自動 plat 交易代理人 使用 的 卷 秩序失衡

+

類似的出版物 自動PLAT交易代理人使用的卷秩序失衡 哈里什ķ薩勃拉曼尼亞 交易和訂單量的不平衡量早已被確立為 重要的標準評估組合和長期的投資策略。 該 假設在這個項目中所評估的是，它是盤中的一個基本組成部分 交易策略 - 重要的，足以有效地專門用作一個指標 市場行為。 一交易策略基礎上才能不平衡量的設計 與用來調整訂單量遺傳算法的參數進行了討論。 該 該劑在從現場各種環境和一些初步的數據表現 與其它藥物的競爭進行了研究。 簡介和早期的代理設計 以“市場製造大量的”阻力和支撐“日交易策略 音量控制“[3]策略討論體積作為一個參數，在前者的情況下，到 輔助決策過程和在後者中，作為一種控制機制。 然而，大多數研究， 這已經審議了獨家研究一個次要因素，因此，文學 在盤中交易的影響是有限的。 體積效應長期被研究作為一個因素 長期投資決策和投資組合管理[4] [5]。 在這個項目中， 最初的假設是，代理人可以預期，以決定交易活動的基礎 僅在卷。 然而，這個假設很快被修訂，因為任何決定 貿易類股帶來了兩個問題 - 何時交易，有多少交易。 的 當然，如果'時'由體積測量回答（順序失衡）[6]，則 '有多少'必須是價格的措施 - 這導致了結論，這 決定取決於價格，因而價格可以適於作為因子在調諧 訂單量 - 這樣回答“有多少”的問題。 為此，我們使用一個簡單的 遺傳算法。 這推動的參數之一來決定成獨立 搜索空間，因此，可以執行這兩個參數的監測 同時。 早期工作的參數整定的貿易代理為這個鋪平了道路 發展[7]，[8]。 在此之前決定，這個決定是要對卷所做的孤單，一些 遠景進行了探討，最突出，對“人”的因素，如損耗的影響 因素太），它是很難看到如何影響短線交易者。 當天交易市場 由代理商（人或自動）打利潤率和這背道而馳 論點，基於他不希望失去的實際上是一個交易者將損失厭惡 東西是他已經（對實際的或在紙上）。 然而，如果交易者獲得 假設下的股票，他想賣它（也許在第二天的交易 週期！），那麼這種說法似乎有缺陷。 在這一點上，與截止劑 發展迅速接近，這樣的推理被遺棄和研究 基於卷的代​​理開始。 在這田間環境和考慮的戰略設計 有在PLAT一些關鍵更改為代理的發展規律[1] 環境在今年過去。 在這田間[2]環境側重於當日交易 因此，相當合理（用於測試新的戰略平台，極端 誇張是為了保持戰略設計的完整性是可以接受的）有 強大的罰款不是在一天結束的時候剝離一個人的減持。 挖空心思 強制代理，以避免多頭或空頭頭寸已經到位。 績效評價今年採用單一標準的競爭，這是 一劑多天損益的夏普比率。 對於n天的比賽中， 利潤/損失（p）的計算，每天為： 利潤/虧損=現金 - 點球+回扣 - 費​​用。 在這裡，現金和罰款計算在交易日的結束，刑罰 使得空頭頭寸意味著你買的股數的代理很短 - 在收盤價的兩倍，並在最後一個多頭頭寸只是意味著你放棄一切 股市和這些股票將價值為零。 為了鼓勵增加流動性的訂單，每個訂單，這是已經在 書被賦予$ 0.002每股回扣匹配時，和任何順序匹配 只要它有指代理人必須支付的$ 0.003每股交易費。 因此，夏普比率為代理的計算方法 此外，還有一個代理程序可以有多少股票買入或賣出一天沒有限制，所以這 和銷售的表被順序不平衡在任何給定的時間。 這種不平衡與比較 在以前的時刻時，從書籍數據是相應的不平衡 可用。 如果買賣表之間的不平衡增加時，則它是一個 指標存在超額需求超過供給，價格將提高。 相應地，如果（買入 - 賣出）不平衡減少，它指向的實力 銷售訂單和供應過剩超過需求。 這勢必會帶動價格下降。 買或賣的決定帶來了多少問題的貿易和什麼 價格。 貿易在每一個決策點的體積（當買入/賣出順序放置） 由遺傳算法調諧貿易的基於期望的體積決定 以前運行（偏重最新個交易日偏向它往最近 趨勢）。 價格的問題，在這順序放置得到解決，以 最大限度的回扣和盡量減少費用，同時仍保持相對接近頂部 該訂單使正在交易的可能性是很高的。 該卷在每個決策點，責令使用遺傳算法進行了調整 （GA），其使用時，作為一個適應度函數，淨利潤通過一天提出的度量。 因此，從本質上講，音量調整為通過一天一個很好的利潤/損失的措施（和 相應的一個很好的夏普比率），以及與訓練每一個新的一天更新的 它的計算結果。 遺傳算法操作選擇一組候選卷（隨機選擇最初）的 被嘗試逐一為對於給定的（過去的）交易日的體積。 當天的交易記錄 其中，VOL1和VOL2是買入和賣出分別卷。 這個適應度函數表示為淨利潤。 我們的目標是最大限度地提高這個利潤。 健身功能評估在人群中每個候選卷。 該 中獎體積被選擇作為代的贏家和被選擇，進行到下 下一代。 對於這一點，我們假設這個量是高斯分佈的均值 並生成基於該分配的卷的新的種群。 這確保了我們 不必開始搜索卷從一個全新的角度。 由於存在 連續數日的交易模式之間較強的相關性，這是明智的開始 從最後一個交易日搜索。 此外，這確保了最新個交易日都 牛逼volbuyprice volsellprice 在這裡，淨利潤分別計算每個部分，總結出來的。 根據經驗，它 已經注意到，大多數日子，這一天開始的趨勢向上，經過脫落 在第一個小時左右。 並且朝向端，在市場瘋狂的活性是指，它 變得更加難以預測。 為了讓GA調整為這些領域分別，我們 那天分手成多個部分，並允許GA運行這些片段