Quantconnect Forex Fábrica

Como um cientista de computador puramente você está na posição perfeita para começar em negociação algorítmica. Isso é algo que eu testemunhei em primeira mão em Quantiacs 1. onde cientistas e engenheiros são capazes de saltar para a direita em negociação automatizada sem qualquer experiência anterior. Em outras palavras, as costeletas de programação são o ingrediente principal necessário para começar. Para obter uma compreensão geral de quais desafios esperam por você após / durante a criação de um sistema de negociação algorítmica, confira este post Quora. Construir um sistema de negociação a partir do zero vai exigir algum conhecimento de fundo, uma plataforma de negociação, dados de mercado e acesso ao mercado. Embora não seja um requisito, a escolha de uma única plataforma de negociação que fornece a maior parte destes recursos irá ajudá-lo a acelerar rapidamente. Dito isto, as habilidades que você desenvolver será transferível para qualquer linguagem de programação e praticamente qualquer plataforma. Acredite ou não, a construção de estratégias de negociação automatizado isnt predicado em ser um especialista no mercado. No entanto, aprender mecânica de mercado básica irá ajudá-lo a descobrir estratégias de negociação rentável. Opções, Futuros e Outros Derivados por John C. Hull - Grande primeiro livro para entrar em finanças quantitativas, e abordá-lo do lado da matemática. Quantitative Trading por Ernie Chan - Ernie Chan fornece o melhor livro introdutório para negociação quantitativa e orienta você através do processo de criação de algoritmos de negociação em MATLAB e Excel. Negociação Algorítmica de Futuros através da Aprendizagem de Máquinas - Uma desagregação de 5 páginas da aplicação de um modelo de aprendizagem simples de máquina aos indicadores de análise técnica comumente usados. Heres uma lista de leitura agregada PDF com uma repartição completa de livros, vídeos, cursos e fóruns de negociação. A melhor maneira de aprender é fazendo, e no caso de negociação automatizada que se resume a gráficos e codificação. Um bom ponto de partida são os exemplos existentes de sistemas de negociação e exposições existentes de técnicas de análise técnica. Além disso, um cientista de computador qualificado tem a vantagem adicional de ser capaz de aplicar a aprendizagem da máquina à negociação algorítmica. Aqui estão alguns desses recursos: TradingView - Uma fantástica plataforma de gráficos visuais por conta própria, TradingView é um grande playground para ficar confortável com a análise técnica. Ele tem o benefício adicional de permitir que você script estratégias de negociação e navegar outras pessoas comércio idéias. Fórum de Negociação Automatizado - Grande comunidade on-line para postar perguntas para iniciantes e encontrar respostas para problemas comuns de quant quando apenas começando. Quant fóruns são um ótimo lugar para se tornar imerso em estratégias, ferramentas e técnicas. Seminário do YouTube sobre ideias de negociação com exemplos de código de trabalho no Github. Aprendizado de Máquinas: Mais apresentações sobre negociação automatizada podem ser encontradas no Quantiacs Quant Club. A maioria das pessoas de um fundo científico (se isso é ciência da computação ou engenharia) tiveram exposição a Python ou MATLAB, que passam a ser linguagens populares para finanças quantitativas. A Quantiacs criou uma caixa de ferramentas de código aberto que fornece backtesting e 15 anos de dados históricos de mercado gratuitamente. A melhor parte é tudo é construído em ambos Python e MATLAB dando-lhe a escolha do que desenvolver o seu sistema com. Heres um exemplo de tendência de seguir a estratégia comercial em MATLAB. Este é todo o código necessário para executar um sistema de negociação automatizado, apresentando tanto o poder do MATLAB e da Caixa de ferramentas Quantiacs. O Quantiacs permite que você negocie 44 futuros e todos os estoques do SampP 500. Além disso, uma variedade de bibliotecas adicionais como TensorFlow são suportadas. Uma vez que você está pronto para ganhar dinheiro como um quant, você pode participar do último concurso de negociação Quantiacs automatizado, com um total de 2,250,000 em investimentos disponíveis: Você pode competir com os melhores quants 18.6k Vistas middot Ver Upvotes (Disclaimer: Eu trabalho na Quantiacs) Middot Não é para reprodução Esta resposta foi completamente reescrita Aqui estão 6 base de conhecimento principal para a construção de sistemas de negociação algorítmica. Você deve estar familiarizado com todos eles, a fim de construir sistemas comerciais eficazes. Alguns dos termos usados ​​podem ser ligeiramente técnicos, mas você deve ser capaz de entendê-los por Googling. Nota: (A maioria de) estes não se aplicam se você quiser fazer negociação de alta freqüência 1. Teorias de mercado Você precisa entender como funciona o mercado. Mais especificamente, você deve compreender ineficiências de mercado, relações entre diferentes ativos / produtos e comportamento de preços. As idéias de negociação resultam de ineficiências do mercado. Você precisará saber como avaliar ineficiências de mercado que lhe dão uma vantagem de negociação versus aqueles que não. Projetar robôs eficazes implica entender como funcionam os sistemas de negociação automatizados. Essencialmente, uma estratégia de negociação algorítmica consiste de 3 componentes principais: 1) Entradas, 2) Saídas e 3) Posição de dimensionamento. Você precisará projetar esses 3 componentes em relação à ineficiência do mercado que está captando (e não, este não é um processo direto). Você não precisa saber a matemática avançada (embora ajudará se você aponta construir estratégias mais complexas). Boas habilidades de pensamento crítico e uma compreensão decente sobre estatísticas irão levá-lo muito longe. O design envolve backtesting (teste de borda de negociação e robustez) e otimização (maximizando o desempenho com ajuste de curva mínimo). Você precisará saber como gerenciar um portfólio de estratégias de negociação algorítmica também. As estratégias podem ser complementares ou conflitantes, o que pode levar a aumentos não planejados da exposição ao risco ou cobertura não desejada. Alocação de capital é importante também você dividir capital igualmente durante intervalos regulares ou recompensar os vencedores com mais capital Se você sabe quais produtos você deseja negociar, encontrar plataformas de negociação adequadas para esses produtos. Em seguida, aprenda a linguagem de programação API desta plataforma / backtesters. Se você começar, eu recomendaria Quantopian (ações apenas), Quantconnect (ações e FX) ou Metatrader 4 (FX e CFDs sobre índices de ações, ações e commodities). As linguagens de programação utilizadas são Python, C e MQL4, respectivamente. 4. Gestão de Dados Lixo no lixo. Dados imprecisos levam a resultados de teste imprecisos. Precisamos de dados razoavelmente limpos para testes precisos. Dados de limpeza é um trade-off entre custo e precisão. Se você quiser dados mais precisos, você precisa gastar mais tempo (dinheiro do tempo) limpá-lo. Alguns problemas que causam dados sujos incluem dados ausentes, dados duplicados, dados errados (carrapatos ruins). Outras questões que levam a dados enganosos incluem dividendos, divisões de ações e rolagens de futuros, etc. 5. Gerenciamento de Risco Existem dois tipos principais de risco: Risco de Mercado e Risco Operacional. O risco de mercado envolve risco relacionado à sua estratégia de negociação. Considera os cenários de pior cenário E se acontecer um evento de cisne negro como a 3ª Guerra Mundial Você tem protegido o risco não desejado Sua posição é muito alta Além de gerenciar o risco de mercado, você precisa examinar o risco operacional. Falha no sistema, perda de ligação à Internet, fraco algoritmo de execução (levando a preços mal executados, ou negociações perdidas devido à incapacidade de lidar com requotes / alto deslizamento) e roubo por hackers são questões muito reais. 6. Live Execution Backtesting e live trading são muito diferentes. Você precisará selecionar corretores adequados (MM vs STP vs ECN). Forex Market News com Forex Trading Fóruns Amp Forex Brokers opiniões é o seu melhor amigo, leia avaliações de corretor lá. Você precisa de infra-estrutura adequada (VPN seguro e tempo de inatividade, etc) e procedimentos de avaliação (monitorar o desempenho de seus robôs e analisá-los em relação à ineficiência do mercado / backtests / op timisations) para gerenciar seu robô durante toda a sua vida útil. Você precisa saber quando intervir (modificar / atualizar / desligar / t urn em seus robôs) e quando não. Avaliação e otimização de estratégias de negociação Pardo (Grande insights sobre métodos de construção e testes de estratégias de negociação) Comércio sua maneira de liberdade financeira Van K Tharp (Ridiculous-Click título isca de lado, este livro é uma ótima visão geral de sistemas de negociação mecânica) A microestrutura do mercado é a ciência de como funcionam as trocas e o que realmente acontece quando um comércio é colocado. É importante conhecer essas informações Mesmo que você esteja apenas começando) Algorithmic Trading amp DMA Barry Johnson (Lançamento de luz sobre os algoritmos de execução de bancos. Este não é diretamente aplicável o seu negócio algo, mas é bom saber) The Quants Scott Patterson (Histórias de guerra de alguns quants top. Como uma hora de dormir ler) Quantopian (Código, pesquisar e discutir idéias com a comunidade. Usa Python) Fundamentos de Algo Trading AlgoTrading101 (Disclaimer: Eu possuo este site / curso. Aprenda teorias do projeto do robô, teorias do mercado e codificação. Usos MQL4) - Junte-se ao desafio (aprender conceitos de negociação e backtesting teorias. Eles recentemente desenvolveram o seu próprio backtesting e plataforma de negociação para esta parte ainda é novo para mim. Mas sua base de conhecimento sobre os conceitos de negociação são boas. Inclui finanças, negociação e fóruns de negociação de algo): Linguagens de programação recomendadas: Se você sabe quais produtos você deseja negociar, encontrar plataformas de negociação adequadas para esses produtos. Em seguida, aprenda a linguagem de programação API desta plataforma / backtesters. Se você começar, eu recomendaria Quantopian (ações apenas), Quantconnect (ações e FX) ou Metatrader 4 (FX e CFDs sobre índices de ações, ações e commodities). As linguagens de programação utilizadas são Python, C e MQL4, respectivamente. Embora este seja um tópico muito amplo com referências a construir algoritmos, configuração de infra-estrutura, alocação de ativos e gerenciamento de riscos, mas vou apenas focar na primeira parte de como deve ser o trabalho na construção de nosso próprio algoritmo , E fazer as coisas certas. 1. Estratégia de construção. Alguns dos pontos-chave a observar aqui são: Catch Big Trends - Uma boa estratégia deve, em todos os casos, ganhar dinheiro quando o mercado está tendendo. Os mercados vão com uma boa tendência que dura apenas 15-20 do tempo, mas este é o momento em que todos os gatos e cães (comerciantes de todos os time-frame, intraday, diário, semanal, longo prazo) estão fora de compras e todos eles Têm um tema comum. Um monte de comerciantes também construir estratégias de reversão média em que eles tentam julgar as condições quando o preço se afastou da média, e ter um comércio contra a tendência, mas eles devem ser construídos quando você tem sucesso construir e negociado alguns bons sistemas de tendência seguinte . As probabilidades de empilhamento acima - as pessoas trabalham frequentemente para tentar construir um sistema que tem uma relação de vitória / perda excelente, mas that039s não a abordagem certa. Por exemplo um algo com um vencedor de 70 com um lucro médio de 100 por comércio e uma perda média de 200 por comércio só fará 100 por 10 negócios (10 / trade net). Mas um algo com um vencedor de 30 com lucro médio de 500 por comércio e perda de 100 por comércio fará um lucro líquido de 800 para 10 negócios (80 / comércio). Portanto, não é necessário que a relação ganha / perda deve ser bom, mas sim as probabilidades de empilhamento que deve ser melhor. Isto vai dizer quotKeep perdas pequenas, mas deixe seus vencedores runquot. Investir, o que é confortável é raramente rentável. Robert Arnott Drawdown - Drawdown é inevitável, se você estiver seguindo qualquer tipo de estratégia. Então, ao projetar um algo don039t tentar reduzir o drawdown ou fazer alguma condição personalizada específica para cuidar de que rebaixamento. Esta condição específica pode no futuro pode agir como um obstáculo na captura de uma grande tendência e seu algo pode executar mal. Gestão de Risco - Ao construir uma estratégia, você deve sempre ter um portão de saída, o que o mercado optar por fazer. O mercado é um lugar de probabilidades e você deve projetar um algo para começá-lo fora de um comércio o mais rapidamente possível se ele doesn039t caber seu apetite de risco. Normalmente, argumenta-se que você deve arriscar 1-2 de capital em cada comércio e é ótimo em muitas maneiras, mesmo que você obtenha arnd 10 negócios falsos em sucessão seu capital vai cair por apenas 20. Mas este não é o Cenário de mercado real. Alguns comércios perdidos estarão entre 0-1, enquanto alguns podem ir para 3-4, por isso é melhor definir o capital de perda médio por comércio eo capital máximo que você pode perder em um comércio, como os mercados são completamente aleatórios e não podem ser julgados . QuotEvery de vez em quando, o mercado faz algo tão estúpido que tira o fôlego. quot - Jim Cramer 2. Testando e otimizando uma Estratégia Slippage. Quando estamos testando uma estratégia em dados históricos, estamos sob a suposição de que a ordem será executada ao preço predefinido chegado pelo algo. Mas isso nunca será o caso, como temos de lidar com os criadores de mercado e HFT algo039s agora. Sua ordem no mundo today039s nunca será executado no preço desejado, e não haverá derrapagem. Isso deve ser incluído no teste. Impacto no Mercado: O volume negociado pelo algo é outro fator importante a ser considerado ao fazer back-testing e coletar os resultados históricos. À medida que o volume aumenta, as encomendas feitas por algo terão um impacto considerável no mercado e o preço médio da encomenda cheia será muito diferente. Seu algo pode produzir resultados completos diferentes em condições de mercado reais, se você não vai estudar a dinâmica de volume seu algo tem. Otimização: a maioria dos comerciantes sugerem que você não faça ajuste de curva e otimização e eles estão corretos como os mercados são uma função de variáveis ​​aleatórias e nenhuma situação dois será sempre o mesmo. Portanto, otimizar parâmetros para situações particulares é uma má idéia. Eu sugiro que você vá para Zonal Optimization. É uma técnica que eu sigo, comprar zonas de identificação que têm características semelhantes em termos de volatilidade e volume. Otimize essas áreas separadamente, ao invés de otimizar para todo o período. O acima são algumas das etapas mais básicas e mais importantes que eu sigo, ao converter um pensamento básico em um algoritmo e verificar a validade de it039s. Quot Todo mundo tem a capacidade de seguir o mercado de ações. Se você conseguiu passar por matemática de quinto grau, pode fazê-lo. QuotPeter Lynch 15.7k Vistas middot Ver Upvotes middot Não tenho um fundo como um programador e criação de equipes ágeis / scrum antes de eu começar a olhar para negociação algorítmica. O mundo da negociação algorítmica me fascina, no entanto, pode ser um pouco esmagadora. Eu comecei a ter alguma perspectiva, mergulhando na plataforma Quantopian, assistindo a série de palestras quant e executando o meu e adaptação comunidade baseada em sistemas de negociação algo em seu ambiente. Como o seguinte: eu percebi então para entrar em mais profundo mais rápido, eu tenho que conhecer pessoas que gostam de criar estratégias de negociação, mas não pode programar - para corresponder-me como um gerente de equipe ágil e programador de sistemas de negociação. Então eu escrevi um livro sobre como criar uma equipe para implementar seus algoritmos de negociação. Construção de sistemas de negociação A maneira ágil: Como construir sistemas de negociação algorítmica vencedora como uma equipe. Na comunidade de Quantopian eu vi pessoas experientes financeiros procurando pessoas para implementar suas estratégias de negociação, mas onde medo de pedir aos programadores para implementar suas idéias. Uma vez que potencialmente pode começar a executar suas idéias de negociação sem eles. Eu abordar esta questão no meu livro. Para evitar programadores para fugir com suas idéias: criar uma especificação para a sua idéia de negociação que usa uma estrutura de codificação que é adaptado para o tipo de estratégia que você deseja desenvolver. Isso pode parecer difícil, mas quando você conhece todos os passos do bebê e como eles se encaixam, é bastante simples e divertido de gerenciar Se você gostou desta resposta, por favor vote e siga. 1.1k Vistas middot Ver Upvotes middot Não é para Reprodução Para começar com o básico, obter um porão de Amibroker (AmiBroker - Download). Amibroker tem uma linguagem fácil de aprender e motor de backtest poderoso onde você pode protótipo suas idéias. Também obter Howard Bandy 039s livro Quantitative Trading Systems. Este livro é uma boa introdução aos conceitos de desenvolvimento quantitativo. Você também precisa de pelo menos um conhecimento básico de estatística. Há uma abundância de bons cursos MOOC disponíveis para isso de graça. Como este um Estatísticas One - Princeton University Coursera It039s também vale a pena seguir a rua inteira. Que é um mashup de todos os blogs quant, muitos dos quais publicam código Amibroker com suas idéias. A partir daí, it039s, em seguida, vale a pena aprender Python (aprender python - Pesquisa Google), e também fazer Andrew Ng039s excelente Stanford University Machine Learning curso, que é executado gratuitamente em Coursera. Se você quiser colocar seus próprios algoritmos para o teste, bons sites para isso são Quantconnect ou Quantopian. Finalmente, esse cara tem alguns bons conselhos sobre transformá-lo em sua carreira quantstart / Boa sorte com a viagem Parcialmente tomada de Alan Clement039s resposta a Como pode um desenvolvedor de software em finanças se tornar um quant desenvolvedor 15.3k Vistas middot Ver Upvotes middot Não é para reprodução Can Software de negociação de algoritmos ser executado em um computador normal Como posso obter melhor na construção de sistemas de negociação algorítmica Como posso começar a aplicar a aprendizagem de máquina para negociação algorítmica O que eu preciso para criar meu próprio sistema de negociação algorítmica Como você pode vir acima com sua própria negociação Algoritmo e criar um sistema de negociação para si mesmo Que corretor é bom para negociação algorítmica Como são algoritmos de negociação projetado Qual é o mais complicado sistema de negociação algorítmica É viável para mim ganhar dinheiro com negociação algorítmica e como posso começar startedQuantConnect tem duas maneiras principais para Carregar dados personalizados em seu algoritmo. Estes são úteis para diferentes fins específicos, dependendo dos requisitos, mas para usá-los corretamente você deve entender como funciona o sistema de dados. Os dados são trazidos para o QuantConnect de duas maneiras principais: Estaticamente através de classes DataFeed que puxam dados de uma fonte estática em tempo de compilação e, dinamicamente através de tipos personalizados dentro de algoritmos que definem como ler e produzir os dados personalizados. Fontes estáticas Tipicamente, as fontes estáticas são um banco de dados, um sistema de arquivos ou um fluxo de soquetes ao vivo com o qual você se conecta. Eles são gerados por uma classe DataFeed. Em Lean estático fontes são usadas para gerar Tick e TradeBar córregos que canalizar através do Lean Engine e fogo em manipuladores de eventos. O TradeBar e Tick são tipos de dados especiais em Lean, porque antes de serem canalizados para o algoritmo, eles são unidos para formar TradeBars e Ticks. Essas versões de matriz dos dados permitem que o código para acessar os dados TradeBar com um dicionário de seqüência de símbolos. O Gerente de Algoritmo une os objetos TradeBar e Tick individuais juntos. Fontes dinâmicas As fontes dinâmicas são freqüentemente geradas para algoritmos específicos e muitas vezes são necessárias apenas uma vez. Não há nenhuma restrição no tipo de dados, mas eles normalmente não seriam dados de mercado, mas indicadores técnicos externos ou fundamentos. É muitas vezes de uma fonte remota ou APIs e pode até mesmo envolver sourcing em tempo de execução. Dados dinâmicos podem ser definidos com algumas linhas de código no algoritmo e é um tipo personalizado, definido pelo usuário que herda de BaseData. A principal diferença com os dados dinâmicos é que ele é singular e canalizado para os algoritmos como objetos individuais, não arrays como um objeto TradeBars. Dados dinâmicos tem um manipulador de eventos dedicado para o tipo de dados. Static Sourcing Easy Method De longe, a maneira mais simples de começar é simplesmente usar a classe Lean FileSystemDataFeed existente e armazenar seus dados na mesma hierarquia de pastas que o Lean usa eliminando a necessidade de escrever sua própria classe DataFeed. Os dados estão localizados em / Lean / Data e são organizados por classe de recurso, resolução e símbolo. Quando um novo fluxo de ativos é solicitado no algoritmo, o Lean puxa os dados do local no disco. Se os dados não estiverem lá, ele será ignorado. Figura 1: Arquivos de exemplo incluídos no Repositório Lean Os dados são nomeados de acordo com sua data no formato YYYYMMDDtrade. zip e são um zip de um arquivo CSV que contém os dados de tiquetaque ou de barra de comércio. Dentro dos arquivos de equidade estão os dados no seguinte formato: O tempo é medido no número de milissegundos desde a meia-noite naquele dia e Open, High, Low e Close são dimensionados em 10.000. Os dados FOREX tem um formato interno ligeiramente diferente, mas utiliza a mesma estrutura de directórios. Se os dados estiverem em um formato similar, ele simplesmente se conectará diretamente ao QuantConnect e funcionará instantaneamente. Método Hard Se você tiver dados armazenados em um local completamente diferente, você pode escrever uma classe DataFeed personalizada para extrair os dados de seu banco de dados ou fonte de dados ao vivo. O DataFeed é um thread autônomo que é iniciado com o método Run () e solicitado por sua configuração de Tarefas. Ele deve executar um loop dentro do método Run () até que tenha terminado de carregar os dados solicitados ou um cancelamento tenha sido solicitado com o método Exit (). Para obter mais informações sobre como criar uma classe de plug-ins DataFeed, consulte este tutorial. Dynamic Sourcing - Criando seu tipo personalizado Algoritmos individuais também podem solicitar dados dinamicamente em tempo de execução. Isso requer muito pouca codificação e nenhuma alteração na infra-estrutura DataFeed do QuantConnects. Criar um tipo de tempo de execução dinâmico requer duas etapas: Criar um novo tipo herdando de BaseData que implementa os métodos GetSource, Reader e Clone. Adicionar uma linha no seu algoritmo para solicitar os dados Criando uma nova classe de dados Criando uma nova classe de dados dinâmicos para carregar em seu algoritmo leva algumas linhas de código e tem 3 métodos principais: GetSource - Onde devem ser obtidos os dados de Carregando os dados A partir de um arquivo ou REST API. Leitor - Como devemos interpretar cada linha dos dados Criando um novo objeto a partir de uma fonte de string. Clone - Como posso criar um novo objeto a partir de mim mesmo Este método é opcional e só é necessário para os fluxos de dados fillforward. O código abaixo mostra uma implementação simples de puxar uma fonte de dados personalizada a partir de um arquivo local: Custom Dynamic Data ImplementationSpeedometer (Pontos / Sec) Olá Patrick93, Olhe para a positiva (otimista) e negativo (bearish) velocidade do mercado, como touros e ursos Luta para manter o controle do mercado. Observe também a aceleração e tente descobrir uma correlação entre suas observações eo que acontece depois disso. Isto irá treiná-lo para manualmente couro cabeludo aqui e ali (especialmente durante a sessão de Londres). Eu uso um EA com alguma técnica de aprendizagem de máquina para detectar e comercializar tais oportunidades. Melhor, Matemática Oi mathtrader7, é o EA pronto para lançamento -) Oi cjtylor, O EA que eu escrevi está usando algum pacote de aprendizado de máquina de linguagem R. Então, para compartilhá-lo, eu preciso escrever um longo procedimento para descrever como instalar R, vinculá-lo com MQL4, etc No momento eu não tenho nenhum plano para fazê-lo, mas eu posso escrever algum artigo sobre como usar R para negociação / scalping. Melhor, Math MathTrader7, talvez eu poderia escrever o procedimento longo. Como instalar R (ou RStuido), como ligar para MQL4 etc, e talvez como usar R Language para negociação, mas não scalping. Então, se eu fizer isso, você está disposto a compartilhar mais informações Eu tenho alguma experiência com R para a análise de dados e operações estatísticas, mas não com a aprendizagem da máquina. Se você considerar isso, eu poderia fazer a escrita e depois que você poderia compartilhar algumas informações mais, afinal estamos aqui compartilhar idéias e ajudar uns aos outros, assim como você publicou seu grande indicador para coletar mais opiniões e melhorá-lo Eu sou Muito tempo FF leitor, mas este é o meu primeiro post aqui. Hehe, apenas ficou animado quando vi que você está usando R Matemática Obrigado, isso é realmente complexo EA Dadas as possíveis restrições que você pode ter com os corretores em termos de velocidade de execução etc ECN mesmo, e com esses algoritmos avançados talvez você será melhor Não usando MT4. Você pode olhar para estes - quantopian e quantconnect. Estas são plataformas livres para o rápido desenvolvimento de estratégias de negociação, eles estão usando nuvem baseada on-line IDE para codificar as estratégias e backtest como 50-100 vezes em um cluster de servidores. Oi venkpetrov, Obrigado pela atenção ao meu trabalho e as informações úteis que eu nunca procurei por outras plataformas. Eu procurei sempre as maneiras de ligar Matlab, R, pacotes do ML, etc. com MQL4. No entanto, gostaria de olhar para os sites que você mencionou. Eu gosto de receber comissões de um grande investimento de dinheiro Deixe seus vencedores correr e cortar seus perdedores curto Eu tenho uma pergunta Matemática, como você medir a aceleração e velocidade. Você usa a função GetTickCount () Eu tenho um EA indi que mede o tempo entre o último tick eo atual e mostra as últimas 10 diferenças de preço. Mas eu ainda não consigo fazer para calcular se os carrapatos estão vindo com mais freqüência em um segundo. Vou anexar a EA assim Se alguém quiser dar uma olhada e talvez me ajude a calcular a aceleração de preços e direção será cheerz grande apenas perguntando se você encontrou uma solução sobre este como eu estou procurando o mesmo. Se eu não me engano, acho que Matemática está usando dados de carrapatos históricos da M1 Sempre ser gentil com os outros. Você nunca pode dar errado por ser gentil