بمساعدة الحاسب المالية - إكسل، ماتلاب ، ثيتا جناح الخ

ماتلاب GPU الأدوات: تقرير جودة Accelereyes مقابل ماثووركس مقابل GP-YOU؟ هناك خيار كبير لتسريع من التعليمات البرمجية مطلب الخاص بك: استخدام بطاقة الرسومات الخاصة بك. إذا كان لديك بطاقة الرسومات نفيديا، هناك الكون كله من التعليمات البرمجية الأمثل لهذه البطاقات. ويطلق على التكنولوجيا الأساسية CUDA والعديد من الوظائف اللازمة لاستخدام الشفاف من مطلب موجودة بالفعل. هناك ثلاث مجموعات مهمة: GPUMat من GP-YOU، سترات من Accelereyes ومطلب الحاسوبية المتوازية أدوات من وماثووركس. هذه أدوات العمل تجعل برمجة GPU في مطلب بسيط جدا. واحد الذي هو أفضل؟ استخدام بطاقة الرسومات لتنفيذ العمليات الحسابية العددية المركزة. مفاهيم ماتلاب البرمجة GPU هناك نوعان أساسيان المفاهيم لاستخدام وحدات معالجة الرسومات في Matlab: استخدام نوع البيانات GPU وإما ترك تنفيذ البرنامج في مترجم ماتلاب أو تجميع التنفيذ إلى لغة وسيطة (ومعظمهم من CUDA) وتنفيذ نتيجة مباشرة على GPU. إذا كان مترجم ماتلاب يدير تنفيذ البرنامج يتم إرسال كل أمر على حدة إلى GPU. وهذا غالبا ما يؤدي إلى إبطاء بشكل كبير بانخفاض سير العمل وتقتل الأداء. وهكذا، تم تجميعها من تسلسل التنفيذ المطلوبة لمعظم الحالات. جميع أدوات ثلاثة تدعم تجميع: سترة من Accelereyes يفعل أكثر شفافية، مما يجعل من السهل بالنسبة للمستخدم. GPUMat يبدأ المترجم تدعو أكثر صراحة C ++ مترجم وتوليد ملفات المكسيك. ومطلب الحوسبة المتوازية الأدوات لا تجمع حقا ولكن يقترح استخدام إصدار خاص من arrayfun (). الأداء التاريخي يكمن! حذار من التحيز الناجين. غالبا ما تجد الدراسات جيدا كيف كان أداء استراتيجية الصندوق أو تجارة معينة. يجب أن تكون على بينة من حقيقة أن الأساس جميع الدراسات التي تعتمد على البيانات التاريخية تكمن أو على الأقل لا تروي القصة كاملة. هناك نوعان من الآثار التقليل إلى حد كبير: التحيز الناجي وذيول الدهون. كلا آثار تجعل استراتيجيات الفقيرة تبدو جيدة. في هذه المقالة، وتبين لي لماذا. التحيز البقاء على قيد الحياة وتقدير أداء الصندوق إذا قمت بتشغيل الصندوق، كنت سعيدا جدا عن الأداء الجيد وغير راض عن عوائد الفقيرة. مستثمرون الخاص بذلك. ماذا يحدث إذا صندوقك ينفذ الفقراء لعدة سنوات متتالية؟ تفقد المستثمرين بك وأخيرا إغلاق الصندوق. هذه الحقيقة مهمة جدا: بعد إغلاق الصناديق، بيانات الصندوق الخاص بك وعادة ما يختفي من مزودي بيانات السوق (رويترز، بلومبرغ، ياهو، الخ). صندوق A، B، C تمثل جميع الأموال العامة المتاحة في القطاع الفرعي الافتراضي الحوسبة bigdata البيولوجيا سحابة (قطاع BBCC). في هذا المثال، صندوق B ينفذ الفقراء بحيث تم إغلاقه في العام 4. الآن، وأداء دراسة عن قطاع BBCC، فإن المحللين العثور على بيانات تاريخية للحصول على أموال A و C، فقط. وبالتالي، فإنها سوف يقدم تقريرا متوسط ​​الأداء من 9٪ سنويا في قطاع BBCC. ومع ذلك، فإن الاستثمار المستثمر الحقيقي في قطاع BBCC توزيع الاستثمارات لها على قدم المساواة في جميع الأموال المتاحة (A، B و C) اكتسبت 5٪ سنويا فقط. وهذا هو ما يقرب من نصف أداء يراها المحللون. هذا النوع من الخطأ يحدث بسهولة، وبالتالي كثير من الأحيان. التحيز البقاء على قيد الحياة وbacktesting التاريخية تأثير مماثل يحدث غالبا عندما يحاول الناس لإيجاد استراتيجية التداول متفوقة في بيانات السوق التاريخية. في كثير من الأحيان ترى الخوارزمية التالية لمعلمات المناسب لاستراتيجية التداول: البيانات = التاريخية بيانات السوق اختيار القيم X_1 إلى x_n عن معالم استراتيجية التداول S إذا كان الأداء (S (X_1، x_n)، البيانات) هو الحد الأقصى من كل القيم الممكنة من (X_1، x_n) وقف والعودة إلى x_n X_1 ومن الواضح أن هذه الاستراتيجية S (X_1، x_n) أداء كبير على البيانات التاريخية المتاحة. ولكن، هذا لا يقول شيئا عن الأداء المستقبلي للاستراتيجية. و، عادة، استراتيجية لن تؤدي جيدة في المستقبل. كيف يمكنك أن تفعل أفضل؟ أفضل نهج يتبع من تقسيم البيانات إلى بالتدريب وعلى مجموعة الاختبار. فإن خوارزمية الناتج يكون: Data_training = نصف التاريخية بيانات السوق Data_test = النصف الآخر من بيانات السوق التاريخية اختيار القيم X_1 إلى x_n عن معالم استراتيجية التداول S إذا كان الأداء (S (X_1، x_n)، Data_training) هو الحد الأقصى من كل القيم الممكنة من (X_1، x_n) إذا كان الأداء (S (X_1، x_n)، Data_test) هو جيد وقف والأداء عودة S جيدة مع المعلمات: + X_1 إلى x_n وقف والعودة استراتيجية S هو استراتيجية سيئة في هذه الحالة، هو الأمثل لاستراتيجية S التداول على مجموعة التدريب من البيانات التاريخية وأداء اختبار مجموعة غير جيدة سواء. هذا لا يزال لا يعني أن الاستراتيجية مما أدى أداء جيدا في المستقبل. إلا أنها على الأقل لم أداء جيدا على بيانات غير مرئية. الآن، هذه الخوارزمية قد يعود مع استراتيجية S هي استراتيجية سيئة، والتي سوف تكون غير مرضية بالنسبة لمعظم الناس. ومعظم الناس ثم وضع المزيد والمزيد من الاستراتيجيات S_1 S_m حتى الأداء عوائد خوارزمية S هو جيد. ولكن، هل هذا حقا استراتيجية جيدة؟ إذا كنت تريد إجابة على هذا، تأكد من حجز بعض البيانات التاريخية لالمصادقة والتحقق الاستراتيجية الخاصة بك على هذه البيانات غير مرئي. لذلك، لتحسين استراتيجية التداول تحتاج على الأقل ثلاثة مجموعات البيانات: مجموعة التدريب، مجموعة الاختبار ومجموعة التحقق من الصحة. مرة أخرى، وهذا سوف أقول شيئا عن أداء استراتيجية التداول الخاصة بك في المستقبل. ولكن، بل هو مؤشر جيد إذا لديك استراتيجية يمر هذا التحسين استراتيجية صعبة. التحيز البقاء على قيد الحياة وذيول الدهون ميزة أخرى، مما يخلق وجهات النظر الخاطئة على أداء الأصول المالية أو استراتيجيات التداول هي ذيول الدهون. هناك العديد من نوع من استراتيجيات التداول التي تبدو لاستغلال المراجحة في السوق. مثلا وكانت صناديق تقلب التحكيم شعبية قبل بضع سنوات. يؤدون بشكل جيد على البيانات التاريخية وأنها تقدم دخل ثابت مع عدم وجود خطر. ولكن، فجأة، وهو ما يحدث: فجأة، وذهب لأداء بضع سنوات إلى الأبد. وهذا يمكن أن يحدث أيضا مع الاستراتيجيات التي ينظر إليها مخاطر أقل مثل صناديق أسواق المال: تمرين في وقت مبكر: لعنة أو نعمة العديد من العقود المالية تأتي مع حق ممارسة حق قبل الأوان. هذه الحقوق ممارسة المبكرة هي ميزة واضحة لصاحب الخيار. ولكن، هذه الحقوق تخلق مشاكل التوقف المثلى للأطراف العقد. هل هذا حقا ميزة؟ في ما يلي، وسوف تظهر لك مثال صغير من آخر رحلة التسوق بلدي وماذا يمكننا أن نتعلم منها لتصميم المنتجات المالية. مطلوب وقف الأمثل للاستفادة من حقوق ممارسة مبكرة. خلفية العديد من أنواع من الخيارات المالية المتداولة وتشمل حقوق ممارسة مبكرة. ومن الأمثلة على خيارات الأسهم، التي غالبا ما تكون ممارستها في وقت مبكر. يسميها الناس هذه الخيارات خيارات البيع أو خيارات الأمريكية على النقيض من الخيارات الأوروبية، والتي هي للممارسة فقط عند الاستحقاق. هذه الميزة هي أيضا مشتركة في العديد من أنواع أمر، والعديد من عقود OTC. أكثر تعقيدا هي على سبيل المثال سندات قابلة للتحويل، حيث أيضا المصدر أن يجبر التحويل. الحجة الرئيسية لأحكام ممارسة المبكرة هي أن العملاء ترغب في الحصول الخيارات. ولذلك، والناس غالبا ما يقولون ان ينبغي للمرء دائما هيكلة الأدوات المالية بطريقة حامل يمكن أن تمارس في وقت مبكر من المنتج ستبيع بسعر أعلى. ولكن، هذا ليس الحال دائما. مثلا لا يمثل تكلفة ميزة ممارسة مبكرة بشكل صحيح في كثير من عقود التأمين على الحياة في كثير من الرهون العقارية. إذا كان أصحاب السياسة ستبدأ ممارسة سياساتها أكثر عقلانية، قد يكون مقدمي خدمات التأمين في ورطة كبيرة. التوقف عن التدخين الأمثل وعند النظر إلى القرارات العملية في وقت مبكر، وأود أن تقدم مثالا أكثر البصري: العثور على موقف للسيارات جيدة في سوبر ماركت كبير. في العديد من محلات السوبر ماركت، يمكنك العثور على مواقف من هذا القبيل: الوضع المعتاد في مواقف سوبر ماركت عليك أن تقود ببطء نحو السوبر ماركت وفي كل بقعة فارغة (1) عليك أن تقرر لحديقة (ممارسة) أو للمتابعة. استمرار البحث تتطور المخاطر التي لم تجد مكانا أفضل وكان لديك لدفع جولة كاملة أخرى. وهناك حل بسيط لهذه المشكلة هو أن تأخذ فقط أول بقعة فارغة. وفي مثال عددي بسيط، نجد أن هذه الاستراتيجية من شأنه أن يعطي هو التوزيع التالي من المسافة إلى السوق: رسم بياني لتوزيع المسافة إلى سوبر ماركت باستخدام استراتيجية بسيطة: خذ أول بقعة فارغة. (10000 المحاكاة) يستخدم هذا المثال 10،000 محاكاة مونت كارلو للعثور على مكان وقوف السيارات. لأنه في هذا المثال، لا يوجد سوى فرصة 10٪ أن كل بقعة فارغة، فإننا كثيرا ما نجد بقعة سيئة للغاية (على سبيل المثال أكثر من 1000 من 10000 الحديقة على مسافة 20)، وأحيانا نجد أي بقعة على الإطلاق (حوالي 1.200 كما هو مكتوب مسافة 40). أقل من 200 العثور على أفضل بقعة على مسافة 1. إذا نود أن تحسين هذه النتيجة، ونحن يمكن أن تخلق مشكلة الأمثل تقليل المسافة المتوقعة إلى السوبر ماركت. فعلت ذلك كتابة قليلا ThetaML التي تجد في الملحق أدناه. الآن، نجد أن استراتيجية تعظيم هي لتمرير النقاط الأربعة الأولى (مسافة 17-20) ثم أخذ بقعة فارغة القادمة. هذا يترك لنا أي موقف للسيارات واحدة على مسافة 17 أو أكثر. احتمال الحصول على أفضل بقعة على مسافة 1 هو أعلى أكثر من 200 المحاكاة تنتهي هنا. ولكن، وهذا يأتي بتكلفة: أكثر من 1800 المحاكاة لا تجد بقعة على الإطلاق، ويجب أن تذهب لجولة أخرى: رسم بياني لتوزيع المسافة إلى سوبر ماركت باستخدام استراتيجية مثلى: خذ أول بقعة فارغة مع مسافة أقل من 17. (10000 المحاكاة) حلا أفضل حسنا، لقد استثمرت الكثير من المعرفة وبعض البرامج إلى تحقيق الاستفادة المثلى من استراتيجية ممارسة في مواقف السيارات. هل هذا هو أفضل ما يمكننا فعله؟ هو في الواقع هناك حل أفضل من خلال إعادة ترتيب موقف للسيارات: إعادة ترتيبها موقف للسيارات الآن، واستراتيجية بسيطة: خذ أول غلة بقعة فارغة إلى نتيجة أفضل من ذلك بكثير: رسم بياني لتوزيع المسافة إلى سوبر ماركت باستخدام أفضل موقف للسيارات تخطيط واستراتيجية بسيطة: خذ أول بقعة فارغة. (10000 المحاكاة) أكثر من 1000 من المحاكاة 10000 العثور على أفضل بقعة على مسافة 1. أقل من 200 العثور على بقعة سيئة على مسافة 20 و 1200 فقط العثور على أي بقعة على الإطلاق. هذا هو أفضل بكثير من الحل الأمثل السابق. وأنا لم يكن لديك لاتخاذ جهاز الكمبيوتر المحمول معي لايجاد استراتيجية ممارسة المثلى في كل وقت التسوق. أتمنى موقف للسيارات المهندسين المعماريين يمكن أن نرى هذا أخذ هذه الفكرة على سوق الخيارات المالية، ماذا يمكننا أن نفعل؟ ربما، والمستثمرين لا يرغبون في شراء نوع الأمريكية خيارات ممارسة مبكرة. لأنها قد تفضل Lookbacks التي تضمن دفع تعويضات القصوى. فكر في الأمر! 25 سنوات الألماني DAX: قصة نجاح؟ في 1 يوليو، نشرت 1988 الألماني DAX. لم يكن سوى مؤشر سوق الأسهم الألمانية: إنه قدم منهجية جديدة الحوسبة مؤشر سوق الأسهم. وكان مؤشر داكس الألماني ومؤشر الشعبي الأول ليشمل الأوزان وفقا لقيمتها السوقية وعوائد حساب بما في ذلك أرباح الأسهم. الآن، وبعد 25 سنوات حان الوقت لننظر إلى الوراء كيف يؤدونها. في مؤشرات الرئيسية مثل مؤشر داو جونز الصناعي المتوسط ​​أو مؤشر نيكاي 225، يتم حسابها على أساس قيمة المؤشر على القيمة الإسمية للأسهم كما الأوزان في الجمع أسعار تداول. هذا يضع الوزن الكبير على صناعة وانخفاض الوزن على شركات التكنولوجيا الفائقة. بدلا من ذلك، يستخدم DAX القيمة السوقية كما في الوزن. هذا يقدم صورة أكثر واقعية من تأثير الصفقات في البورصة. مكونات DAX تتبع قاعدة الكمية وعلى النقيض من داو جونز ومؤشر نيكاي، لا يتم تحديد مكونات DAX من قبل بعض الصحف. بدلا من ذلك، فإنها تتبع قواعد الكمية مثل التعويم الحر لا يقل عن 10٪ وأعلى 35 أكبر شركة في القيمة السوقية وفي 35 الأعلى في قيمة التداول في البورصة XETRA. داو جونز، 500 SP، روسيل 1000، نيكي وبالمؤشرات الأخرى تمثل عادة عن الأسهم الانقسامات. ولكن، فإنها لا تمثل أرباح الأسهم أو قضايا حقوق. بما في ذلك هذه الآثار، ويتم احتساب مؤشر داكس بمثابة مؤشر العائد الإجمالي. بهذه الطريقة، DAX بإرجاع تقديم تقدير عادل للعودة للاستثمار في الأسهم المقابلة في المؤشر. وعند النظر إلى قواعد جديدة لحساب ومؤشر داكس للدولة من بين الفن وثورية إلى حد ما. كانت هناك أسلافه مثل 500 SP مع قواعد الكمية للمكونات والمؤشر الجديد ولكن لا تحظى بشعبية داو جونز الصناعي بواقع إجمالي العائد يبلغ مجموع حساب العائد بما في ذلك أرباح الأسهم. ولكن، كان جمع من سمات DAX فريدة من نوعها. لم هذا خلق نجاح فريدة من نوعها، أيضا؟ التي داكس في 1 يوليو 1988 في 1140 بحيث سيكون 31 ديسمبر 1987 كان لها قيمة المؤشر من 1000. وأسهل الخلف، واختبار استراتيجيات التداول: MS اكسل الجدول المحوري! قبل استخدام الأدوات المتخصصة لالخلفي اختبار أقترح أن أحد يحاول إكسل المحورية الجدول أولا. أداة الجدول المحوري كبيرة للتفتيش، والترشيح وتحليل مجموعات البيانات الكبيرة. في هذا المقال، وسأقدم كيفية وضع استراتيجية على أساس توقيت بسيطة وكيفية حساب الأداء التاريخي. في ما يلي، وسوف تظهر، وكيفية خلق تحليلا مثل الوظيفة السابقة: بيع مايو والذهاب بعيدا حقا؟ . الخطوة 1: الحصول على البيانات أولا، نحن بحاجة للحصول على البيانات للتحليل. ننتقل إلى Yahoo إلى جلب مؤشر داو جونز (انظر قائمة مصادر بيانات السوق لمصادر أخرى). بطريقة أو بأخرى، ياهو المالية يخفي على زر التحميل لمؤشر داو جونز. ولكن، فمن السهل تخمين رابط الصحيح: حفظ هذا الملف إلى القرص. ثم فتحه مع مايكروسوفت إكسل 2010 ونواصل مع الخطوة التالية. الخطوة 2: إضافة أعمدة لأداء والمؤشر الآن، في هذا الملف، ونضيف للعودة سجل (عمود العودة) عن كل يوم في السلسلة الزمنية: ثم، أضفنا مؤشر على استراتيجية التداول في هذه الحالة مجرد شهر من شهور السنة: الخطوة 3: إضافة الجدول المحوري