ए - आर - व्यापार प्रणाली

तारा। ट्रेडिंग सिस्टम में सितंबर 200 9 में शामिल स्थिति स्थिति: एक समय में एक पिप। 177 डाक नमस्कार मैं हाल ही में इस एस. टी.ए. आर. में आया था। ट्रेडिंग सिस्टम या सुपर ट्रेड सिस्टम supertradesystemindex. html और सोच रहे हैं कि इसके बारे में दूसरों को क्या कहना है। मूविंग एवरेज का उपयोग करने के बजाय माना जाता है कि अधिकांश रोबोट, यह इलियट वेव सिद्धांत और इसके कुछ प्रकार के मेचिनल रोबोट पर आधारित है। मैंने विदेशी मुद्रा शांति सेना पर जो लोग पोस्ट किए हैं, उनके लिखने की समीक्षा भी की है। forexpeacearmypublic। radesystem बस सोच कि लोग व्यापारियों को इस विशेष प्रणाली या सामान्य रूप से दूसरों के बारे में क्या कहना है। क्या वे एक घोटाला हैं या कुछ वास्तव में काम करते हैं मैं सुपरटेस्ट्रैसिस्टम और न्यू इलियट वेव नियम के लेखक हूं कृपया मुझे कुछ चीजें बताएं जो Supertradesystem या Super Trades at Retrace (स्टार) है और यह क्या नहीं है। हालांकि इलियट वेव के लिए एक नया नियम लिखने का मतलब है कि मैं ईडब्ल्यू में गहरा हूं, स्टार किसी भी ईडब्ल्यू गणना का उपयोग नहीं करता है या उस पर भरोसा करता है। फाइबोनैचि रिश्तों जो ईडब्ल्यू काम करते हैं और बाजार में पहले से ही उपलब्ध कराए गए उपकरण द्वारा उपयोग किए जाते हैं। यह मैनुअल ट्रेडिंग सिस्टम है, किसी भी प्रकार का रोबोट नहीं। संकेतक गति परिवर्तन का विश्लेषण करने की अनुमति देते हैं। प्रत्येक नई लहर एक अलग गति से चलती है और मनमानी बार के आकार संकेतों को कैप्चर करने में सक्षम नहीं होंगे, जो आपके उपकरण को विभिन्न गतियों के पहले मिलान किए बिना भेजता है। स्टार को गुप्त सॉस देता है यह मूल रूप से डेटा को निरस्त कर देता है और आपके लिए गति विश्लेषण का अनुवाद करता है। स्टार संकेतक उपकरण के लिए आपको आवश्यक सेटिंग्स प्राप्त करने के लिए बाजार से गति जानकारी निकालने के लिए पहला उपकरण का उपयोग करता है यही वह प्रणाली है जो इसकी सटीकता को दर्शाता है। कोई साधारण गति संकेतक ऐसा नहीं कर सकते क्योंकि वे भी गति परिवर्तन के लिए उद्धृत और अंधे हैं। यदि आप केवल अपनी विश्लेषण तकनीक लागू करने के लिए एक मनमाने ढंग से समय-सीमा लेते हैं, तो आप केवल अगर आप भाग्यशाली हैं तो सटीकता प्राप्त कर पाएंगे और इस समय आपके चयन की गति उसी समय होती है। दुर्भाग्यवश यह दृष्टिकोण इसलिए इच्छुक है क्योंकि बाजार में जो गति ले सकती है वह बहुत हैं। वित्तीय गणित और मॉडलिंग द्वितीय (एफआईएनसी 621) एक स्नातक स्तर की कक्षा है जो वर्तमान में शीतकालीन तिमाही के दौरान शिकागो में लोयोला विश्वविद्यालय में पेश की जाती है। एफआईएनसी 621 मात्रात्मक वित्त, गणित और प्रोग्रामिंग में विषयों की पड़ताल करता है। वर्ग प्रकृति में व्यावहारिक है और इसमें एक व्याख्यान और प्रयोगशाला घटक दोनों शामिल हैं। प्रयोगशालाएं आर प्रोग्रामिंग भाषा का उपयोग करती हैं और छात्रों को प्रत्येक कक्षा के अंत में अपने व्यक्तिगत कार्यों को प्रस्तुत करने की आवश्यकता होती है। एफआईएनसी 621 का अंतिम लक्ष्य व्यावहारिक उपकरणों के साथ छात्रों को प्रदान करना है जो वे साधारण व्यापारिक रणनीतियों का निर्माण, मॉडल और विश्लेषण करने के लिए उपयोग कर सकते हैं। प्रशिक्षक हैरी जी के बारे में कुछ उपयोगी आर लिंक शिकागो में एक एचएफटी ट्रेडिंग फर्म के लिए एक वरिष्ठ मात्रात्मक व्यापारी है। उन्होंने इलेक्ट्रिकल इंजीनियरिंग में मास्टर 8217 डिग्री और शिकागो विश्वविद्यालय से वित्तीय गणित में एक मास्टर 8217 डिग्री की डिग्री रखी है। अपने खाली समय में, हैरी शिकागो में लोयोला विश्वविद्यालय में क्वांटिटेटिव फाइनेंस में एक स्नातक स्तर के पाठ्यक्रम को सिखाता है। वह आर। के साथ क्वांटिटेटिव ट्रेडिंग के लेखक भी हैं। नवंबर 30, 2016, 12:34 पूर्वाह्न कुछ महीने पहले एक पाठक ने आर और एक्सेल को जोड़ने का यह नया तरीका बताया। मैं don8217t जानता हूं कि यह कितनी देर के आसपास रहा है, लेकिन मैंने कभी भी इसे पार नहीं किया और I8217ve ने इसके बारे में किसी भी ब्लॉग पोस्ट या लेख को कभी नहीं देखा। इसलिए मैंने एक पोस्ट लिखने का फैसला किया क्योंकि उपकरण वास्तव में इसके लायक है और कोई भी पूछने से पहले, I8217m किसी भी तरह से कंपनी से संबंधित नहीं है। बीईआरटी मूल एक्सेल आर टूलकिट के लिए खड़ा है। It8217s मुक्त (जीपीएल v2 के तहत लाइसेंस प्राप्त है) और यह संरचित डेटा एलएलसी द्वारा विकसित किया गया है। बीईआरटी का वर्तमान संस्करण 1.07 है लिखने के समय। अधिक जानकारी यहां पाई जा सकती है। अधिक तकनीकी परिप्रेक्ष्य से, बीईआरटी को एक्सेल स्प्रैडशीट कोशिकाओं से चलने वाली आर फ़ंक्शन का समर्थन करने के लिए डिज़ाइन किया गया है। एक्सेल शब्द में, आरओ में यूजर-डिफ़ाइंड फ़ंक्शंस (यूडीएफ) लिखने के लिए, 8217 से। इस पोस्ट में I8217 एम आपको नहीं दिखाएगा कि आर और एक्सेल बीएआरटी के माध्यम से किस तरह से बातचीत करते हैं। यहां बहुत अच्छे ट्यूटोरियल हैं यहां और यहां इसके बजाए मैं आपको यह बताना चाहता हूं कि मैंने अपने ट्रेडिंग के लिए 8220 क्वॉर्टर टावर 8221 बनाने के लिए बर्ट का इस्तेमाल कैसे किया। मेरे व्यापारिक संकेत आर फाइलों की लंबी सूची का उपयोग करते हुए उत्पन्न होते हैं लेकिन मुझे एक्सेल की लचीलेपन की आवश्यकता होती है ताकि परिणामों को त्वरित और कुशलता से प्रदर्शित किया जा सके। जैसा कि ऊपर दिखाया गया है BERT मेरे लिए यह कर सकता है लेकिन मैं भी अपनी जरूरतों के लिए आवेदन दर्जी करना चाहता हूँ। एक्सएमएल, वीबीए, आर और बीईआरटी की शक्ति के संयोजन से मैं न्यूनतम वीबीए कोड के साथ एक एक्सेल फाइल के रूप में एक अच्छी लग रही अभी तक शक्तिशाली अनुप्रयोग बना सकता हूं। अंत में मेरे पास एक एक्सेल फाइल है जो मेरे पोर्टफोलियो का प्रबंधन करने के लिए सभी जरूरी कार्यों को इकट्ठा करती है: डेटाबेस अपडेट, सिग्नल पीढ़ी, ऑर्डर सबमिशन आदि .8230 मेरा दृष्टिकोण नीचे 3 चरणों में टूट सकता है: एक्सएमएल का इस्तेमाल एक्सैस में यूज़र डिफाइन किया गया मेनू और बटन बनाने के लिए फ़ाइल। उपर्युक्त मेनू और बटन अनिवार्य रूप से VBA फ़ंक्शंस पर कॉल करते हैं। वे वीबीए फ़ंक्शन, बीएआरटी का इस्तेमाल करते हुए आर फ़ंक्शन परिभाषित करते हैं। इस दृष्टिकोण के साथ मैं आर, एसक्यूएल और पायथन में रखे गए कोड के मूल के बीच स्पष्ट अंतर रख सकता हूं और एक्सेल, वीबीए एम्प एक्सएमएल में रखे गए परिणाम प्रदर्शित और प्रारूपित करने के लिए इस्तेमाल होने वाली सभी चीजें अगले खंडों में मैं इस तरह के दृष्टिकोण को विकसित करने के लिए पूर्व शर्त की पेशकश करता हूं और कदम गाइड द्वारा एक कदम बताता हूं कि बीईआरटी का इस्तेमाल केवल आर से एक्सेल वाले डेटा को न्यूनतम वीबीए कोड के साथ करने के लिए किया जा सकता है। 1 8211 इस लिंक से BERT को डाउनलोड और इंस्टॉल करें स्थापना पूर्ण होने के बाद आपको नीचे दिखाए गए बटनों के साथ Excel में एक नया ऐड-इन्स मेनू होना चाहिए। इस तरह से Excel में BERT का आकार घट गया है 2 8211 कस्टम यूआई संपादक डाउनलोड और स्थापित करें। कस्टम यूआई संपादक एक्सेल रिबन में उपयोगकर्ता परिभाषित मेनू और बटन बनाने की अनुमति देता है। कदम प्रक्रिया द्वारा एक कदम यहाँ उपलब्ध है। कदम से कदम 1 1 8211 आर कोड: नीचे आर फ़ंक्शन केवल उदाहरण के लिए कोड का एक बहुत सरल टुकड़ा है यह गणना करता है और रेखीय प्रतिगमन से अवशिष्ट लौटाता है। यह वह है जो हम Excel में पुनः प्राप्त करना चाहते हैं। इसे मेरी आरकोड। आर (किसी अन्य नाम के ठीक है) नामक फ़ाइल में सहेजें, अपनी पसंद की निर्देशिका में। बीईआरटी में 2 8211 फ़ंक्शन। आर Excel से ऐड-इन्स - जीटी होम डायरेक्टरी का चयन करें और फ़ंक्शंस नामक फ़ाइल खोलें। आर इस फाइल में निम्नलिखित कोड पेस्ट करें सुनिश्चित करें कि आप सही पथ डालें यह सिर्फ आपके द्वारा बनाए गए BERT आर फ़ाइल में सोर्सिंग है फिर फाइल फ़ंक्शंस सहेजें और बंद करें। क्या आप चरण 1 में बनाए गए आर फ़ाइल में कोई भी बदलाव करना चाहते हैं, तो आपको इसे BERT बटन 8220 रीलॉउड स्टार्टअप File8221 का उपयोग करके एक्सेल 3 8211 में ऐड-इन्स मेनू से पुनः लोड करना होगा Excel में: फ़ाइल बनाएँ और myFile. xslm नामक एक फ़ाइल को सहेजें (कोई अन्य नाम ठीक है)। यह एक मैक्रो-सक्षम फ़ाइल है जिसे आप अपनी पसंद की निर्देशिका में सहेजते हैं। एक बार फ़ाइल को इसे बंद कर दिया जाता है। 4 8211 कस्टम यूआई एडिटर में ऊपर बनाई गई फ़ाइल खोलें: एक बार जब फ़ाइल खुली हो, तो नीचे कोड पेस्ट करें XML संपादक में आपको ऐसा कुछ होना चाहिए: मूल रूप से XML कोड का यह टुकड़ा एक्सेल रिबन में एक अतिरिक्त मेनू (आरट्रेडर), एक नया समूह (मेरा समूह) और उपयोगकर्ता परिभाषित बटन (नया बटन) बनाता है। एक बार जब आप 8217 कर लें, तो Excel में myFile. xslm खोलें और कस्टम यूआई संपादक को बंद करें। आपको ऐसा कुछ देखना चाहिए 5 8211 ओपन वीबीए संपादक। MyFile. xlsm में एक नया मॉड्यूल डालें नव निर्मित मॉड्यूल में नीचे दिए गए कोड को चिपकाएं। यह कार्यपत्रक में पिछले परिणामों को नए लोगों से मुकाबला करने से पहले मिटा देता है 6 8211 नया बटन क्लिक करें अब स्प्रैडशीट पर जाएं और RTrader मेनू में 8220 न्यू बटन 8221 बटन क्लिक करें। आपको नीचे दिखाई देने वाली चीज़ की तरह कुछ देखना चाहिए। ऊपर दी गई मार्गदर्शिका BERT का उपयोग करके प्राप्त किया जा सकता है, का एक बहुत ही बुनियादी संस्करण है, लेकिन यह आपको दिखाता है कि कैसे अपने स्वयं के कस्टम अनुप्रयोग बनाने के लिए कई विशिष्ट उपकरणों की शक्ति को गठबंधन करना है। मेरे दृष्टिकोण से इस तरह के दृष्टिकोण का हित है कि आर और एक्सेल को एक साथ गोंद करने की क्षमता है, लेकिन एक्सएमएल (और बैच) पायथन, एसक्यूएल और अधिक से कोड के टुकड़ों के माध्यम से भी शामिल किया जा सकता है। मुझे ठीक इसी की आवश्यकता थी। अंत में मुझे यह जानने में उत्सुक होगा कि किसी के पास बीएआरटी अगस्त 1 9, 2016, 9: 26 से कोई अनुभव है, जब ट्रेडिंग रणनीतियों का परीक्षण एक सामान्य दृष्टिकोण है, नमूना डेटा में प्रारंभिक डेटा को विभाजित करना: जांचने के लिए डिज़ाइन किए गए डेटा का हिस्सा मॉडल और नमूना डेटा से बाहर: अंशांकन को मान्य करने के लिए उपयोग किए गए डेटा का हिस्सा और सुनिश्चित करें कि नमूना में बनाए गए प्रदर्शन वास्तविक दुनिया में दिखाई देंगे। अंगूठे के एक नियम के रूप में प्रारंभिक आंकड़ों के चारों ओर अंशांकन (उदाहरण के नमूने में) के लिए और 30 सत्यापन के लिए उपयोग किया जा सकता है (यानी नमूना से बाहर)। इसके बाद नमूना डेटा के अंदर और बाहर की तुलना में यह तय करने में मदद मिलती है कि मॉडल काफी मजबूत है या नहीं। इस पोस्ट का उद्देश्य एक कदम आगे बढ़ना है और यह तय करने के लिए एक सांख्यिकीय पद्धति प्रदान करता है कि क्या नमूना डेटा से बाहर नमूना में बनाया गया था। नीले क्षेत्र के नीचे दिए गए चार्ट में मेरी एक रणनीति के लिए नमूना प्रदर्शन का प्रतिनिधित्व किया गया है एक सरल दृश्य निरीक्षण में नमूना प्रदर्शन के अंदर और बाहर के बीच एक अच्छा फिट दिखाई देता है, लेकिन इस स्तर पर मेरे पास कितने आत्मविश्वास है I इस स्तर पर अधिक नहीं है और यह समस्या है। वास्तव में क्या जरूरत है नमूना डेटा सेटों में और बाहर के बीच समानता का एक उपाय है। सांख्यिकीय शब्दों में यह संभावना है कि नमूना प्रदर्शन आंकड़ों में और बाहर एक ही वितरण से आने के रूप में अनुवाद किया जा सकता है। एक गैर-पैरामीट्रिक सांख्यिकीय परीक्षण है जो ऐसा करता है: Kruskall-Wallis टेस्ट। इस परीक्षण की एक अच्छी परिभाषा आर-ट्यूटर 8220 ए पर पाया जा सकता है यदि वे असंबंधित आबादी से आते हैं और नमूने एक-दूसरे को प्रभावित नहीं करते हैं, तो आंकड़ों के नमूने एकत्र करने के लिए स्वतंत्र हैं क्रुस्कल-वालिस टेस्ट का उपयोग करना हम यह तय कर सकते हैं कि जनसंख्या वितरण सामान्य वितरण का पालन करने के लिए उन्हें ग्रहण किए बिना एक समान है। 8221 इस परीक्षण का अतिरिक्त लाभ सामान्य वितरण को नहीं मानता है। यह उसी प्रकृति के अन्य परीक्षणों की मौजूदगी है जो उस रूपरेखा में फिट हो सकता है मान-व्हिटनी-विलकॉक्सन परीक्षण या कोलमोगोरोव-स्मरनोव परीक्षण पूरी तरह से ढांचे के अनुसार यहां वर्णित है, हालांकि ये इन परीक्षणों में से प्रत्येक के पेशेवरों और विपक्षों पर चर्चा करने के लिए इस लेख के दायरे से परे हैं। आर उदाहरणों के साथ एक अच्छा विवरण यहां पाया जा सकता है। यहां 8217 के ऊपर दिए गए चार्ट को उत्पन्न करने के लिए इस्तेमाल किया जाने वाला कोड और विश्लेषण: नमूना अवधि में ऊपर दिए गए उदाहरण में नमूना अवधि से अधिक लंबा है, इसलिए मैं नमूना डेटा के 1000 सबसेटों को बेतरतीब ढंग से बनाया है, जिनमें से प्रत्येक को समान लम्बाई है नमूना डेटा का फिर मैंने नमूना डेटा से बाहर के खिलाफ प्रत्येक नमूना सबसेट का परीक्षण किया और मैंने पी-वेल्यू रिकॉर्ड की। यह प्रक्रिया Kruskall-Wallis परीक्षण के लिए एक एकल पी-मान नहीं बनाता है, लेकिन एक वितरण विश्लेषण को अधिक मजबूत बना देता है इस उदाहरण में पी-मान का मतलब शून्य से ऊपर है (0.478) जो दर्शाता है कि रिक्त परिकल्पना स्वीकार की जानी चाहिए: इसमें ठोस प्रमाण हैं कि नमूना डेटा में और बाहर एक ही वितरण से आ रहा है। हमेशा की तरह जो इस पोस्ट में प्रस्तुत किया गया है वह एक खिलौना उदाहरण है जो केवल समस्या की सतह को खरोंच करता है और व्यक्तिगत आवश्यकताओं के अनुरूप होना चाहिए। हालांकि मुझे लगता है कि यह एक दिलचस्प और तर्कसंगत सांख्यिकीय रूपरेखा का प्रस्ताव है जो नमूना परिणामों से बाहर निकलना है। यह पोस्ट निम्नलिखित दो पत्रों से प्रेरित है: विजिएर अलेक्जेंडर, चिमल स्वैन (2007), आनुवंशिक रूप से विकसित ट्रेडिंग रणनीतियों के नमूने के प्रदर्शन पर विभिन्न अनुकूलन कार्यों के प्रभाव, वित्तीय बाजार सम्मेलन विजिएर अलेक्जेंडर, चैमिल स्वान (2010), ए नमूना स्थिरता में सुधार करने के लिए अनुकूलन प्रक्रिया, स्टॉक मार्केट का मामला, जेपी मॉर्गन कैज़ेन्वो इक्विटी क्वांटिटेटिव कॉन्फ्रेंस, लंदन अक्टूबर 2010 दिसंबर 13, 2015, 2:03 बजे मात्रात्मक अनुसंधान करना से बहुत सी डेटा क्रंचिंग हो रहा है और एक को साफ और विश्वसनीय डेटा की आवश्यकता है इस लक्ष्य को हासिल करें। क्या वास्तव में आवश्यक है साफ डेटा है जो आसानी से सुलभ है (यहां तक ​​कि इंटरनेट कनेक्शन के बिना भी) मेरे लिए ऐसा करने का सबसे कारगर तरीका सीएसवी फाइलों का एक सेट बनाए रखना है। जाहिर है इस प्रक्रिया को कई मायनों में संभाला जा सकता है लेकिन मुझे एक ऐसी निर्देशिका को बनाए रखने के लिए बहुत ही कुशल और आसान ओवरटाइम मिला है जहां मैं सीएसवी फाइलों को संग्रहीत और अद्यतन करता हूं। मेरे पास एक सीएसवी फ़ाइल प्रति उपकरण है और प्रत्येक फ़ाइल का नाम उस उपकरण के नाम पर है जिसका नाम है। मैं ऐसा कारण दो गुणा है: सबसे पहले, मैं don8217t याहू, Google etc8230 से हर बार जब मैं एक नए विचार की जांच करना चाहता हूँ, लेकिन अधिक महत्वपूर्ण बात एक बार जब मैं एक समस्या को पहचानता हूं और तय करता हूं, तो मैं इसे डाउनलोड करना चाहता हूं I8217t अगली बार मुझे एक ही साधन की जरूरत पड़ती है। सरल अभी तक बहुत कुशल अब तक। इस प्रक्रिया को नीचे दिए गए चार्ट में संक्षेप किया गया है जो कुछ भी इस प्रकार है, मैं मानता हूं कि डेटा याहू से आ रहा है। कोड, गूगल, क्वैन्डल आदि 8230 से डेटा के लिए संशोधित किया जाना चाहिए इसके अतिरिक्त मैं दैनिक मूल्य डेटा को अपडेट करने की प्रक्रिया को प्रस्तुत करता हूं। उच्च आवृत्ति डेटा और अन्य प्रकार के डाटासेट के लिए सेटअप अलग होगा (यानी कीमतों से अलग) 1 8211 प्रारंभिक डेटा डाउनलोड करना (सूचीऑफ़इनस्ट्रुम्स. आर एम्प ऐतिहासिक डेटा। आर) फ़ाइल सूचीऑफ़ इन्स्ट्रूमर्स. आर एक फाइल है जिसमें केवल सभी उपकरणों की सूची है। यदि कोई साधन मेरी सूची का आईएनआई 8217t हिस्सा है (यानी मेरे डेटा फ़ोल्डर में कोई सीएसवी फाइल नहीं है) या यदि आप पहली बार इसे करते हैं तो आपको प्रारंभिक ऐतिहासिक डेटा सेट डाउनलोड करना होगा। नीचे दिया गया उदाहरण, याहू फ़ाइनस से जनवरी 2000 तक ईटीएफ के दैनिक मूल्यों को डाउनलोड करता है और डेटा को सीएसवी फ़ाइल में संग्रहीत करता है। 2 8211 मौजूदा डेटा अपडेट करें (updateData. R) नीचे दिए गए कोड मौजूदा फ़ोल्डर से समर्पित फ़ोल्डर में शुरू होता है और उनमें से सभी एक के बाद एक अद्यतन करता है मैं आम तौर पर इस प्रक्रिया को हर रोज़ को छोड़कर छुट्टी पर I8217m को छोड़कर। एक नया साधन जोड़ने के लिए, केवल इस उपकरण के लिए ऊपर चरण 1 को केवल अकेले चलाएं 3 8211 एक बैच फ़ाइल बनाएं (अपडेटडिलीप्राइसेस. बैट) नौकरी का दूसरा महत्वपूर्ण हिस्सा एक बैच फ़ाइल बना रहा है जो कि ऊपर की अद्यतन प्रक्रिया को स्वचालित करता है (I8217m एक विंडोज उपयोगकर्ता)। यह आरआर स्टूडियो खोलने से बचाता है और वहां से कोड चलाता है। नीचे दिए गए कोड को.bat फ़ाइल पर रखा गया है (पथ को रीडर 8217 के सेटअप के साथ संशोधित किया जाना है)। नोट करें कि निष्पादन को ट्रैक करने के लिए मैंने एक आउटपुट फाइल (updateLog. txt) जोड़ दी है। उपरोक्त प्रक्रिया अत्यंत सरल है क्योंकि यह केवल दैनिक मूल्य डेटा को अपडेट करने का वर्णन करता है। I8217ve थोड़ी देर के लिए इस का उपयोग कर रहा था और यह बहुत आसानी से मेरे लिए अब तक काम कर रहा है। और अधिक उन्नत डेटा और अधिक आवृत्तियों के लिए, चीजें बहुत जटिल हो सकती हैं हमेशा की तरह कोई टिप्पणी 15 अगस्त, 2015, 9: 03 बजे स्वागत करती है। एसेट मैनेजमेंट इंडस्ट्री एक बड़े बदलाव के कगार पर है। पिछले दो सालों में रोबोट एडवाइजर्स (आरए) नए खिलाड़ियों के रूप में उभरा है। शब्द ही परिभाषित करना कठिन है क्योंकि इसमें सेवाओं की एक विशाल विविधता शामिल है। कुछ को पारंपरिक सलाहकारों को बेहतर तरीके से अपने ग्राहकों के पैसे आवंटित करने के लिए तैयार किया गया है और कुछ वास्तविक 8220 ब्लैक बॉक्स 8221 हैं। उपयोगकर्ता कुछ मापदंड (आयु, आय, बच्चों आदि 8230) दर्ज करता है और रोबोट एक दर्जी बनाये गये आवंटन का प्रस्ताव करता है। उन दो चरम सीमाओं के बीच ऑफ़र की एक पूरी श्रृंखला उपलब्ध है। मुझे विकिपीडिया परिभाषा बहुत अच्छी लगती है 8220 वे वित्तीय सलाहकार का एक वर्ग है जो न्यूनतम मानव हस्तक्षेप 8221 के साथ पोर्टफोलियो प्रबंधन ऑनलाइन प्रदान करता है। अधिक सटीक रूप से वे एल्गोरिथम-आधारित पोर्टफोलियो प्रबंधन का उपयोग करते हैं, जिनमें पारंपरिक सलाहकार की पेशकश की गई स्पेक्ट्रम की पेशकश की जाएगी: लाभांश पुनर्निवेश, अनुपालन रिपोर्ट, पोर्टफोलियो रिबैलेंसिंग, टैक्स लॉसिंग इत्यादि। 8230 (अच्छी तरह से यह मात्रात्मक निवेश समुदाय दशकों से कर रहा है)। यह उद्योग अब भी अपनी प्रारंभिक अवस्था में है, ज्यादातर खिलाड़ियों के पास अब भी बहुत कम पैसा है लेकिन मुझे एहसास हुआ कि जब कुछ दिन पहले मैं NYC में था तब यह परिवर्तन कितना गहरा था। जब आरए को टीवी पर उनके नाम मिलते हैं या एनएवाईटी टैक्सी की छत पर आप जानते हैं कि कुछ बड़ा हो रहा है 8230 यह मीडिया से अधिक से अधिक ध्यान दे रहा है और इसके अलावा यह निवेशक के परिप्रेक्ष्य से काफी मायने रखता है। आरए का उपयोग करने में वास्तव में दो मुख्य लाभ हैं: पारंपरिक सलाहकारों की तुलना में काफी कम शुल्क निवेश को और अधिक पारदर्शी और सरल बना दिया जाता है जो कि सीमित वित्तीय ज्ञान वाले लोगों के लिए और अधिक आकर्षक है इस पोस्ट में आर को एक अच्छी तरह से पेश करने का एक बहाना है जो एक प्रमुख प्रवृत्ति है संपत्ति प्रबंधन उद्योग नीचे दिए गए चार्ट 2014 के अंत के रूप में सबसे लोकप्रिय आरए के शेयर बाजार को दिखाते हैं। नीचे दिए गए चार्ट को उत्पन्न करने के लिए इस्तेमाल किया जाने वाला कोड इस पोस्ट के अंत में पाया जा सकता है और डेटा यहाँ है उन आंकड़ों को थोड़ा सा दिनांक दिया गया है कि यह उद्योग कितनी तेजी से विकसित होता है लेकिन अभी भी बहुत जानकारीपूर्ण है। आश्चर्य नहीं कि बाजार में अमेरिका के प्रदाताओं जैसे वर्थफ्रंट और बेटरमेंट का प्रभुत्व है, लेकिन आरए दुनिया भर में उभर कर सामने आ रहा है: एशिया (8 नव), स्विटजरलैंड (इन्वेस्टग्लस), फ्रांस (मैरी क्वांटियर) 8230 यह परंपरागत परिसंपत्ति प्रबंधकों को व्यापार करने के तरीके को काफी प्रभावित करना शुरू कर रहा है। एक प्रमुख उदाहरण फिडेलिटी और बेटरमेंट के बीच साझेदारी है दिसंबर 2014 के बाद से 2 अरब एयूएम चिह्न से पिछड़ गया उपरोक्त सभी के बावजूद, मुझे लगता है कि असली बदलाव हमारे आगे है। क्योंकि वे कम मध्यस्थों और कम कमीशन उत्पादों (जैसे ईटीएफ) का उपयोग करते हैं, वे पारंपरिक सलाहकारों की तुलना में बहुत कम शुल्क लेते हैं। आरए निश्चित रूप से महत्वपूर्ण बाजार के शेयरों को प्राप्त करेगा लेकिन वे उद्योग द्वारा पूरे शुल्क के रूप में शुल्क लगाएंगे। अंततः यह पारंपरिक निवेश फर्मों के कारोबार के तरीके को प्रभावित करेगा। सक्रिय पोर्टफोलियो प्रबंधन जो कुछ सालों के लिए कठिन समय हो रहा है, वह अब और भी अधिक भुगतना होगा। उच्च फीस यह प्रभार भी उचित साबित करने के लिए कठिन हो जाएगा जब तक कि वह खुद को फिर से reinvents। एक अन्य संभावित प्रभाव सामान्य रूप से ईटीएफ और कम कमीशन के वित्तीय उत्पादों का उदय है। जाहिर है यह कुछ समय पहले शुरू हुआ है लेकिन मुझे लगता है आने वाले वर्षों में यह प्रभाव अधिक स्पष्ट होगा। ईटीएफ की नई पीढ़ी अधिक जटिल सूचकांक और कस्टम निर्मित रणनीतियों को ट्रैक करते हैं। इस प्रवृत्ति अनिवार्य रूप से मजबूत हो जाएगी सामान्य तौर पर किसी भी टिप्पणी का स्वागत करते हुए 7 जुलाई, 2015, 8:04 बजे वेब पर चारों ओर फ़्लोट करने वाले कई आर टाइम सीरीज़ ट्यूटोरियल हैं, जो इस पोस्ट को उनमें से एक होने के लिए डिज़ाइन नहीं किया गया है। इसके बजाय मैं आर में वित्तीय समय श्रृंखला के साथ व्यवहार करते समय मेरे पास आने वाले सबसे उपयोगी ट्रिक्स की एक सूची पेश करना चाहता हूं। यहां प्रस्तुत कुछ फ़ंक्शन अविश्वसनीय रूप से शक्तिशाली हैं लेकिन दुर्भाग्य से दस्तावेज में दफन किया गया है इसलिए एक समर्पित पोस्ट बनाने की मेरी इच्छा है। मैं केवल दैनिक या कम आवृत्ति समय श्रृंखला को संबोधित करते हैं। उच्च आवृत्ति डेटा के साथ लेनदेन करने के लिए विशिष्ट टूल की आवश्यकता होती है: उनमें से कुछ डेटाडेटेबल या उच्च फ़्रीक्वेंसी पैकेज हैं एक्सट्स एक्सटीएस पैकेज का होना चाहिए, जब आर में बार सीरीज की बात आती है। नीचे दिया गया उदाहरण पैकेज को लोड करता है और 400 दिन की सामान्य समय श्रृंखला बनाता है जो सामान्य तौर पर वितरित रिटर्न विलय मर्ज। Xts (पैकेज xts): जब यह आता है बाँध दो या दो बार एक साथ श्रृंखला चाहे वे एक ही लंबाई है या नहीं जुड़ने के तर्क जादू करता है यह निर्धारित करता है कि बाइंडिंग कैसे किया जाता है। लागू होते हैं.पहले। (पैकेज xts): निर्दिष्ट समय श्रृंखला ऑब्जेक्ट में प्रत्येक विशिष्ट अवधि के लिए निर्दिष्ट फ़ंक्शन लागू करें। नीचे दिए गए उदाहरण, tsInter ऑब्जेक्ट में दूसरी श्रृंखला के मासिक और वार्षिक रिटर्न की गणना करते हैं। ध्यान दें कि मैं रिटर्न की राशि का उपयोग करता हूँ (कोई समझौता नहीं किया जा रहा है) समापन बिंदु (पैकेज xts): किसी दिए गए xts वस्तु के सूचकांक मूल्यों को अंतिम अवलोकन के अनुसार वस्तु द्वारा निकाले गए अवधि को निर्दिष्ट करें। उदाहरण के लिए, तारीख को चुनने के लिए समापन बिंदु का उपयोग करते हुए, टीएनइंटर ऑब्जेक्ट में प्रत्येक श्रृंखला के महीने रिटर्न के अंतिम दिन देता है। na. locf (पैकेज चिड़ियाघर): प्रत्येक एनए को बदलने के लिए जेनेरिक फ़ंक्शन, इससे पहले की सबसे हाल ही में गैर-एनए। कुछ 8220holes8221 के साथ समय श्रृंखला के साथ व्यवहार करते समय अत्यंत उपयोगी होते हैं और जब इस समय श्रृंखला को बाद में आर फ़ंक्शन के लिए इनपुट के रूप में उपयोग किया जाता है जो एनएएस के साथ तर्क स्वीकार नहीं करता है। उदाहरण में मैं यादृच्छिक मूल्यों की एक समय श्रृंखला बना देता हूं, कृत्रिम रूप से इसमें कुछ एनएएस शामिल होते हैं और उन्हें हाल के मूल्य के साथ बदलते हैं। चार्ट। प्रस्तुतिसूत्र (पैकेज प्रदर्शन विश्लेषिकी): रिटर्न के एक सेट के लिए, एक संपदा सूचकांक चार्ट बनाएं, प्रति-अवधि के प्रदर्शन के लिए सलाखों, और ड्रॉडाउन के लिए पानी के नीचे का चार्ट। यह अविश्वसनीय रूप से उपयोगी है क्योंकि यह एक सिंगल विंडो पर प्रदर्शित होता है जो व्यापार रणनीति के त्वरित दृश्य निरीक्षण के लिए सभी प्रासंगिक जानकारी प्रदर्शित करता है। नीचे दिया गया उदाहरण मूल्य श्रृंखला को एक एक्सटीएस ऑब्जेक्ट में बदल देता है, फिर ऊपर वर्णित 3 चार्ट के साथ एक विंडो प्रदर्शित करता है। उपर्युक्त सूची किसी भी तरह से पूर्ण नहीं होती है, लेकिन एक बार जब आप इस पोस्ट में वर्णन करते हैं कि यह कार्य करता है, तो यह वित्तीय समय श्रृंखला का हेरफेर बहुत आसान बनाता है, कोड कम और कोड की पठनीयता बेहतर है। हमेशा की तरह किसी भी टिप्पणी का स्वागत करते हुए 23 मार्च, 2015, 8:55 बजे जब एक बेंचमार्क बनाम शेयरों के पोर्टफोलियो के प्रबंधन की बात आती है तो समस्या एक पूर्ण वापसी रणनीति को परिभाषित करने से बहुत भिन्न होती है। पूर्व में किसी को बाद में स्टॉक की तुलना में अधिक रखना पड़ता है, अगर कोई भी पर्याप्त स्टॉक नहीं हो सकता है, तो पर्याप्त अवसर नहीं है। इसके लिए कारण ट्रैकिंग त्रुटि है इसे पोर्टफोलियो वापसी के मानक विचलन से बेंचमार्क रिटर्न के रूप में परिभाषित किया गया है। कम स्टॉक बनाम एक बेंचमार्क बना रहा है जो ट्रैकिंग त्रुटि की अधिकता है (जैसे उच्च जोखिम)। इस प्रकार का विश्लेषण ग्रंथि 8220 एक्टिव पोर्टफोलियो मैनेजमेंट 8221 ग्रिनोल्ड एएमपी क्हन द्वारा बड़े पैमाने पर प्रेरित है। बेंचमार्क के खिलाफ पोर्टफोलियो चलाने में रूचि रखने वाले किसी भी व्यक्ति के लिए यह बाइबल है मैं दृढ़ता से उस विषय में रुचि रखने वाले किसी को शुरुआत से लेकर अंत तक पुस्तक को पढ़ने के लिए प्रोत्साहित करता हूं यह बहुत अच्छी तरह से लिखित और व्यवस्थित सक्रिय पोर्टफोलियो प्रबंधन की नींव रखता है I8217s (मैं संपादक या लेखक के लिए कोई संबद्धता नहीं है)। 1 8211 फैक्टर का विश्लेषण यहाँ I8217re एक भविष्य वापसी के आधार पर निवेश ब्रह्मांड में स्टॉक के रूप में सही रूप में यथासंभव रैंक करने की कोशिश कर रहा है। बहुत से लोग कई उपकरणों के साथ आए और इन उपकरणों के अनगिनत संस्करणों को इस लक्ष्य को हासिल करने के लिए विकसित किया गया है। इस पोस्ट में मैं दो सरल और व्यापक रूप से इस्तेमाल किए गए मैट्रिक्स पर ध्यान केंद्रित करता हूं: सूचना गुणांक (आईसी) और क्वांटिल्स रिटर्न (क्यूआर)। 1.1 8211 सूचना गुणांक आगे की वापसी के लिए क्षितिज विश्लेषक द्वारा परिभाषित किया जाना चाहिए और यह 8217 रणनीति 8217 के कारोबार और अल्फा क्षय (यह व्यापक अनुसंधान का विषय रहा है) का एक कार्य है। स्पष्ट रूप से पूर्ण रूप से आईसी में यथासंभव उच्च होना चाहिए। गहन रीडर के लिए, पुस्तक में ग्रिनोल्ड एएमपी क्हान द्वारा एक फॉर्मूला लिंकिंग सूचना अनुपात (आईआर) और आईसी दिया गया है: चौड़ाई के साथ स्वतंत्र दांव (ट्रेडों) की संख्या है यह सूत्र सक्रिय प्रबंधन के मौलिक कानून के रूप में जाना जाता है समस्या यह है कि अक्सर, चौड़ाई को परिभाषित करना जितना आसान लगता है उतना आसान नहीं होता है 1.2 8211 क्वांटिल्स रिटर्न एक चरण आगे जाने के लिए आवश्यक कारक भविष्य कहनेवाला शक्ति का अधिक सटीक अनुमान लगाने के लिए और कारक मूल्यों की मात्रा के आधार पर समूह स्टॉक का मूल्यांकन करने के लिए उन में से प्रत्येक के औसत अग्रेषित वापसी (या किसी भी अन्य केंद्रीय प्रवृत्ति मीट्रिक) का विश्लेषण करें quantiles। इस उपकरण की उपयोगिता सरल है एक कारक के पास अच्छा आईसी हो सकता है लेकिन इसकी अनुमानित शक्ति सीमित संख्या में स्टॉक तक सीमित हो सकती है। यह अच्छा नहीं है क्योंकि एक पोर्टफोलियो मैनेजर को अपने ट्रैकिंग त्रुटि बाधा को पूरा करने के लिए पूरे ब्रह्मांड के भीतर स्टॉक चुनना होगा। अच्छी क्वालिटी रिटर्न व्यक्तिगत मात्रा और आगे रिटर्न के बीच एक नीरस रिश्ते की विशेषता है। SampP500 सूचकांक में सभी शेयर (लेखन के समय)। जाहिर है एक अस्तित्व जहाज पूर्वाग्रह है: सूचकांक में शेयरों की सूची में नमूना अवधि के शुरू और अंत के बीच काफी बदलाव आया है, हालांकि, चित्रण के प्रयोजनों के लिए केवल यह काफी अच्छा है I8217 नीचे दिए गए कोड, एसएपीपी 500 में जनवरी 2005 और आज के बीच अलग-अलग स्टॉक कीमतों को डाउनलोड करते हैं (यह कुछ समय लगता है) और पिछले 12 महीनों और पिछले महीने के दौरान कच्चे कीमतों को वापस लौटाता है। पूर्व हमारा कारक है, बाद का उपयोग आगे की वापसी के उपाय के रूप में किया जाएगा। सूचना गुणांक और मात्रात्मक रिटर्न की गणना करने के लिए नीचे कोड है। ध्यान दें कि मैं इस उदाहरण में क्विंटिल्स का उपयोग किया था लेकिन किसी भी अन्य समूह विधि (टीसीराइल, डीकइल्स आदि 8230) का उपयोग किया जा सकता है। यह वास्तव में नमूना आकार पर निर्भर करता है, आप कैप्चर करना चाहते हैं और आप एक विस्तृत अवलोकन या वितरण पूंछ पर ध्यान केंद्रित करना चाहते हैं। प्रत्येक क्विंटिल के भीतर रिटर्न का आकलन करने के लिए, मध्यवर्ती प्रवृत्ति अनुमानक के रूप में उपयोग किया गया है यह माप अंकगणित माध्य से आउटलेरों के प्रति बहुत कम संवेदनशील होता है। और अंत में क्वांटिल्स रिटर्न चार्ट का निर्माण करने के लिए कोड। 3 8211 ऊपर दी गई जानकारी का फायदा कैसे उठाएं Q1 ऊपर दिए गए चार्ट में पिछले 12 महीनों का रिटर्न और क्यू 5 सबसे ऊंचा है। Q1 और Q5 के बीच मात्रा में वापसी में लगभग एकोनोटोनिक वृद्धि होती है, जो स्पष्ट रूप से इंगित करता है कि Q5 में गिरने वाले शेयरों की संख्या Q1 में गिरने वालों के बारे में 1 प्रति माह से अधिक है। यह इस तरह के एक साधारण कारक के लिए बहुत महत्वपूर्ण और शक्तिशाली है (यद्यपि 8230 हालांकि आश्चर्यचकित नहीं है)। इसलिए, सूचकांक को क्यू 5 में गिरने वाले शेयरों को ओवरहेटिंग करने और बेंचमार्क के मुकाबले Q1 में गिरने वालों को कम करने के लिए अधिक संभावनाएं हैं। 0.0206 की एक आईसी का मतलब अपने आप में एक बड़ा सौदा नहीं हो सकता है, लेकिन यह 8217 महत्वपूर्ण रूप से 0 से अलग है और यह इंगित करता है कि पिछले 12 महीनों में एक अच्छी भविष्यवाणी की गई है, जो कुल मिलाकर वापस आती है। औपचारिक महत्व परीक्षणों का मूल्यांकन किया जा सकता है लेकिन यह इस लेख के दायरे से परे है। 4 8211 व्यावहारिक सीमाएं निवेश ढांचा 8217 के गुणवत्ता के मूल्यांकन के लिए उपरोक्त रूपरेखा उत्कृष्ट है, लेकिन वास्तविक जीवन कार्यान्वयन के लिए कई व्यावहारिक सीमाएं हैं जिनके बारे में पता होना चाहिए: पुन: संतुलन। उपरोक्त विवरण में, यह धारणा है कि प्रत्येक माह के अंत में पोर्टफोलियो पूरी तरह से पुनर्जन्मित होता है। इसका मतलब यह है कि Q1 में गिरने वाले सभी स्टॉक कम वजन वाले हैं और Q5 में गिरने वाले सभी स्टॉक बेंचमार्क से अधिक वजन वाले हैं। यह व्यावहारिक कारणों के लिए हमेशा संभव नहीं होता है: कुछ शेयरों को निवेश ब्रह्मांड से बाहर रखा जा सकता है, उद्योग या क्षेत्र के वजन पर बाधाएं हैं, टर्नओवर आदि 8230 लेनदेन लागत पर बाधाएं हैं। यह ऊपर विश्लेषण में ध्यान में नहीं लिया गया है और यह वास्तविक जीवन कार्यान्वयन के लिए एक गंभीर ब्रेक है। कारक गुणवत्ता पर जुर्माना के रूप में सामान्य रूप से कारोबारियों को वास्तविक जीवन में लागू किया जाता है। स्थानांतरण गुणांक यह सक्रिय प्रबंधन के मौलिक कानून का एक विस्तार है और यह ग्रिनॉल्ड 8217 के मॉडल की धारणा को सीमित करता है कि प्रबंधकों को कोई बाधा नहीं होती है, जो उन्हें अपने निवेश अंतर्दृष्टि को पोर्टफोलियो दांव में सीधे अनुवाद करने से रोकती है। और अंत में, I8217m क्या R8230 के साथ 80 से कम लाइन कोड में प्राप्त किया जा सकता है हमेशा की तरह किसी भी टिप्पणी का स्वागत करते हैं November 30, 2016, 12:34 पूर्वाह्न कुछ महीने पहले एक पाठक ने आर और एक्सेल को जोड़ने का यह नया तरीका बताया। मैं don8217t जानता हूं कि यह कितनी देर के आसपास रहा है, लेकिन मैंने कभी भी इसे पार नहीं किया और I8217ve ने इसके बारे में किसी भी ब्लॉग पोस्ट या लेख को कभी नहीं देखा। इसलिए मैंने एक पोस्ट लिखने का फैसला किया क्योंकि उपकरण वास्तव में इसके लायक है और कोई भी पूछने से पहले, I8217m किसी भी तरह से कंपनी से संबंधित नहीं है। बीईआरटी मूल एक्सेल आर टूलकिट के लिए खड़ा है। It8217s मुक्त (जीपीएल v2 के तहत लाइसेंस प्राप्त है) और यह संरचित डेटा एलएलसी द्वारा विकसित किया गया है। बीईआरटी का वर्तमान संस्करण 1.07 है लिखने के समय। अधिक जानकारी यहां पाई जा सकती है। अधिक तकनीकी परिप्रेक्ष्य से, बीईआरटी को एक्सेल स्प्रैडशीट कोशिकाओं से चलने वाली आर फ़ंक्शन का समर्थन करने के लिए डिज़ाइन किया गया है। एक्सेल शब्द में, आरओ में यूजर-डिफ़ाइंड फ़ंक्शंस (यूडीएफ) लिखने के लिए, 8217 से। इस पोस्ट में I8217 एम आपको नहीं दिखाएगा कि आर और एक्सेल बीएआरटी के माध्यम से किस तरह से बातचीत करते हैं। यहां बहुत अच्छे ट्यूटोरियल हैं यहां और यहां इसके बजाए मैं आपको यह बताना चाहता हूं कि मैंने अपने ट्रेडिंग के लिए 8220 क्वॉर्टर टावर 8221 बनाने के लिए बर्ट का इस्तेमाल कैसे किया। मेरे व्यापारिक संकेत आर फाइलों की लंबी सूची का उपयोग करते हुए उत्पन्न होते हैं लेकिन मुझे एक्सेल की लचीलेपन की आवश्यकता होती है ताकि परिणामों को त्वरित और कुशलता से प्रदर्शित किया जा सके। जैसा कि ऊपर दिखाया गया है BERT मेरे लिए यह कर सकता है लेकिन मैं भी अपनी जरूरतों के लिए आवेदन दर्जी करना चाहता हूँ। एक्सएमएल, वीबीए, आर और बीईआरटी की शक्ति के संयोजन से मैं न्यूनतम वीबीए कोड के साथ एक एक्सेल फाइल के रूप में एक अच्छा दिखने वाला शक्तिशाली अनुप्रयोग बना सकता हूं। अंत में मेरे पास एक एक्सेल फाइल है जो मेरे पोर्टफोलियो का प्रबंधन करने के लिए सभी जरूरी कार्यों को इकट्ठा करती है: डेटाबेस अपडेट, सिग्नल पीढ़ी, ऑर्डर सबमिशन आदि .8230 मेरा दृष्टिकोण नीचे 3 चरणों में टूट सकता है: एक्सएमएल का इस्तेमाल एक्सैस में यूज़र डिफाइन किया गया मेनू और बटन बनाने के लिए फ़ाइल। उपर्युक्त मेनू और बटन अनिवार्य रूप से वीबीए कार्यों के लिए कॉल कर रहे हैं वे वीबीए फ़ंक्शन, बीएआरटी का इस्तेमाल करते हुए आर फ़ंक्शन परिभाषित करते हैं। इस दृष्टिकोण के साथ मैं आर, एसक्यूएल और पायथन में रखे गए कोड के मूल के बीच स्पष्ट अंतर रख सकता हूं और एक्सेल, वीबीए एम्प एक्सएमएल में रखे गए परिणाम प्रदर्शित और प्रारूपित करने के लिए इस्तेमाल होने वाली सभी चीजें अगले खंडों में मैं इस तरह के दृष्टिकोण को विकसित करने के लिए पूर्व शर्त की पेशकश करता हूं और कदम गाइड द्वारा एक कदम बताता हूं कि बीईआरटी का इस्तेमाल केवल आर से एक्सेल वाले डेटा को न्यूनतम वीबीए कोड के साथ करने के लिए किया जा सकता है। 1 8211 इस लिंक से BERT को डाउनलोड और इंस्टॉल करें स्थापना पूर्ण होने के बाद आपको नीचे दिखाए गए बटनों के साथ Excel में एक नया ऐड-इन्स मेनू होना चाहिए। इस तरह से Excel में BERT का आकार घट गया है 2 8211 कस्टम यूआई संपादक डाउनलोड और स्थापित करें। कस्टम यूआई संपादक एक्सेल रिबन में उपयोगकर्ता परिभाषित मेनू और बटन बनाने की अनुमति देता है। कदम प्रक्रिया द्वारा एक कदम यहाँ उपलब्ध है। कदम से कदम 1 1 8211 आर कोड: नीचे आर फ़ंक्शन केवल उदाहरण के लिए कोड का एक बहुत सरल टुकड़ा है यह गणना करता है और रेखीय प्रतिगमन से अवशिष्ट लौटाता है। यह वह है जो हम Excel में पुनः प्राप्त करना चाहते हैं। इसे मेरी आरकोड। आर (किसी अन्य नाम के ठीक है) नामक फ़ाइल में सहेजें, अपनी पसंद की निर्देशिका में। बीईआरटी में 2 8211 फ़ंक्शन। आर Excel से ऐड-इन्स - जीटी होम डायरेक्टरी का चयन करें और फ़ंक्शंस नामक फ़ाइल खोलें। आर इस फाइल में निम्नलिखित कोड पेस्ट करें सुनिश्चित करें कि आप सही पथ डालें यह सिर्फ आपके द्वारा बनाए गए BERT आर फ़ाइल में सोर्सिंग है फिर फाइल फ़ंक्शंस सहेजें और बंद करें। क्या आप चरण 1 में बनाए गए आर फ़ाइल में कोई भी बदलाव करना चाहते हैं, तो आपको इसे BERT बटन 8220 रीलॉउड स्टार्टअप File8221 का उपयोग करके एक्सेल 3 8211 में ऐड-इन्स मेनू से पुनः लोड करना होगा Excel में: फ़ाइल बनाएँ और myFile. xslm नामक एक फ़ाइल को सहेजें (कोई अन्य नाम ठीक है)। यह एक मैक्रो-सक्षम फ़ाइल है जिसे आप अपनी पसंद की निर्देशिका में सहेजते हैं। एक बार फ़ाइल को इसे बंद कर दिया जाता है। 4 8211 कस्टम यूआई एडिटर में ऊपर बनाई गई फ़ाइल खोलें: एक बार जब फ़ाइल खुली हो, तो नीचे कोड पेस्ट करें XML संपादक में आपको ऐसा कुछ होना चाहिए: मूल रूप से XML कोड का यह टुकड़ा एक्सेल रिबन में एक अतिरिक्त मेनू (आरट्रेडर), एक नया समूह (मेरा समूह) और उपयोगकर्ता परिभाषित बटन (नया बटन) बनाता है। एक बार जब आप 8217 कर लें, तो Excel में myFile. xslm खोलें और कस्टम यूआई संपादक को बंद करें। आपको ऐसा कुछ देखना चाहिए 5 8211 ओपन वीबीए संपादक। MyFile. xlsm में एक नया मॉड्यूल डालें नव निर्मित मॉड्यूल में नीचे दिए गए कोड को चिपकाएं। यह कार्यपत्रक में पिछले परिणामों को नए लोगों से मुकाबला करने से पहले मिटा देता है 6 8211 नया बटन क्लिक करें अब स्प्रैडशीट पर जाएं और RTrader मेनू में 8220 न्यू बटन 8221 बटन क्लिक करें। आपको नीचे दिखाई देने वाली चीज़ की तरह कुछ देखना चाहिए। ऊपर दी गई मार्गदर्शिका BERT का उपयोग करके प्राप्त किया जा सकता है, का एक बहुत ही बुनियादी संस्करण है, लेकिन यह आपको दिखाता है कि कैसे अपने स्वयं के कस्टम अनुप्रयोग बनाने के लिए कई विशिष्ट उपकरणों की शक्ति को गठबंधन करना है। मेरे दृष्टिकोण से इस तरह के दृष्टिकोण का हित है कि आर और एक्सेल को एक साथ गोंद करने की क्षमता है, लेकिन एक्सएमएल (और बैच) पायथन, एसक्यूएल और अधिक से कोड के टुकड़ों के माध्यम से भी शामिल किया जा सकता है। मुझे ठीक इसी की आवश्यकता थी। Finally I would be curious to know if anyone has any experience with BERT August 19, 2016, 9:26 am When testing trading strategies a common approach is to divide the initial data set into in sample data: the part of the data designed to calibrate the model and out of sample data: the part of the data used to validate the calibration and ensure that the performance created in sample will be reflected in the real world. As a rule of thumb around 70 of the initial data can be used for calibration (i. e. in sample) and 30 for validation (i. e. out of sample). Then a comparison of the in and out of sample data help to decide whether the model is robust enough. This post aims at going a step further and provides a statistical method to decide whether the out of sample data is in line with what was created in sample. In the chart below the blue area represents the out of sample performance for one of my strategies. A simple visual inspection reveals a good fit between the in and out of sample performance but what degree of confidence do I have in this At this stage not much and this is the issue. What is truly needed is a measure of similarity between the in and out of sample data sets. In statistical terms this could be translated as the likelihood that the in and out of sample performance figures coming from the same distribution. There is a non-parametric statistical test that does exactly this: the Kruskall-Wallis Test . A good definition of this test could be found on R-Tutor 8220A collection of data samples are independent if they come from unrelated populations and the samples do not affect each other. Using the Kruskal-Wallis Test. we can decide whether the population distributions are identical without assuming them to follow the normal distribution.8221 The added benefit of this test is not assuming a normal distribution. It exists other tests of the same nature that could fit into that framework. The Mann-Whitney-Wilcoxon test or the Kolmogorov-Smirnov tests would perfectly suits the framework describes here however this is beyond the scope of this article to discuss the pros and cons of each of these tests. A good description along with R examples can be found here . Here8217s the code used to generate the chart above and the analysis: In the example above the in sample period is longer than the out of sample period therefore I randomly created 1000 subsets of the in sample data each of them having the same length as the out of sample data. Then I tested each in sample subset against the out of sample data and I recorded the p-values. This process creates not a single p-value for the Kruskall-Wallis test but a distribution making the analysis more robust. In this example the mean of the p-values is well above zero (0.478) indicating that the null hypothesis should be accepted: there are strong evidences that the in and out of sample data is coming from the same distribution. As usual what is presented in this post is a toy example that only scratches the surface of the problem and should be tailored to individual needs. However I think it proposes an interesting and rational statistical framework to evaluate out of sample results. This post is inspired by the following two papers: Vigier Alexandre, Chmil Swann (2007), Effects of Various Optimization Functions on the Out of Sample Performance of Genetically Evolved Trading Strategies, Forecasting Financial Markets Conference Vigier Alexandre, Chmil Swann (2010), An optimization process to improve inout of sample consistency, a Stock Market case, JP Morgan Cazenove Equity Quantitative Conference, London October 2010 December 13, 2015, 2:03 pm Doing quantitative research implies a lot of data crunching and one needs clean and reliable data to achieve this. What is really needed is clean data that is easily accessible (even without an internet connection). The most efficient way to do this for me has been to maintain a set of csv files. Obviously this process can be handled in many ways but I found very efficient and simple overtime to maintain a directory where I store and update csv files. I have one csv file per instrument and each file is named after the instrument it contains. The reason I do so is twofold: First, I don8217t want to download (price) data from Yahoo, Google etc8230 every time I want to test a new idea but more importantly once I identified and fixed a problem, I don8217t want to have to do it again the next time I need the same instrument. Simple yet very efficient so far. The process is summarized in the chart below. In everything that follows, I assume that data is coming from Yahoo. The code will have to be amended for data from Google, Quandl etc8230 In addition I present the process of updating daily price data. The setup will be different for higher frequency data and other type of dataset (i. e. different from prices). 1 8211 Initial data downloading (listOfInstruments. R amp historicalData. R) The file listOfInstruments. R is a file containing only the list of all instruments. If an instrument isn8217t part of my list (i. e. no csv file in my data folder) or if you do it for the very first time you have to download the initial historical data set. The example below downloads a set of ETFs daily prices from Yahoo Finance back to January 2000 and store the data in a csv file. 2 8211 Update existing data (updateData. R) The below code starts from existing files in the dedicated folder and updates all of them one after the other. I usually run this process everyday except when I8217m on holiday. To add a new instrument, simply run step 1 above for this instrument alone. 3 8211 Create a batch file (updateDailyPrices. bat) Another important part of the job is creating a batch file that automates the updating process above (I8217m a Windows user). This avoids opening RRStudio and run the code from there. The code below is placed on a. bat file (the path has to be amended with the reader8217s setup). Note that I added an output file (updateLog. txt) to track the execution. The process above is extremely simple because it only describes how to update daily price data. I8217ve been using this for a while and it has been working very smoothly for me so far. For more advanced data andor higher frequencies, things can get much trickier. As usual any comments welcome March 23, 2015, 8:55 pm When it comes to managing a portfolio of stocks versus a benchmark the problem is very different from defining an absolute return strategy. In the former one has to hold more stocks than in the later where no stocks at all can be held if there is not good enough opportunity. The reason for that is the tracking error . This is defined as the standard deviation of the portfolio return minus the benchmark return. The less stocks is held vs. a benchmark the higher the tracking error (e. g higher risk). The analysis that follows is largely inspired by the book 8220Active Portfolio Management8221 by Grinold amp Kahn. This is the bible for anyone interested in running a portfolio against a benchmark. I strongly encourage anyone with an interest in the topic to read the book from the beginning to the end. It8217s very well written and lays the foundations of systematic active portfolio management (I have no affiliation to the editor or the authors). 1 8211 Factor Analysis Here we8217re trying to rank as accurately as possible the stocks in the investment universe on a forward return basis. Many people came up with many tools and countless variant of those tools have been developed to achieve this. In this post I focus on two simple and widely used metrics: Information Coefficient (IC) and Quantiles Return (QR). 1.1 8211 Information Coefficient The horizon for the forward return has to be defined by the analyst and it8217s a function of the strategy8217s turnover and the alpha decay (this has been the subject of extensive research). Obviously ICs must be as high as possible in absolute terms. For the keen reader, in the book by Grinold amp Kahn a formula linking Information Ratio (IR) and IC is given: with breadth being the number of independent bets (trades). This formula is known as the fundamental law of active management . The problem is that often, defining breadth accurately is not as easy as it sounds. 1.2 8211 Quantiles Return In order to have a more accurate estimate of the factor predictive power it8217s necessary to go a step further and group stocks by quantile of factor values then analyse the average forward return (or any other central tendency metric) of each of those quantiles. The usefulness of this tool is straightforward. A factor can have a good IC but its predictive power might be limited to a small number of stocks. This is not good as a portfolio manager will have to pick stocks within the entire universe in order to meet its tracking error constraint. Good quantiles return are characterised by a monotonous relationship between the individual quantiles and forward returns. All the stocks in the SampP500 index (at the time of writing). Obviously there is a survival ship bias: the list of stocks in the index has changed significantly between the start and the end of the sample period, however it8217s good enough for illustration purposes only. The code below downloads individual stock prices in the SampP500 between Jan 2005 and today (it takes a while) and turns the raw prices into return over the last 12 months and the last month. The former is our factor, the latter will be used as the forward return measure. Below is the code to compute Information Coefficient and Quantiles Return. Note that I used quintiles in this example but any other grouping method (terciles, deciles etc8230) can be used. it really depends on the sample size, what you want to capture and wether you want to have a broad overview or focus on distribution tails. For estimating returns within each quintile, median has been used as the central tendency estimator. This measure is much less sensitive to outliers than arithmetic mean. And finally the code to produce the Quantiles Return chart. 3 8211 How to exploit the information above In the chart above Q1 is lowest past 12 months return and Q5 highest. There is an almost monotonic increase in the quantiles return between Q1 and Q5 which clearly indicates that stocks falling into Q5 outperform those falling into Q1 by about 1 per month. This is very significant and powerful for such a simple factor (not really a surprise though8230). Therefore there are greater chances to beat the index by overweighting the stocks falling into Q5 and underweighting those falling into Q1 relative to the benchmark. An IC of 0.0206 might not mean a great deal in itself but it8217s significantly different from 0 and indicates a good predictive power of the past 12 months return overall. Formal significance tests can be evaluated but this is beyond the scope of this article. 4 8211 Practical limitations The above framework is excellent for evaluating investments factor8217s quality however there are a number of practical limitations that have to be addressed for real life implementation: Rebalancing . In the description above, it8217s assumed that at the end of each month the portfolio is fully rebalanced. This means all stocks falling in Q1 are underweight and all stocks falling in Q5 are overweight relative to the benchmark. This is not always possible for practical reasons: some stocks might be excluded from the investment universe, there are constraints on industry or sector weight, there are constraints on turnover etc8230 Transaction Costs . This has not be taken into account in the analysis above and this is a serious brake to real life implementation. Turnover considerations are usually implemented in real life in a form of penalty on factor quality. Transfer coefficient . This is an extension of the fundamental law of active management and it relaxes the assumption of Grinold8217s model that managers face no constraints which preclude them from translating their investments insights directly into portfolio bets. And finally, I8217m amazed by what can be achieved in less than 80 lines of code with R8230 As usual any comments welcome March 14, 2014, 1:07 pm The question one should always asked himherself when using technical indicators is what would be an objective criteria to select indicators parameters (e. g. why using a 14 days RSI rather than 15 or 20 days). Genetic algorithms (GA) are well suited tools to answer that question. In this post I8217ll show you how to set up the problem in R. Before I proceed the usual reminder: What I present in this post is just a toy example and not an invitation to invest. Its not a finished strategy either but a research idea that needs to be further researched, developed and tailored to individual needs. What are genetic algorithms The best description of GA I came across comes from Cybernatic Trading a book by Murray A. Ruggiero. 8220Genetic Algorithms were invented by John Holland in the mid-1970 to solve hard optimisation problems. This method uses natural selection, survival of the fittest8221. The general process follows the steps below: Encode the problem into chromosomes Using the encoding, develop a fitness function for use in evaluating each chromosome8217s value in solving a given problem Initialize a population of chromosomes Evaluate each chromosome in the population Create new chromosomes by mating two chromosomes. This is done by muting and recombining two parents to form two children (parents are selected randomly but biased by their fitness) Evaluate the new chromosome Delete a member of the population that is less fit than the new chromosome and insert the new chromosome in the population. If the stop criteria is reached (maximum number of generations, fitness criteria is good enough8230) then return the best chromosome alternatively go to step 4 From a trading perspective GA are very useful because they are good at dealing with highly nonlinear problems. However they exhibit some nasty features that are worth mentioning: Over fitting: This is the main problem and it8217s down to the analyst to set up the problem in a way that minimises this risk. Computing time . If the problem isn8217t properly defined, it can be extremely long to reach a decent solution and the complexity increases exponentially with the number of variables. Hence the necessity to carefully select the parameters. There are several R packages dealing with GA, I chose to use the most common one: rgenoud Daily closing prices for most liquid ETFs from Yahoo finance going back to January 2000. The in sample period goes from January 2000 to December 2010. The Out of sample period starts on January 2011. The logic is as following: the fitness function is optimised over the in sample period to obtain a set of optimal parameters for the selected technical indicators. The performance of those indicators is then evaluated in the out of sample period. But before doing so the technical indicators have to be selected. The equity market exhibits two main characteristics that are familiar to anyone with some trading experience. Long term momentum and short term reversal. Those features can be translated in term of technical indicators by: moving averages cross over and RSI. This represents a set of 4 parameters: Look-back periods for long and short term moving averages, look-back period for RSI and RSI threshold. The sets of parameters are the chromosomes . The other key element is the fitness function . We might want to use something like: maximum return or Sharpe ratio or minimum average Drawdown. In what follows, I chose to maximise the Sharpe ratio. The R implementation is a set of 3 functions: fitnessFunction . defines the fitness function (e. g. maximum Sharpe ratio) to be used within the GA engine tradingStatistics . summary of trading statistics for the in and out of sample periods for comparison purposes genoud . the GA engine from the rgenoud package The genoud function is rather complex but I8217m not going to explain what each parameter means as I want to keep this post short (and the documentation is really good). In the table below I present for each instrument the optimal parameters (RSI look-back period, RSI threshold, Short Term Moving Average, and Long Term Moving Average) along with the in and out of sample trading statistics. Before commenting the above results, I want to explain a few important points. To match the logic defined above, I bounded the parameters to make sure the look-back period for the long term moving average is always longer that the shorter moving average. I also constrained the optimiser to choose only the solutions with more than 50 trades in the in sample period (e. g, statistical significance). Overall the out of sample results are far from impressive. The returns are low even if the number of trades is small to make the outcome really significant. However there8217s a significant loss of efficiency between in and out of sample period for Japan (EWJ) which very likely means over fitting. This post is intended to give the reader the tools to properly use GA in a quantitative trading framework. Once again, It8217s just an example that needs to be further refined. A few potential improvement to explore would be: fitness function . maximising the Sharpe ratio is very simplistic. A 8220smarter8221 function would certainly improve the out of sample trading statistics pattern . we try to capture a very straightforward pattern. A more in depth pattern research is definitely needed. optimisation . there are many ways to improve the way the optimisation is conducted. This would improve both the computation speed and the rationality of the results. The code used in this post is available on a Gist repository . As usual any comments welcome February 28, 2014, 3:52 pm There is an enormous body of literature both academic and empirical about market forecasting. Most of the time it mixes two market features: Magnitude and Direction. In this article I want to focus on identifying the market direction only. The goal I set myself, is to identify market conditions when the odds are significantly biased toward an up or a down market. This post gives an example of how CART (Classification And Regression Trees) can be used in this context. Before I proceed the usual reminder: What I present in this post is just a toy example and not an invitation to invest. Its not a finished strategy either but a research idea that needs to be further researched, developed and tailored to individual needs. 1 8211 What is CART and why using it From statistics, CART are a set of techniques for classification and prediction. The technique is aimed at producing rules that predict the value of an outcome (target) variable from known values of predictor (explanatory) variables. There are many different implementations but they are all sharing a general characteristic and thats what Im interested in. From Wikipedia, Algorithms for constructing decision trees usually work top-down, by choosing a variable at each step that best splits the set of items. Different algorithms use different metrics for measuring 8220best8221. These generally measure the homogeneity of the target variable within the subsets. These metrics are applied to each candidate subset, and the resulting values are combined (e. g. averaged) to provide a measure of the quality of the split. CART methodology exhibits some characteristics that are very well suited for market analysis: Non parametric . CART can handle any type of statistical distributions Non linear . CART can handle a large spectrum of dependency between variables (e. g. not limited to linear relationships) Robust to outliers There are various R packages dealing with Recursive Partitioning, I use here rpart for trees estimation and rpart. plot for trees drawing. 2 8211 Data amp Experiment Design Daily OHLC prices for most liquid ETFs from January 2000 to December 2013 extracted from Google finance. The in sample period goes from January 2000 to December 2010 the rest of the dataset is the out of sample period. Before running any type of analysis the dataset has to be prepared for the task. The target variable is the ETF weekly forward return defined as a two states of the world outcome (UP or DOWN). If weekly forward return gt 0 then the market in the UP state, DOWN state otherwise The explanatory variables are a set of technical indicators derived from the initial daily OHLC dataset. Each indicator represents a well-documented market behavior. In order to reduce the noise in the data and to try to identify robust relationships, each independent variable is considered to have a binary outcome. Volatility (VAR1) . High volatility is usually associated with a down market and low volatility with an up market. Volatility is defined as the 20 days raw ATR (Average True Range) spread to its moving average (MA). If raw ATR gt MA then VAR1 1, else VAR1 -1. Short term momentum (VAR2) . The equity market exhibits short term momentum behavior captured here by a 5 days simple moving averages (SMA). If Price gt SMA then VAR2 1 else VAR2 -1 Long term momentum (VAR3) . The equity market exhibits long term momentum behavior captured here by a 50 days simple moving averages (LMA). If Price gt LMA then VAR3 1 else VAR3 -1 Short term reversal (VAR4) . This is captured by the CRTDR which stands for Close Relative To Daily Range and calculated as following: . If CRTDR gt 0.5, then VAR4 1 else VAR4 -1 Autocorrelation regime (VAR5) . The equity market tends to go through periods of negative and positive autocorrelation regimes. If returns autocorrelation over the last 5 days gt 0 then VAR5 1 else VAR5 -1 I put below a tree example with some explanations In the tree above, the path to reach node 4 is: VAR3 gt0 (Long Term Momentum gt 0) and VAR4 gt 0 (CRTDR gt 0). The red rectangle indicates this is a DOWN leaf (e. g. terminal node) with a probability of 58 (1 8211 0.42). In market terms this means that if Long Term Momentum is Up and CRTDR is gt 0.5 then the probability of a positive return next week is 42 based on the in sample sample data. 18 indicates the proportion of the data set that falls into that terminal node (e. g. leaf). There are many ways to use the above approach, I chose to estimate and combine all possible trees. From the in sample data, I collect all leaves from all possible trees and I gather them into a matrix. This is the 8220rules matrix8221 giving the probability of next week beeing UP or DOWN. I apply the rules in the above matrix to the out of sample data (Jan 2011 8211 Dec 2013) and I compare the results to the real outcome. The problem with this approach is that a single point (week) can fall into several rules and even belong to UP and DOWN rules simultaneously. Therefore I apply a voting scheme . For a given week I sum up all the rules that apply to that week giving a 1 for an UP rule and -1 for a DOWN rule. If the sum is greater than 0 the week is classified as UP, if the sum is negative it8217s a DOWN week and if the sum is equal to 0 there will be no position taken that week (return 0) The above methodology is applied to a set of very liquid ETFs. I plot below the out of sample equity curves along with the buy and hold strategy over the same period. Initial results seem encouraging even if the quality of the outcome varies greatly by instrument. However there is a huge room for improvement. I put below some directions for further analysis Path optimality . The algorithm used here for defining the trees is optimal at each split but it doesn8217t guarantee the optimality of the path. Adding a metric to measure the optimality of the path would certainly improve the above results. Other variables . I chose the explanatory variables solely based on experience. It8217s very likely that this choice is neither good nor optimal. Backtest methodology . I used a simple In and Out of sample methodology. In a more formal backtest I would rather use a rolling or expanding window of in and out sample sub-periods (e. g. walk forward analysis) As usual, any comments welcome