Quantconnect Forex Fabrik

Als rein ein Informatiker youre in der perfekten Position, um im algorithmischen Handel zu beginnen. Dies ist etwas, was ich aus erster Hand bei Quantiacs 1. Zeuge, wo Wissenschaftler und Ingenieure sind in der Lage, direkt in automatisierte Handel ohne vorherige Erfahrung zu springen. Mit anderen Worten, Programmierung Koteletts sind die wichtigsten Zutaten benötigt, um loszulegen. Um ein allgemeines Verständnis davon zu bekommen, welche Herausforderungen Sie nach / während der Erstellung eines algorithmischen Handelssystems erwarten, schauen Sie sich diese Quora Post an. Der Aufbau eines Handelssystems von Grund auf erfordert etwas Hintergrundwissen, eine Handelsplattform, Marktdaten und Marktzugang. Während nicht eine Anforderung, die Auswahl einer einzigen Handelsplattform, die die meisten dieser Ressourcen bietet Ihnen helfen, schnell aufstehen. Davon abgesehen, werden die Fähigkeiten, die Sie entwickeln, übertragbar sein, um jede Programmiersprache und fast jede Plattform. Ob Sie es glauben oder nicht, Gebäude automatisierte Handelsstrategien ist nicht auf eine Markt-Experte. Nichtsdestotrotz, Lernen grundlegenden Marktmechanismen werden Ihnen helfen, entdecken Sie profitablen Handel Strategien. Optionen, Futures und andere Derivate von John C. Hull - Great erste Buch für die Eingabe von quantitativen Finanzen, und nähert es von der Mathematik-Seite. Quantitative Trading von Ernie Chan - Ernie Chan bietet das beste Einführungsbuch zum quantitativen Handel und führt Sie durch den Prozess der Erstellung von Handelsalgorithmen in MATLAB und Excel. Algorithmischer Handel von Futures via Machine Learning - Eine 5-seitige Aufteilung der Anwendung eines einfachen Maschinenlernmodells auf häufig verwendete technische Analyseindikatoren. Heres eine aggregierte Leseliste PDF mit einer vollständigen Aufschlüsselung der Bücher, Videos, Kurse und Handelsforen. Der beste Weg zu lernen ist, indem Sie, und im Falle der automatisierten Handel, die auf Charting und Codierung kommt. Ein guter Ausgangspunkt sind vorhandene Beispiele für Handelssysteme und bestehende Exponate technischer Analysetechniken. Darüber hinaus hat ein erfahrener Informatiker die zusätzliche Kante des in der Lage, maschinelles Lernen auf algorithmischen Handel anzuwenden. Hier sind einige dieser Ressourcen: TradingView - Eine fantastische visuelle Charting-Plattform auf eigene, TradingView ist ein großer Spielplatz für immer bequem mit der technischen Analyse. Es hat den zusätzlichen Vorteil, dass Sie Skript Handel Strategien und durchsuchen andere Völker Handel Ideen. Automated Trading Forum - Große Online-Community für Entsendung Anfänger Fragen und Antworten finden zu gemeinsamen quant Fragen, wenn gerade erst begonnen. Quant-Foren sind ein großartiger Ort, um in Strategien, Werkzeuge und Techniken eintauchen. YouTube-Seminar über Handelsideen mit Arbeitscodebeispielen auf Github. Maschinelles Lernen: Weitere Vorträge zum automatisierten Handel finden Sie im Quantiacs Quant Club. Die meisten Menschen aus einem wissenschaftlichen Hintergrund (ob das ist Informatik oder Ingenieurwesen) haben Exposition gegenüber Python oder MATLAB, die zufällig beliebte Sprachen für quantitative Finanzen. Quantiacs hat eine Open-Source-Toolbox geschaffen, die Backtesting und 15 Jahre historische Marktdaten kostenlos zur Verfügung stellt. Der beste Teil ist, dass alles auf Python und MATLAB gebaut ist, was Ihnen die Wahl, was Sie Ihr System zu entwickeln. Heres eine Beispieltrend-folgende Handelsstrategie in MATLAB. Dies ist der gesamte Code, der benötigt wird, um ein automatisiertes Handelssystem auszuführen, das sowohl die Power von MATLAB als auch die Quantiacs Toolbox darstellt. Quantiacs können Sie 44 Futures und alle Aktien des SampP 500 handeln. Darüber hinaus werden eine Vielzahl zusätzlicher Bibliotheken wie TensorFlow unterstützt. (Disclaimer: Ich arbeite bei Quantiacs) Sobald du bereit bist, Geld als Quant zu machen, kannst du dich dem neuesten Quantiacs automatisierten Trading Contest anschließen, mit insgesamt 2,250,000 Investitionen: Kannst du mit den besten Quants konkurrieren 18,6k Views middot View Upvotes Middot Nicht für die Reproduktion Diese Antwort wurde komplett neu geschrieben Hier sind 6 wichtigsten Wissensbasis für den Bau algorithmischen Handelssysteme. Sie sollten mit allen von ihnen vertraut sein, um effektive Handelssysteme zu bauen. Einige der verwendeten Begriffe können etwas technisch sein, aber Sie sollten in der Lage sein, sie durch Googeln zu verstehen. Hinweis: (Die meisten davon) gelten nicht, wenn Sie Hochfrequenztrading machen wollen. Markttheorien Sie müssen verstehen, wie der Markt funktioniert. Insbesondere sollten Sie verstehen, Markt Ineffizienzen, Beziehungen zwischen verschiedenen Vermögenswerten / Produkten und Preisverhalten. Trading-Ideen ergeben sich aus Markt-Ineffizienzen. Sie müssen wissen, wie zu bewerten Markt-Ineffizienzen, die Ihnen einen Handel Rand gegenüber denen, die nicht. Die Entwicklung effektiver Roboter beinhaltet das Verständnis, wie automatisierte Handelssysteme funktionieren. Im Wesentlichen besteht eine algorithmische Handelsstrategie aus 3 Kernkomponenten: 1) Einträge, 2) Exits und 3) Positionsbelegung. Sie müssen diese 3 Komponenten in Bezug auf die Markt-Ineffizienz, die Sie erfassen (und nein, dies ist kein einfacher Prozess) zu entwerfen. Sie müssen nicht wissen, erweiterte Mathematik (obwohl es hilft, wenn Sie mehr komplexe Strategien zu bauen). Gute kritische Denken Fähigkeiten und ein menschenwürdiges greifen auf Statistiken nehmen Sie sehr weit. Design beinhaltet Backtesting (Prüfung auf Handelskante und Robustheit) und Optimierung (Maximierung der Performance bei minimaler Kurvenanpassung). Youll müssen wissen, wie ein Portfolio von algorithmischen Handelsstrategien zu verwalten. Strategien können komplementär oder widersprüchlich sein, was zu ungeplanten Erhöhungen der Risikoexponierung oder unerwünschten Absicherungen führen kann. Kapitalzuteilung ist auch wichtig, teilen Sie Kapital gleichmäßig in regelmäßigen Abständen oder belohnen Sie die Gewinner mit mehr Kapital Wenn Sie wissen, welche Produkte Sie handeln möchten, finden Sie geeignete Handelsplattformen für diese Produkte. Dann lernen Sie die Programmiersprache API dieser Plattform / backtesters. Wenn Sie anfangen, würde ich Quantopian (nur Aktien), Quantconnect (Aktien und FX) oder Metatrader 4 (FX und CFDs auf Aktienindizes, Aktien und Rohstoffe) empfehlen. Die verwendeten Programmiersprachen sind Python, C und MQL4. 4. Datenmanagement Müll in Müllabfuhr. Ungenaue Daten führen zu ungenauen Prüfergebnissen. Wir benötigen vernünftig saubere Daten für genaues Testen. Reinigungsdaten sind ein Kompromiss zwischen Kosten und Genauigkeit. Wenn Sie genauer Daten benötigen, müssen Sie mehr Zeit (Zeit Geld) putzen. Einige Probleme, die dirty Daten verursachen, schließen fehlende Daten, doppelte Daten, falsche Daten (schlechte Ticks) ein. Andere Probleme, die zu irreführenden Daten führen, umfassen Dividenden, Aktiensplits und Futures-Rollovers etc. 5. Risikomanagement Es gibt 2 Hauptrisikomarken: Marktrisiko und operationelles Risiko. Marktrisiken beinhalten Risiken im Zusammenhang mit Ihrer Handelsstrategie. Betrachtet es die Worst-Case-Szenarien Was ist, wenn ein schwarzer Schwan Ereignis wie World War 3 passiert Haben Sie abgesichert unerwünschte Risiken Ist Ihre Position Sizing zu hoch Neben der Verwaltung von Marktrisiken, müssen Sie betrachten das operationelle Risiko. Systemabstürze, Verlust der Internetverbindung, schlechter Ausführungsalgorithmus (führen zu schlecht ausgeführten Preisen oder verpasste Trades aufgrund der Unfähigkeit, Requotes / hoher Schlupf zu behandeln) und Diebstahl von Hackern sind sehr reale Probleme. 6. Live-Ausführung Backtesting und Live-Trading sind sehr unterschiedlich. Sie müssen richtige Makler wählen (MM vs STP vs ECN). Forex Market News mit Forex Trading Foren amp Forex Broker Bewertungen ist Ihr bester Freund, lesen Broker Bewertungen gibt. Sie benötigen eine ordnungsgemäße Infrastruktur (sichere VPN - und Downtime-Handhabung usw.) und Evaluierungsverfahren (Überwachung Ihrer Roboterleistung und Analyse in Bezug auf Marktinaktivität / Backtests / OP-Timisierungen), um Ihren Roboter während seiner gesamten Lebensdauer zu verwalten. Sie müssen wissen, wann Sie eingreifen (ändern / aktualisieren / shutdown / t urn auf Ihren Robotern) und wenn nicht auf. Evaluation und Optimierung von Handelsstrategien Pardo (Große Einblicke in Methoden zum Aufbau und zum Testen von Handelsstrategien) Tragen Sie Ihren Weg zu finanzieller Freiheit ein Van K Tharp (Lächerlich-Click-Köder beiseite, dieses Buch ist ein großer Überblick zu mechanischen Handelssystemen) Quantitative Trading Ernest Chan (Große Einführung in algo Handel auf einer Retail-Ebene.) Handel und Börsen: Markt-Mikrostruktur für Praktiker Larry Harris (Markt-Mikrostruktur ist die Wissenschaft, wie der Austausch funktioniert und was tatsächlich passiert, wenn ein Handel platziert wird. Es ist wichtig, diese Informationen zu kennen Auch wenn Sie gerade erst anfangen) Algorithmic Trading amp DMA Barry Johnson (Shed Licht auf Banken Ausführung Algorithmen. Dies ist nicht direkt anwendbar Ihre Algo Handel, aber es ist gut zu wissen) The Quants Scott Patterson (Kriegsgeschichten von einigen Top-Quants Grundlagen der Algo Trading AlgoTrading101 (Disclaimer: Ich besitze diese Seite / Kurs. Lernen Sie Roboterentwurfstheorien, Markttheorien und Kodierung. Verwendet MQL4) - Join the challenge (Learn Trading-Konzepte und Backtesting-Theorien. Sie haben vor kurzem ihre eigene Backtesting-und Handelsplattform entwickelt, so dass dieser Teil ist noch neu für mich. Aber ihre Wissensbasis auf Handelskonzepte sind gut.) Empfohlene Blogs / Foren (diese Einschließlich Finanz-, Handels - und Algo-Handelsforen): Empfohlene Programmiersprachen: Wenn Sie wissen, welche Produkte Sie handeln möchten, finden Sie geeignete Handelsplattformen für diese Produkte. Dann lernen Sie die Programmiersprache API dieser Plattform / backtesters. Wenn Sie anfangen, würde ich Quantopian (nur Aktien), Quantconnect (Aktien und FX) oder Metatrader 4 (FX und CFDs auf Aktienindizes, Aktien und Rohstoffe) empfehlen. Die verwendeten Programmiersprachen sind Python, C und MQL4. 13.4k Views middot View Upvotes middot Nicht für die Reproduktion Obwohl dies ist ein sehr breites Thema mit Verweise auf Gebäude-Algorithmen, Einstellung Infrastruktur, Asset Allocation und Risikomanagement, aber ich werde nur auf den ersten Teil der Arbeit auf den Bau unseres eigenen Algorithmus konzentrieren , Und das Richtige tun. 1. Aufbau der Strategie. Einige der wichtigsten Punkte, die hier zu beachten sind: Catch Big Trends - eine gute Strategie muss in allen Fällen, Geld verdienen, wenn der Markt trends. Märkte gehen mit einem guten Trend, der nur 15-20 der Zeit dauert, aber dies ist die Zeit, wenn alle Katzen und Hunde (Händler aus allen Zeitrahmen, intraday, täglich, wöchentlich, langfristig) sind einkaufen und sie alle Haben ein gemeinsames Thema. Viele Händler bauen auch mittlere Reversionsstrategien, in denen sie versuchen, die Bedingungen zu beurteilen, wenn der Preis weit von dem Mittelwert entfernt ist, und nehmen einen Handel gegen den Trend, aber sie sollten gebaut werden, wenn Sie erfolgreich gebaut haben und gehandelt einige gute Tendenz nach Systemen . Chancen zu stapeln - Die Menschen arbeiten oft auf den Versuch, ein System, das ein ausgezeichnetes Gewinn-Verlust-Verhältnis hat, aber that039s nicht der richtige Ansatz zu bauen. Zum Beispiel ein Algo mit einem Sieger von 70 mit einem durchschnittlichen Gewinn von 100 pro Handel und einem durchschnittlichen Verlust von 200 pro Handel wird nur 100 pro 10 Trades (10 / Trade net). Aber ein Algo mit einem Sieger von 30 mit einem durchschnittlichen Gewinn von 500 pro Handel und Verlust von 100 pro Handel wird einen Nettogewinn von 800 für 10 Trades (80 / Handel) zu machen. So ist es nicht notwendig, dass Gewinn / Verlust-Verhältnis gut sein sollte, eher es039s die Chancen zu stapeln, die besser sein sollte. Dies geht durch die Aussage quitKeep Verluste klein, aber lassen Sie Ihre Gewinner runquot. Wenn Sie investieren, ist was bequem ist selten profitable. quot - Robert Arnott Drawdown - Drawdown ist unvermeidlich, wenn Sie jede Art von Strategie folgen. So während der Gestaltung eines algo don039t versuchen, den Drawdown zu reduzieren oder einige spezielle benutzerdefinierte Zustand zu kümmern, dass Drawdown zu nehmen. Diese spezifische Bedingung kann in Zukunft als eine Straßensperre beim Fangen einer großen Tendenz fungieren und Ihr algo kann schlecht durchführen. Risikomanagement - Beim Aufbau einer Strategie sollten Sie immer ein Ausfahrtstor haben, unabhängig vom Markt. Der Markt ist ein Ort der Chancen und Sie müssen ein Algo Design, um Sie aus einem Handel so schnell wie möglich, wenn es doesn039t passen Ihre Risiko-Appetit. Normalerweise wird es argumentiert, dass Sie 1-2 von Kapital in jedem Handel riskieren müssen und ist in einer Vielzahl von Möglichkeiten optimal, wie auch wenn Sie arnd 10 falschen Handel in Folge erhalten Ihr Kapital wird nur um 20 zu sinken. Aber das ist nicht die Fall in tatsächlichen Marktszenario. Einige verlierende Trades werden zwischen 0 und 1 liegen, während manche auf 3-4 gehen können. Daher ist es besser, das durchschnittliche Verlustkapital pro Trade und das maximale Kapital, das man in einem Trade verlieren kann, zu definieren, da die Märkte völlig zufällig sind und nicht beurteilt werden können . Egal, einmal in eine Weile, der Markt tut etwas so dumm es nimmt Ihren Atem weg. quot - Jim Cramer 2. Testing und Optimierung einer Strategie Slippage. Wenn wir eine Strategie auf historische Daten testen, gehen wir davon aus, dass die Bestellung zu dem von dem Algo angekündigten vordefinierten Preis ausgeführt wird. Aber das wird nie der Fall sein, da wir mit Market Maker und HFT Algo039s jetzt zu tun haben. Ihre Bestellung in today039s Welt wird nie auf den gewünschten Preis ausgeführt werden, und es wird Schlupf. Dies muss in die Prüfung einbezogen werden. Marktwirkung: Das durch den Algo gehandelte Volumen ist ein weiterer wichtiger Faktor, der bei der Durchführung von Rücktests und der Erhebung historischer Ergebnisse zu berücksichtigen ist. Da das Volumen steigt, werden die Aufträge von algo erhebliche Auswirkungen auf den Markt haben und der durchschnittliche Preis der gefüllten Bestellung wird sehr unterschiedlich sein. Ihre Algo produzieren komplette Ergebnisse in tatsächlichen Marktbedingungen, wenn Sie nicht studieren die Lautstärke Dynamik Ihre Algo hat. Optimierung: Die meisten Händler schlagen Sie vor, nicht Kurvenanpassung und über Optimierung zu tun und sie sind korrekt, da die Märkte eine Funktion der gelegentlichen Variablen sind und keine zwei Situation wird immer die selben sein. So optimieren Parameter für bestimmte Situationen ist eine schlechte Idee. Ich würde Ihnen empfehlen, für Zonal Optimization zu gehen. Es ist eine Technik, der ich folgen, kaufen Identifizierungszonen, die ähnliche Merkmale in Bezug auf die Volatilität und Volumen haben. Optimieren Sie diese Bereiche separat, anstatt optimieren für den gesamten Zeitraum. Die oben genannten sind einige der grundlegendsten und wichtigsten Schritte, die ich folgen, bei der Umwandlung eines grundlegenden Gedanken in einen Algorithmus und Überprüfung it039s Gültigkeit. Jeder hat das brainpower, der Börse zu folgen. Wenn Sie es durch fünfte Klasse Mathematik gemacht haben, können Sie es tun. "Ich habe einen Hintergrund als Programmierer und Einrichtung agilen / Scrum-Teams, bevor ich begann, auf algorithmischen Handel zu suchen. Die Welt des algorithmischen Handels fasziniert mich, aber es kann ein wenig überwältigend sein. Ich begann, etwas Perspektive zu bekommen, indem ich in die Quantopian-Plattform tauchte, die Quant-Vortragsreihe beobachtete und meine und angepassten gemeinschaftlichen Algo-Handelssysteme in ihrer Umgebung betrieb. Wie die unten: Ich habe dann erkannt, um schneller zu kommen, ich muss Leute treffen, die gerne Strategien entwickeln, aber nicht programmieren können - um mich als agile Team-Manager und Programmierer von Handelssystemen anzupassen. So schrieb ich ein Buch, wie man ein Team zur Umsetzung Ihrer Handelsalgorithmen zu schaffen. Building Trading Systems Der agile Weg: Wie man gewinnt Algorithmic Trading Systems als Team zu bauen. In der Gemeinschaft von Quantopian sah ich finanziell versierte Menschen auf der Suche nach Menschen, ihre Trading-Strategien zu implementieren, aber wo Angst, um Programmierer zu bitten, ihre Ideen umzusetzen. Da sie potenziell starten können, ihre Trading-Ideen ohne sie laufen. Ich beziehe dieses Thema in meinem Buch. Um zu vermeiden, dass Programmierer mit Ihren Ideen weglaufen: Erstellen Sie eine Spezifikation für Ihre Trading-Idee, die ein Coding Framework verwendet, das auf die Art der Strategie zugeschnitten ist, die Sie entwickeln möchten. Dies könnte schwierig klingen, aber wenn Sie wissen, alle Baby-Schritte und wie sie zusammen passen, ist es ziemlich einfach und Spaß zu verwalten Wenn Sie diese Antwort genossen, bitte abstimmen und folgen. 1.1k Ansichten middot Ansicht Upvotes middot Nicht für Fortpflanzung Um mit den Grundlagen zu beginnen, erhalten Sie einen Halt von Amibroker (AmiBroker - Download). Amibroker hat eine leicht zu erlernende Sprache und leistungsstarke Backtest-Engine, wo Sie Prototypen Ihre Ideen. Auch bekommen Howard Bandy 039s Buch Quantitative Trading Systems. Dieses Buch ist eine wirklich gute Einführung in die Konzepte der Quantentwicklung. Sie müssen auch mindestens ein grundlegendes Wissen der Statistik. Es gibt viele gute MOOC-Kurse für diese kostenlos. Wie diese Statistik One - Princeton University Coursera It039s auch wert folgende The Whole Street. Die ein Mashup aller großen Blogs ist, von denen viele den Amibroker-Code mit ihren Ideen veröffentlichen. Von dort, it039s dann lohnt es sich Python (lernen python - Google Suche), und auch dabei Andrew Ng039s ausgezeichnet Stanford University Machine Learning-Kurs, der kostenlos läuft auf Coursera. Wenn Sie dann Ihre eigenen Algorithmen zum Test setzen möchten, sind gute Aufstellungsorte dafür Quantconnect oder Quantopian. Schließlich hat dieser Kerl einige gute Ratschläge, um es in Ihre Karriere Quantstart / Viel Glück mit der Reise Teilweise genommen aus Alan Clement039s Antwort auf Wie kann ein Software-Entwickler in der Finanzen ein Quant-Entwickler werden 15.3k Views middot Ansicht Upvotes middot Nicht für die Reproduktion kann Algorithmus-Trading-Software auf einem normalen Computer ausgeführt werden Wie kann ich besser auf den Aufbau von algorithmischen Handelssysteme Wie kann ich beginnen, die Anwendung von maschinellen Lernen zu algorithmischen Handel Was brauche ich, um meine eigenen algorithmischen Handelssystem Wie können Sie kommen mit Ihrem eigenen Handel Algorithmus und erstellen Sie ein Handelssystem für sich selbst Welche Broker ist gut für algorithmischen Handel Wie sind die Handel Algorithmen entworfen Was ist das komplizierteste algorithmische Handelssystem Ist es machbar für mich, Geld zu verdienen mit algorithmischen Handel und wie kann ich anfangenQuantConnect hat zwei wichtige Wege Laden Sie benutzerdefinierte Daten in Ihren Algorithmus. Diese sind für verschiedene spezifische Zwecke abhängig von den Anforderungen nützlich, aber, sie richtig zu benutzen müssen Sie verstehen, wie das Datensystem arbeitet. Die Daten werden in zwei wichtige Arten in QuantConnect eingebunden: Statisch über DataFeed-Klassen, die Daten aus einer statischen Quelle für die Kompilierung ziehen und dynamisch durch benutzerdefinierte Typen in Algorithmen, die definieren, wie die benutzerdefinierten Daten gelesen und produziert werden. Statische Quellen Die statischen Quellen sind typischerweise ein Datenbank-, Dateisystem - oder Live-Socket-Stream, mit dem Sie sich verbinden. Sie werden von einer DataFeed-Klasse generiert. In Lean werden statische Quellen verwendet, um Tick - und TradeBar-Ströme zu erzeugen, die durch die Lean-Engine hindurchgehen und in Ereignisprozessoren schießen. Die TradeBar und Tick sind spezielle Datentypen in Lean, da sie, bevor sie in den Algorithmus geleitet werden, zusammengefügt werden, um TradeBars und Ticks zu bilden. Diese Array-Versionen der Daten ermöglichen es dem Code, auf die TradeBar-Daten mit einem Symbolstring-Wörterbuch zuzugreifen. Der Algorithmus-Manager verbindet die einzelnen TradeBar - und Tick-Objekte zusammen. Dynamische Quellen Dynamische Quellen werden oft für spezifische Algorithmen generiert und werden oft nur einmal benötigt. Es gibt keine Beschränkung für den Datentyp, aber sie sind typischerweise keine Marktdaten, sondern externe technische Indikatoren oder Grundlagen. Es ist oft von einer Remote-Quelle oder APIs und kann sogar Sourcing zur Laufzeit. Dynamische Daten können mit wenigen Zeilen Code im Algorithmus definiert werden und sind ein benutzerdefinierter, benutzerdefinierter Typ, der von BaseData übernommen wird. Der Hauptunterschied zu den dynamischen Daten besteht darin, dass es singulär ist und in die Algorithmen als einzelne Objekte, nicht Arrays wie ein TradeBars-Objekt geleitet wird. Dynamische Daten verfügen über einen dedizierten Ereignishandler für Ihren Datentyp. Statische Sourcing Einfache Methode Bei weitem der einfachste Weg, um loszulegen ist einfach die vorhandene Lean FileSystemDataFeed Klasse und speichern Sie Ihre Daten in der gleichen Ordner-Hierarchie wie Lean verwendet die Beseitigung der Notwendigkeit, Ihre eigene DataFeed-Klasse schreiben. Die Daten befinden sich in / Lean / Data und sind nach Assetklasse, Auflösung und Symbol organisiert. Wenn ein neuer Asset-Stream im Algorithmus angefordert wird, zieht Lean die Daten von dem Speicherort auf dem Datenträger. Wenn die Daten nicht vorhanden sind, wird sie übersprungen. Abbildung 1: Beispieldateien, die im Lean Repository enthalten sind Die Daten werden nach ihrem Datum im Format YYYYMMDDtrade. zip benannt und ist ein Zip einer CSV-Datei, die die rohen Tick - oder Trade-Bar-Daten enthält. Innerhalb der Equity-Dateien befinden sich Daten in folgendem Format: Die Zeit wird in der Anzahl der Millisekunden seit Mitternacht an diesem Tag gemessen, und Open, High, Low und Close werden um 10.000 skaliert. Die FOREX-Daten haben ein etwas anderes internes Format, verwenden aber die gleiche Verzeichnisstruktur. Wenn Sie Daten in einem ähnlichen Format ist es einfach direkt in QuantConnect anschließen und sofort arbeiten. Harte Methode Wenn Sie Daten an einem vollständig anderen Speicherort gespeichert haben, können Sie eine benutzerdefinierte DataFeed-Klasse schreiben, um die Daten aus Ihrer Datenbank oder der Live-Datenquelle zu extrahieren. Das DataFeed ist ein eigenständiger Thread, der mit der Run () - Methode gestartet und von Ihrer Tasks-Konfiguration angefordert wird. Es muss in die Run () - Methode geschleift werden, bis es das Laden der angeforderten Daten beendet hat, oder es wurde ein Abbruch mit der Exit () - Methode angefordert. Weitere Informationen zum Erstellen einer DataFeed-Plug-in-Klasse finden Sie in diesem Tutorial. Dynamic Sourcing - Erstellen von benutzerdefinierten Typen Individuelle Algorithmen können Daten zur Laufzeit dynamisch anfordern. Dies erfordert sehr wenig Codierung und keine Änderungen an QuantConnects DataFeed Infrastruktur. Für die Erstellung eines dynamischen Laufzeittyps sind zwei Schritte erforderlich: Erstellen Sie einen neuen Typ, der von BaseData übernommen wird, der die Methoden GetSource, Reader und Clone implementiert. Fügen Sie eine Zeile in Ihren Algorithmus ein, um die Daten anzufordern Erstellen einer neuen Datenklasse Das Erstellen einer neuen dynamischen Datenklasse, die in Ihren Algorithmus geladen wird, benötigt ein paar Zeilen Code und hat 3 primäre Methoden: GetSource - Wo sollten die Daten aus dem Laden der Daten bezogen werden Aus einer Datei oder REST API. Reader - Wie sollten wir interpretieren jede Zeile der Daten Erstellen eines neuen Objekts aus einer Zeichenfolge Quelle. Klon - Wie kann ich ein neues Objekt von mir selbst erstellen? Diese Methode ist optional und nur für erweiterte Datenströme erforderlich. Der Code unten zeigt eine einfache Implementierung des Ziehens einer benutzerdefinierten Datenquelle aus einer lokalen Datei: Custom Dynamic Data ImplementationSpeedometer (Punkte / Sek.) Hallo Patrick93, Schauen Sie sich die positive (bullish) und negative (bearish) Geschwindigkeit des Marktes, wie Bullen und Bären Kampf um die Kontrolle über den Markt zu halten. Beobachten Sie auch die Beschleunigung und versuchen Sie herauszufinden, eine Korrelation zwischen Ihren Beobachtungen und was danach geschieht. Dies wird Sie trainieren Sie manuell scalp hier und da (speziell während der London Session). Ich benutze eine EA mit einigen maschinellen Lern-Technik zu erkennen und zu handeln solche Möglichkeiten. Best, Math Hi mathtrader7, ist die EA bereit für die Freigabe -) Hallo cjtylor, Die EA, die ich geschrieben habe, ist mit einigen Maschinen lernen Paket von R Sprache. Also, um es zu teilen, muss ich eine lange Prozedur zu beschreiben, wie man R installieren, verknüpfen mit MQL4, etc. Im Moment habe ich keinen Plan, dies zu tun, aber ich kann einen Artikel schreiben, wie zu verwenden R Sprache für Handel / Skalping. Am besten, Math Hi MathTrader7, vielleicht könnte ich das lange Verfahren schreiben. Wie man R (oder RStuido), wie man Link zu MQL4 usw., und vielleicht, wie man R Language für den Handel, aber nicht scalping. Also, wenn ich dies tun, sind Sie bereit, mehr Informationen Ich habe einige Erfahrung mit R für die Datenanalyse und statistische Operationen, aber nicht mit dem maschinellen Lernen. Wenn du dies bedenkst, könnte ich das Schreiben machen und danach könntest du ein paar Infos teilen, schließlich sind wir hier auf Ideen zu teilen und einander zu helfen, so wie du deinen großen Indikator veröffentlicht hast, um mehr Meinungen zu sammeln und ihn zu verbessern Lange Zeit FF Leser, aber dies ist mein erster Beitrag hier. Hehe, gerade erst aufgeregt, wenn ich sah, Sie sind mit R Danke Mathematik, das ist wirklich komplexe EA Angesichts der möglichen Einschränkungen können Sie mit den Maklern in Bezug auf die Geschwindigkeit der Ausführung usw. auch ECN, und mit diesen erweiterten Algorithmen vielleicht werden Sie besser sein Nicht mit MT4. Sie können sich diese - Quantopian und Quantconnect. Dies sind kostenlose Plattformen für Rapid Development von Handelsstrategien, verwenden sie Cloud-basierte Online-IDE, um die Strategien und Backtests wie 50-100 mal auf einem Cluster von Servern Code. Hi venkpetrov, Vielen Dank für Ihre Aufmerksamkeit auf meine Arbeit und die nützlichen Informationen, die ich nie für andere Plattformen suchen. Ich suchte immer nach den Möglichkeiten der Verknüpfung Matlab, R, ML-Pakete, etc. mit MQL4. Trotzdem würde ich auf die von Ihnen erwähnten Webseiten schauen. Ich mag Provisionen aus einer großen Investition Geld bekommen Lassen Sie Ihre Gewinner laufen und schneiden Sie Ihre Verlierer kurz Ich habe eine Frage Mathe, wie Sie messen Beschleunigung und Geschwindigkeit. Verwenden Sie die Funktion GetTickCount () Ich habe eine EA indi, die die Zeit zwischen dem letzten Tick und dem aktuellen misst, und zeigt die letzten 10 Unterschiede im Preis. Aber ich kann es immer noch nicht schaffen zu berechnen, ob die Zecken häufiger in einer Sekunde kommen. Ich werde die EA anhängen, wenn jemand will einen Blick nehmen und vielleicht helfen mir, Preis-Beschleunigung und Richtung zu berechnen, wird es großartig cheerz nur fragen, ob Sie eine Lösung auf diesem finden, wie ich für das gleiche suchen. Wenn Im nicht irrt, denke ich, dass Mathe historische Tickdaten von M1 verwendet Immer freundlich zu anderen sein. Können Sie nie schief gehen, um freundlich zu sein