以试运行（dry-run）或实时模式（使用 freqtrade trade ）启动 freqtrade 将启动机器人并启动机器人迭代循环。这也将运行 bot_start() 回调。默认情况下，bot 循环每隔几秒运行一次 ( internals.process_throttle_secs ) 并执行以下操作（这个循环将一次又一次地重复，直到机器人停止）：
马丁策略一直都是具有很大争议的，因为有太多的人使用这个策略爆仓了，但是依然有人使用这个赚钱了。那些使用这个策略爆仓了的人会认为马丁策略不行，是垃圾，我是不同意这种说法的。
大家好，我是漆天编程团队的漆学军，也是MT4专家论坛的创办者，下面是我为大家准备的《EA编程速成教程》第四课。
今天开始研究MT4了，MT4是大大有名的外汇交易和量化软件，使用一种叫做MQL的语言来开发量化程序（跟C比较像）。因为是外国人做的，用的也大部分是外国人，使用起来不是很顺手，跟极星各有优劣吧。这里我就先逐步讲一下MT4的使用，然后再简单跑一个boll指标，最后汇总下使用心得。
EA系列之：ZigAndZag_V2 – MetaTrader 4EA
摘要： 本篇文章是”Python股市数据分析”两部曲中的第二部分。在本篇文章中，我们讨论了均线交叉策略的设计、回溯检验、基准测试以及实践中可能出现的若干问题，并结合Python代码实现了一个基于均线交叉的交易策略系统。 注意：本篇文章所涉及的看法、意见等一般性信息仅为作者个人观点。本文的任何内容都不应被视为金融投资方面的建议。此外，在此给出的所有代码均无法提供任何保证。选择使用这些代码的个人需自行承担风险。 交易策略 我们把在未来条件满足时将被终止的交易称为未平仓交易。多头仓位是指在交易过程中通过金融商品增
`source`的值，如果它不是`na`。如果`source`的值为`na`，则返回0，如果使用1，则返回`replacement`参数。
要有能方便使用的各种投资相关的数据。这要考虑到各种数据的收集、存储、清洗、更新，以及数据取用时的便捷、速度、稳定。
入行十多年，见过不少充满灵性的投资人，选股能力非常出色，但是在买卖时机、投入资金多寡上的不足使得他们的盈利水平并不理想。没有别的原因，是缺少一个交易系统。一个完整的交易系统，包括： · 市场—-买卖什么 · 入市规模—-买卖多少 · 入市—-何时买卖 · 止损—-何时卖退出亏损的股票 · 离市—-何时卖出赢利的股票 · 策略—-如何买卖
这篇推文的核心词汇是交易。通过自问自答的形式记呈现给大家，没有繁杂的公式，绚丽的图表，都是淳朴的文字，但却是通过多年实战交易所得的经验。希望大家能够认真阅读这篇文章。同时也欢迎大家在文末留言区留言，与我们一起讨论交流。
我们经常采用非常简单的方法来预测金融时间序列：利用整个数据集，使用移动窗口生成X和Y，把它分为历史和样本外数据，训练一些机器学习模型映射X到Y并用多空策略进行回测。但我们开始意识到，对于“正常的”静态数据（如图像、文本、音频、表格数据等）不能用于金融时间序列分析。
在另一篇很棒的文章中，Teddy Koker 再次展示了 算法交易 策略的发展路径：
虽然两级检测器取得了巨大的成功，但是单级检测器仍然是一种更加简洁和高效的方法，在训练过程中存在着两种众所周知的不协调，即正、负样本之间以及简单例子和困难例子之间在数量上的巨大差异。在这项工作中，我们首先指出，这两个不和谐的本质影响可以用梯度的形式来概括。此外，我们提出了一种新的梯度协调机制(GHM)来对冲不协调。GHM背后的原理可以很容易地嵌入到交叉熵(CE)等分类损失函数和smooth l1 (SL1)等回归损失函数中。为此，我们设计了两种新的损失函数GHM-C和GHM-R来平衡梯度流，分别用于anchor分类和bounding box细化。MS COCO的消融研究表明，无需费力的超参数调整，GHM-C和GHM-R都可以为单级探测器带来实质性的改进。在没有任何附加条件的情况下，该模型在COCO test-dev set上实现了41.6 mAP，比目前最先进的Focal Loss(FL) + SL1方法高出0.8。
众所周知，在用有监督学习算法对未来的金融产品收益情况进行预测时，需要从训练集中拟合一个模型，而第一步需要对训练集里每个样本打标签，即为每个 X(i) 标注一个 y(i)，其中 i = 1, 2, ..., n。
量化交易作为交易与计算机结合的产物，正在改变着现代金融市场的格局。如今已经有很 名交易者将目光转向了这一领域。如何最大限度地降低风险并尽可能多地取得收益，是许多交 易者孜孜以求的目标。
说到这个最重要的类了。这个类说白了就是策略的实现。和绝大部分回测框架一样，策略想法是一个类的抽象，一般会继承一个基础类模板，每一个真实运行的策略就是这个策略想法类的一个实例。好的，有点绕。我们来看代码吧。
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
在〖三隔栏方法〗一贴里，我们已经解决了第一个问题，即根据止损止盈来给数据打标签。本帖则关注第二个问题，即如果下单，该下多少。
Aberration可以被翻译为“失常、离开正路、越轨”等含义，是一套古老而简单的趋势类突破系统，在众多交易者看来它已经失去盈利空间，但实际上它可以用最简单的方式反馈市场波动，且经过改进之后依然可以作为极好的入门模型。如图3-6所示。
第一篇《币圈的盈利止损》分析了止损的本质是价格进入下降通道，为避免损失扩大而退出，与买入成本无关，并进一步把止损分为盈利止损和亏损止损。
2016年在东证期货的量化报告里，读到一篇文章，关于量化投资策略之机器学习应用——基于 SVM 模型的期货择时交易策略 。就顺手算了一下，发现了一些问题，因此和大家来讨论。 （文章比较长，因为有编辑部成员思考实践的部分，我们支持大胆提出质疑的精神！请在留言处发表你的看法和观点。） 机器学习简述 根据 Tom Michael Mitchell对机器学习的定义，假设有任务 T、执行结果衡量标准P 以及从中获取的经验值E，计算机程序在反复执行相关任务（T）后的成绩（P）会随着经验（E）的积累而不断提高和
底部放量择时策略 选股标准 沪深300成分股任选100只 择时标准 当前股价小于100交易日内最低价的1.1倍 当前成交量大于100日平均成交量的5倍，且当日上涨 止盈止损 止损：5% 止盈：20% 择时原理 股票处于底部有较高安全边际 放量预示着行情启动 策略代码 逆势加仓策略 回测标的 沪深300 回测区间 2012年1月1日至2016年11月11日 选股 选出当前处于100日低点的股票 进场 将资金等分为5份，将1份资金的1/7买入股票，当该股票下降10%时，追加买入1份资金的2/7。当
无论是在期货还是外汇股票以及永续合约等二级市场长期耕耘的老手都必然拥有一套自己的交易系统，而对于新手而言是不存在的。
移动平均线是技术分析中最常用的，作为一种简单有效的数学模型而被广泛使用。均线使用的方式的差异在于均线的计算方式与价格使用方式。不同的均线计算方式会产生不同的结果，不同的价格使用也会有不同的效果。此外，使用一条、两条、三条甚至更多条均线的交易策略，也会有很不一样的结果。因此，本文使用R软件对传统的均线交叉策略进行了改进，测试了不同的止损策略，尽可能实现了收益的最大化。
Zed.dev编辑器还在灰度测试阶段，暂时只释出了Mac版本，在Zed.dev官网下载，安装成功后，进入Zed.dev编辑器，使用组合键 Command + , 调出编辑器的配置文件：
AD：（本人录制的backtrader视频课程，大家多多支持哦~ https://edu.csdn.net/course/detail/9040）
首先，我们将讨论交易成本的度量和预测。然后讨论预期收益如何受到交易速度的影响。最后，我们将讨论这两个量之间的相互作用，以及如何使用它们来决定交易的速度。
1.选择PEG < 0.5, 即稳定成长且价值被低估的股票 其中PEG = PE / growth_rate 2.使用ES风险平价配权 3.根据组合的日内波动小于3%的条件, 与货币基金组合配资 4.最大持仓5只股票和1只货币基金, 优先买入市值小的, 15天调仓一次 5.剔除了周期性和项目类行业(该部分对改善回撤有明显的效果)
类 pyalgotrade.broker.``Order（type_，action，instrument，quantity，instrumentTraits）
用户可根据自身经验，自定义设置该品种的做单区间，当价格低于或者高于所设的区间时，则停止建仓。
网格资金管理（突破进场） 策略原理 将资金分为N份，采取突破高点的形式入场，止损为10%，止盈为11% 如果该份资金获利超过11%，则上移止盈止损线，且启动下一份资金抛点入场。 仅多头入场 策略收益
作为一套被业界广泛应用的开源技术分析库（包含技术指标计算和K线模式识别等），TA-Lib自2001年发布以来已经有了十多年的历史。TA-Lib中一共包含大约125个技术指标的计算函数，同时提供了包括C/C++、Java、Perl、Python等多种语言的API。
策略，可以实现目标的方案集合，在交易中，策略是指当预先设定的事件或信号发生时，就采取相应的交易动作。
均线通道+突破+加仓 策略原理： 20均线为中轴，上下一个单位的标准差构成一个均线通道 多头入场：价格突破通道上轨，且成为近期高点 空头入场：价格突破通道下轨，且成为近期低点 加仓：价格每变动2倍ATR 出场：动态跟踪止损 短布林通道+高低点 策略原理： 通过布林带以及突破后的高低点的形成产生交易信号 采取跟踪止损出场 波动突破
w=tf.Variable(tf.random_normal(2,3,stddev=2, mean=0, seed=1))
缠论：一种分析股票市场的技术分析方法和交易理念。它强调价格上涨和下跌的阶段性变化和周期性循环，同时结合了自然科学的一些思想。
1、制定交易策略，持仓分派：智能机器人内嵌有多种类型的交易策略，从”保守“到”激进“，考虑不一样的风险性种类。设定好策略后，软件将智能化分派每次进单的持仓和标准，严格遵守交易策略。
离上一篇和vnpy有关的文章整整一年了。这一年似乎过得异常的快，快到让人觉得没有成长。可能是工作原因吧，时间一下子就会过去；亦或是自己懈怠了。
回测，因此 backtrader，如果不能模拟订单，将不完整。为此，平台提供了以下功能。
7月下旬，J.P. Morgan（摩根大通）就基于关A股情绪写了一篇相关的研究报告（这里下载报告）。今天，公众号刚刚拿到了JPMorgan最新撰写的一篇基于A股情绪的量化报告。相对于上一篇来说，本篇报告不仅基于新闻分析数据构建了市场维度的情绪指数，还基于该情绪指数发出的交易信号进行了一系列测试。
市场很重要，所有的市场行情都值得去分析，有些人特别相信自己行情的分析，满仓操作，结果却无药可救。更有很多人，把这个市场，当作暴利市场，不断的加钱，借钱来做交易，而往往当自己认识到市场可怕的时候，回头却发现没有退路了，但是跟着榆婷的脚步却可以大步向前，所向披靡。
看多了前面的铺垫，接下来写一写可以实操的。本篇给出写择时策略回测的详细步骤，并用代码展示全过程，代码用python写，数据和代码后台回复“择时”获取，可以自己测试。
时光深处，轻握一份懂得，投资中一定要学会乐观。不要让未来的你，讨厌现在的自己。我们真实地活着，但不是每一个数据揭晓后都要较真到底。过去的就让它过去，未来就让它快点到来！好好休整自己，随时整装待发！控制风险是第一，稳定盈利是唯一！
量化交易看起来似乎就是用机器炒股，没什么大惊小怪的。但是我们拆解开量化交易的模型，您就知道其中的奥秘了。
作者 张丹（Conan） 来源 http://blog.fens.me Rquant前言最近有读者要求公众号推送几篇关于R语言量化投资的内容。今天推送第一篇。后续我们会推出公众号编辑部更好的原创作品，关于R语言量化投资。 久经股市的老股民，通常都会使用一种常见的交易策略，追涨杀跌交易法。追涨杀跌法，是股市操作的一个重要技巧，就是在股市上涨时买入股票，股市下跌时卖出股票。如果操作得当是很好的赢利手段，在中国股市2015年上半年的牛市中，追涨杀跌交易法就是交易神器法门。 1. 什么是追涨杀跌？ 追涨杀跌是金
我曾经花了一周时间开发了一个股票模拟交易后台程序，使用Node.js。代码量很少，能完成基本功能。下面给大家介绍一下其实现步骤。
腾讯云COS对象存储，在使用的过程中，为了降低开发成本或单纯的出于“便捷”的考虑，往往将存储桶设置为公有读状态。但这也埋下了巨大的安全风险的种子，在各种流量盗刷场景下，会快速吸干账户余额，正可谓“公有一时爽，盗刷就破产”。
Tech 导读 针对大促、日常系统稳定性隐患-慢sql的预防和排查，Mybatis-SQL分析组件从一个新的角度发现慢sql，让慢sql止步于发生之前，区别于主流的基于慢sql日志分析和预警，实时根据Explain分析结果进行分析和预警。
随着交易的频繁度和金额，参与交易人的各种多样化，简单的限价和市价交易明显已经不太满足用户需求了，今天就探讨一下交易订单类型
全仓：全仓模式的意思是账户里所有可用余额都可以充当担保资产，以避免被强制平仓。这个模式的好处是：只要杠杆适中，爆仓可能性很低，所以经常被用于套期保值。 逐仓：逐仓模式的意思是分配给某仓位的担保资产被限制在一定数额。 如果仓位的担保资产不足以支撑浮亏，此仓位将被强制平仓。所以，在波动率较高，杠杆较大的情况下，逐仓模式很容易被强制平仓，但最终的损失仅仅是仓位担保资产，而不影响账户余额。 常见的K线形态：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
