Download Free Forex Data Download Langkah 1: Tolong, pilih ApplicationPlatform dan TimeFrame Pada bagian ini Anda bisa memilih platform mana yang Anda butuhkan. MetaTrader 4 MetaTrader 5 Platform ini memungkinkan penggunaan data M1 (1 Minute Bar) saja. File-file ini sangat sesuai untuk strategi trading backtesting di bawah platform MetaTrader 4 dan MetaTrader 5. Tolong, pilih: Platform ini memungkinkan penggunaan data Data dan Tick M1 (1 Minute Bar) dengan resolusi 1 detik. File-file ini sangat sesuai untuk strategi trading backtesting di bawah platform NinjaTrader versi terbaru. Tolong, pilih kerangka waktu data yang Anda perlukan: Platform ini memungkinkan penggunaan Data M1 (1 Minute Bar) saja. File-file ini sangat sesuai untuk strategi trading backtesting di bawah platform MetaStock. Tolong, pilih: Untuk penggunaan generik, format ini memungkinkan mengimpor M1 (1 Minute Bar) Data ke dalam aplikasi ke-3. Tolong, pilih: Alat terbaik untuk analisis statistik data tick dan acara berita Menurut pendapat saya, javascript adalah salah satu bahasa terburuk untuk pekerjaan itu. Salah satu alasan mengapa Anda terbatas pada browser yang melakukan pekerjaan itu, yang sangat memperlambat prosesnya, bahkan mungkin stabilitas. Saya telah meneliti sedikit dan R tampaknya menjadi lingkungan yang hebat, karena mirip dengan S dan S Plus, dan banyak literatur analisis statistik rangkaian waktu pasar keuangan menggunakan platform ini untuk analisis. Bahkan ada paket khusus untuk analisis keuangan untuk R, seperti quantmod. JavaScript mengalahkan kinerja R dalam banyak hal. Orang yang sangat buruk hanya mengaitkannya dengan desain web. Dulu saya menggunakan perpustakaan ini: nilainya menggunakan jika Anda tidak ingin belajar menggunakan sesuatu yang terbelakang seperti R. What adalah beberapa teknik yang umum digunakan untuk menganalisis data tick Saya melihat data tick untuk melihat bagaimana harga harga penawaran Berkembang karena kejadian tertentu di pasaran. Karena data tick adalah asynchronous one cant benar-benar menerapkan model time series tradisional untuk menjelaskan pergerakan harga ini. Beberapa orang telah mengusulkan agar saya membuat harga berdasarkan jam atau waktu perdagangan tapi saya pikir itu cenderung kehilangan informasi yang terjadi di antara jeruji. Ada saran bagaimana saya bisa mendekati ini. Tanya 5 Okt 12 at 3:04 Pertanyaan Anda sangat samar-samar (misalnya apa yang ingin Anda ukur, dan data kutu apa yang Anda miliki), tapi saya beri beberapa petunjuk: Secara umum, ketika orang mempertimbangkan bagaimana harga berevolusi, mereka akan Cenderung memikirkan hal-hal seperti volatilitas dan dinamika korelasi. Jadi saya akan mulai dengan menentukan apa yang ingin Anda ukur. Ketidakteraturan data deret waktu bukanlah masalah tersendiri, kecuali sejauh Anda membuat asumsi dalam perhitungan Anda tentang hal-hal seperti dispersi pada waktunya. Jumlah variasi lebih dari 1 milidetik umumnya akan berbeda dari lebih dari 1 detik (dan juga akan bervariasi menurut aset), jadi Anda perlu mengatur statistik Anda untuk memperhitungkannya. 1.1. Ada literatur yang luas mengenai pengukuran volatilitas dengan menggunakan data tick frekuensi tinggi. Cari makalah tentang varians, volatilitas, dan korelasi yang terealisasi dari orang-orang seperti Neil Shepard (lihat institutnya) atau Tim Bollerslev. Salah satu fitur dari literatur ini adalah bahwa sebenarnya optimal untuk tidak menggunakan data tick-by-tick karena yang dikenal dengan noise struktur mikro (misalnya bid-ask bouncing), dan Anda umumnya lebih baik membuat perkiraan dari sesuatu seperti data 5 menit. 1.2 Ada juga literatur tentang menangani data spasi yang tidak rata (lihat, misalnya, makalah oleh Muller dan Zumbach). Sebuah makalah baru-baru ini mengenai topik ini adalah Algoritma untuk Time Series yang tidak merata: Rata-rata Bergerak dan Operator Bergulir Lainnya. Ada bagian yang bagus di buku Eric Zivots pada analisis deret waktu yang mencakup ini (cari data frekuensi tinggi yang tidak teratur atau operator yang tidak homogen). Melihat statistik dalam waktu jam atau waktu perdagangan merupakan perbedaan penting. Misalnya, jumlah penawaran atau perdagangan dapat bervariasi secara dramatis di antara aset, dengan aset tidak likuid hanya diperdagangkan beberapa kali dalam sehari vs aset likuid yang diperdagangkan berkali-kali setiap detiknya. Menggunakan waktu perdagangan untuk mengukur hal-hal seperti volatilitas sebagian dapat mengatasi masalah ini (dan juga hal-hal seperti signifikansi perkiraan Anda), walaupun Anda perlu mempertimbangkan apakah ada efek waktu jam lainnya (seperti musiman terbuka atau dekat) bahkan ketika Anda bekerja dalam waktu perdagangan. Untuk data tick, apakah Anda bekerja dengan data level 1 (top of the book quotes and tradees) atau level 2 (buku pesanan penuh) Jika level 2, maka Anda mungkin tidak hanya ingin mempertimbangkan perubahan sepanjang waktu, tapi juga di seluruh buku. . Dijawab 14 Okt 12 at 18:13 To Quote RTAQ manual quotThe Perdagangan dan Kutipan data dari New York Stock Exchange adalah masukan populer untuk pelaksanaan strategi perdagangan intraday, pengukuran likuiditas dan volatilitas dan investigasi pasar mikro, antara lain . Paket ini berisi kumpulan fungsi R untuk secara hati-hati membersihkan dan mencocokkan data perdagangan dan penawaran, menghitung likuiditas ex post dan langkah-langkah volatilitas dan mendeteksi lonjakan harga pada dataquot. Ini akan membantu Anda menghitung periodisitas, membuat bar gabungan, arah perdagangan menggunakan Lee-Ready Algo, Covariances, Multiple Exchange. Ndash shoonya Oct 5 12 at 13:07 Agar bisa menggunakan metode untuk rangkaian waktu yang sama: kurangi cap waktu perdagangan dan waktu jam yang berbeda (seperti waktu lonjakan jam sebagai deret waktu) buat deret waktu yang singkat dengan perkiraan waktu kecil (secara implisit mengulangi Harga bila diperlukan) agregat jarak jauh bar Meskipun beberapa di atas terang-terangan, mereka akan membuat Anda pergi. Selain itu, saya telah memiliki Engle, Russell, 2004, Analisis Data Keuangan Frekuensi Tinggi yang menunggu saya membacanya untuk beberapa waktu sekarang. Pengantar Keuangan dengan frekuensi tinggi mungkin relevan juga. Jawab 9 Okt 12 jam 10:56 Saya tidak yakin saya mengerti langkah 2,3 amp4. Bisa anda gambarkan dengan contoh sederhana. Peredam ndash 10 Okt 12 at 1:21 1, 2, 3 amp 4 adalah pilihan, bukan langkah. Entah 1, 2, 3 atau 4. iklan 2) memperlakukan waktu karena beberapa variabel terkait erat dengan rangkaian waktu asli, mungkin meramalkan keduanya untuk mengetahui kemana harga berjalan dan kapan ia pergi ke sana. Iklan 3) temukan beberapa kenaikan waktu kecil sehingga semua pengurutan rangkaian waktu asli kira-kira sesuai pada beberapa waktu rangkaian waktu Anda yang sama. Iklan 4) merangkum data Anda mungkin per 500 mikrodetik dan buatlah informasi openhighlowclose untuk setiap batch mikrodetik 500 ndash Konsta 10 Okt 12 at 21:06
No comments:
Post a Comment