استراتيجية التداول كوانت

استراتيجيات كوانت - هل هم بالنسبة لك استراتيجيات الاستثمار الكمية تطورت إلى أدوات معقدة للغاية مع ظهور أجهزة الكمبيوتر الحديثة، ولكن جذور استراتيجيات يعود أكثر من 70 عاما. وعادة ما يتم تشغيلها من قبل فرق درجة عالية من التعليم واستخدام نماذج الملكية لزيادة قدرتها على التغلب على السوق. هناك برامج حتى قبالة الجاهزة للاستخدام التي هي التوصيل واللعب لأولئك الذين يسعون البساطة. نماذج ضليع في الرياضيات تعمل دائما بشكل جيد عند اختباره مرة أخرى، ولكن طلباتهم الفعلية ونسبة النجاح هي قابلة للنقاش. في حين يبدو أنها تعمل بشكل جيد في الأسواق الصاعدة. عندما تذهب الأسواق أحمق، يتعرضون استراتيجيات ضليع في الرياضيات لنفس المخاطر مثل أي استراتيجية أخرى. تاريخ تطبيق واحد من الآباء المؤسسين للدراسة النظرية الكمية للتمويل وروبرت ميرتون. يمكنك أن تتخيل فقط مدى صعوبة وكان عملية تستغرق وقتا طويلا قبل استخدام أجهزة الكمبيوتر. نظريات أخرى في مجال التمويل أيضا تطورت من بعض الدراسات الكمية الأولى، بما في ذلك الأساس لتنويع محفظة على أساس نظرية المحفظة المالية الحديثة. أدى استخدام كل من التمويل الكمي وحساب التفاضل والتكامل للعديد من الأدوات المشتركة الأخرى بما في ذلك واحدة من الاكثر شهرة، والأسود سكولز صيغة تسعير الخيارات، والذي لا يساعد خيارات الأسعار المستثمرين ووضع استراتيجيات، ولكن يساعد على الحفاظ على الأسواق في الاختيار مع السيولة. عندما يطبق مباشرة إلى إدارة المحافظ. والهدف من ذلك هو مثل أي استراتيجية استثمارية أخرى. لإضافة قيمة، ألفا أو عوائد الزائدة. Quants، كما يطلق المطورين، يؤلف نماذج رياضية معقدة للكشف عن الفرص الاستثمارية. هناك العديد من النماذج من هناك كما quants الذي تطويرها، وجميع يدعون إلى أن يكون أفضل. واحدة من استراتيجية الاستثمار ضليع في الرياضيات ق نقطة مبيعا هو أن هذا النموذج، والكمبيوتر في نهاية المطاف، يجعل قرار الشراء / البيع الفعلي، وليس الإنسان. هذا يميل إلى إزالة أي ردود فعل عاطفية على أن الشخص قد تواجه عند شراء أو بيع الاستثمارات. وتقبل استراتيجيات ضليع في الرياضيات الآن في مجتمع الاستثمار وتدار من قبل صناديق الاستثمار وصناديق التحوط والمؤسسات الاستثمارية. يذهبون عادة عن طريق المولدات اسم ألفا. أو جينز ألفا. وراء الستار ترغب فقط في ساحر أوز، أحد ما وراء الستار قيادة العملية. كما هو الحال مع أي نموذج، ق فقط جيدة مثل الإنسان الذي تطور البرنامج. بينما لا يوجد أي شرط محدد لتصبح ضليع في الرياضيات، ومعظم شركات تشغيل نماذج ضليع في الرياضيات الجمع بين المهارات من المحللين الاستثمار والإحصائيين والمبرمجين الذين رمز العملية إلى أجهزة الكمبيوتر. ويرجع ذلك إلى الطبيعة المعقدة للالنماذج الرياضية والإحصائية، ق الشائع أن نرى أوراق اعتماد مثل شهادات الدراسات العليا والدكتوراه في مجال التمويل والاقتصاد والرياضيات والهندسة. تاريخيا، عملت هذه أعضاء الفريق في مكاتب الظهر. ولكن كما أصبحت نماذج ضليع في الرياضيات أكثر شيوعا، والمكتب الخلفي يتحرك إلى مكتب الجبهة. فوائد استراتيجيات كوانت في حين أن نسبة النجاح العام هو قابل للنقاش، والسبب تعمل بعض الاستراتيجيات ضليع في الرياضيات هو أنها تقوم على الانضباط. إذا كان النموذج هو الصحيح، والانضباط يحافظ على استراتيجية العمل مع أجهزة الكمبيوتر البرق السرعة لاستغلال أوجه القصور في الأسواق على أساس البيانات الكمية. نماذج أنفسهم لا يمكن أن تعتمد على أقل قدر عدد قليل من نسب مثل P / E. الديون إلى حقوق المساهمين ونمو الأرباح، أو استخدام الآلاف من مدخلات العمل معا في نفس الوقت. يمكن للاستراتيجيات الناجحة على التقاط اتجاهات في مراحلها المبكرة مثل أجهزة الكمبيوتر تشغيل باستمرار سيناريوهات لتحديد أوجه القصور قبل الآخرين. نماذج قادرة على تحليل مجموعة كبيرة جدا من الاستثمارات في وقت واحد، حيث يمكن ان تبحث المحلل التقليدي في عدد قليل فقط في المرة الواحدة. عملية الفرز يمكن أن يصنف في الكون من المراحل الدراسية مثل 1-5 أو A-F اعتمادا على النموذج. وهذا يجعل من عملية التداول الفعلية واضحة جدا من خلال الاستثمار في استثمارات عالية التصنيف وبيع منها انخفاض تصنيف. فتح نماذج ضليع في الرياضيات أيضا اختلافات استراتيجيات مثل طويلة، قصيرة وطويلة / قصيرة. الأموال ضليع في الرياضيات ناجحة إبقاء العين حريصة على السيطرة على المخاطر بسبب طبيعة نماذجها. معظم استراتيجيات تبدأ مع الكون أو معيار وقطاع استخدام والأوزان الصناعة في نماذجها. وهذا يسمح للأموال للسيطرة على التنويع إلى حد ما دون المساومة على النموذج نفسه. الأموال ضليع في الرياضيات تشغيل عادة على أساس أقل تكلفة لأنها دون ر تحتاج العديد من المحللين التقليدية ومديري المحافظ لتشغيلها. عيوب استراتيجيات كوانت هناك أسباب لماذا هذا العدد الكبير من المستثمرين لا تبني تماما مفهوم السماح لصندوق أسود تشغيل استثماراتهم. لجميع الأموال ضليع في الرياضيات ناجحة هناك، ويبدو تماما كما العديد أن تنجح. للأسف لسمعة quants، عندما تفشل، فإنها تفشل وقتا كبيرا. كان طويل الأجل كابيتال مانجمنت واحدا من صناديق التحوط ضليع في الرياضيات الأكثر شهرة، كما تم تشغيله من قبل بعض القيادات الأكاديمية الأكثر احتراما واثنين من خبراء الاقتصاد الحائز على جائزة نوبل التذكارية مايرون سكولز S. وروبرت ميرتون. خلال 1990s، فريقهم ولدت فوق متوسط ​​العائدات وجذب رؤوس الأموال من جميع أنواع المستثمرين. وكانت تشتهر ليس فقط استغلال عدم الكفاءة، ولكن باستخدام سهولة الوصول إلى رأس المال لإنشاء الرهانات الاستدانة هائلة على الاتجاهات السوق. طبيعة منضبطة من استراتيجيتها خلقت في الواقع الضعف الذي أدى إلى انهيارها. تمت تصفية طويلة الأجل كابيتال مانجمنت وحلت في أوائل عام 2000. نماذجها لا تشمل إمكانية أن الحكومة الروسية يمكن أن تتخلف عن بعض من ديونها. وأثار هذا الحدث واحدا الأحداث وسلسلة من ردود الفعل تضخمت بسبب الفوضى التي تم إنشاؤها النفوذ. وشارك LTCM بكثافة مع عمليات الاستثمار الأخرى التي انهياره أثرت على الأسواق العالمية، مما اثار الأحداث الدرامية. وعلى المدى الطويل، صعدت مجلس الاحتياطي الاتحادي للمساعدة، وغيرها من البنوك وصناديق الاستثمار تدعم LTCM لمنع أي مزيد من الضرر. هذا هو واحد من الأسباب التي يمكن أن تفشل الأموال ضليع في الرياضيات، كما أنها تستند إلى الأحداث التاريخية التي قد لا تشمل الأحداث المستقبلية. في حين أن فريق ضليع في الرياضيات قويا سيتم إضافة باستمرار جوانب جديدة لنماذج التنبؤ بالأحداث المستقبلية، فإنه من المستحيل التنبؤ بالمستقبل في كل مرة. الأموال ضليع في الرياضيات يمكن أيضا أن تصبح طغت فيه الاقتصاد والأسواق تشهد تقلبات أكبر من المتوسط. إشارات شراء وبيع يمكن أن تأتي بسرعة أن ارتفاع معدل دوران يمكن أن تخلق عمولات عالية والأحداث الخاضعة للضريبة. يمكن لصناديق ضليع في الرياضيات أيضا تشكل خطرا عندما يتم تسويقها على أنها تحمل إثبات أو مبنية على استراتيجيات قصيرة. توقع الركود. باستخدام المشتقات ويمكن الجمع بين النفوذ أن تكون خطيرة. واحد خاطئا يمكن أن يؤدي إلى الانهيارات، التي غالبا ما تجعل هذه الانباء. تطورت استراتيجيات الاستثمار الكمية الخلاصة من المكتب الخلفي صناديق سوداء لأدوات الاستثمار السائدة. وهي مصممة للاستفادة من أفضل العقول في الأعمال التجارية وأسرع أجهزة الكمبيوتر على حد سواء استغلال عدم الكفاءة واستخدام النفوذ لجعل الرهانات السوق. ويمكن أن تكون ناجحة جدا إذا تضمنت نماذج جميع المدخلات الحق، وذكيا بما فيه الكفاية للتنبؤ أحداث السوق غير طبيعية. على الجانب الآخر، في حين يتم بصرامة اختبار الأموال ضليع في الرياضيات مرة أخرى حتى أنها تعمل، ضعفهم هو أنها تعتمد على البيانات التاريخية لنجاحها. بينما على غرار ضليع في الرياضيات الاستثمار له مكانه في السوق، فإنه من المهم أن يكون على بينة من أوجه القصور ومخاطرها. أن تكون متسقة مع استراتيجيات التنويع. انها فكرة جيدة لعلاج استراتيجيات ضليع في الرياضيات باعتبارها أسلوب الاستثمار ودمجها مع الاستراتيجيات التقليدية لتحقيق التنويع السليم. استراتيجية تجارة أريما GARCH على مؤشر سوق الأسهم S P500 عن طريق R مايكل قاعات مور في 7 أكتوبر 2015 في هذه المقالة أريد أن تظهر لك كيفية تطبيق كل المعارف المكتسبة في الوظائف السابقة تحليل السلاسل الزمنية لاستراتيجية التداول على مؤشر سوق الأسهم S P500 الولايات المتحدة. وسوف نرى ذلك من خلال الجمع بين أريما ونماذج GARCH نحن يمكن أن يتفوق بشكل كبير على نهج يبيع، وعقد على المدى الطويل. استراتيجية نظرة عامة على فكرة استراتيجية بسيطة نسبيا ولكن إذا كنت ترغب في تجربة معها واقترح جدا قراءة المشاركات السابقة في تحليل السلاسل الزمنية من أجل فهم ما سيتم تعديل الاستراتيجية وتنفيذها على أساس متجدد: للحصول على كل اليوم، ن، تستخدم الأيام ك السابقة للعودة لوغاريتمي differenced لمؤشر سوق الأسهم كنافذة للتركيب على أريما وGARCH النموذج الأمثل. يتم استخدام نموذج مجتمعة إلى جعل التنبؤ للعوائد في اليوم التالي. إذا كان التوقع هو سلبي وقلل السهم عند الإغلاق السابق، في حين إذا كان إيجابيا ويتوق إليها. إذا كان التوقع هو نفس اتجاه في اليوم السابق ثم يتم تغيير أي شيء. لهذه الاستراتيجية ولقد استخدمت أقصى قدر من البيانات المتاحة من ياهو المالية للS P500. لقد أخذت ك 500 ولكن هذا هو المعلمة التي يمكن أن يكون الأمثل من أجل تحسين الأداء أو تقليل السحب. ويتم backtest خارج بطريقة vectorised مباشرة باستخدام ر لم يتم تنفيذه في backtester الحدث يحركها بيثون اعتبارا من بعد. وبالتالي الأداء الذي تحقق في نظام التداول الحقيقي من المرجح أن يكون أقل قليلا مما كنت قد تحقق هنا، نظرا لجنة والزلل. تنفيذ استراتيجية لتنفيذ استراتيجية نحن نذهب لاستخدام بعض من قانون أنشأناها سابقا في تحليل السلاسل الزمنية المادة سلسلة فضلا عن بعض مكتبات جديدة بما في ذلك rugarch. الذي قيل لي من قبل ايليا Kipnis في أكثر من QuantStrat التاجر. وسوف تذهب من خلال بناء الجملة بطريقة خطوة بخطوة ومن ثم تقديم التنفيذ الكامل في نهاية، وكذلك وجود صلة لبلدي بيانات عن مؤشر أريما GARCH. أنا لقد شملت هذه الأخيرة لأنها اتخذت لي بضعة أيام على جهاز الكمبيوتر الخاص بي dekstop لتوليد الإشارات يجب أن تكون قادرة على تكرار نتائجي في مجملها كما رمز نفسها ليست معقدة جدا، على الرغم من أنه لا يستغرق بعض الوقت لمحاكاة إذا كنت تنفيذه بالكامل. المهمة الأولى هي لتثبيت واستيراد المكتبات اللازمة في البحث: إذا كان لديك بالفعل المكتبات تثبيت يمكنك ببساطة استيرادها: مع أن القيام به ذاهبون إلى تطبيق استراتيجية لS P500. يمكننا استخدام quantmod للحصول على بيانات تعود إلى عام 1950 لمؤشر. يستخدم ياهو المالية للGPSC رمز. يمكننا ثم إنشاء يعود لوغاريتمي differenced من سعر الإغلاق للS P500 وتجريد من قيمة NA الأولية: نحن بحاجة إلى إنشاء ناقل، والتوقعات لتخزين القيم توقعاتنا في تواريخ معينة. وضعنا foreLength طول ليكون مساويا لطول بيانات التداول لدينا ناقص ك، وطول نافذة: في هذه المرحلة نحن بحاجة إلى حلقة من خلال كل يوم في بيانات التداول وتناسب على أريما وGARCH نموذج مناسب للنافذة المتداول من طول ك. وبالنظر إلى أن نحاول 24 نوبات أريما منفصلة ويصلح نموذجا GARCH عن كل يوم، يمكن للمؤشر يستغرق وقتا طويلا لتوليد. نحن نستخدم مؤشر د كمتغير حلقات وحلقة من ك لطول بيانات التداول: نحن ثم إنشاء إطار المتداول عن طريق أخذ عوائد S P500 واختيار القيم بين 1 د و دينار، حيث ك 500 لهذه الاستراتيجية: نحن نستخدم نفس الإجراء كما هو الحال في المادة أريما للبحث من خلال جميع نماذج ARMA مع p في وف في، باستثناء ص، ف 0. نحن التفاف دعوة arimaFit في كتلة معالجة الاستثناء R tryCatch لضمان أنه إذا نحن دون ر الحصول على صالح لقيمة معينة من ف وفاء، فإننا نتجاهل ذلك والانتقال إلى الجمع المقبل من p و ف. لاحظ أن وضعنا قيمة متكاملة من د 0 (هذا هو د مختلفة لمعلمة الفهرسة لدينا) وعلى هذا النحو نحن المناسب حقا نموذج ARMA. بدلا من أريما. وإجراء حلقات توفر لنا أفضل نموذج ARMA المناسب، من حيث المعلومات Akaike الفرقان، والتي يمكننا استخدامها بعدئذ لتغذية في لنموذج GARCH لدينا: في كتلة التعليمات البرمجية القادمة ونحن ذاهبون إلى استخدام المكتبة rugarch، مع GARCH (1،1) نموذج. بناء الجملة من أجل هذا يتطلب منا إنشاء كائن مواصفات ugarchspec أن يأخذ نموذجا لهذه الفروق والمتوسط. يتلقى التباين نموذج GARCH (1،1)، في حين يأخذ متوسط ​​نموذج ARMA (ع، ف)، حيث يتم اختيار ف وفاء أعلاه. نحن أيضا اختيار توزيع sged عن الأخطاء. بعد أن نكون قد اختارت مواصفات نقوم بتنفيذ تركيب الفعلي للARMA GARCH باستخدام الأمر ugarchfit، والتي تأخذ الكائن مواصفات، يعود ك من S P500 وحلالا الأمثل العددي. لقد اخترت استخدام الهجين. الذي يحاول يحلون مختلفة من أجل زيادة احتمالات التقارب: إذا لم نموذج GARCH تتلاقى ثم أننا ببساطة تعيين يوم لإنتاج التنبؤ الطويل، التي من الواضح أنها تخمين. ومع ذلك، إذا كان النموذج لا تتلاقى ثم نحن الانتاج وتاريخ وغدا الصورة الاتجاه التنبؤ (1 أو -1) كسلسلة وعند هذه النقطة يتم إغلاق حلقة قبالة. من أجل إعداد الإخراج لملف CSV لقد خلق سلسلة الذي يحتوي على البيانات مفصولة فاصلة مع الاتجاه توقعات لاحق اليوم: الخطوة قبل الأخيرة هي لإخراج ملف CSV إلى القرص. وهذا يسمح لنا أن نأخذ مؤشر واستخدامها في البرمجيات backtesting بديل لمزيد من التحليل، إذا رغبت في ذلك: ولكن هناك مشكلة صغيرة مع ملف CSV كما هو عليه الآن. الملف يحتوي على قائمة من التمور والتنبؤ لتحديد اتجاه غدا ق. إذا كان لنا أن تحميل هذا إلى رمز backtest أدناه كما هو عليه، وسنكون في الواقع إدخال التحيز نظرة إلى الأمام لأن قيمة التنبؤ سيمثل البيانات غير معروفة في ذلك الوقت من التنبؤ. وذلك لحساب لهذا نحتاج ببساطة لتحريك توقع اليوم قيمة واحدة إلى الأمام. لقد وجدت هذا أن تكون أكثر وضوحا باستخدام بيثون. وبما أنني لا أريد أن نفترض أن كنت قد تثبيت أي المكتبات الخاصة (مثل الباندا)، ولقد أبقى عليه لبيثون النقي. هنا هو السيناريو القصير الذي يحمل هذا الإجراء خارج. تأكد من تشغيله في نفس الدليل كملف forecasts. csv: عند هذه النقطة لدينا الآن ملف مؤشر تصحيح تخزينها في توقعات new. csv. لأن هذا يأخذ قدرا كبيرا من الوقت لحساب، ولقد قدمت ملف كامل لأنك هنا لتحميل نفسك: نتائج استراتيجية والآن ونحن قد ولدت لدينا ملف CSV مؤشر اننا نحتاج الى مقارنة أدائها لشراء عقد. نقرأ أولا في المؤشر من ملف CSV وتخزينها كما spArimaGarch: نحن قم بإنشاء تقاطع مواعيد توقعات أريما GARCH والمجموعة الأصلية من عوائد من S P500. ثم يمكننا حساب عوائد للاستراتيجية أريما GARCH بضرب علامة توقعات (أو) - مع عودة نفسها: بعد أن نكون قد يعود من استراتيجية أريما GARCH يمكننا إنشاء منحنيات الأسهم لكل من نموذج اريما GARCH ويبيع عقد. وأخيرا، فإننا الجمع بينهما في بنية بيانات واحد: وأخيرا، يمكننا استخدام الأمر xyplot لرسم كل من منحنيات الأسهم على نفس قطعة: منحنى الأسهم حتى أكتوبر 6th 2015 على النحو التالي: كما ترون، على مدى 65 عاما الفترة، واستراتيجية أريما GARCH تفوقت بشكل كبير يبيع عقد. ومع ذلك، يمكنك أن ترى أيضا أن الغالبية العظمى من مكاسب حدثت بين عامي 1970 و 1980. لاحظ أن تقلب منحنى هو الحد الأدنى للغاية حتى أوائل 80s، وعند هذه النقطة يزيد تقلب كبير ومتوسط ​​العوائد أقل إثارة للإعجاب. ومن الواضح أن منحنى الأسهم وعود أداء رائعا خلال الفترة بأكملها. ومع ذلك، فإن هذه الاستراتيجية حقا كانت القابلة للتداول أولا وقبل كل شيء، دعونا ق النظر في حقيقة أن النموذج ARMA نشرت فقط في عام 1951. واسن ر حقا تستخدم على نطاق واسع حتى عام 1970 ق عندما ناقش صندوق جنكينز في كتابهم. ثانيا، نموذج ARCH اسن ر اكتشف (علنا) حتى أوائل 80s، من قبل انجل، وGARCH نفسها نشرته Bollerslev في عام 1986. ثالثا، في الواقع تم تنفيذ هذا backtest الخروج على مؤشر سوق الأسهم وليس أداة القابلة للتداول جسديا. من أجل الوصول إلى مؤشر مثل هذا كان يمكن أن يكون ضروريا للتجارة العقود الآجلة S P500 أو تبادل نسخة صندوق المتداولة (ETF) مثل SPDR. ومن ثم هل حقا أن يكون مناسبا لتطبيق هذه النماذج لسلسلة تاريخية قبل اختراعهم وبديل ذلك هو أن يبدأ تطبيق هذه النماذج على مزيد من البيانات الأخيرة. في الواقع، يمكن أن نعتبر أداء في السنوات العشر الماضية، من 1 يناير 2005 إلى اليوم: وكما ترون لا يزال منحنى الأسهم دون استراتيجية عقد بيع ما يقرب من 3 سنوات، ولكن خلال انهيار سوق الأسهم عام 2008/2009 كان بشكل جيد للغاية. وهذا أمر منطقي لأن هناك احتمالا أن يكون الارتباط التسلسلي كبير في هذه الفترة، وسوف يتم القبض جيدا من قبل النماذج أريما وGARCH. استرداد مرة واحدة في السوق بعد عام 2009، ويدخل ما يتطلع إلى أن يكون أكثر من ذلك الاتجاه العشوائية، يبدأ أداء نموذج للمعاناة مرة أخرى. لاحظ أن هذه الاستراتيجية يمكن تطبيقها بسهولة على مؤشرات سوق الأوراق المالية المختلفة، الأسهم أو فئات الأصول الأخرى. وأنا أشجع بقوة لك لمحاولة البحث صكوك أخرى، كما يمكنك الحصول على تحسينات كبيرة على النتائج المقدمة هنا. خطوات القادمة والآن ونحن لقد انتهى مناقشة عائلة أريما وGARCH من النماذج، وأريد الاستمرار في تحليل السلاسل الزمنية مناقشة من خلال النظر في عمليات الذاكرة طويلة، ونماذج فضاء الحالة والسلاسل الزمنية cointegrated. وهذه المناطق لاحقة من سلسلة زمنية يعرض لنا إلى النماذج التي يمكن أن تحسن توقعاتنا تتجاوز تلك التي أنا هاء المعروضة هنا، والتي سوف تزيد بشكل كبير الربحية التداول لدينا و / أو تقليل المخاطر. كود الكامل هنا هو قائمة كاملة للجيل المؤشر، backtesting والتآمر: ورمز بيثون لتطبيق forecasts. csv قبل إعادة الاستيراد: مايكل قاعات مور مايك هو مؤسس QuantStart وشاركت في صناعة التمويل الكمي لل السنوات الخمس الماضية، في المقام الأول كمطور ضليع في الرياضيات وبعد ذلك والاستشارات تاجر ضليع في الرياضيات لصناديق التحوط. المواد ذات الصلة تحليل الاستراتيجيات والنتائج التداول البحث عن نقاط ضعف وإمكانية تحسين بناء المحافظ الاستثمارية المثلى واستخدام أفضل إدارة الأموال لماذا تحتاج كوانت محلل وهو بسيط جدا. مفصلة إمكانية المعرفة لتحسين. كوانت محلل يسمح لك لتحليل التداول الخاصة بك وتتيح لك تحسينه. مجرد أمثلة قليلة: تداول فقط عدد قليل من الاستراتيجيات مراجعة كل استراتيجية ومعرفة ما اذا كان يمكن تحسينها - على سبيل المثال لا يتداول في المناسبات الخاصة باستخدام ما إذا سيناريوهات البحث عن أفضل وضع أسلوب التحجيم باستخدام المال إدارة محاكي التحقق من جديد EA استخدام مونتي كارلو على backtest استراتيجية لمعرفة ما إذا كانت استراتيجية سوف البقاء على قيد الحياة في العالم الحقيقي الاختيار بين العديد من الاستراتيجيات استخدام المحفظة ماستر للعثور على محفظة الأمثل الخاص بك استراتيجيات المرونة وextendability واحدة من أفضل الميزات من كوانت المحلل هو مجموع extendability لها. تماما مثل يمكنك إضافة مؤشر جديد مخصص لمنصة التداول المفضلة لديك، يمكنك إضافة ميزة جديدة إلى كوانت محلل بجعل قصاصة رمز بسيط. هل تريد أن حساب قيمة إحصائية جديدة غير مدرجة في البرنامج يمكنك إضافته. هل تريد إنشاء عمود جديد في الجدول أو الحقل الجديد في نتائج نظرة عامة ومن الممكن. هل تريد خلق فرص عمل جديدة في قضية ما، إذا أو الجديد طريقة إدارة الأموال. يمكنك أن تفعل ذلك. حتى إذا لم تكن بارعا في برمجة، لا يوجد شيء تقييد لكم من يسأل شخص ما للقيام بذلك نيابة عنك. بناء المحافظ الأمثل باستخدام حقيبة ماستر دعونا نقول لكم ديك 20 استراتيجيات مختلفة، ولكن حجم حسابك أو نهج تنويع القطاع / رمز يسمح لك بالتداول 5 منهم فقط. ولذلك عليك أن تختار منها 5 من هذه الاستراتيجيات 20 للتجارة - وبعبارة أخرى كيفية بناء بعدسة المثلى من 5 استراتيجيات من 20 المتوفرة. محفظة ماستر يمكن أن نفعل ذلك لك، وأكثر من ذلك - أنها تدعم تصفية حسب: ارتباط - بحيث محفظة دوسن ر تتضمن الاستراتيجيات التي تعتبر من القطاعات المترابطة جدا - حتى تلك المحفظة دوسن ر يحتوي على الكثير من الاستراتيجيات من نفس القطاع أو رمز تشغيل مونتي كارلو الاختبارات من الاستراتيجيات الخاصة بك تحليل مونت كارلو (أو المحاكاة) هو أسلوب القوية التي يمكن أن تساعدك على التحقق من backtest استراتيجية - إذا كانت الاستراتيجية فعالة حقا أو إذا تحققت نتائج backtest عن طريق الحظ أو منحنى المناسب. ماذا لو السيناريوهات هل تساءلت عن كيفية تحسين نتائج التداول الخاصة بك ما إذا كنت تجنب التداول في أيام معينة من الأسبوع. أو كيف تبدو النتائج التداول الخاص بك مثل إذا كنت د غاب بطريقة أو بأخرى 10 الصفقات الأكثر ربحية. هذا وأكثر من ذلك بكثير هو بالضبط ما يمكنك محاكاة باستخدام ماذا لو السيناريوهات - أنها توفر وسيلة مرنة للعمل مع نتائج التداول الخاصة بك وتصفية بعض الصفقات باستخدام سيناريوهات مختلفة لما يمكن أن يحدث. العثور على أفضل نموذج موقف التحجيم المال إدارة محاكاة الميزة في كوانت محلل يسمح لك لمحاكاة التداول لديك استراتيجية مع مختلف إدارة الأموال (موقف التحجيم) نماذج. على سبيل المثال، مقارنة النتائج التداول باستخدام الكثير ثابتة أو خطر حساب مع خيارات مخاطر مختلفة.