|
7+ 年
経験
|
0
製品
|
0
デモバージョン
|
|
0
ジョブ
|
0
シグナル
|
0
購読者
|
Quanter
において
Xiamen
Zhaoqi Ke
パブリッシュされた投稿ATM个性化本地跟单系统说明
ATM个性化跟单系统说明 功能说明： 1.单账户跟单账户 单账户跟多账户 多账户跟单账户 2.跨平台跟单 3.账户订单选择性跟单...
· 3
534
Zhaoqi Ke
パブリッシュされた投稿[转载]如何获得近10年的1分钟完整历史数据并导入MT4
MT4.10年数据加载教程: 相信大家在拿到一个EA时 都想使用最完整的M1数据进行测试，这里提供一个不错的数据下载地址，每月更新一次，可以得到近10年的M1数据， 有需要申请IC markets打折账户自取教程 每手手续费便宜1USD： https://www.mql5.com/zh/blogs/post/706228 商品包括 ： 数据下载地址 ： http://www...
· 6
9416
2
Zhaoqi Ke
パブリッシュされた投稿EA优化在策略自主开发上的运用
开发原理： 通过MT4自带的EA参数优化功能，将开仓条件，盈亏比，设为可调外部参数，再通过优化参数功能设置合适的步长进行规则重新组合。 理论上，开仓条件相互不干扰的情况下，开仓条件个数与EA开发个数呈指数相关，通过优化结果筛选出单量正常，盈亏比合理的策略组合。 弊端：运算量大，对计算机硬件要求高，需要较长时间。 在XAUUSD上进行优化开发：...
258
3
Zhaoqi Ke
ATM个性化跟单V1.3系统：）
功能说明：
1.单账户跟单账户 单账户跟多账户 多账户跟单账户
2.跨平台跟单
3.账户订单选择性跟单
全账户跟单，马丁高倍单跟单，单仓策略跟单，手动单跟单
4.等比例放大缩小仓位
5.正反向跟单
6.账户风险控制：移动止损或固定止损
EA特点：采用本地跟单模式 跟单延迟低 大部分秒跟。
设置风险控制，保证资金安全。
个性化跟单功能，可以选择性跟单。
喊单跟单同一个EA，操作方便。
可显示喊单账户持仓与跟单情况。
功能说明：
1.单账户跟单账户 单账户跟多账户 多账户跟单账户
2.跨平台跟单
3.账户订单选择性跟单
全账户跟单，马丁高倍单跟单，单仓策略跟单，手动单跟单
4.等比例放大缩小仓位
5.正反向跟单
6.账户风险控制：移动止损或固定止损
EA特点：采用本地跟单模式 跟单延迟低 大部分秒跟。
设置风险控制，保证资金安全。
个性化跟单功能，可以选择性跟单。
喊单跟单同一个EA，操作方便。
可显示喊单账户持仓与跟单情况。
Zhaoqi Ke
パブリッシュされた投稿ATM001产品详解
交易理念： 货币市场大部分时间都处在无序的震荡的状态，只有少数货币对（20%）会出现极强的单边行情，如果可以将整个市场的货币对整合成一个K线图，然后进行马丁交易，达到相互对冲风险的效果。 技术分析： 针对Martingale交易法收益风险比不合理，我们重新制定了出场规则。 原先Martingale交易法V1.6版本：增加了全局止损资金，当所有货币对的亏损总和大于我们设置的阈值，全部平仓...
· 2
388
Zhaoqi Ke
パブリッシュされた投稿ICmarkets 打折账户申请流程
ICmarkets 打折账户申请流程 第一：首先在开户前，请准备好两样东西： 1. 身份证（正反面）： 拍照或扫描成图片格式（jpg,gif,pdf均可） 2...
· 1
2628
Zhaoqi Ke
多因子选股或者趋势策略
不同风格的策略对于回测的要求是不同的，比如对于多因子选股或者趋势策略等，这类策略严格来说，避免了一些常见的坑，还是比较容易做到回测和实盘类似的，其需要注意的几点是：
1. 过拟合问题，参数的过度优化，特别是策略中用于衡量周期或者幅度的参数，如果过度优化，则会出现过度拟合的现象，解决方法如下：
（一）区分样本内数据和样本外数据，这个和机器学习很类似，样本内数据用于训练，样本外数据用于校验。这样做的目的是为了避免过拟合陷阱。
（二）通过参数优化的3D图考察策略的可靠性，假如参数优化后形成高原，所谓高原就是临近的一些参数使用的结果表现都差不多，那么这样的策略往往实盘表现更接近于回测，如果形成的不是高原而是一个个山峰，这个值表现很好，但临近的值表现却很差，这样的策略就难以做到实盘跟回测类似。
（三）不要为某个品种，或者某一段时间的数据，为了获得一个好的回测结果去优化自己的参数；最好在多个品种、多个时间段上进行全面测试。
2. 收益的分布，看看你回测后所有交易的收益分布，看看你的收益来源是少数的几次大的收益还是来源多次的小的收益。来源于大的收益，你的收益波动性就很大，实盘往往会达不到你的效果。
3. 未能如实还原历史，回测时很难完全还原历史，尤其是那些有风控、资金管理模块的策略，因为历史上不同的broker都会在交易所指导的基础上给出不同的保证金率，此外涨跌停幅度也是说变就变，还有手续费结构也很复杂，这些很难100%准确回测。
高频交易
对于高频交易来说，回测和实盘的差距就更大了，需要注意的点就更多了，简单列出几个吧：
1. 数据的精度，基本来说，这类策略需要是全部行情严格按照时间戳来回放，分钟级别的都太粗糙了。
2. 滑点问题，实盘很难避免滑点，你要估计出一个滑点的数字，在回测里扣除。
3. 行情的延迟问题，在回测里行情是没有延迟的，而在实盘行情必然有延迟，这部分也会对收益有很大影响。
4. 成交问题，有些策略，比如被动做市商策略，你需要自己模拟订单的撮合成交情况，这部分和实盘往往有很大差距，你需要尽可能的去近似。而你采用交易所提供的模拟撮合环境的话，基本上是不可信的。
不同风格的策略对于回测的要求是不同的，比如对于多因子选股或者趋势策略等，这类策略严格来说，避免了一些常见的坑，还是比较容易做到回测和实盘类似的，其需要注意的几点是：
1. 过拟合问题，参数的过度优化，特别是策略中用于衡量周期或者幅度的参数，如果过度优化，则会出现过度拟合的现象，解决方法如下：
（一）区分样本内数据和样本外数据，这个和机器学习很类似，样本内数据用于训练，样本外数据用于校验。这样做的目的是为了避免过拟合陷阱。
（二）通过参数优化的3D图考察策略的可靠性，假如参数优化后形成高原，所谓高原就是临近的一些参数使用的结果表现都差不多，那么这样的策略往往实盘表现更接近于回测，如果形成的不是高原而是一个个山峰，这个值表现很好，但临近的值表现却很差，这样的策略就难以做到实盘跟回测类似。
（三）不要为某个品种，或者某一段时间的数据，为了获得一个好的回测结果去优化自己的参数；最好在多个品种、多个时间段上进行全面测试。
2. 收益的分布，看看你回测后所有交易的收益分布，看看你的收益来源是少数的几次大的收益还是来源多次的小的收益。来源于大的收益，你的收益波动性就很大，实盘往往会达不到你的效果。
3. 未能如实还原历史，回测时很难完全还原历史，尤其是那些有风控、资金管理模块的策略，因为历史上不同的broker都会在交易所指导的基础上给出不同的保证金率，此外涨跌停幅度也是说变就变，还有手续费结构也很复杂，这些很难100%准确回测。
高频交易
对于高频交易来说，回测和实盘的差距就更大了，需要注意的点就更多了，简单列出几个吧：
1. 数据的精度，基本来说，这类策略需要是全部行情严格按照时间戳来回放，分钟级别的都太粗糙了。
2. 滑点问题，实盘很难避免滑点，你要估计出一个滑点的数字，在回测里扣除。
3. 行情的延迟问题，在回测里行情是没有延迟的，而在实盘行情必然有延迟，这部分也会对收益有很大影响。
4. 成交问题，有些策略，比如被动做市商策略，你需要自己模拟订单的撮合成交情况，这部分和实盘往往有很大差距，你需要尽可能的去近似。而你采用交易所提供的模拟撮合环境的话，基本上是不可信的。
