看看

你对MDP的原理一无所知，都是个人主观想象

有同感。

本帖最后由 TalkFax 于 2020-5-6 22:02 编辑 MDP失效原因，主要是外汇交易商已经由做市商模式转为更有利的ECN或STP模式， MDP的原理是价格快速波动时开反向STOP单，有盈利之后不断移动止损出场， 现在模式的浮动点差和成交滑点造成了MDP类EA回测和模拟都能盈利， 实盘却很多平台无法盈利，需要挑选成交速度快，滑点小的平台， [backcolor=rgb(249, 249, 249)]至于EURUSD[/backcolor]波动性降低，可以用于GBPUSD或USDjpy等其他波动性较高品种

多少年来世界一直在变，市场也一直在变，那些基于统计，基于表象的的规则也不断在变，导致一些基于上述规则建立的交易策略不断失效。但市场也有不变的一面，那就是很多的市场逻辑没有变，人性没有变，市场始终会出现错误定价和错配的机会。只有还有人交易，还有人编写的交易策略，市场就会出现过激，矫枉过正和市场的反身性。这些现象永远不会消除，使市场上永远有挣钱的机会。简单点说就是抓住市场无效的一瞬间，等待有效市场出现，这样的策略会长期有效。

see see

你先白嫖14天的再说 我是很早时候的lifetime 别人请客的……

好，您的建议一直都很合理，数据下的好慢，一个欧美从下午到现在还没有完。感谢指导

杜卡斯数据服务器限速了的 收费版有个镜像 不过也慢 我还搭了梯子 主要是数据太多 我上次下了几天几夜 N多货币的 给我搞了几十个G数据出来……tick数据是正常MT4的很多很多很多倍

来学习一下程序化交易，

还在学习当中，也在熟悉以前学习的东西。 搞了个方案，测试了一下，结果不敢让人相信。只是一个初步的设想和测试，拿出来给大家乐一乐。 大概的思路是，不选择，不判断，让市场选择。测试的货币对是欧美，根据近期欧美的波动，计算波动范围，根据波动范围防止stop buy 和stop sell突破单，止损也是根据波动范围。单子激活后就移动止损加平保。 100000美金开始测试，从2003年测试到现在，最终金额10231560256.47。 这个结果应该不可信，唯一确定的是，不判断，跟随市场，不使用指标，唯一的输入是价格。结果不一定对，这些原则应该是对的。 8-5-2020 下午 7-45-56.png8-5-2020 下午 7-45-12.png

“输入量越少越好，越简单的EA月有可能稳定和易于生存”，这是真谛。不论自动还是手动。花里胡哨的几千行，不是写文章比赛，精简、有效是目的。 “根据近期欧美的波动，计算波动范围”，类似 海龟吧？！

转载自:BotVS量化论坛 BotVS 西蒙斯的大奖章基金是华尔街对冲基金的一个神话，连续20年，平均每年盈利35%，如果考虑该基金5%的管理费和40%的提成的话，它每年的收益率超过60%。这个收益率远远超过了巴菲特和索罗斯。 　　西蒙斯的策略主要是利用强大的数学模型和计算机软件，在全球市场的不同产品中，进行高频交易，赚取微小的波动差，从而获取一个稳健持续的收益。这种属于市场中性策略，不太受牛市熊市的影响，只要有波动就能赚钱。西蒙斯的大奖章基金能在2008年金融危机全球市场暴跌的情况下获得80%的收益率，原理就在此。 　　综合而言，高频交易主要包括下面几种策略：流动性回扣交易（Liquidity Rebate Trading）、猎物算法交易（Predatory Algorithmic Trading）和自动做市商策略（Automated MarketMakers Trading）。 　　为了清晰地阐明上述高频交易策略，这里构建一个和实际交易非常相吻合的案例。一个买方机构投资者决定以30美元左右的价格购买10000 股公司XYZ 股票，像共同基金、养老基金等大多数买方机构投资者一样，该买单首先被输入到其算法交易系统。为了减小对市场价格的冲击影响，投资者的算法交易系统一般对该大额买单进行两阶段处理：首先将其分解为几十个甚至几百个小买单（一个小买单通常在100～500股之间），然后将这些小买单按某种设定的顺序投放到市场。 流动性回扣交易 　　为了争取更多的交易订单，美国所有的证券交易所都为那些创造流动性的券商提供一定的交易费用回扣，通常为0.25美分/股。不论买单还是卖单，只要交易成功，交易所即向该流动性的原始提供券商支付回扣，同时向利用该流动性进行交易的券商征收更高的费用。随着这种激励机制的日益普及，越来越多的以专门获取交易回扣为赢利目的的交易策略便应运而生了。 　　在本案例中，假设机构投资者的心理成交价格在30～30.05 美元之间。如果交易系统中的第一个买单（如100 股）配对成功，以30 美元价格成交。这样，交易系统中第二个买单（如500 股）便跳显出来。再假设该买单也配对成功，以30 美元价格成交。根据上述交易信息，专门从事流动性回扣策略的高频交易者的计算机系统即可能察觉到机构投资者其他后续30 美元买单的存在，于是，回扣交易商计算机采取行动，报出价格为30.01 美元的买单100 股。毫无疑问，那些曾以30 美元出售股票XYZ 的券商更愿意以30.01 美元的价格出售给该回扣交易商。 　　在交易成功之后，回扣交易商立刻调整交易方向，将刚刚以30.01 美元购得的100 股股票以相同价格，即30.01 美元挂单卖出。由于30 美元股价已不复存在，故该卖单很可能被机构投资者接受。 　　这样一来，尽管回扣交易商在整个交易过程中没有赢利，但由于第二个主动卖单给市场提供了流动性，从而获得了交易所提供的每股0.25美分的回扣佣金。不言而喻，回扣交易商所获得的每股0.25 美分的盈利是以机构投资者多付出的1.0 美分为代价的。 猎物算法交易 　　在美国，超过一半的机构投资者的算法报单遵循SEC 国家最佳竞价原则（National Best Bid or Offer，NBBO）。所谓NBBO，即当客户买入证券时，券商必须保证给予市场现有的最佳卖价；同样当客户卖出证券时，券商必须保证给予市场现有的最佳买价。根据该原则，当一个报单由于价格更为优先从而在排序上超过另一个报单时，为了能够成交第二个报单，常常调整股价并与前者保证一致。事实上，一只股票的算法报单价格常常以极快的速度相互攀比追逐，从而使该股票价格呈现出由高到低、由低到高的阶段性变动趋势。这也正是在实际交易中经常看到数量有限的100股或500股小额交易常常将股价推高或拉低十美分至几十美分的原因。 　　猎物算法交易策略即在对上述股价变动历史规律进行研究基础上而设计的。一般而言，该策略通过制造人为的价格来诱使机构投资者提高买入价格或降低卖出价格，从而锁定交易利润。 　　在本案例中，假设机构投资者遵循NBBO并且心理成交价格在30～30.05 美元之间。像上例中流动性回扣交易商一样，猎物算法交易商用非常相似的程序和技术来寻找其他投资者潜在的连续算法订单。在计算机确认价格为30 美元的算法报单的存在后，猎物算法交易程序即发起攻击：报出价格为30.01 美元的买单，从而迫使机构投资者迅速将后续买单价格调高至30.01 美元；然后猎物算法交易商进一步将价格推高至30.02 美元，诱使机构投资者继续追逐。 　　以此类推，猎物算法交易商在瞬间将价格推至机构投资者所能接受的价格上限30.05 美元，并在此价格将股票卖给该机构投资者。猎物算法交易商知道30.05 美元的人为价格一般难以维持，从而在价格降低时进行补仓赚取利润。 自动做市商策略 　　众所周知，做市商的主要功能即为交易中心提供交易流动性。与普通做市商一样，自动做市商高频交易者通过向市场提供买卖订单来提高流动性。不同的是，他们通常与投资者进行反向操作。自动做市商高频交易者的高速计算机系统具有通过发出超级快速订单来发现其他投资者投资意向的能力。例如，在以极快速度发出一个买单或卖单后，如果没有被迅速成交，该订单将被马上取消；然而如果成交，系统即捕捉到大量潜在、隐藏订单存在的信息。 　　在本案例中，假设机构投资者向其算法交易系统发出价格在30.01～30.03美元之间的系列买单，外界无人知道。为了发现潜在订单的存在，自动做市商高频交易者的高速计算机系统开始以30.05 美元的价格发出一个100股的卖单。由于价格高于投资者价格上限，因此没能引起任何反应，于是该卖单被迅速撤销。计算机又以30.04美元的价格再次探试，结果还是没能引起任何反应，于是该卖单也被迅速撤销。计算机再以30.03美元的价格继续探试，结果交易成功。基于此，计算机系统即意识到一定数量价格上限为30.03美元的隐藏买单的存在。于是，运算功能强大的该计算机系统随即发出30.01美元的买单，并利用其技术优势赶在机构投资者之前进行成交，然后再以30.03美元的价格反卖给机构投资者。 　　以上三种就是主流的高频交易策略，这种策略对计算机和网络的性能要求极高，以至于有些交易机构将自己的服务器群组（server farms）安置到了离交易所计算机很近的地方，以缩短交易指令通过光缆以光速旅行的距离。 　　实际上，高频交易给市场带来的影响，在投行机构之间早已有较为激烈的讨论。芝加哥联邦储备银行的报告指出，虽然高频交易对市场也有好处，能够增加股票市场的流动性，但一旦程序出错或人为疏忽都有可能对市场走势造成灾难性影响。 　　另外一个问题是：高频交易涉嫌市场公平问题，高频交易需要的设备和计算能力对中小投资者是一种不可逾越的门槛，这些利用高频交易获取收益的机构，可能造成市场的不公平。 　　在国内市场，目前基本上没有高频交易的土壤，股票市场是T+1，股指期货市场的持仓、交易频率都有很大的限制。商品期货市场可以做一些日内的短线交易，但是离高频交易尚且有很大的距离。从监管层的态度以及国内市场的发展来看，高频交易在国内短期内无法成为一个主要的交易方式。

我读的第一本机械交易的书，是威斯曼写的《机械交易系统》，那时我做外汇第3年，正在难受的时期。书里介绍了很多我以前都坚信可以赢利的系统，作者测试了包括货币和商品在内的很多品种。让我意识到一个重要的问题，我需要用数据来证实我的交易方法到底能不能盈利，那时候我还喜欢靠指标交易，还没有形成固定的交易方法。为了测试我的交易想法，我开始学写EA，那时测试了均线系统，各种常用的指标，结果非常让人失望，为了能拿到好的数据，我也学了easy languange，开通了tradestation。接触了更多机械交易方法，但是这些公开的有效的交易方法，都不是根据指标，他们都是根据价格或波动率，而且几乎都是基于大周期，我自己也用MQL4写过唐安奇通道，Dual thrust，first strike， one night stand，伦敦突破交易。测试过各种仓位管理的方法，和交易单的管理，平保，移动止损。但这些方法都不能明显增加交易方法的收益，除了可以部分平滑交易曲线外，也可能减少潜在的收益。这些测试没有能让我找到盈利的方法，但帮我确定了不能盈利的方法，从此，我远离了指标，均线，小周期交易，开始做大周期和裸k交易，逐渐离盈利越来越近。这是我学习程序交易的最大好处。 以前还试过很多奇葩的方法，大家应该都喜欢martigale， 就是翻倍加仓和它的变种，这些都可以跑出漂亮的曲线，但我从来也没有考虑用于实盘。只要你的仓位大，即使完全随机开仓，也可以做出一条笔直向右上的缺陷。但你的仓位再大，也迟早一键清仓。理想的马丁格尔需要一个高胜率系统，理论上可以通过用波动率过滤和均值回归来增加胜率。不过，再怎么好，也是理论上讨论。如果要玩，要每天烧香。 EA本身不难，难的是交易思路，所以，如果你的方法亏的一塌糊涂，啥EA也救不了你。如果你交易是盈利的，那么ea可以帮助你自动化和标准话。说用了EA就没有情绪影响了，那纯属自己骗自己，只有盈利的系统没有情绪影响，亏损的系统不可能不影响情绪。情绪受影响最主要的隐私是交易的不确定性，所以，我自己坚决反对基于历史数据的EA，就像你再高速路上的 各种经验，上了省道，就完全不同了，最大的不确定性是市场会变。 我目前的交易方法很简单，大家都叫它死扛，一个简单的脚本就可以，都是挂单，就像在海边下了螃蟹笼，你只需要一天查看一次就好了，所以几乎不需要EA。我的EA可以跑我现在的方法，但完全没有必要，我只是用他们测试过我的指数交易指数，确定最安全的交易仓位和历史。 我虽然一直对EA感兴趣，但只是用来测试自己的想法的。目前自己的理解，除非是套利，否则均线系统，指标，马丁，网格都别浪费时间，曲线可以跑的很漂亮给自己欣赏，但变不成现金。如果可以挣钱的话，华尔街的公司有钱有人有资源，早就都是EA了，人都裁没人了，有一点点逻辑就可以想通的问题。那些卖ea的能赚钱，绝对就不会卖了。而大奖章章属于套利交易，而不是我们通常理解的机械交易。 贴一个我写的改进版唐安奇通道交易，这个唐安奇通道，就是海归方法的原型，很简单，就是四周高点买，四周低点卖，一周的高低点做移动止损。EA就是检查在高低点有没有挂单，管理一下买卖单的止损。就是这么简单的一个方法，多少年来一直有效，我测试了A50指数，恒生指数，欧美，都能盈利，但不是暴利。改进版是基于4天高低点入场，2天高低点止损。所有指数测试都是一个参数，没有针对每个指数优化，说明这个系统任然可以盈利，但这个曲线的走势 大概一般人都不能忍受。 18-5-2020 下午 10-56-20.png18-5-2020 下午 8-13-00.png18-5-2020 下午 8-26-50.png

转载，最常见的套利方式。期现套利，期货和现货之间进行套利，顾名思义就是根据期货和现货之间存在的价差进行套利。 由于期货合约本身的性质，最迟在合约到期的当天，它的价格必然会和现货价格相同。所以当期货合约和现货之间存在价差的时候，就可以进行无风险套利。 举个虚拟的例子说明，比如现在现货价格为10元，期货比现货高50%，为15元。那么我们在此时买入1份现货，并且做空一份期货。总共投入10元本金。等到了将来某个时间点，假设期货和现货都涨价了，但是价格一样，都变成了20元。那么我们10元买入的现货就是赚了10元。我们15元做空的期货，亏算5元。总体收益是10-5=5元，相比于初始投入的10元本金，获利50%。

反正就是越简单越好

python 可以简单和mt通信，我做过简单的借口试过，python这边决定下单时发消息给mt，mt ea再按指令开仓或平仓。

看看学习下

看看学习下