Forex Trading Ubuntu Studio

MetaTrader4 no Linux O Linux é um sistema operacional semelhante ao Unix desenvolvido e usado sob o modelo de desenvolvimento e distribuição de software livre e de código aberto. Os sistemas Linux são usados ​​ativamente em smartphones e hardware de servidor. Ultimamente, mais e mais usuários de PCs domésticos preferem a série Linux para MS Windows. Abaixo você pode encontrar o artigo, como trabalhar no MetaTrader5 através de uma das versões Linux - Ubuntu. Instalando o Wine no Ubuntu Um dos recursos do Linux é a ausência de um kit de instalação unificado. Diferentes grupos de programadores trabalham em várias versões diferentes do Linux, como Debian, Mint, Ubuntu, OpenSUSE, Gentoo, etc Este artigo irá descrever um dos kits de distribuição mais populares - Ubuntu. Wine é um programa gratuito que permite aos usuários executar um aplicativo desenvolvido para os sistemas Microsoft Windows. Entre todas as versões do Wine, há uma para o Ubuntu. Devemos notar que o vinho não é uma aplicação totalmente estável. Isso significa que algumas funções nos aplicativos executados sob ele podem funcionar incorretamente. A configuração preliminar deve ser realizada antes da instalação. Todos os aplicativos são instalados no Ubuntu a partir dos pacotes, que estão contidos em repositórios. Para instalar o Wine, o caminho para o repositório do PPA do WineHQ deve ser adicionado. Abra o Ubuntu Software Center e execute o comando quotSoftware Sourcesquot no menu quotEditquot. Clique em quotAddquot na nova janela. O seguinte parâmetro deve ser especificado na linha (Advanced Package Tool): ppa: ubuntu-wineppa. Clique em quotAdd Sourcequot. Isso conclui a configuração preliminar. Para instalar o Wine, abra o site oficial winehq. org. Vá para a seção Downloads e escolha o kit de distribuição para o Ubuntu. Clique no link para instalar a versão mais recente do Wine. Atualmente, a versão estável mais recente é Wine 1.4.1. Você também pode baixar a versão beta Wine 1.5.21, que contém muitas melhorias, mas pode parecer menos confiável. O sistema solicitará que você abra o link via Ubuntu Software Center. Concorde com isso e o Centro de Software solicitará que a instalação do Wine seja iniciada: Clique em quotInstallquot e aguarde até que a instalação seja concluída. Quando a instalação estiver concluída, já será possível executar arquivos executáveis ​​do Microsoft Windows no Ubuntu. Instalando o Vinho da Linha de Comando Para instalar o Vinho sem usar a GUI do Ubuntu, você pode usar a linha de comando (que é chamada quotTerminalquot no Ubuntu) Digite o seguinte comando para adicionar o repositório do PPA do WineHQ, a partir do qual o Wine será instalado: sudo add-apt-repository Ppa: ubuntu-wineppa Após a conclusão, atualize os dados do pacote APT usando o seguinte comando: sudo apt-get update Então você pode iniciar a instalação do Wine. Digite o seguinte comando: sudo apt-get install wine1.5 Vinho 1.5 será instalado. Após a execução, o vinho está pronto para uso. Iniciando o MetaTrader5 Para usar o MetaTrader5, você deve baixar e instalar o arquivo de instalação ou copiar toda a pasta do terminal do cliente instalado anteriormente no sistema Windows. Para baixar o arquivo de instalação, use o link direto mt5setup. exe. O sistema determinará automaticamente que você está tentando executar um arquivo projetado para o sistema Windows e oferecerá para abri-lo usando o Wine. Selecione esta opção e clique em quotOKquot. O instalador do MetaTrader5 será iniciado. Conclua todas as etapas de instalação. O instalador do MetaTrader5 será iniciado. Conclua todas as etapas de instalação. Após a conclusão da instalação, você pode começar a usar o MetaTrader5 executando o arquivo terminal. exe. Outra maneira de usar o MetaTrader5 no Ubuntu é copiar toda a pasta do terminal comercial previamente instalado no sistema Windows. Depois de copiar a pasta, inicie o terminal MetaTrader5 executando o arquivo terminal. exe. O vinho será usado automaticamente para abrir o arquivo. A figura abaixo mostra o terminal MetaTrader5 no sistema Ubuntu. QuotVIP clientquot program Obtenha privilégios excepcionais juntando-se ao nosso programa VIP. Crie seu próprio robô comercial em 5 minutos, mesmo se você donrsquot ter habilidades de programação stock. roboforex Acesso direto de 100 USD para o mercado de ações real. QuotRebates (Cashback) quot program Comércio e receber descontos mensais para a sua conta Até 10 no saldo da conta Receba lucros adicionais para o volume de negociação que você faz. Aviso de Risco Existe um alto nível de risco envolvido ao negociar produtos alavancados como ForexCFDs. Você não deve arriscar mais do que você pode dar ao luxo de perder, é possível que você pode perder todo o montante do saldo da sua conta. Você não deve negociar ou investir a menos que você compreenda plenamente a verdadeira extensão de sua exposição ao risco de perda. Ao negociar ou investir, você deve sempre levar em consideração o nível de sua experiência. Os serviços de comércio de cópias implicam riscos adicionais para o seu investimento devido à natureza desses produtos. Se os riscos envolvidos parecem incerto para você, por favor, aplicar a um especialista externo para um conselho independente. 30 de novembro de 2016, 12:34 pm Alguns meses atrás, um leitor me apontar esta nova maneira de ligar R e Excel. Eu não sei por quanto tempo isto tem sido em torno, mas nunca me deparei com ele e nunca vi qualquer postagem no blog ou artigo sobre ele. Então eu decidi escrever um post como a ferramenta é realmente vale a pena e antes que alguém pergunta, I8217m não relacionados com a empresa de qualquer forma. BERT significa Basic Excel R Toolkit. It8217s livre (licenciado sob o GPL v2) e foi desenvolvido por Structured Data LLC. No momento da redação, a versão atual do BERT é 1.07. Mais informações podem ser encontradas aqui. De uma perspectiva mais técnica, o BERT foi projetado para suportar a execução de funções R a partir de células da planilha do Excel. Em termos de Excel, it8217s para escrever User-Defined Functions (UDFs) em R. Neste post I8217m não vai mostrar-lhe como R e Excel interagem via BERT. Existem muito bons tutoriais aqui. Aqui e aqui. Em vez disso eu quero mostrar-lhe como eu usei BERT para construir um 8220control tower8221 para o meu comércio. Meus sinais de negociação são gerados usando uma longa lista de arquivos R, mas eu preciso da flexibilidade do Excel para exibir resultados de forma rápida e eficiente. Como mostrado acima BERT pode fazer isso para mim, mas eu também quero adaptar a aplicação às minhas necessidades. Ao combinar o poder de XML, VBA, R e BERT eu posso criar uma boa aparência ainda poderosa aplicação sob a forma de um arquivo do Excel com o mínimo de código VBA. Finalmente, tenho um único arquivo Excel reunindo todas as tarefas necessárias para gerenciar meu portfólio: atualização de banco de dados, geração de sinal, envio de pedidos etc8230 Minha abordagem pode ser dividida nas 3 etapas abaixo: Use XML para criar menus e botões definidos pelo usuário em um Excel Arquivo. Os menus e botões acima são essencialmente chamadas para funções VBA. Essas funções VBA são wrapup em torno de funções R definidas usando BERT. Com essa abordagem, posso manter uma clara distinção entre o núcleo do meu código mantido em R, SQL e Python e tudo usado para exibir e formatar os resultados mantidos em Excel, VBA amp. XML. Nas próximas seções eu apresento o pré-requisito para desenvolver tal abordagem e um guia passo a passo que explica como o BERT poderia ser usado para simplesmente passar dados de R para o Excel com o mínimo de código VBA. 1 8211 Baixe e instale o BERT a partir deste link. Depois que a instalação for concluída você deve ter um novo menu Add-Ins no Excel com os botões, como mostrado abaixo. Foi assim que o BERT se materializou no Excel. 2 8211 Baixe e instale o editor de UI personalizado. O Custom UI Editor permite criar menus e botões definidos pelo usuário na fita Excel. Um procedimento passo a passo está disponível aqui. Guia passo a passo 1 8211 Código R: A função abaixo R é um código muito simples para fins de ilustração. Calcula e retorna os resíduos de uma regressão linear. Isso é o que queremos recuperar no Excel. Salve isso em um arquivo chamado myRCode. R (qualquer outro nome é muito bem) em um diretório de sua escolha. 2 8211 funções. R no BERT. No Excel, selecione Add-Ins - gt Home Directory e abra o arquivo chamado functions. R. Neste arquivo cole o seguinte código. Certifique-se de inserir o caminho correto. Este é apenas sourcing em BERT o arquivo R que você criou acima. Em seguida, salve e feche o arquivo functions. R. Se você quiser fazer qualquer alteração no arquivo R criado na etapa 1, você terá que recarregá-la usando o botão BERT 8220Reload Startup File8221 no menu Add-Ins do Excel 3 8211 No Excel: Crie e salve um arquivo chamado myFile. xslm (Qualquer outro nome é bom). Este é um arquivo habilitado para macro que você salva no diretório de sua escolha. Depois que o arquivo é salvo, feche-o. 4 8211 Abra o arquivo criado acima no editor de UI personalizado: Depois que o arquivo estiver aberto, cole o código abaixo. Você deve ter algo parecido com isso no editor XML: Essencialmente, esse pedaço de código XML cria um menu adicional (RTrader), um novo grupo (Meu Grupo) e um botão definido pelo usuário (Novo Botão) na fita Excel. Depois de feito, abra myFile. xslm no Excel e feche o Editor de UI personalizado. Você deve ver algo como isto. 5 8211 Editor de VBA aberto. Em myFile. xlsm insira um novo módulo. Cole o código abaixo no módulo recém-criado. Isso apaga resultados anteriores na planilha antes de lidar com novos. 6 8211 Clique em Novo Botão. Agora volte para a planilha e no menu do RTrader clique no botão 8220New Button8221. Você deve ver algo como o abaixo aparecendo. O guia acima é uma versão muito básica do que pode ser alcançado usando BERT, mas mostra como combinar o poder de várias ferramentas específicas para construir seu próprio aplicativo personalizado. De minha perspectiva, o interesse de tal abordagem é a capacidade de colar juntos R e Excel, obviamente, mas também para incluir via XML (e lote) pedaços de código de Python, SQL e muito mais. Isso é exatamente o que eu precisava. Finalmente, gostaria de saber se alguém tem alguma experiência com o BERT. Ao testar estratégias de negociação, uma abordagem comum é dividir o conjunto inicial de dados em dados de amostra: a parte dos dados projetada para calibrar O modelo e fora dos dados de amostra: a parte dos dados utilizados para validar a calibração e garantir que o desempenho criado na amostra será refletida no mundo real. Como regra geral, cerca de 70 dos dados iniciais podem ser utilizados para calibração (i. e. na amostra) e 30 para validação (isto é, fora da amostra). Em seguida, uma comparação dos dados de entrada e saída de dados ajuda a decidir se o modelo é suficientemente robusto. Este post pretende ir um passo mais longe e fornece um método estatístico para decidir se os dados fora da amostra está em consonância com o que foi criado na amostra. No gráfico abaixo a área azul representa o desempenho fora da amostra para uma das minhas estratégias. Uma inspeção visual simples revela um bom ajuste entre o dentro e fora do desempenho da amostra, mas que grau de confiança eu tenho nesta Nesta fase não muito e este é o problema. O que é verdadeiramente necessário é uma medida de semelhança entre os conjuntos de dados de entrada e saída. Em termos estatísticos, isto poderia ser traduzido como a probabilidade de que os valores de desempenho dentro e fora da amostra provenham da mesma distribuição. Existe um teste estatístico não-paramétrico que faz exatamente isso: o teste de Kruskall-Wallis. Uma boa definição deste teste pode ser encontrada no R-Tutor 8220A coleção de amostras de dados são independentes se vierem de populações não relacionadas e as amostras não afetam uns aos outros. Utilizando o teste de Kruskal-Wallis. Podemos decidir se as distribuições da população são idênticas sem supor que elas sigam a distribuição normal.8221 O benefício adicional deste teste não está assumindo uma distribuição normal. Existem outros testes da mesma natureza que poderiam caber nessa estrutura. O teste de Mann-Whitney-Wilcoxon ou os testes de Kolmogorov-Smirnov seriam perfeitamente adequados ao quadro descreve aqui no entanto isso está além do escopo deste artigo para discutir os prós e contras de cada um desses testes. Uma boa descrição junto com exemplos de R pode ser encontrada aqui. Aqui o código usado para gerar o gráfico acima e a análise: No exemplo acima, o período de amostra é mais longo do que o período fora da amostra, portanto, eu criei aleatoriamente 1000 subconjuntos dos dados da amostra, cada um deles com o mesmo comprimento que o out Dos dados da amostra. Em seguida, eu testei cada um no subconjunto de amostra contra a saída de dados de amostra e eu gravei os valores de p. Este processo não cria um único valor de p para o teste de Kruskall-Wallis, mas uma distribuição que torna a análise mais robusta. Neste exemplo, a média dos valores de p está bem acima de zero (0,478) indicando que a hipótese nula deve ser aceita: existem fortes evidências de que os dados de entrada e saída da amostra vêm da mesma distribuição. Como de costume o que é apresentado neste post é um exemplo de brinquedo que apenas arranhões a superfície do problema e deve ser adaptado às necessidades individuais. No entanto, penso que propõe um quadro estatístico interessante e racional para avaliar os resultados da amostra. Este post é inspirado nos seguintes dois artigos: Vigier Alexandre, Chmil Swann (2007), Efeitos de Várias Funções de Otimização no Desempenho de Amostra de Estratégias de Negociação Geneticamente Evoluídas, Previsão de Mercados Financeiros Conferência Vigier Alexandre, Chmil Swann (2010), An Processo de otimização para melhorar inout da consistência da amostra, um caso de mercado de ações, JP Morgan Cazenove Equity Quantitative Conference, Londres Outubro de 2010 13 de dezembro de 2015, 2:03 pm Fazendo investigação quantitativa implica um monte de dados crunching e precisa de dados limpos e confiáveis ​​para Alcançar este objectivo. O que é realmente necessário é dados limpos que é facilmente acessível (mesmo sem uma conexão à Internet). A maneira mais eficiente de fazer isso para mim foi manter um conjunto de arquivos csv. Obviamente, este processo pode ser tratado de muitas maneiras, mas eu encontrei tempo extra muito eficiente e simples para manter um diretório onde eu armazenar e atualizar arquivos csv. Eu tenho um arquivo csv por instrumento e cada arquivo é nomeado após o instrumento que ele contém. A razão que eu faço assim é dupla: Primeiro, eu don8217t quero baixar (preço) dados do Yahoo, Google etc8230 cada vez que eu quero testar uma nova idéia, mas mais importante uma vez que eu identifiquei e corrigiu um problema, eu don8217t quero ter que Fazê-lo novamente na próxima vez que eu preciso do mesmo instrumento. Simples ainda muito eficiente até agora. O processo é resumido no gráfico abaixo. Em tudo o que segue, eu suponho que os dados vêm do Yahoo. O código terá de ser alterado para os dados do Google, Quandl etc8230 Além disso, eu apresento o processo de atualização dos dados diários de preços. A configuração será diferente para dados de freqüência mais alta e outro tipo de conjunto de dados (ou seja, diferente dos preços). 1 8211 Download de dados iniciais (listOfInstruments. R amp historicalData. R) O arquivo listOfInstruments. R é um arquivo que contém apenas a lista de todos os instrumentos. Se um instrumento não for parte de minha lista (ou seja, nenhum arquivo csv na minha pasta de dados) ou se você fizer isso pela primeira vez você tem que baixar o conjunto de dados históricos iniciais. O exemplo abaixo carrega um conjunto de preços diários de ETFs do Yahoo Finance de volta a janeiro de 2000 e armazena os dados em um arquivo csv. 2 8211 Atualizar dados existentes (updateData. R) O código a seguir é iniciado a partir de arquivos existentes na pasta dedicada e atualiza todos eles um após o outro. Eu costumo executar este processo todos os dias, exceto quando I8217m em férias. Para adicionar um novo instrumento, basta executar o passo 1 acima para este instrumento sozinho. 3 8211 Criar um arquivo em lotes (updateDailyPrices. bat) Outra parte importante do trabalho é a criação de um arquivo em lotes que automatiza o processo de atualização acima (I8217m, um usuário do Windows). Isso evita abrir RRStudio e executar o código de lá. O código abaixo é colocado em um arquivo. bat (o caminho deve ser alterado com a configuração do reader8217s). Observe que eu adicionei um arquivo de saída (updateLog. txt) para rastrear a execução. O processo acima é extremamente simples porque ele só descreve como atualizar dados de preços diários. Eu tenho usado isso por um tempo e tem funcionado muito bem para mim até agora. Para dados mais avançados e / ou freqüências mais altas, as coisas podem ficar muito mais complicadas. Como de costume todos os comentários bem-vindos 15 de agosto de 2015, 9:03 pm A indústria de gestão de ativos está à beira de uma grande mudança. Ao longo dos últimos anos Robots Advisors (RA) surgiram como novos jogadores. O termo em si é difícil de definir, uma vez que engloba uma grande variedade de serviços. Alguns são projetados para ajudar os conselheiros tradicionais a alocar melhor o dinheiro de seus clientes e alguns são reais 8220black box8221. O usuário insere alguns critérios (idade, renda, filhos etc8230) eo robô propõe uma alocação feita sob medida. Entre esses dois extremos, uma gama completa de ofertas está disponível. Eu encontrei a definição Wikipedia bastante bom. 8220Eles são uma classe de consultor financeiro que fornece gerenciamento de portfólio on-line com intervenção humana mínima8221. Mais precisamente, eles usam a gestão de carteira baseada em algoritmos para oferecer a gama completa de serviços que um consultor tradicional poderia oferecer: reinvestimento de dividendos, relatórios de conformidade, reequilíbrio de carteira, colheita de prejuízos fiscais, etc8230 (bem, isso é o que a comunidade de investimento quantitativo está fazendo há décadas). A indústria ainda está em sua infância com a maioria dos jogadores ainda gerenciar uma pequena quantidade de dinheiro, mas eu só percebi o quão profunda a mudança foi quando eu estava em Nova York há poucos dias. Quando RA obter seus nomes na TV acrescenta ou no telhado de táxi NYC você sabe algo grande está acontecendo8230 está recebendo mais e mais atenção da mídia e, acima de tudo, faz muito sentido a partir de uma perspectiva de investidor. Na verdade, existem duas principais vantagens na utilização de RA: Taxas significativamente mais baixas sobre conselheiros tradicionais O investimento é tornado mais transparente e mais simples, o que é mais atraente para pessoas com conhecimentos financeiros limitados Neste post R é apenas uma desculpa para apresentar bem o que é uma grande tendência em A indústria de gestão de activos. O gráfico abaixo mostra as quotas de mercado da RA mais popular a partir do final de 2014. O código usado para gerar o gráfico abaixo pode ser encontrado no final deste post e os dados estão aqui. Esses números são um pouco datado dado quão rápido esta indústria evolui, mas ainda são muito informativos. Não surpreendentemente, o mercado é dominado por provedores dos EUA como Wealthfront e Betterment, mas RA surgem em todo o mundo: Ásia (8Now), Suíça (InvestGlass), França (Marie Quantier) 8230. Ele está começando a afetar significativamente a maneira tradicionais gestores de ativos estão fazendo negócios. Um exemplo proeminente é a parceria entre Fidelity e Betterment. Desde dezembro de 2014 Betterment passado a marca de 2 bilhões de AUM. Apesar de todo o acima, eu penso que a mudança real está antes de nós. Porque eles usam menos intermediários e produtos de baixa comissão (como ETFs) que cobram taxas muito mais baixas do que os consultores tradicionais. RA irá certamente ganhar quotas de mercado significativas, mas também irá reduzir as taxas cobradas pela indústria como um todo. Em última análise, isso afetará o modo como as empresas de investimento tradicionais fazem negócios. Gerenciamento de portfólio ativo que está tendo um momento difícil por alguns anos agora vai sofrer ainda mais. As altas taxas que cobra será ainda mais difícil de justificar, a menos que se reinvente. Outro impacto potencial é o aumento dos ETFs e dos produtos financeiros de baixa comissão em geral. Obviamente, isso começou há algum tempo, mas eu acho que o efeito será ainda mais pronunciado nos próximos anos. As novas gerações de ETFs rastreiam índices mais complexos e estratégias personalizadas. Esta tendência vai ficar mais forte inevitavelmente. Como de costume todos os comentários bem-vindos 07 de julho de 2015, 08:04 Há muitos tutoriais R séries temporais flutuando na web este post não foi projetado para ser um deles. Em vez disso, eu quero apresentar uma lista dos truques mais úteis que me deparei ao lidar com séries de tempo financeiro em R. Algumas das funções apresentadas aqui são incrivelmente poderoso, mas infelizmente enterrado na documentação, daí o meu desejo de criar um post dedicado. Eu dirijo somente séries diárias ou mais baixas da freqüência. Lidar com dados de freqüência mais alta requer ferramentas específicas: os pacotes data. table ou highfrequency são alguns deles. Xts. O pacote xts é o deve ter quando se trata de série de tempos em R. O exemplo abaixo carrega o pacote e cria uma série diária de 400 dias normalmente distribuída retorna merge. xts (pacote xts): Isso é incrivelmente poderoso quando se trata de Ligando duas ou mais séries de tempos juntos se eles têm o mesmo comprimento ou não. O argumento de junção faz a magia que determina como a ligação é feita apply. yearlyapply. monthly (xts pacote): Aplique uma função especificada para cada período distinto em um determinado objeto de série de tempo. O exemplo abaixo calcula os retornos mensais e anuais da segunda série no objeto tsInter. Observe que eu uso a soma de pontos de extremidade de retorno (sem composição) (xts de pacote): Extrair valores de índice de um determinado objeto xts correspondente às últimas observações dadas um período especificado por on. O exemplo fornece o último dia do mês retorna para cada série no objeto tsInter usando o nó de extremidade para selecionar a data. Na. locf (package zoo): Função genérica para substituir cada NA pelo mais recente não-NA antes dele. Extremamente útil quando se trata de uma série de tempo com alguns 8220holes8221 e quando esta série de tempo é posteriormente utilizado como entrada para uma R funções que não aceita argumentos com NAs. No exemplo, eu crio uma série temporal de preços aleatórios, então, artificialmente inclui alguns NAs nele e substituí-los com o valor mais recente. Charts. PerformanceSummary (package PerformanceAnalytics): Para um conjunto de retornos, crie um gráfico de índice de riqueza, barras para desempenho por período e gráfico subaquático para redução. Isso é incrivelmente útil, pois exibe em uma única janela todas as informações relevantes para uma rápida inspeção visual de uma estratégia de negociação. O exemplo abaixo transforma a série de preços em um objeto xts, em seguida, exibe uma janela com os 3 gráficos descritos acima. A lista acima não é de forma alguma exaustiva, mas uma vez que você dominar as funções descrever neste post torna a manipulação de séries de tempo financeiro muito mais fácil, o código mais curto ea legibilidade do código melhor. Como de costume todos os comentários bem-vindos 23 de março de 2015, 8:55 pm Quando se trata de gerenciar um portfólio de ações versus um benchmark o problema é muito diferente de definir uma estratégia de retorno absoluto. No primeiro um tem que segurar mais estoques do que no mais atrasado onde nenhum estoque em tudo pode ser prendido se não há uma oportunidade boa bastante. A razão para isso é o erro de rastreamento. Isso é definido como o desvio padrão do retorno da carteira menos o retorno do índice de referência. Os estoques menos são mantidos contra um benchmark quanto maior o erro de rastreamento (por exemplo, maior risco). A análise que se segue é amplamente inspirada pelo livro 8220Active Portfolio Management8221 de Grinold amp Kahn. Esta é a bíblia para qualquer pessoa interessada em executar um portfólio contra um benchmark. Eu incentivo fortemente qualquer um com um interesse no tópico para ler o livro do começo ao fim. É muito bem escrito e estabelece as bases da gestão sistemática de carteira ativa (eu não tenho afiliação ao editor ou aos autores). 1 8211 Análise Fatorial Aqui estamos tentando classificar com a maior precisão possível as ações do universo de investimento em uma base de retorno para a frente. Muitas pessoas inventaram muitas ferramentas e inúmeras variantes dessas ferramentas foram desenvolvidas para conseguir isso. Neste post me concentro em duas métricas simples e amplamente utilizadas: Coeficiente de Informação (IC) e Quantiles Return (QR). 1.1 8211 Coeficiente de Informação O horizonte para o retorno a termo tem de ser definido pelo analista e é função do volume de negócios da estratégia e da desintegração alfa (este tem sido objecto de extensa investigação). Obviamente, os CI devem ser tão elevados quanto possível em termos absolutos. Para o leitor afiado, no livro de Grinold amp Kahn uma fórmula que liga a relação de informação (IR) e IC é dada: com amplitude sendo o número de apostas independentes (comércios). Esta fórmula é conhecida como a lei fundamental da gestão activa. O problema é que muitas vezes, definir amplitude com precisão não é tão fácil quanto parece. 1.2 8211 Retorno de Quantiles Para obter uma estimativa mais precisa do poder de previsão de fator, é necessário ir um passo adiante e agrupar os estoques por quantil de valores de fator e então analisar o retorno médio de retorno (ou qualquer outra métrica de tendência central) de cada um desses Quantiles. A utilidade desta ferramenta é simples. Um fator pode ter um IC bom, mas seu poder preditivo pode ser limitado a um pequeno número de ações. Isso não é bom como um gestor de carteira terá de escolher estoques dentro de todo o universo, a fim de atender a sua restrição de erro de rastreamento. Os bons quantiles de retorno são caracterizados por uma relação monótona entre os quantiles individuais e retornos futuros. Todas as ações no índice SampP500 (no momento da escrita). Obviamente, existe um viés de sobrevivência: a lista de ações no índice mudou significativamente entre o início e o final do período de amostragem, porém é bastante boa apenas para fins ilustrativos. O código abaixo carrega os preços das ações individuais no SampP500 entre janeiro de 2005 e hoje (demora um pouco) e transforma os preços brutos em retorno nos últimos 12 meses e no último mês. O primeiro é o nosso fator, este último será usado como a medida de retorno para a frente. Abaixo está o código para calcular o Coeficiente de Informação e Quantiles Retorno. Note que eu usei quintis neste exemplo, mas qualquer outro método de agrupamento (terciles, deciles etc8230) pode ser usado. Ele realmente depende do tamanho da amostra, o que você deseja capturar e wether você quer ter uma visão ampla ou se concentrar em caudas de distribuição. Para estimar retornos dentro de cada quintil, a mediana tem sido usada como estimador de tendência central. Esta medida é muito menos sensível aos valores atípicos do que a média aritmética. E, finalmente, o código para produzir o Quantiles Retorno gráfico. 3 8211 Como explorar as informações acima No gráfico acima, Q1 é o mais baixo após 12 meses de retorno e Q5 mais alto. Há um aumento quase monotônico no retorno dos quantiles entre Q1 e Q5, o que indica claramente que os estoques que caem em Q5 superam os que caem em Q1 em cerca de 1 por mês. Isso é muito significativo e poderoso para um fator tão simples (não é realmente uma surpresa though8230). Portanto, há maiores chances de vencer o índice por sobreponderar as ações caem no Q5 e subponderar aqueles que caem no primeiro trimestre em relação ao benchmark. Um IC de 0,0206 pode não significar muito em si, mas é significativamente diferente de 0 e indica um bom poder preditivo dos últimos 12 meses de retorno global. Testes de significância formal podem ser avaliados, mas isso está além do escopo deste artigo. 4 8211 Limitações práticas A estrutura acima é excelente para avaliar a qualidade dos fatores de investimento, porém há uma série de limitações práticas que devem ser abordadas para a implementação da vida real: Rebalancing. Na descrição acima, 8282 assumiu que no final de cada mês a carteira é totalmente rebalanceada. Isso significa que todas as ações que caem no primeiro trimestre estão abaixo do peso e todas as ações que caem no Q5 estão acima do peso em relação ao benchmark. Isso nem sempre é possível por razões práticas: alguns estoques podem ser excluídos do universo de investimento, existem restrições sobre o peso da indústria ou do setor, existem restrições sobre o volume de negócios etc 8230 custos de transação. Isso não tem sido levado em conta na análise acima e este é um freio grave para a implementação da vida real. Considerações de volume de negócios são geralmente implementadas na vida real em uma forma de penalidade sobre a qualidade do fator. Coeficiente de transferência. Esta é uma extensão da lei fundamental da gestão ativa e relaxa a suposição do modelo de Grinolds de que os gerentes não enfrentam restrições que os impedem de traduzir seus insights sobre investimentos diretamente em apostas em carteira. E, finalmente, I8217m espantado com o que pode ser alcançado em menos de 80 linhas de código com R8230 Como de costume todos os comentários welcomeOur forex robôs encontraram mais Um robô forex (também conhecedor perito) é um software que troca um sistema forex para você. Eles correm dentro de seu terminal de forex e pode ser anexado a qualquer moeda que você escolher. Usando cálculos avançados eles abrem e gerenciam comércios forex para você de acordo com uma estratégia de forex. Cada EA é diferente. Use mais de um ao mesmo tempo para obter melhores resultados. Nenhuma experiência é necessária e a configuração é simples. Usando um robô forex é a única maneira de melhorar a sua negociação instantaneamente. Com um consultor perito você pode começar a negociar um sistema de trabalho, independentemente do seu próprio nível de habilidade. Cálculos difíceis e gerenciamento de dinheiro seguro são tratados para você. Eles nunca dormem e podem procurar comércios 24 horas por dia, 5 dias por semana. E eles são a única maneira de cobrir vários pares ao mesmo tempo. Cada consultor especialista é totalmente automático e carregado com recursos para dominar qualquer gráfico. Codificamos tudo, mas a pia da cozinha em todos os nossos robôs forex. Automatic mãos livre forex trading Sim. Gestão de dinheiro adequada Verifique. Pare de gerir e tomar lucros automaticamente Você aposta. Cada consultor especializado é totalmente otimizado para qualquer par de moedas. E eles podem trocar micro, mini e lotes padrão.