मैं मशीन लर्निंग और हाई फ्रीक्वेंसी ट्रेडिंग में $ 500K कैसे कमाता हूं - भाग 2

एक अनुवादक से: एक लेख ( 1 भाग ) के अनुवाद की निरंतरता, जिसने मेरा ध्यान खींचा और फेरीवालों से अपील की, एक ऐसे लड़के के बारे में, जो अपने तकनीकी कौशल का उपयोग करके, एक वर्ष में आधा मिलियन डॉलर कमाने में सक्षम था।

एक पूर्ण ट्रेडिंग सिम्युलेटर बनाना

इसलिए, मेरे पास एक ढांचा था जिसने मुझे संकेतकों का परीक्षण और अनुकूलन करने की अनुमति दी। लेकिन मुझे कुछ और करना था - मुझे एक ऐसी रूपरेखा की आवश्यकता थी जो मुझे संपूर्ण ट्रेडिंग सिस्टम का परीक्षण और अनुकूलन करने की अनुमति दे; एक जिसमें मैं कमांड भेज सकता हूं और पोजीशन खोल सकता हूं। इस मामले में, मैं एक ट्रेडिंग सत्र के लिए औसत लाभ और हानि - कुल लाभ और हानि का अनुकूलन करने में सक्षम हो जाएगा।

इस तरह की रूपरेखा तैयार करना आसान नहीं होगा - एक अर्थ में, वास्तव में अनुकरण करना भी असंभव है, लेकिन मैंने वह सब कुछ किया जो मैं कर सकता था। और यहाँ कुछ सवालों का सामना करना पड़ा है:

• जब एक टीम सिम्युलेटर में बाजार जाती है तो मुझे एक समय अंतराल का अनुकरण करना पड़ता है। तथ्य यह है कि मेरे सिस्टम ने "देखा" प्रस्ताव का मतलब यह नहीं है कि यह तुरंत इसे खरीद सकता है। सिस्टम एक आदेश भेजेगा, लगभग 20 मिली सेकेंड प्रतीक्षा करें, और केवल अगर प्रस्ताव अभी भी मान्य है तो इसे एक बंद सौदा माना जाएगा। यह पूरी तरह से सही नहीं है, क्योंकि एक वास्तविक अंतराल की अवधि हमेशा समान नहीं होती है और दर्ज नहीं की जाती है।
• जब मैं शेयरों को खरीदने या बेचने की पेशकश करता हूं, तो मुझे लेनदेन के निष्पादन के प्रवाह को ध्यान में रखना होगा (जिसे एपीआई प्रदान करता है) और इसका उपयोग तब ट्रैक करने के लिए किया जाता है जब मेरा ऑर्डर निष्पादित होता है। इसे सही तरीके से करने के लिए, मुझे कतार में अपनी टीम की स्थिति को ट्रैक करना होगा (पहली-पहली प्रणाली में पहली पंक्ति का उपयोग करके कतार बनाई गई है)। और फिर, मैं इसे ठीक से नहीं कर सका, लेकिन मैंने इस प्रणाली को यथासंभव वास्तविकता के करीब बनाया।

आदेशों के निष्पादन के सिमुलेशन में सुधार करने के लिए, मैंने एपीआई का उपयोग करके वास्तविक व्यापार के दौरान एकत्र किए गए लॉग को ले लिया, और उनकी तुलना उसी समय अवधि के लिए ट्रेडिंग सिमुलेशन के दौरान दर्ज किए गए लॉग से की। मैं अपने सिम्युलेटर को वास्तविकता के बहुत करीब से राज्य में लाने में सक्षम था, और उन क्षणों के संबंध में जो सटीक रूप से मॉडलिंग नहीं कर सकते थे, मैंने यह सुनिश्चित करने की कोशिश की कि आउटपुट परिणाम सांख्यिकीय डेटा (उन मैट्रिक्स के लिए जो मुझे महत्वपूर्ण माना जाता है) के अनुरूप हैं।

लाभदायक ट्रेडों को सुरक्षित करना

आदेश रखने के सिमुलेशन मॉडल के बाद, मैं सिमुलेशन मोड में एक्सचेंज को कमांड भेजने और सशर्त लाभ और नुकसान को ट्रैक करने में सक्षम था। लेकिन मेरा सिस्टम कैसे समझेगा कि कब और कहां से खरीदना और बेचना है?

मूल्य व्यवहार की भविष्यवाणी करना प्रणाली के लिए शुरुआती बिंदु था, लेकिन कहानी वहाँ समाप्त नहीं हुई। अगला, मैंने खरीद और बिक्री के लिए 5 मूल्य स्तरों में से प्रत्येक के लिए एक स्कोरिंग प्रणाली विकसित की। इन स्तरों में मांग के घरेलू मूल्य से एक स्तर ऊपर (खरीदने के आदेश के लिए) और आपूर्ति के घरेलू मूल्य के नीचे एक स्तर (बेचने के आदेश के लिए) शामिल थे।

यदि किसी भी मूल्य स्तर पर खाता निर्दिष्ट सीमा मूल्य से अधिक है, तो इसका मतलब है कि इस स्तर पर मेरे सिस्टम में एक सक्रिय खरीद / बिक्री प्रस्ताव होना चाहिए। यदि स्कोर सीमा से नीचे है, तो किसी भी सक्रिय आदेश को रद्द करना होगा। इन शर्तों के तहत, मेरे सिस्टम के लिए यह असामान्य नहीं होगा कि वह अचानक बाजार में खरीदने के लिए एक प्रस्ताव रखे, और फिर तुरंत इसे रद्द कर दे (वास्तव में, मैंने ऐसी घटनाओं की संभावना को कम करने की कोशिश की, क्योंकि ऐसी स्थिति मॉनिटर स्क्रीन पर किसी भी जीवित व्यक्ति के लिए डरावनी होगी। कष्टप्रद)।

निम्नलिखित कारकों के आधार पर विभिन्न मूल्य स्तरों के लिए गणना की गई:

• मूल्य व्यवहार की भविष्यवाणी (जिसकी हमने पहले चर्चा की थी)
• प्रश्न में मूल्य स्तर (आंतरिक स्तर एक अधिक संभावित मूल्य छलांग दर्शाता है)
• मेरे आदेश से पहले अनुबंधों की संख्या लाइन में है (कम बेहतर)
• लाइन में मेरे आदेश के बाद अनुबंधों की संख्या (अधिक बेहतर)

मूलतः, ये कारक खरीदने / बेचने के लिए "सुरक्षित" क्षेत्र निर्धारित करते हैं। अपने आप में, मूल्य व्यवहार की भविष्यवाणी करना स्थिति का आकलन करने का एक अपर्याप्त तरीका होगा, क्योंकि यह इस तथ्य को ध्यान में नहीं रखता है कि, खरीद प्रस्ताव रखते समय, मैंने स्थिति को स्वचालित रूप से बंद नहीं किया था - आखिरकार, यह केवल तब होता है जब कोई वास्तव में अपनी प्रतिभूतियों को बेचता है। । वास्तव में, यह तथ्य कि कोई व्यक्ति मुझे दिए गए मूल्य पर कुछ बेच रहा है, ट्रेडिंग की संभाव्य तस्वीर को बदल देता है।

इस चरण में उपयोग किए गए सभी चर अनुकूलन के अधीन थे। यह उसी तरह से किया गया था कि मैंने मूल्य परिवर्तनों के संकेतकों के चर को अनुकूलित किया था, सिवाय इसके कि इस मामले में मैंने लाभ और हानि की निचली सीमा के अनुसार चर को अनुकूलित किया।

मेरे कार्यक्रम को नजरअंदाज कर दिया

जब कोई व्यक्ति ट्रेड करता है, तो वे अक्सर भावनाओं और पूर्वाग्रहों से गंभीर रूप से प्रभावित होते हैं जो कि उप-अपनाने के निर्णय ले सकते हैं। निश्चित रूप से, मैं नहीं चाहता था कि इन पूर्वाग्रहों का मेरे कोड में कोई प्रतिबिंब हो। इसलिए, मेरे सिस्टम ने कुछ कारकों की अनदेखी की:

• एक स्थिति के लिए प्रवेश मूल्य - एक ट्रेडिंग कंपनी के कार्यालय में, उस कीमत के बारे में अक्सर बात होती है जिस पर कोई व्यक्ति लंबे और छोटे लेनदेन का निष्कर्ष निकालता है, जैसे कि भविष्य में इस तरह के निर्णयों को अपनाने को प्रभावित करना चाहिए। इस तथ्य के बावजूद कि जोखिम कम करने की रणनीति के ढांचे में इस तरह के डेटा का कुछ महत्व है, इसका बाजार की घटनाओं के आगे के विकास से कोई संबंध नहीं है। इसलिए, मेरे कार्यक्रम ने इस जानकारी को पूरी तरह से नजरअंदाज कर दिया। यह अपरिवर्तनीय लागतों की अनदेखी के समान है।
• लंबी / छोटी लेन-देन का निष्कर्ष - एक नियम के रूप में, एक मानव व्यापारी के पास एक विशेष मानदंड होगा जो निर्धारित करता है कि एक लंबी स्थिति को कहां बेचना है और कहां पर कम लेनदेन का समापन करना है। हालांकि, मेरे एल्गोरिथ्म के दृष्टिकोण से, दोनों के बीच कोई अंतर नहीं था। अगर मेरे एल्गोरिथ्म की कीमतों में गिरावट की उम्मीद है, तो बिक्री एक तार्किक कदम था, चाहे लेनदेन "लंबा", "छोटा" या "फ्लैट" हो।
• "दोहरीकरण" रणनीति - यह आम तौर पर स्वीकार की गई रणनीति है जिसके अनुसार व्यापारी इस घटना में अधिक शेयर खरीदते हैं कि व्यापार शुरू में उनके पक्ष में नहीं है। नतीजतन, आपकी औसत खरीद मूल्य कम हो जाती है, जिसका अर्थ है कि जब (यदि) स्टॉक मूल्य में बदलाव होता है, तो आप कम से कम समय में अपने खर्चों को "हरा" करेंगे। मुझे लगता है कि यह सिर्फ एक बुरा सपना है, जब तक कि आप वॉरेन बफेट नहीं हैं। आप अपने आप को यह सोचकर मूर्ख बना रहे हैं कि आपके साथ सब कुछ ठीक है, क्योंकि आपके अधिकांश लेनदेन जल जाएंगे। समस्या यह है कि यदि आप भाग्य से बाहर हैं, तो नुकसान डगमगा जाएगा। इस दृष्टिकोण का एक और परिणाम यह है कि यह निर्धारित करना बेहद मुश्किल हो जाता है कि क्या आपको वास्तव में बाजार लाभ मिला है, या यदि आप अभी भाग्यशाली हैं। मेरे कार्यक्रम की एक महत्वपूर्ण गुणवत्ता सिर्फ यह थी कि मैं परिस्थितियों को ट्रैक कर सकता था और पुष्टि कर सकता था जब मेरे कार्यक्रम का वास्तव में ऐसा लाभ था।

जोखिम प्रबंधन

चूंकि मेरे एल्गोरिथ्म ने समान रूप से निर्णय लिए कि घटनाओं के विकास के किस चरण में उन्होंने एक सौदा किया और क्या स्थिति वर्तमान में लंबी या छोटी थी, उन्होंने समय-समय पर प्रतिकूल स्थिति खोली और बड़ी रकम के लिए असफल सौदे किए (हालांकि सफल सौदे हुए) कम बड़ी मात्रा के लिए नहीं)। हालांकि, यह मत मानिए कि मैंने जोखिम प्रबंधन के लिए कुछ नहीं किया है।

मैंने प्रति इकाई समय में 2 अनुबंधों के स्तर पर अधिकतम स्थिति के आकार को सख्ती से निर्धारित किया है, क्योंकि सक्रिय व्यापारिक दिनों के दौरान अधिकतम स्थिति का आकार कभी-कभी बढ़ सकता है। बाजार में किसी भी अप्रत्याशित परिवर्तन से खुद को बचाने के लिए, साथ ही साथ अपने स्वयं के कार्यक्रम में कीड़े से बचाने के लिए मैंने दिन के दौरान अधिकतम नुकसान की सीमा तय की थी। इन सीमाओं को कोड में निर्धारित किया गया था, हालांकि, मैंने अपने ब्रोकर को निर्देश देकर खुद को बीमा कराया था। इन सावधानियों को लेते हुए, मैंने बाद में किसी भी महत्वपूर्ण समस्या का अनुभव नहीं किया।

एल्गोरिथ्म के साथ काम करें

मेरे कार्यक्रम पर काम शुरू होने के छह महीने बीत चुके हैं, इससे पहले कि मैं इसे उस बिंदु पर लाया जहाँ यह लाभदायक होने लगा और मैं इसे व्यवहार में परीक्षण करने में सक्षम था। हालांकि, ईमानदार होने के लिए, इस समय मैंने प्रोग्रामिंग भाषा का अध्ययन किया। जैसा कि मैंने कार्यक्रम को बेहतर बनाने के लिए काम किया, मैंने अगले चार महीनों में प्रत्येक में बढ़ते मुनाफे को दर्ज किया।

हर हफ्ते मुझे पिछले 4 सप्ताह से एकत्र किए गए आंकड़ों के आधार पर अपने कार्यक्रम को फिर से प्रशिक्षित करना होगा। हालांकि, मुझे पता चला कि यह नवीनतम व्यवहार बाजार के रुझानों की खोज और यह सुनिश्चित करने के बीच संतुलन बनाए रखता है कि मेरे एल्गोरिथ्म को सार्थक व्यवहार पैटर्न विकसित करने के लिए पर्याप्त जानकारी प्राप्त है। जब प्रशिक्षण में अधिक से अधिक समय लगना शुरू हुआ, तो मैंने इसे तोड़ दिया ताकि अमेज़ॅन ईसी 2 सेवा का उपयोग करके इसे 8 आभासी मशीनों द्वारा किया जा सके। तब परिणाम मेरे स्थानीय मशीन पर संयुक्त थे।

मेरे व्यापार का उच्चतम बिंदु अक्टूबर 2009 था, जब मैंने लगभग $ 100,000 कमाया था। इसके बाद, मैंने अपने कार्यक्रम को बेहतर बनाने के लिए 4 महीने बिताए, इस तथ्य के बावजूद कि हर महीने लाभ कम हो रहा था। दुर्भाग्य से, आज यह मुझे लगता है कि मैंने अपने सभी अच्छे विचारों की कोशिश की है, क्योंकि मैंने जो कुछ भी इस्तेमाल किया, उससे मुझे बहुत मदद नहीं मिली।

कार्यक्रम में सुधार करने में असमर्थता और विकास की भावना की कमी से निराश, मैं एक नई दिशा के बारे में सोचने लगा। मैंने 6 अलग-अलग ट्रेडिंग कंपनियों को उच्च-आवृत्ति ट्रेडिंग में विशेषज्ञता वाले पत्र लिखे, और पूछा कि क्या वे मेरे कार्यक्रम को खरीदना चाहेंगे और मुझे काम पर रखना चाहेंगे। किसी ने जवाब नहीं दिया। फिर मुझे नए स्टार्टअप के लिए विचार मिले, जिन पर मैं काम करना चाहूंगा, इसलिए मैंने इस व्यवसाय को पूरी तरह से त्याग दिया।

नोट : मैंने इस पोस्ट को हैकर न्यूज़ पर पोस्ट किया, जहाँ इसने बहुत लोकप्रियता हासिल की। मैं केवल यह कहना चाहता हूं कि मैं उन लोगों की रक्षा करने की कोशिश नहीं कर रहा हूं जो अब अपने दम पर कुछ ऐसा ही करने की कोशिश कर रहे हैं। आपको बाजार में किसी के साथ प्रतिस्पर्धा करने की कोशिश करने के लिए बहुत सारे कौशल के साथ बहुत स्मार्ट सहयोगियों की एक टीम की आवश्यकता होगी। जब मैंने अपना कार्यक्रम लिखा था, तब भी कुंवारे लोगों ने बहुत कम ही सफलता हासिल की (लेकिन मैंने इस तरह के बारे में सुना)।

पृष्ठ के शीर्ष पर [ मूल पोस्ट में - लगभग। अनुवादक] एक टिप्पणी है जिसमें "आंकड़ों में हेरफेर" जैसे भाव हैं, और मुझे "निवेशक खुदरा विक्रेताओं" में से एक कहा जाता है जिसके बारे में वास्तविक क्वांटा [ क्वांटा / उद्धरण - अनुवाद के दोनों संस्करण रूसी अनुवाद अभ्यास - लगभग में उपयोग किए जाते हैं। अनुवादक] वे कहते हैं कि उन्हें "शूट करने की आवश्यकता है।" यह बहुत दुर्भाग्यपूर्ण टिप्पणी है, बस वास्तविकता से बहुत दूर है। इस बीच, मेरे लेख पर अधिक दिलचस्प समीक्षाएं हैं ।

नोट 2 : मैंने अक्सर पूछे जाने वाले प्रश्नों के उत्तर की एक सूची प्रकाशित की, जो मुझे उन व्यापारियों से प्राप्त हुई, जिन्होंने इस लेख को पढ़ा।