duas semanas. No entanto, existem conjuntos de dados de amostra fornecidos que podem ser usados para começar. O preço é de 300 EUR excl. IVA, a pagar antecipadamente. Esta é uma taxa anual mais um bloco de crédito pré-pago (por exemplo, 100 dias de um nível de ação (por exemplo, Amazon) 10 (4 vezes mais dias para dados de nível 1).
Já fez uma consulta para acesso gratuito aos arquivos históricos do TotalView-ITCH. Esperando pelo replay. (tradingphysics / Feeds / DownloadHistoricalItch. aspx). Preço normal para dados derivados e brutos ilimitados - US $ 199,95. OU 500 Créditos - US $ 99,95 para até 500 downloads de arquivos históricos (
Algoritmos Genéticos e Estratégias Evolutivas.
Muitas estratégias de negociação estão por aí. Para a maioria deles é alegado que eles são bem sucedidos, embora ainda não exista uma estratégia final que todos usam. (Existem teorias que sugerem que tal algoritmo não pode existir.)
A fim de fazer uso de todas as estratégias, usaremos algoritmos genéticos e estratégias evolutivas para encontrar o algoritmo mais eficiente, que é talvez uma mistura de muitos outros algoritmos. Para obter nosso algoritmo, precisamos:
1. Colete o máximo possível de algoritmos de negociação, estratégias que pudermos.
2. Implemente-os (ou alguns deles) como benchmarks, para que possamos comparar nosso algoritmo derivado com eles.
3. Encontre uma maneira de extrair os recursos deles. É essencial ser capaz de discernir os recursos, pois cada um deles representará um cromossomo em nossa evolução.
4. Construa um sistema no qual possamos executar a evolução (já existe um kit de ferramentas de algoritmo genético baseado em scala, do qual podemos fazer uso). Além disso, teremos que garantir que o conjunto de recursos seja facilmente modificável. Com o tempo, podemos adicionar novos recursos derivados de novas estratégias de negociação exatas ou novas possibilidades devido a novos dados.
4.a. a disponibilidade dos dados determinará que tipo de estratégias podemos usar.
Se o período de tempo for curto, não podemos avaliar as estratégias de longo prazo, já que na evolução temos que calcular a adequação da população, e teremos que ter gerações suficientes para descobrir uma boa estratégia.
Se pudermos obter apenas preços diários, não poderemos implementar tantos algoritmos quanto pudéssemos se tivéssemos um dado do livro de pedidos.
4.b. Existem estratégias que usam, por exemplo, a análise de sentimentos de notícias, tweets, ou tirar conclusões pelo volume de pesquisas em algumas palavras-chave no google. Apesar de não nos concentrarmos nesta parte, teremos uma interface comum com outras equipes, que estão trabalhando nisso. Dessa forma, poderemos fazer uso de seu progresso.
5. Invente novas ideias para melhorar as estratégias. Por exemplo, descubra como avaliar uma adequação da estratégia de longo prazo em comparação com uma estratégia de curto prazo, ou para tornar algumas características mais relevantes se for provado que sua contribuição é maior para o sucesso do que outra.
6. Como sempre neste tipo de projetos, não podemos prever como o nosso investimento mudaria a estrutura do mercado e o movimento de preços. Mas este não é o escopo do nosso projeto.
Dados financeiros estão disponíveis, mas muitas vezes são muito caros (a exceção é a LOBSTER para pesquisa acadêmica)
Há algumas dúvidas sobre o uso de técnicas de aprendizado de máquina na análise dos mercados financeiros (www-stat. wharton. upenn. edu/
As estratégias de negociação baseadas em dados do livro de ordens não levam em consideração a transação estabelecida em dark pools. Estas são principalmente grandes transações que teriam um grande impacto no mercado (manequins / como fazer / conteúdo / investigar-o-encomendar-livro-para-uptotheminute-stock. html)
Visualização de dados dos resultados coletados. Integração da análise de notícias de sentimentos em nosso sistema. Aplicação de estratégias de negociação em dados em tempo real.
& # 65279; Atualmente, somos 6 pessoas neste projeto.
Alexios Voulimeneas (comunicação com outras equipes para interface comum)
As habilidades necessárias para este projeto são Data Mining, Machine Learning, algumas estatísticas, Java, Scala, Hadoop / Spark.
No início, todos nós nos concentraremos na coleta de dados e na busca de diferentes estratégias de negociação que possam ser implementadas. Assim que fizermos isso, vamos nos separar e todos terão sua própria atribuição, alguns trabalharão no aprendizado de máquina e outros se concentrarão na criação do mecanismo do sistema.
No momento, não podemos fornecer um plano detalhado de requisitos de recursos. No entanto, temos certeza de que não precisaremos de processamento paralelo pesado em tempo real. Vamos criar nossos algoritmos e fazer a mineração de dados de forma paralela, que pode ser executada poucas vezes em um cluster. É claro que também usaremos nossas máquinas locais para que possamos fazer testes em conjuntos de dados menores.
Aprimorando Estratégias de Negociação com os Sinais do Livro de Ordens.
38 Pages Publicado: 3 Out 2015 Última revisão: 14 Oct 2015.
Álvaro Cartea.
Universidade de Oxford; Universidade de Oxford - Oxford-Man Institute of Quantitative Finance.
Ryan Francis Donnelly.
Universidade de Washington - Departamento de Matemática Aplicada.
Sebastian Jaimungal.
Universidade de Toronto - Departamento de Estatística.
Data de Escrita: 1 de outubro de 2015.
Utilizamos dados de alta frequência da bolsa Nasdaq para construir uma medida de desequilíbrio de volume no livro de pedidos de limite (LOB). Mostramos que nossa medida é um bom preditor do sinal da próxima ordem de mercado (MO), ou seja, comprar ou vender, e também ajuda a prever mudanças de preço imediatamente após a chegada de um MO. Com base nesses resultados empíricos, introduzimos e calibramos um modelo de salto puro modulado por cadeia de Markov de preço, spread, chegadas LO e MO e desequilíbrio de volume. Como uma aplicação do modelo, colocamos e resolvemos um problema de controle estocástico para um agente que maximiza a riqueza terminal, sujeito a penalidades de estoque, executando operações usando LOs. Utilizamos dados amostrais (janeiro a junho de 2014) para calibrar o modelo para dez ações negociadas na bolsa Nasdaq e usamos dados fora da amostra (julho a dezembro de 2014) para testar o desempenho da estratégia. Mostramos que a introdução da medida de desequilíbrio de volume no problema de otimização aumenta consideravelmente os lucros da estratégia. Os lucros aumentam porque o uso de nossa medida de desequilíbrio reduz os custos de seleção adversos e posiciona os LOs no livro para aproveitar os movimentos favoráveis de preços.
Palavras-chave: desequilíbrio de ordem, negociação algorítmica, negociação de alta frequência, fluxo de pedidos, criação de mercado, seleção adversa.
Principais indicadores técnicos para uma estratégia de negociação de escalpelamento.
Os cambistas buscam lucrar com pequenos movimentos do mercado, aproveitando uma fita que nunca fica parada durante o dia de mercado. Durante anos, essa multidão de dedos rápidos se baseou nas telas bid / ask de nível II para localizar sinais de compra e venda, lendo os desequilíbrios de oferta e demanda da Oferta e Melhor Oferta Nacional (NBBO) ou o preço de compra e venda que a pessoa comum vê. Eles comprariam quando a demanda fosse estabelecida no lado da oferta ou vendessem quando a oferta fosse estabelecida no lado da solicitação, reservando um lucro ou perda minutos depois, assim que as condições equilibradas retornassem ao spread.
Essa metodologia funciona de maneira menos confiável em nossos modernos mercados eletrônicos por três razões. Primeiro, a carteira de encomendas esvaziou-se permanentemente após o crash de 2010, porque as encomendas foram alvo de destruição naquele dia caótico, forçando os gestores de fundos a mantê-los fora do mercado ou executá-los em locais secundários. Em segundo lugar, a negociação de alta frequência (HFT) agora domina transações intraday, gerando dados altamente flutuantes que prejudicam a interpretação da profundidade do mercado. Finalmente, a maioria dos negócios agora ocorre fora das trocas em dark pools que não são reportados em tempo real.
Scalpers pode enfrentar o desafio desta era com três indicadores técnicos customizados para oportunidades de curto prazo. Os sinais usados por essas ferramentas em tempo real são semelhantes aos usados para estratégias de mercado de longo prazo, mas são aplicados a gráficos de dois minutos. Eles funcionam melhor quando a tendência é forte ou a ação com limite de alcance controla a fita intraday; eles não funcionam tão bem durante períodos de conflito ou confusão.
Você saberá que as condições estão em vigor quando você está sendo prejudicado por perdas em um ritmo maior do que o normalmente apresentado em sua típica curva de lucros e perdas. Leia mais para mais sobre esses sinais. (Para leitura relacionada, consulte: Introdução à negociação: escalpelos, compreensão da fita do ticker e as noções básicas da distribuição bid-ask.)
Movendo a estratégia média de entrada da fita.
Coloque uma combinação 5-8-13 SMA no gráfico de dois minutos para identificar tendências fortes que podem ser compradas ou vendidas a descoberto em contra-ataques, bem como para receber um aviso de mudanças de tendência iminentes que são inevitáveis em um dia típico de mercado. Esta estratégia de negociação do couro cabeludo é fácil de dominar. A faixa 5-8-13 irá alinhar, apontando para cima ou para baixo, durante as fortes tendências que mantêm os preços colados ao SMA de 5 ou 8 barras. Penetrações no sinal de 13-bar SMA diminuindo o momento que favorece um intervalo ou reversão. A fita fica plana durante essas variações e o preço pode cruzar a fita com freqüência. O cambista observa então o realinhamento, com as fitas girando para cima ou para baixo e se espalhando, mostrando mais espaço entre cada linha. Este pequeno padrão desencadeia a compra ou venda de sinal de curta duração. (Para mais, veja: Reversões de mercado e como localizá-las.)
Força Relativa / Estratégia de Saída de Fraqueza.
Como o scalper sabe quando obter lucros ou cortar perdas? 5-3-3 Estocásticos e um desvio de 13-bar, 3-padrão (SD) O Bollinger Band usado em combinação com sinais de fita em gráficos de dois minutos funciona bem em mercados ativos, como fundos de índice, componentes da Dow e outros questões como a Apple (AAPL). Os melhores comércios de fita são configurados quando o Stochastics aumenta o seu nível de sobrevenda ou diminui a partir do nível de sobrecompra. Da mesma forma, uma saída imediata é necessária quando o indicador cruza e rola contra sua posição após um empuxo lucrativo. (Para obter mais insights, consulte: Quais são os melhores indicadores para identificar estoques de sobrecompra e sobrevenda?)
Tempo que sai mais precisamente observando a interação da banda com o preço. Leve o lucro para as penetrações de banda, porque elas prevêem que a tendência será lenta ou reversa; as estratégias de escalpelamento não podem se dar ao luxo de ficar por meio de retrocessos de qualquer tipo. Saia também na hora certa se um impulso de preço não alcançar a banda, mas o Stochastics for lançado, o que lhe dirá para sair.
Quando estiver satisfeito com o fluxo de trabalho e a interação entre os elementos técnicos, sinta-se à vontade para ajustar o desvio padrão para 4SD ou menos para 2SD, para considerar as alterações diárias na volatilidade. Melhor ainda, sobreponha as bandas adicionais ao seu gráfico atual para obter uma variedade maior de sinais. (Para saber mais sobre outros indicadores de banda que podem orientar seus negócios, consulte: Capturar lucros usando bandas e canais.)
Escalonamento de vários gráficos.
Por fim, abra um gráfico de 15 minutos sem indicadores para acompanhar as condições de fundo que podem afetar seu desempenho intradiário. Adicione três linhas, uma para a impressão de abertura e duas para a alta e a baixa da faixa de negociação configuradas nos primeiros 45 a 90 minutos da sessão. Observe a ação do preço nesses níveis, pois eles também configuram sinais de compra ou venda de dois minutos em escala maior. Na verdade, você descobrirá que seus maiores lucros durante o pregão ocorrem quando os escalpos se alinham aos níveis de suporte e resistência no gráfico de 15 minutos, 60 minutos ou diário. (Para mais, veja: Negociando com suporte e resistência.)
The Bottom Line.
Os cambistas não podem mais confiar na análise de profundidade do mercado em tempo real para obter os sinais de compra e venda de que precisam para registrar vários pequenos lucros em um dia de negociação típico. Felizmente, eles podem se adaptar ao ambiente eletrônico moderno e usar os indicadores técnicos analisados acima, que são ajustados de acordo com prazos muito pequenos. (Para mais, veja: Scalping como um Trader Novato.)
Desequilíbrio de ordem.
DEFINIÇÃO de 'Desequilíbrio de Ordem'
O desequilíbrio de pedidos é uma situação resultante de um excesso de ordens de compra ou venda de um título específico em uma bolsa de valores, impossibilitando a correspondência entre as ordens dos compradores e dos vendedores. Para os títulos que são supervisionados por um criador de mercado ou especialista, as ações podem ser trazidas de uma reserva especificada para adicionar liquidez, eliminando temporariamente pedidos em excesso do estoque para que a negociação no título possa ser retomada em um nível ordenado. Casos extremos de desequilíbrio de ordem podem causar a suspensão da negociação até que o desequilíbrio seja resolvido.
Desequilíbrio de Ordens.
Ordem de compensação de fechamento (CO).
Preço de partida indicativo.
Indicador de Desequilíbrio de Pedido Líquido (NOII)
QUEBRANDO "Desequilíbrio de Ordem"
Os desequilíbrios de pedidos podem ocorrer com frequência quando uma grande notícia atinge uma ação, como lançamento de resultados, mudança de orientação ou atividade de fusão e aquisição. Desequilíbrios podem mover títulos para o lado positivo ou para baixo, mas a maioria dos desequilíbrios são resolvidos dentro de alguns minutos ou horas em uma sessão diária. Títulos menores e menos líquidos podem ter desequilíbrios que duram mais do que um único pregão, porque há menos ações nas mãos de menos pessoas.
Os investidores podem se proteger contra as mudanças voláteis de preço que podem surgir dos desequilíbrios de pedidos usando ordens de limite ao fazer negociações, em vez de ordens de mercado.
Como desequilíbrios de ordem se relacionam com outras atividades de negociação.
Outros incidentes que podem levar a desequilíbrios de pedidos incluem vazamentos de informações ou rumores que têm o potencial de afetar as ações de uma empresa pública. Por exemplo, pode haver legislação ganhando impulso que possa afetar as operações e o modelo de negócios da empresa. As empresas que usam tecnologias e plataformas mais novas que ultrapassaram as leis existentes podem ser particularmente suscetíveis a isso, à medida que os reguladores tentam recuperar o atraso e, no processo, introduzem regras que podem reduzir suas margens de lucro.
À medida que cada dia de negociação chega ao fim, os desequilíbrios nos pedidos podem surgir à medida que os investidores correm para fechar as ações perto do preço de fechamento. Isso pode entrar especialmente em jogo se o preço das ações for visto com um desconto naquele dia de negociação em particular.
Os investidores que quiserem evitar esses desequilíbrios de ordens podem tentar agendar seus pedidos antes da onda de compradores e vendedores que podem entrar.
Se houver notificação de um desequilíbrio de pedidos com muitos pedidos do comprador, os detentores das ações poderão aproveitar a oportunidade para vender algumas de suas ações e aproveitar o aumento da demanda. A expectativa é de que eles possam ver um lucrativo retorno do investimento com os preços potencialmente mais altos. Por outro lado, os compradores podem tentar aproveitar uma superabundância de ordens de venda.
Aprimorando Estratégias de Negociação com os Sinais do Livro de Ordens.
38 Pages Publicado: 3 Out 2015 Última revisão: 14 Oct 2015.
Álvaro Cartea.
Universidade de Oxford; Universidade de Oxford - Oxford-Man Institute of Quantitative Finance.
Ryan Francis Donnelly.
Universidade de Washington - Departamento de Matemática Aplicada.
Sebastian Jaimungal.
Universidade de Toronto - Departamento de Estatística.
Data de Escrita: 1 de outubro de 2015.
Utilizamos dados de alta frequência da bolsa Nasdaq para construir uma medida de desequilíbrio de volume no livro de pedidos de limite (LOB). Mostramos que nossa medida é um bom preditor do sinal da próxima ordem de mercado (MO), ou seja, comprar ou vender, e também ajuda a prever mudanças de preço imediatamente após a chegada de um MO. Com base nesses resultados empíricos, introduzimos e calibramos um modelo de salto puro modulado por cadeia de Markov de preço, spread, chegadas LO e MO e desequilíbrio de volume. Como uma aplicação do modelo, colocamos e resolvemos um problema de controle estocástico para um agente que maximiza a riqueza terminal, sujeito a penalidades de estoque, executando operações usando LOs. Utilizamos dados amostrais (janeiro a junho de 2014) para calibrar o modelo para dez ações negociadas na bolsa Nasdaq e usamos dados fora da amostra (julho a dezembro de 2014) para testar o desempenho da estratégia. Mostramos que a introdução da medida de desequilíbrio de volume no problema de otimização aumenta consideravelmente os lucros da estratégia. Os lucros aumentam porque o uso de nossa medida de desequilíbrio reduz os custos de seleção adversos e posiciona os LOs no livro para aproveitar os movimentos favoráveis de preços.
Palavras-chave: desequilíbrio de ordem, negociação algorítmica, negociação de alta frequência, fluxo de pedidos, criação de mercado, seleção adversa.
Negociação Quantitativa.
Investimento quantitativo e idéias de negociação, pesquisa e análise.
Quinta-feira, 24 de outubro de 2013.
Quão útil é o fluxo de pedidos e o VPIN?
31 comentários:
Confira a recente literatura acadêmica sobre esse tema - o conceito de v p n n foi desbancado por econometras bem conhecidos.
Obrigado pela sua contribuição. Você tem um link para um artigo relevante para desmascará-lo?
As barras de volume são um conceito interessante, elas contêm informações muito mais ricas do que apenas as barras de tempo sozinhas. As barras de volume naturalmente provam o preço mais rapidamente em partes importantes do dia.
Marcos Lopez de Prado, um dos criadores da VPIN, tem muitos vídeos que ele alega serem em tempo real (you tube). mas eu não vi ninguém replicar os mesmos resultados ainda.
Re: barras de volume, eu fiz um breve estudo dos comercios SPY ordenados por contagem de ticks (nao soma de volume), para normalidade:
As lojas de HFT que possuem bons modelos preditivos (ou seja, estão freqüentemente negociando de maneira direcional) são muito mais sofisticadas que o VPIN. Eles negociam no fluxo de pedidos (entre outras coisas), mas em um complexo profundamente derivado de conjuntos de dados massivos, toneladas de poder de computação e tecnologia de aprendizado de máquina de última geração.
Dica de chapéu para um leitor Mark que compartilhou conosco estes 2 trabalhos:
Sim, eu concordo que retornos baseados em barras de volume são mais normalmente distribuídos do que aqueles baseados em barras de tempo.
Obrigado pela sua contribuição!
Ernie, obrigado pela sua resposta.
O principal custo de transação é o spread bid-ask, que para ES é de aproximadamente 2 bps para uma viagem de ida e volta. Comissões, taxa de câmbio, taxa de regulamentação totalizam cerca de 0,3 bps em uma conta de varejo. Então você precisa de um lucro por negociação de cerca de 1,3 bps.
Obrigado novamente Ernie!
A margem do portfólio do IB é baseada na composição exata do seu portfólio. Então, sim, é teoricamente possível obter x6 intraday e / ou alavancagem overnight com constituintes muito seguros (por exemplo, ETF longo-curto de grande capitalização). Mas tudo depende da execução de seu modelo de risco em seu portfólio específico.
Posso perguntar qual é esse provedor de terceiros? Qual feed de dados em tempo real é estável e barato?
Eu acho que não posso pagar a Bloomberg agora.
Foi-me dito que o IQFeed é bom.
Mesmo no Filtro de Kalman, você ainda precisa de um conjunto de treinamento separado para os parâmetros que definem as distribuições iniciais do estado e das variáveis observadas.
Eu pessoalmente não usei o IQFeed, então não sei se eles fornecem dados de troca primária. Se o fizerem, tenho certeza de que ele deve estar disponível tanto para barras de 1 minuto quanto para preços EOD.
Isso significa que podemos obter barras históricas de 1 minuto diretamente de & quot; NYSE & quot; ou "NASDAQ"?
Na verdade, não acredito que o IB permita que você faça o download dos dados de troca primários. Não tenho certeza se definir exchange = NYSE funcionará para dados históricos.
Eu tenho um sistema de negociação baseado em alguns indicadores técnicos e agora gostaria de configurar um algoritmo de negociação quantitativo para que ele possa negociar mais rápido. Você sugeriria alguém com quem eu possa trabalhar?
Meu associado trabalha nesses projetos. Por favor me mande um email para que eu possa conectar vocês dois.
Eu levaria o outro lado para todos vocês, idiotas. Você está sempre olhando para a coisa errada nos lugares errados. Vpin, modelos de computador. Quem programa os modelos que você mupets. Negociação Negociação adequada é feita por pessoas. Existe a sua maior e única pista.
Oi Ernie ... acho que o volume é o coração do mercado. Eu sou de varejo e não tenho plataformas sofisticadas disponíveis para Quants. No entanto, tenho estudado velocidade nos mercados e é Volume & amp; Velocidade que vira os mercados. Tem vindo a fazer algum indicador com precisão sub-segundo na plataforma de varejo, como Tradestation por vários anos.
Recentemente me deparei com o conceito de VPIN e decidi também olhar em seus pensamentos.
O tópico da VPIN me interessa bastante, pois envolve equilíbrio / desequilíbrio, velocidade e estudo do volume. Gostaria de saber se você tem alguma recomendação de desenvolvimento de VPIN usando plataformas de varejo, como Ninjatrader, que é codificado usando C # & gt; Net. E como posso tentar fazer isso? Qualquer insight será apreciado. Eu vi você em uma postagem anterior provavelmente de um associado e, portanto, pensei em verificar.
Isso se resume à seleção adversa e à probabilidade de negociação informada (PIN) e, subsequentemente, como distorcer preços e quantidades. Quaisquer bons documentos / documentos sobre esses tópicos que tiveram alguns usos práticos? Especialmente no último bit que é sobre a integração do PIN em uma estratégia (já tenho uma boa estimativa do meu PIN).
Na verdade, o capítulo Intraday Trading do meu novo livro Machine Trading tem uma implementação completa de uma estratégia de negociação usando VPIN. Você já deu uma olhada?
Комментариев нет:
Отправить комментарий