การเรียนรู้เครื่อง กลยุทธ์การซื้อขาย

ดูเหมือนว่าจะมีการเข้าใจผิดขั้นพื้นฐานที่คนที่สามารถมาพร้อมและเรียนรู้การเรียนรู้เครื่องบางส่วนหรือขั้นตอนวิธีการไอพวกเขาตั้งขึ้นเป็นกล่องสีดำตีไปและกลับมานั่งในขณะที่พวกเขาออก คำแนะนำของคุณ: เรียนรู้สถิติและการเรียนรู้เครื่องแรกแล้วต้องกังวลเกี่ยวกับวิธีการที่จะนำไปใช้กับปัญหาที่กำหนด ไม่มีอาหารกลางวันฟรีที่นี่ก็คือ การวิเคราะห์ข้อมูลเป็นงานหนัก อ่าน "องค์ประกอบของสถ​​ิติการเรียนรู้" (PDF สามารถใช้ได้ฟรีบนเว็บไซต์) และไม่ได้เริ่มต้นพยายามที่จะสร้างรูปแบบจนกว่าคุณจะเข้าใจอย่างน้อยครั้งแรก 8 บท เมื่อคุณเข้าใจสถิติและการเรียนรู้เครื่องแล้วคุณจะต้องเรียนรู้วิธีการ backtest และสร้างรูปแบบการค้าคิดเป็นต้นทุนการทำธุรกรรมและอื่น ๆ ซึ่งเป็นพื้นที่อื่น ๆ ทั้งหมด หลังจากที่คุณได้จัดการกับทั้งการวิเคราะห์และการเงินแล้วมันจะค่อนข้างชัดเจนว่าจะใช้มัน จุดทั้งหมดของขั้นตอนวิธีการเหล่านี้จะพยายามหาวิธีเพื่อให้พอดีกับรูปแบบข้อมูลที่มีอคติและการผลิตต่ำและความแปรปรวนในการทำนาย (เช่นว่าการฝึกอบรมและการทดสอบข้อผิดพลาดในการทำนายจะต่ำและคล้ายกัน) นี่คือตัวอย่างของระบบการซื้อขายโดยใช้เครื่องเวกเตอร์สนับสนุนในอาร์ แต่ก็เก็บไว้ในใจว่าคุณจะทำด้วยตัวเองก่อความเสียหายอย่างมากถ้าคุณไม่ได้ใช้เวลาในการทำความเข้าใจพื้นฐานก่อนที่จะพยายามที่จะใช้สิ่งที่ลึกลับ เพียงเพื่อเพิ่มการปรับปรุงความบันเทิง: ผมเพิ่งมาในวิทยานิพนธ์ปริญญาโทนี้: "นวนิยายขั้นตอนการซื้อขายกรอบการใช้เครื่องและวิวัฒนาการการเรียนรู้สำหรับผลงานการเพิ่มประสิทธิภาพ" (2012) มันมีการทบทวนที่กว้างขวางของการเรียนรู้เครื่องที่แตกต่างกันวิธีการเปรียบเทียบกับการซื้อและถือ หลังจากผ่านไปเกือบ 200 หน้าพวกเขามาถึงข้อสรุปพื้นฐาน "ไม่มีระบบการซื้อขายก็สามารถที่จะมีประสิทธิภาพสูงกว่าเกณฑ์มาตรฐานเมื่อใช้ต้นทุนการทำธุรกรรม." จำเป็นต้องพูดนี้ไม่ได้หมายความว่ามันไม่สามารถทำได้ (ฉันไม่ได้ใช้เวลาทบทวนวิธีการใด ๆ ที่จะได้เห็นความถูกต้องของวิธีการ) แต่ก็แน่นอนมีบางส่วนหลักฐานเพิ่มเติมในความโปรดปรานของอาหารกลางวันฟรีไม่มี ทฤษฎีบท. รายละเอียดจะโพสต์นี้สิ่งที่ผมทำเพื่อให้ประมาณ 500 กิโลจากการซื้อขายความถี่สูงจากปี 2009 ถึงปี 2010 ตั้งแต่ฉันคือการซื้อขายอิสระอย่างสมบูรณ์และฉันไม่ได้ใช้โปรแกรมของฉันอิ่มมีความสุขที่จะบอกทุก ซื้อขายของฉันเป็นส่วนใหญ่ในปี 2000 และรัสเซล DAX สัญญาซื้อขายล่วงหน้า กุญแจสู่ความสำเร็จของฉันฉันเชื่อว่าไม่ได้อยู่ในสมการทางการเงินที่มีความซับซ้อน แต่ในการออกแบบขั้นตอนวิธีการโดยรวมที่ผูกติดอยู่กับองค์ประกอบที่เรียบง่ายด้วยกันจำนวนมากและการเรียนรู้เครื่องใช้เพื่อเพิ่มประสิทธิภาพในการทำกำไรสูงสุด คุณเคยจำเป็นต้องรู้คำศัพท์ที่มีความซับซ้อนใด ๆ ที่นี่เพราะตอนที่ผมติดตั้งโปรแกรมของฉันมันก็ทั้งหมดขึ้นอยู่กับสัญชาตญาณ (แอนดรู Ngs หลักสูตรการเรียนรู้เครื่องที่น่าตื่นตาตื่นใจก็ยังไม่สามารถใช้ได้ - ครับถ้าคุณคลิกลิงค์ที่คุณจะต้องดำเนินการให้กับโครงการปัจจุบันของฉัน: CourseTalk, เว็บไซต์ความคิดเห็นสำหรับ MOOCs) ครั้งแรกผมเพียงต้องการที่จะแสดงให้เห็นว่าความสำเร็จของฉันไม่ได้เป็นเพียงแค่ผลของโชค โปรแกรมของเราทำ 1000-4000 การซื้อขายต่อวัน (ครึ่งยาวครึ่งสั้น) และไม่เคยได้เข้าไปอยู่ในตำแหน่งมากกว่าสัญญาไม่กี่ที่เวลา นั่นหมายความโชคสุ่มจากการค้าโดยเฉพาะอย่างยิ่งคนใดคนหนึ่งออกไปอย่างรวดเร็วเฉลี่ยสวย ผลที่ได้ผมไม่เคยหายไปกว่า $ 2,000 ในหนึ่งวันและไม่เคยมีการสูญเสียเดือน (แก้ไข. ตัวเลขเหล่านี้หลังจากจ่ายค่าคอมมิชชั่น) และริชาร์ที่จะให้ความรู้สึกของการเปลี่ยนแปลงในชีวิตประจำวันได้ หมายเหตุนี้ไม่รวมช่วง 7 เดือนเพราะ - เป็นตัวเลขหยุดจะขึ้น - ฉันหายไปแรงจูงใจของผมที่จะใส่พวกเขา พื้นหลังซื้อขายของฉัน ก่อนที่จะมีการตั้งค่าโปรแกรมซื้อขายอัตโนมัติ Id ของฉันมีประสบการณ์ 2 ปีเป็น & ldquo; คู่มือ & rdquo; ผู้ประกอบการวัน นี่คือการกลับมาในปี 2001 - มันเป็นวันแรกของการซื้อขายอิเล็กทรอนิกส์และมีโอกาสสำหรับ & ldquo; scalpers & rdquo; เพื่อสร้างรายได้ดี ฉันสามารถอธิบายสิ่งที่ผมทำในฐานะคล้ายกับการเล่นวิดีโอเกม / เล่นการพนันกับขอบควร การประสบความสำเร็จหมายถึงการที่รวดเร็วการมีระเบียบวินัยและมีการใช้งานง่ายรูปแบบการรับรู้ความสามารถที่ดี ผมสามารถที่จะทำให้ประมาณ $ 250k, จ่ายออกเงินให้กู้ยืมนักเรียนของฉันและมีเงินเหลือ ชนะ! กว่าห้าปีข้างหน้าผมจะเปิดตัวสองที่เพิ่งเริ่มต้นยกขึ้นทักษะการเขียนโปรแกรมบางอย่างไปพร้อมกัน มัน wouldnt จะจนปลายปี 2008 ที่ผมจะได้รับกลับเข้ามาในการซื้อขาย ด้วยเงินหมดจากการขายเริ่มต้นครั้งแรกของฉันที่ซื้อขายที่นำเสนอความหวังของบางเงินสดรวดเร็วในขณะที่ผมคิดออกย้ายต่อไปของฉัน ซื้อขาย API ในปี 2008 ผมเป็น & ldquo; ตนเอง & rdquo; ซื้อขายฟิวเจอร์สวันโดยใช้ซอฟต์แวร์ที่เรียกว่า T4 หมายเลขรับที่ต้องการรายการสั่งซื้อที่กำหนดเองบางองดังนั้นหลังจากการค้นพบ T4 มี API ผมเอากับความท้าทายของการเรียนรู้ภาษา C # (การเขียนโปรแกรมภาษาที่จำเป็นในการใช้ API) และเดินไปข้างหน้าและสร้างตัวเององบาง หลังจากที่ได้รับเท้าของฉันเปียกด้วย API ที่ฉันเร็ว ๆ นี้มีแรงบันดาลใจที่ใหญ่กว่า: ฉันต้องการที่จะสอนคอมพิวเตอร์เพื่อการค้าสำหรับฉัน API จะให้ทั้งกระแสของข้อมูลการตลาดและเป็นวิธีที่ง่ายต่อการส่งคำสั่งให้แลกเปลี่ยน - สิ่งที่ผมต้องทำคือการสร้างตรรกะที่อยู่ตรงกลาง ด้านล่างนี้คือภาพของหน้าต่างซื้อขาย T4 เป็น อะไรคือสิ่งที่เย็นคือเมื่อฉันได้ทำงานที่โปรแกรมของฉันฉันก็สามารถที่จะดูการค้าคอมพิวเตอร์อินเตอร์เฟซเดียวกันนี้แน่นอน ดูคำสั่งซื้อที่แท้จริง popping ในและนอก (ด้วยตัวเองด้วยเงินจริงของฉัน) เป็นทั้งที่น่าตื่นเต้นและน่ากลัว การออกแบบของอัลกอริทึมของฉัน จากเริ่มแรกเป้าหมายของฉันคือการติดตั้งระบบดังกล่าวว่าฉันอาจจะมีความมั่นใจพอสมควร Id ทำเงินก่อนที่เคยทำซื้อขายออนไลน์ใด ๆ เพื่อให้บรรลุนี้ฉันต้องการที่จะสร้างกรอบการจำลองการค้าที่จะ - อย่างถูกต้องที่สุด - จำลองการซื้อขายสด ในขณะที่การซื้อขายในโหมดสดต้องปรับปรุงตลาดการประมวลผลสตรีมมิ่งผ่าน API โหมดการจำลองต้องอ่านการปรับปรุงการตลาดจากแฟ้มข้อมูล การเก็บรวบรวมข้อมูลนี้ฉันติดตั้งรุ่นแรกของโปรแกรมของฉันเพียงแค่เชื่อมต่อกับ API และตลาดที่มีการบันทึกการปรับปรุง timestamps ฉันสิ้นสุดขึ้นโดยใช้ 4 ส​​ัปดาห์มูลค่าของข้อมูลการตลาดที่ผ่านการฝึกอบรมและการทดสอบระบบของฉันใน ด้วยกรอบพื้นฐานในสถานที่ที่ฉันยังคงมีงานของการหาวิธีที่จะทำให้ระบบการค้ากำไร มันจะเปิดออกอัลกอริทึมของฉันจะแบ่งออกเป็นสองส่วนที่แตกต่างกันซึ่งป่วยสำรวจในทางกลับกัน: การคาดการณ์การเคลื่อนไหวของราคา; และ การซื้อขายทำกำไร การคาดการณ์การเคลื่อนไหวของราคา บางทีอาจจะเป็นองค์ประกอบที่ชัดเจนของระบบการซื้อขายใด ๆ ที่เป็นความสามารถในการคาดการณ์ที่ราคาจะย้าย และเหมืองก็ไม่มีข้อยกเว้น ผมกำหนดราคาปัจจุบันเป็นค่าเฉลี่ยของการเสนอราคาภายในและภายในข้อเสนอและผมตั้งเป้าในการคาดการณ์ที่ราคาจะเป็นในอีก 10 วินาที อัลกอริทึมของฉันจะต้องมากับการคาดการณ์ขณะนี้โดยช่วงเวลาตลอดทั้งวันการซื้อขาย การสร้างตัวชี้วัดการเพิ่มประสิทธิภาพ ฉันสร้างกำมือของตัวชี้วัดที่พิสูจน์ให้เห็นว่ามีความสามารถที่มีความหมายที่จะคาดการณ์การเคลื่อนไหวของราคาในระยะสั้น แต่ละตัวบ่งชี้ตัวเลขที่ผลิตได้ทั้งเชิงบวกหรือเชิงลบ ตัวบ่งชี้ที่เป็นประโยชน์ถ้าบ่อยกว่าไม่เป็นจำนวนบวกสอดคล้องกับตลาดจะขึ้นและจำนวนลบสอดคล้องกับตลาดจะลง ระบบของฉันอนุญาตให้ฉันได้อย่างรวดเร็วกำหนดวิธีการที่ความสามารถในการคาดการณ์มากตัวบ่งชี้ใด ๆ ได้ดังนั้นฉันก็สามารถที่จะทดสอบที่มีจำนวนมากของตัวชี้วัดที่แตกต่างกันเพื่อดูว่าทำงาน หลายตัวชี้วัดที่มีตัวแปรในสูตรที่ผลิตพวกเขาและฉันก็สามารถที่จะหาค่าที่ดีที่สุดสำหรับตัวแปรเหล่านั้นด้วยการทำด้านโดยการเปรียบเทียบผลข้างเคียงของการประสบความสำเร็จที่มีค่าที่แตกต่างกัน ตัวชี้วัดที่เป็นประโยชน์มากที่สุดทุกคนที่ค่อนข้างง่ายและอยู่บนพื้นฐานของเหตุการณ์ที่ผ่านมาในตลาดผมคือการซื้อขายเช่นเดียวกับตลาดของหลักทรัพย์ที่มีลักษณะร่วม การคาดการณ์ย้ายราคาที่ถูกต้อง มีตัวชี้วัดที่เพียงคาดการณ์ขึ้นหรือลงก็ไม่มากพอที่การเคลื่อนไหวของราคา ฉันต้องการที่จะทราบว่าวิธีการเคลื่อนไหวของราคามากตามคำทำนายของแต่ละค่าเป็นไปได้ของแต่ละตัวบ่งชี้ ผมจำเป็นต้องมีสูตรที่จะแปลงค่าตัวบ่งชี้ที่จะคาดการณ์ราคา เพื่อให้บรรลุนี้ผมคาดการณ์การติดตามการเคลื่อนไหวของราคาใน 50 ถ​​ังที่ขึ้นอยู่กับช่วงที่ค่าตัวบ่งชี้ตกหลุม. นี้การคาดการณ์การผลิตที่ไม่ซ้ำกันในแต่ละถังที่ฉันก็สามารถกราฟใน Excel ที่คุณสามารถดูเพิ่มขึ้นการเปลี่ยนแปลงของราคาที่คาดว่าจะเป็นค่าตัวบ่งชี้ที่เพิ่มขึ้น ขึ้นอยู่กับกราฟเช่นนี้ฉันก็สามารถที่จะทำให้สูตรเพื่อให้พอดีกับเส้นโค้ง ในการเริ่มต้นที่ผมทำอย่างนี้ & ldquo; เส้นโค้ง & rdquo; ด้วยตนเอง แต่ฉันเร็ว ๆ นี้เขียนรหัสบางอย่างที่จะทำให้กระบวนการนี​​้ ไม่ทราบว่าเส้นโค้งทุกตัวบ่งชี้ที่มีรูปร่างเหมือนกัน นอกจากนี้ยังทราบถังกระจายลอการิทึมเพื่อกระจายข้อมูลชี้ออกมาอย่างสม่ำเสมอ ในที่สุดก็ทราบว่าค่าตัวบ่งชี้เชิงลบ (ราคาและการคาดการณ์ที่ลดลงสอดคล้องกันของพวกเขา) ได้รับการพลิกและรวมกับค่าบวก (อัลกอริทึมของฉันได้รับการรักษาขึ้นและลงเหมือนกัน.) รวมตัวชี้วัดสำหรับการคาดการณ์เดียว สิ่งสำคัญที่จะต้องพิจารณาคือการที่แต่ละตัวบ่งชี้ไม่ได้เป็นอิสระ ผมแบ่งเพียงแค่เพิ่มการคาดการณ์ทั้งหมดที่แต่ละตัวบ่งชี้ที่ทำรายบุคคล ที่สำคัญคือการคิดออกค่าพยากรณ์เพิ่มเติมที่แต่ละตัวบ่งชี้ได้เกินกว่าสิ่งที่เป็นที่คาดการณ์ไว้แล้ว ที่ไม่ได้นี้ยากที่จะดำเนินการ แต่มันไม่ได้หมายความว่าถ้าฉันเป็น & ldquo; เส้นโค้ง & rdquo; ตัวชี้วัดหลายอย่างในเวลาเดียวกันผมจะระมัดระวัง การเปลี่ยนแปลงจะมีผลกระทบต่อหนึ่งการคาดการณ์ของผู้อื่น เพื่อที่จะ & ldquo; โค้งพอดี & rdquo; ทั้งหมดของตัวชี้วัดในเวลาเดียวกันผมติดตั้งเพิ่มประสิทธิภาพที่จะก้าวเพียง 30% ของวิธีการที่มีต่อเส้นโค้งการคาดการณ์ใหม่ที่มีการส่งผ่านแต่ละ ด้วยวิธีนี้กระโดด 30% พบว่าเส้นโค้งการทำนายจะรักษาเสถียรภาพภายในไม่กี่ที่ผ่านมา ด้วยแต่ละตัวบ่งชี้ตอนนี้ให้เราคาดการณ์ราคาที่เพิ่มขึ้นผมก็สามารถเพิ่มพวกเขาขึ้นในการผลิตเดียวของการทำนายที่ตลาดจะอยู่ใน 10 วินาที ทำไมการทำนายราคาที่ไม่เพียงพอ คุณอาจคิดว่ามีขอบในตลาดนี้ผมเป็นสีทอง แต่คุณจำเป็นต้องเก็บไว้ในใจว่าตลาดถูกสร้างขึ้นจากการเสนอราคาและข้อเสนอ - ไม่เพียงราคาตลาด ที่ประสบความสำเร็จในการซื้อขายความถี่สูงลงมาให้ได้รับราคาที่ดีและไม่ว่ามันง่าย ปัจจัยต่อไปนี้จะทำให้การสร้างระบบที่ทำกำไรได้ยาก กับการค้าแต่ละที่ผมต้องจ่ายค่าคอมมิชชั่นให้กับทั้งนายหน้าของฉันและการแลกเปลี่ยน การแพร่กระจาย (ความแตกต่างระหว่างการเสนอราคาสูงสุดและต่ำสุดเสนอ) นั่นหมายความว่าถ้าฉันเป็นเพียงแค่ซื้อและขายสุ่ม Id จะสูญเสียตันเงิน ส่วนใหญ่ของปริมาณการตลาดเป็นบอทอื่น ๆ ที่จะดำเนินการการค้ากับฉันว่าพวกเขาคิดว่าพวกเขามีบางขอบสถิติ เห็นข้อเสนอที่ไม่ได้รับประกันว่าฉันจะซื้อมัน ตามเวลาที่คำสั่งซื้อของฉันมีการแลกเปลี่ยนมันเป็นไปได้มากว่าข้อเสนอที่จะได้รับการยกเลิก ในฐานะที่เป็นผู้เล่นที่ตลาดขนาดเล็กมีวิธีที่ฉันสามารถแข่งขันกับความเร็วเพียงอย่างเดียว การสร้างแบบจำลองการซื้อขายเต็มรูปแบบ ดังนั้นผมจึงมีกรอบที่อนุญาตให้ฉัน backtest และเพิ่มประสิทธิภาพของตัวชี้วัด แต่ผมต้องไปไกลกว่านี้ - ผมจำเป็นต้องมีกรอบที่จะช่วยให้ฉัน backtest และเพิ่มประสิทธิภาพระบบการค้าเต็มรูปแบบ; หนึ่งที่ผมส่งคำสั่งซื้อและได้รับในตำแหน่ง Id ในกรณีนี้จะมีการเพิ่มประสิทธิภาพสำหรับ PL รวมและบางส่วน PL เฉลี่ยต่อการค้า นี้จะยุ่งยากและในบางวิธีเป็นไปไม่ได้แบบว่า แต่ฉันไม่เป็นที่ดีที่สุดเท่าที่จะทำได้ นี่คือบางส่วนของปัญหาที่ผมต้องจัดการกับ: เมื่อมีคำสั่งถูกส่งไปยังตลาดในการจำลองผมมีเวลาในการจำลองความล่าช้า ความจริงที่ว่าระบบของฉันเห็นข้อเสนอไม่ได้หมายความว่ามันจะซื้อมันทันที ระบบจะส่งคำสั่งให้รอประมาณ 20 วินาทีแล้วเท่านั้นหากข้อเสนอยังคงมีมันถือเป็นค้าดำเนินการ นี่คือความไม่แน่นอนเพราะเวลาล่าช้าที่แท้จริงก็คือไม่สอดคล้องกันและได้รับรายงาน เมื่อฉันวางการเสนอราคาหรือเสนอผมต้องมองไปที่การดำเนินการค้ากระแส (จัดไว้ให้โดย API) และการใช้งานเหล่านั้นที่จะวัดเมื่อมีคำสั่งของฉันจะมีอากาศที่ดำเนินการกับ จะทำผมต้องติดตามตำแหน่งของคำสั่งของฉันในคิวนี้ (มันเป็นครั้งแรกในระบบก่อนออก.) อีกครั้งผมแบ่งทำเช่นนี้ได้อย่างสมบูรณ์แบบ แต่ฉันทำประมาณการที่ดีที่สุด เพื่อปรับแต่งการจำลองการดำเนินการสั่งซื้อของฉันสิ่งที่ฉันไม่ได้ใช้ไฟล์บันทึกของฉันจากการซื้อขายสดผ่าน API และเปรียบเทียบพวกเขาเข้าสู่ระบบแฟ้มผลิตโดยซื้อขายที่จำลองจากช่วงเวลาเดียวกันแน่นอน ผมสามารถที่จะได้รับการจำลองของฉันไปยังจุดที่มันถูกต้องสวยและชิ้นส่วนที่เป็นไปไม่ได้แบบว่าฉันทำแน่ใจว่าอย่างน้อยผลการผลิตที่มีความคล้ายคลึงกันทางสถิติ (ในตัวชี้วัดที่ผมคิดว่ามีความสำคัญ) การซื้อขายทำกำไร ด้วยแบบจำลองการสั่งซื้อในสถานที่ตอนนี้ผมสามารถส่งคำสั่งซื้อในโหมดการจำลองและการจำลองเห็น PL แต่วิธีการที่ระบบของฉันจะได้รู้ว่าเวลาและสถานที่ที่จะซื้อและขาย? การคาดการณ์ราคาย้ายเป็นจุดเริ่มต้น แต่ไม่เรื่องราวทั้งหมด สิ่งที่ผมทำก็คือการสร้างระบบการให้คะแนนสำหรับแต่ละระดับราคา 5 กับการเสนอราคาและข้อเสนอ เหล่านี้รวมถึงระดับหนึ่งดังกล่าวข้างต้นเสนอราคาภายใน (สำหรับการสั่งซื้อซื้อ) และระดับต่ำกว่าข้อเสนอภายใน (สำหรับการสั่งซื้อการขายก) หากคะแนนในระดับราคาใดก็ตามสูงกว่าเกณฑ์ที่กำหนดที่จะหมายถึงระบบของฉันควรจะมีการเสนอราคางาน / นำเสนอมี - ต่ำกว่าเกณฑ์แล้วคำสั่งที่ใช้งานใด ๆ ควรจะยกเลิก จากนี้มันก็ไม่ใช่เรื่องแปลกที่ระบบของฉันจะกะพริบเสนอราคาในตลาดแล้วทันทียกเลิก (ถึงแม้ว่าผมจะพยายามที่จะลดนี้เป็นที่น่ารำคาญเป็นห่าที่จะให้ทุกคนมองที่หน้าจอได้ด้วยตามนุษย์ -. รวมทั้งผม) คะแนนระดับราคาที่ถูกคำนวณขึ้นอยู่กับปัจจัยต่อไปนี้: ทำนายย้ายราคา (ที่เรากล่าวก่อนหน้านี้) ระดับราคาในคำถาม (ระดับชั้นหมายถึงการคาดการณ์ย้ายราคาถูกมากขึ้นจำเป็นต้อง.) จำนวนของสัญญาในด้านหน้าของคำสั่งของฉันในคิว (หักก็ยังดี.) จำนวนของสัญญาที่อยู่เบื้องหลังคำสั่งของฉันในคิว (เพิ่มเติมก็ยังดี.) ปัจจัยเหล่านี้เป็นหลักทำหน้าที่ในการระบุและ ldquo; ปลอดภัย & rdquo; สถานที่ที่จะเสนอราคา / ข้อเสนอ ทำนายย้ายราคาเพียงอย่างเดียวไม่ได้เพียงพอเพราะมันไม่ได้บัญชีสำหรับความจริงที่ว่าเมื่อมีการวางการเสนอราคาฉันไม่ได้เต็มไปโดยอัตโนมัติ - ฉันเท่านั้นที่มีเต็มไปถ้ามีคนขายให้กับฉันไปที่นั่น ความจริงก็คือค​​วามจริงของคนที่ขายให้ผมในราคาที่บางการเปลี่ยนแปลงอัตราต่อรองทางสถิติของการค้า ตัวแปรที่ใช้ในขั้นตอนนี้ทุกคนอาจมีการเพิ่มประสิทธิภาพ นี้ทำในลักษณะเดียวกับที่แน่นอนที่ดีที่สุดเท่าที่ผมตัวแปรในตัวชี้วัดที่ย้ายราคายกเว้นในกรณีนี้ผมได้รับการเพิ่มประสิทธิภาพสำหรับบรรทัดล่าง PL สิ่งที่โปรแกรมของฉันไม่สนใจ เมื่อการซื้อขายเป็นมนุษย์เรามักจะมีอารมณ์ที่มีประสิทธิภาพและอคติที่สามารถนำไปสู่​​การน้อยกว่าการตัดสินใจที่ดีที่สุด เห็นได้ชัดว่าผมไม่ได้ต้องการที่จะประมวลอคติเหล่านี้ นี่คือบางส่วนปัจจัยระบบของฉันไม่สนใจมีดังนี้: โดยราคาที่ตำแหน่งที่ถูกป้อน - ในสำนักงานการค้าสวยสามัญของ บริษัท ที่จะได้ยินเสียงสนทนาเกี่ยวกับราคาที่มีคนอยู่ยาวหรือสั้นราวกับว่าที่ควรจะมีผลกระทบต่อการตัดสินใจอนาคตของพวกเขา ในขณะนี้มีความถูกต้องบางส่วนเป็นส่วนหนึ่งของกลยุทธ์การลดความเสี่ยงจริงๆมันไม่มีผลในหลักสูตรในอนาคตของเหตุการณ์ที่เกิดขึ้นในตลาด ดังนั้นโปรแกรมของฉันไม่สนใจข้อมูลเหล่านี้ แนวคิดเช่นเดียวกับค่าใช้จ่ายในการละเว้นการจม ไปเทียบกับระยะสั้นออกจากตำแหน่งยาว - โดยปกติผู้ประกอบการจะมีเกณฑ์ที่แตกต่างที่กำหนดสถานที่ที่จะขายตำแหน่งนานเมื่อเทียบกับการที่จะไปสั้น แต่จากมุมมองของอัลกอริทึมของฉันมีเหตุผลที่จะสร้างความแตกต่างไม่ หากขั้นตอนวิธีของฉันคาดว่าจะขายได้ย้ายลงเป็นความคิดที่ดีโดยไม่คำนึงถึงว่ามันเป็นเวลานานขณะสั้นหรือแบน A & ldquo; เสแสร้งขึ้น & rdquo; กลยุทธ์ - นี่เป็นกลยุทธ์ที่ผู้ประกอบการค้าทั่วไปที่จะซื้อหุ้นเพิ่มเติมในกรณีที่มีการค้าเดิมไปกับพวกเขา ส่งผลให้ราคาซื้อเฉลี่ยของคุณจะถูกลดลงและมันหมายความว่าเมื่อ (หรือถ้า) หุ้นหันไปรอบ ๆ คุณจะถูกตั้งค่าที่จะทำให้เงินของคุณกลับในเวลาไม่นาน ในความคิดของฉันนี้เป็นจริงเป็นกลยุทธ์ที่น่ากลัวเว้นแต่ youre Warren Buffet คุณกำลังหลอกให้คิดว่าคุณจะทำดีเพราะส่วนใหญ่ของการค้าของคุณจะเป็นผู้ชนะ ปัญหาคือเมื่อคุณสูญเสียคุณสูญเสียที่ยิ่งใหญ่ ผลกระทบอื่น ๆ ก็จะทำให้มันยากที่จะตัดสินว่าคุณจะมีขอบในตลาดหรือเป็นเพียงการได้รับโชคดี ความสามารถในการตรวจสอบและยืนยันว่าโปรแกรมของฉันไม่ได้ในความเป็นจริงมีขอบเป็นเป้าหมายที่สำคัญ การบริหารความเสี่ยง ตั้งแต่ขั้นตอนวิธีของฉันทำให้การตัดสินใจในลักษณะเดียวกันไม่ว่าที่มันเข้ามาในการค้าหรือถ้ามันเป็นปัจจุบันยาวหรือสั้นก็นั่งอยู่ในบางครั้ง (และใช้) บางการซื้อขายสูญเสียขนาดใหญ่ (นอกเหนือไปจากการซื้อขายบางชนะขนาดใหญ่) แต่คุณไม่ควรคิดว่ามีไม่ได้บริหารความเสี่ยงใด ๆ เพื่อจัดการความเสี่ยงที่ผมบังคับขนาดตำแหน่งสูงสุดของ 2 สัญญาในเวลาบางครั้งชนขึ้นในวันที่มีปริมาณสูง ฉันยังมีขีด จำกัด การสูญเสียรายวันสูงสุดเพื่อป้องกันสภาวะตลาดใด ๆ ที่ไม่คาดคิดหรือข้อผิดพลาดในซอฟต์แวร์ของฉัน ข้อ จำกัด เหล่านี้ถูกบังคับใช้ในรหัสของฉัน แต่ยังอยู่ในแบ็กเอนด์ผ่านนายหน้าของฉัน ในขณะที่มันเกิดขึ้นผมไม่เคยพบปัญหาที่สำคัญใด ๆ ขั้นตอนวิธีการทำงาน จากช่วงเวลาที่ผมเริ่มทำงานกับโปรแกรมของฉันมันผมใช้เวลาประมาณ 6 เดือนก่อนที่จะได้รับมันไปยังจุดของการทำกำไรและเริ่มทำงานมันอยู่ ถึงแม้ว่าจะเป็นธรรมเป็นจำนวนมากของเวลาที่ได้รับการเรียนรู้ภาษาการเขียนโปรแกรมใหม่ ขณะที่ผมทำงานเพื่อปรับปรุงโปรแกรมผมเห็นผลกำไรที่เพิ่มขึ้นสำหรับแต่ละสี่เดือนข้างหน้า แต่ละสัปดาห์ผมจะฝึกระบบของฉันขึ้นอยู่กับก่อนหน้านี้ 4 ส​​ัปดาห์มูลค่าของข้อมูล ฉันพบนี้หลงสมดุลระหว่างการจับแนวโน้มพฤติกรรมของตลาดที่ผ่านมาและขั้นตอนวิธีการทำประกันของฉันมีข้อมูลเพียงพอที่จะสร้างรูปแบบที่มีความหมาย การฝึกอบรมเริ่มสละเวลามากขึ้นและมากขึ้นผมแยกออกมาเพื่อที่จะสามารถดำเนินการได้ 8 เครื่องเสมือนใช้ Amazon EC2 ผลลัพธ์ที่ได้รวมตัวกันแล้วบนเครื่องท้องถิ่นของฉัน จุดสูงสุดของการซื้อขายของฉันคือตุลาคม 2009 เมื่อฉันทำเกือบ 100k หลังจากนี้ฉันยังคงที่จะใช้จ่ายในสี่เดือนข้างหน้าพยายามที่จะปรับปรุงโปรแกรมของฉันลดลงแม้จะมีกำไรในแต่ละเดือน แต่น่าเสียดายที่จุดนี้ผมคิดว่า Id ดำเนินการคิดที่ดีที่สุดของฉันเพราะไม่มีอะไรที่ฉันพยายามที่ดูเหมือนจะช่วยมาก ด้วยความยุ่งยากในการที่จะไม่สามารถที่จะทำให้การปรับปรุงและไม่ได้มีความรู้สึกของการเจริญเติบโตผมเริ่มคิดเกี่ยวกับทิศทางใหม่ ฉันส่งอีเมลที่แตกต่างกัน 6 บริษัท ซื้อขายความถี่สูงเพื่อดูว่า theyd มีความสนใจในการซื้อซอฟแวร์และการจ้างงานของฉันฉันไปทำงานสำหรับพวกเขา ไม่มีใครตอบ ผมมีความคิดบางอย่างเริ่มต้นใหม่ผมอยากจะทำงานในดังนั้นฉันไม่เคยติดตาม UPDATE - ผมโพสต์นี้ข่าว Hacker และมีอากาศความสนใจมาก ผมแค่อยากจะบอกว่าผมไม่สนับสนุนให้ทุกคนพยายามที่จะทำบางสิ่งบางอย่างเช่นนี้ตัวเองในขณะนี้ คุณจะต้องทีมงานของคนสมาร์ทจริงๆที่มีช่วงของประสบการณ์ที่จะมีความหวังในการแข่งขันใด ๆ แม้ในขณะที่ผมทำนี้ฉันเชื่อว่ามันเป็นเรื่องยากมากสำหรับบุคคลที่จะประสบความสำเร็จ (แต่ผมเคยได้ยินของคนอื่น ๆ .) มีความคิดเห็นที่ด้านบนของหน้าเว็บที่กล่าวถึงคือ "จัดการสถิติ" และหมายถึงฉันเป็น & ldquo; ลงทุนค้าปลีก & rdquo; ที่จะ Quants & ldquo; สำราญบ่ง & rdquo ;. นี้เป็นความคิดเห็น thats ค่อนข้างโชคร้ายก็ไม่ได้ขึ้นอยู่ในความเป็นจริง การตั้งค่าที่เธอเอาใจใส่กันบางส่วนแสดงความคิดเห็นที่น่าสนใจ: news. ycombinator / รายการ id = 4748624 UPDATE # 2 - Ive โพสต์คำถามที่พบบ่อยติดตามที่ตอบคำถามทั่วไป Ive ที่ได้รับจากผู้ประกอบการค้าเกี่ยวกับการโพสต์นี้ เครื่องการเรียนรู้ที่ใช้กลยุทธ์การซื้อขายหลักทรัพย์ ขอขอบคุณเป็นพิเศษ: Klout / ลิเธียมสำหรับการเป็นเจ้าภาพและให้การบันทึกวิดีโอ! พูดคุยสายฟ้า: กริยาของวิทยาศาสตร์ข้อมูล (เอ็บง, กระดูกขากรรไกร) บทคัดย่อ: เกือบทุกอย่างที่คุณได้อ่านและได้ยินเกี่ยวกับวิทยาศาสตร์ข้อมูลที่มุ่งเน้นไปที่คำนาม: อัลกอริทึมซอฟต์แวร์โครงสร้างพื้นฐาน ฯลฯ ที่คนงานใช้ข้อมูลหรือผลิตภัณฑ์ที่พวกเขาทำ ข้อความคำนามที่ใช้สอนเครื่องมือและทักษะทางเทคนิค แต่ไม่ได้สอนเกี่ยวกับเวลา ดังนั้นพวกเขามีเพียงเล็กน้อยที่จะพูดเกี่ยวกับการตั้งเวลากำหนดเวลาอย่างมีประสิทธิภาพและผลตอบแทนการลงทุนเป็นอันขาดแนวคิดพื้นฐานที่นักคิดที่เป็นนามธรรมที่แยกต่างหากจากผู้กระทำมีประสิทธิผล พูดคุยฟ้าผ่านี้จะเริ่มเปิดฉากในช่วงเย็นที่มีความคิดเกี่ยวกับคำกริยาของวิทยาศาสตร์ข้อมูล: วิธีการจัดกระบวนการทำงานของคุณเพื่อให้ได้งานทำข้อมูลได้มากขึ้นในการกำหนดเส้นตาย พูดคุยหลัก: เครื่องการเรียนรู้ที่ใช้กลยุทธ์การซื้อขายหลักทรัพย์ (ดร. ทักเกอร์ Balch, Lucena วิจัย) ทักเกอร์ Balch, Ph. D. เป็นศาสตราจารย์ของคอมพิวเตอร์แบบโต้ตอบที่จอร์เจียเทคและ CTO ของ Lucena วิจัย หลักสูตรของเขาที่ Coursera, คอมพิวเตอร์การเงินส่วนที่ได้รับการถ่ายมากกว่า 100,000 นักเรียนทั่วโลก ที่จอร์เจียเทคเขาสอนหลักสูตรในการประดิษฐ์และการเงิน Balch ได้ตีพิมพ์กว่า 120 ตีพิมพ์งานวิจัยที่เกี่ยวข้องกับหุ่นยนต์และการเรียนรู้เครื่อง ผลงานของเขาได้รับการคุ้มครองโดยซีเอ็นเอ็นและนิวยอร์กไทม์ส นักเรียนจบการศึกษาของเขาทำงานที่ Goldman Sachs, มอร์แกนสแตนเลย์ป้อม AQR และ Yahoo! Finance เดี่ยว SVM กลยุทธ์การซื้อขาย สนับสนุนเครื่องเวกเตอร์ (SVM) จะได้รับความนิยมในการเรียนรู้เครื่องระบบการซื้อขาย พวกเขาจะได้ประโยชน์จากโครงข่ายประสาท (NN) ขณะที่พวกเขามีการรับประกันที่จะหาทางออกที่ดีที่สุด NN จะได้รับการติดอยู่ในท้องถิ่นน้อยดังนั้นในขณะที่คุณจะได้รับผลใช้ NN คุณจะไม่สามารถตรวจสอบว่าเป็นที่ดีที่สุด นอกจากนี้หาก NN จะเริ่มต้นที่มีน้ำหนักสุ่มคุณจะอาจจะได้รับชุดที่แตกต่างกันของน้ำหนักในแต่ละครั้งที่คุณเรียก backpropagation ในชุดเดียวกันของข้อมูล SVMs จะมีข้อเสียของพวกเขาด้วย โดยเฉพาะการเลือกของพารามิเตอร์ที่มากเกินไป เหล่านี้เป็นโทษ (C), ความกว้างของเกาส์ (ช) ถ้าใช้เคอร์เนล RBF และไม่รู้สึก epsilon (จ) ถ้าใช้สนับสนุนการถดถอยเวกเตอร์ (SVR) การใช้งานของฉัน SVMs เพื่อให้ห่างไกลได้รับการใช้พวกเขาในการจัดหมวดหมู่ดังนั้นฉันจะต้องเลือกพารามิเตอร์ C และ g ผมใช้เคอร์เนล RBF มาตรฐาน มันยากพอพยายามที่จะคาดการณ์ว่าถ้าตลาดจะไปขึ้นหรือลงให้อยู่คนเดียวโดยเท่าใด เราสามารถเลือกพารามิเตอร์เหล่านี้โดยใช้การค้นหาตาราง ซึ่งหมายความว่าเราก็พยายามที่รวมกันของแต่ละพารามิเตอร์และดูที่ทำงานที่ดีที่สุด วิธีพารามิเตอร์ที่ได้รับการประเมินผ่าน n เท่าข้ามการตรวจสอบ อ่านเพิ่มเติม > เดี่ยว SVM กลยุทธ์การซื้อขาย สนับสนุนเครื่องเวกเตอร์ (SVM) จะได้รับความนิยมในการเรียนรู้เครื่องระบบการซื้อขาย พวกเขาจะได้ประโยชน์จากโครงข่ายประสาท (NN) ขณะที่พวกเขามีการรับประกันที่จะหาทางออกที่ดีที่สุด NN จะได้รับการติดอยู่ในท้องถิ่นน้อยดังนั้นในขณะที่คุณจะได้รับผลใช้ NN คุณจะไม่สามารถตรวจสอบว่าเป็นที่ดีที่สุด นอกจากนี้หาก NN จะเริ่มต้นที่มีน้ำหนักสุ่มคุณจะอาจจะได้รับชุดที่แตกต่างกันของน้ำหนักในแต่ละครั้งที่คุณเรียก backpropagation ในชุดเดียวกันของข้อมูล SVMs จะมีข้อเสียของพวกเขาด้วย โดยเฉพาะการเลือกของพารามิเตอร์ที่มากเกินไป เหล่านี้เป็นโทษ (C), ความกว้างของเกาส์ (ช) ถ้าใช้เคอร์เนล RBF และไม่รู้สึก epsilon (จ) ถ้าใช้สนับสนุนการถดถอยเวกเตอร์ (SVR) การใช้งานของฉัน SVMs เพื่อให้ห่างไกลได้รับการใช้พวกเขาในการจัดหมวดหมู่ดังนั้นฉันจะต้องเลือกพารามิเตอร์ C และ g ผมใช้เคอร์เนล RBF มาตรฐาน มันยากพอพยายามที่จะคาดการณ์ว่าถ้าตลาดจะไปขึ้นหรือลงให้อยู่คนเดียวโดยเท่าใด เราสามารถเลือกพารามิเตอร์เหล่านี้โดยใช้การค้นหาตาราง ซึ่งหมายความว่าเราก็พยายามที่รวมกันของแต่ละพารามิเตอร์และดูที่ทำงานที่ดีที่สุด วิธีพารามิเตอร์ที่ได้รับการประเมินผ่าน n เท่าข้ามการตรวจสอบ การตรวจสอบครอส นี่คือคำอธิบายที่ดีที่สุดกับตัวอย่าง ถ้าเรามีการฝึกอบรมกรณีที่มีข้อความ 1000 และเราจะใช้ 10 เท่าข้ามการตรวจสอบแล้วสำหรับการรวมกันของ C แต่ละกรัมที่เราทำต่อไปนี้: สุ่มจะออก 10% ของกลุ่มตัวอย่าง นี้เป็นชุดไว้ออกของแท้ 100 กรณีการฝึกอบรม รถไฟ SVM ในส่วนที่เหลืออีก 90% และสร้างแบบจำลอง ใช้รูปแบบการทดสอบ accuracyon ชุดไว้ออก ทำซ้ำ 10 ครั้งการออกกำลังกายและใช้เวลาเฉลี่ยความถูกต้อง ข้างต้นเป็น 10 เท่าการตรวจสอบข้าม เราอาจจะใช้เวลานี้เพื่อสรุปเหตุผลและมีเพียงตัวอย่างเดียวออกถือออกชุด นี่คือหนึ่งปล่อยออกตรวจสอบข้าม มันจะทำให้เรามีการประเมินที่ถูกต้องที่สุดของการรวมกันพารามิเตอร์ แต่ในทางปฏิบัติ 10 เท่าหรือ 5 เท่าเป็นสิ่งที่ดีพอ ดังนั้นเราจะทำจริงตรวจสอบข้าม? แพคเกจที่ libSVM csie. ntu. edu. tw/ cjlin / libsvm / มีบางส่วนสคริปต์หลามในไดเรกทอรีเครื่องมือ คุณจะต้องติดตั้งหลามและ Gnuplot นอกจากนี้คุณยังสามารถใช้ใช้ได้ DeepThought จาก deep-thought. co ในตัวอย่างด้านล่างใช้ DeepThought ป่วย สิ่งแรกที่เราต้องมีข้อมูลบางส่วน การใช้งานที่ไม่ดีการฝึกอบรมชุดที่มีคุณสมบัติดังต่อไปนี้ ชั่วโมงของวัน เฉลี่ยความแตกต่างระหว่างราคาปิดก่อนหน้านี้วันที่ 30 บาร์ การย้ายความแตกต่างระหว่างค่าเฉลี่ยก่อนหน้านี้ 1,2,3,4,5,7,9,13,16,20,25,31,45,55,70,100 บาร์ที่มีระยะเวลา MA 5, 10, 20, 50 และ 100 เป้าหมายคือ -1 สำหรับราคาที่จะลงไปในที่ใกล้ชิดของบาร์ถัดไป 1 ราคาจะขึ้นไปที่ใกล้ชิดของบาร์ถัดไป เมื่อฉันได้ตั้งค่าเหล่านี้ในการกำหนดค่าที่ฉันเรียกใช้คำสั่ง เพื่อดึงชุดการฝึกอบรม Ive ยังใช้การปรับนาทีสูงสุด ป่วยหารือเตรียมบาร์และปรับในบทความอื่น คำสั่งดังกล่าวจะสร้างไฟล์การฝึกอบรมจากทุกรูปแบบที่กำหนดไว้ในการกำหนดค่า DeepThought หลังจากที่คำสั่งได้เสร็จสิ้นไฟล์ h4-features. training. data ถูกสร้างไดเรกทอรีเดียวกันกับที่ฉันวิ่งคำสั่งจาก นี้อยู่ในรูป libSVM เพื่อให้เราสามารถใช้เครื่องมือ libSVM เพื่อเรียกใช้การค้นหาตารางหรือการใช้การค้นหาตารางที่สร้างขึ้นใน DeepThought ยังสร้างเป็นไฟล์ h4-features. training. data. csv ที่มีข้อมูลเหมือนกัน แต่ในรูปแบบ CSV เพื่อให้คุณสามารถเล่นกับมันในเครื่องมืออื่น ๆ เช่น R, งูหลาม, Excel ฯลฯ เรียกใช้การค้นหาตารางใน DeepThought ผมใช้คำสั่ง: ผลลัพธ์ที่ได้จะอยู่ใน logfile ที่ผล: ความถูกต้องร้อยละ: (ที่น่าทึ่ง) ผลในช่วงกลางที่ได้รับการถอดออกมาเพื่อความกะทัดรัด เราจะเห็นว่า SVM ดูเหมือนจะชอบ gammas ขนาดเล็กและซีดูเหมือนจะเป็นมูลค่าที่เหมาะสม เราควรจะกังวลถ้าแกมมาที่ดีที่สุดคือขนาดใหญ่และขนาดเล็ก C ในขณะที่มันอาจหมายถึงการเรียงลำดับของความผิดพลาดของข้อมูลบางส่วน ถัดไปค่าสูงสุดประมาณช่วงเดียวกันเป็นพารามิเตอร์ที่ดีที่สุดซึ่งแสดงให้เห็นว่าการเลือกพารามิเตอร์เป็นความรู้สึกที่ค่อนข้าง เราควรจะกังวลถ้าค่าให้ผลลัพธ์ที่ดีที่สุดมีค่าผิดปกติ backtesting กลยุทธ์ SVM เดี่ยว ขั้นตอนสุดท้ายคือการประเมินว่า SVM เดียวดำเนินการใน backtest ใน backtest นี้เราก็ซื้อที่มีการคาดการณ์ 1 และขายที่มีการคาดการณ์ -1 ถ้าเรามีความยาวและเราได้รับสัญญาณซื้อที่เราเพิ่มตำแหน่งอื่นให้มีขนาดตำแหน่งสูงสุด 10. ตรงกันข้ามสำหรับสัญญาณขาย การใช้ C ที่ดีที่สุด 128 และแกมมาของ 0.00195313 เราสามารถตัดและที่ผ่านมาตัวอย่าง XML ต่อไปนี้จากแฟ้มบันทึกการค้นหาตารางลงในแฟ้มการกำหนดค่า DeepThought: backtest มีการเรียกใช้คำสั่งต่อไปนี้: backtest DeepThought ดำเนินโดยการสร้างชุดฝึกอบรมที่ใกล้ชิดของแต่ละแถบที่ EURUSD H4 ในกรณีนี้ เมื่อใกล้ชิดของบาร์ต่อไปถึงการคาดการณ์ที่ทำธุรกิจการค้าและการป้อนและ / หรือปิดแล้วรูปแบบการฝึกอบรมอีกครั้งพร้อมสำหรับบาร์ต่อไป ดังนั้นมันจึงเป็นอย่างต่อเนื่องการปรับตัวให้เข้ากับสภาพใหม่ล่าสุดและมีการทดสอบทั้งหมดออกจากตัวอย่างหลีกเลี่ยงในช่วงที่เหมาะสม ผลการ backtest ครั้งนี้มี: และพล็อตของสถ​​านะ (พล็อตโดยใช้ R): มันมีลักษณะการจัดเรียงของ ok แต่อาจจะไม่ได้เป็นสิ่งที่นำการค้าที่เป็นอยู่ บทความต่อไปจะหารือตระการตาเพื่อดูว่าเราสามารถปรับปรุงผลนี้ มันขึ้นอยู่มากในกลยุทธ์การซื้อขายของแต่ละบุคคลและวิธีการที่สามารถคาดเดาได้ครับสุ่มกลยุทธ์การซื้อขายของพวกเขาคือ คุณสามารถบันทึกปัจจัยการผลิตทั้งหมด (เช่นข้อมูลผู้ประกอบการที่มีการใช้) และผล (การตัดสินใจของผู้ประกอบการคือการทำให้) แต่ก็ยังไม่ได้มีข้อมูลเพียงพอที่จะคาดการณ์สิ่งที่ผู้ประกอบการจะไปทำอะไรต่อไป คุณอาจจะในบางส่วนย่อยเล็ก ๆ ของสถ​​านการณ์ที่พบบ่อยจะสามารถคาดการณ์สิ่งที่พวกเขาจะทำอย่างไรต่อไปวิธีที่ดีที่สุดในการตรวจสอบเหล่านี้จะใช้หนึ่งในขั้นตอนวิธีการตรวจสอบคุณสมบัติแล้วจำนวนมากและการใช้งานที่จะทำนายพฤติกรรมผู้ค้า แต่เมื่อมันมาถึงสถานการณ์ใหม่ก็ไม่น่าจะสูงว่าวิธีใด ๆ ที่จะสามารถที่จะคาดการณ์ได้อย่างถูกต้องปฏิกิริยาค้า ในตลาดเช่นอัตราแลกเปลี่ยนที่ตลาดมีการเปลี่ยนแปลงอย่างต่อเนื่องชนิดของสถ​​านการณ์ที่เกิดขึ้นอย่างต่อเนื่องนี้และผู้ค้ามนุษย์ต้องปรับตัว ดังนั้นขั้นตอนวิธีการใด ๆ ที่จะไม่เพียง แต่มีผู้ค้าที่จะเรียนรู้รูปแบบในปัจจุบัน แต่ยังวิธีการทำงานของเขาจะเปลี่ยนแปลงตลอดเวลา ในทางปฏิบัติมันเป็นจุดที่สงสัยสวย แต่ผู้ประกอบการค้ามนุษย์ที่ถูกเช็ดสวยมากออกจากตลาดโดยขั้นตอนวิธีการซื้อขายอิเล็กทรอนิกส์ (มนุษย์บางคนช่วย) จำนวนของผู้ค้ามนุษย์ทำงานใน FX เป็นส่วนน้อยเมื่อเทียบกับแม้กระทั่งทศวรรษที่ผ่านมา 225w เขียนที่ผ่านมาและวัว; ไม่ได้สำหรับการสืบพันธุ์