Discussão do artigo "Testador rápido de estratégias de trading em Python usando Numba"
O tópico de uso do Numba para Python não é abordado, quase não há explicação do código. A quem se destina esse artigo, aos iniciantes? - então eles não entenderão sem que o código seja mastigado. Para especialistas em Python? - eles não precisam disso, pois já sabem como acelerar os cálculos.
A segunda parte do artigo também não é tão simples. É fornecido um exemplo de otimização com apenas dois parâmetros com uma etapa muito grosseira e é feita uma comparação entre a pesquisa completa e o algoritmo de otimização, enquanto se afirma que a aceleração é até duas vezes mais rápida. Em detrimento do que é obtido? - isso não é explicado. Reduzindo o número de chamadas para o cálculo da função de destino test_model_func? - mas, no caso do AO, esse mesmo número de acessos não é mostrado. Na verdade, como o espaço da tarefa é muito pequeno, é possível obter um aumento de velocidade de 400 vezes, em comparação com uma pesquisa completa nessa tarefa, basta gerar números aleatórios uma vez, mas fazer vários testes e, no artigo, fornecer o melhor resultado dos testes. Em geral, todos os princípios de experimentação são violados.
Se eu entendi corretamente, o testador insere dados de preço + ambiente de negociação (ordens atuais) no TS e recebe sinais de negociação do TS.
Se eu entendi corretamente, isso é um pouco diferente para você.
Dados de preço + direções de negociação para cada observação (compra, venda) que o MO previu.
Ou seja, o TS não é executado dentro do testador, as direções das negociações são calculadas e conhecidas antecipadamente.
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Você concorda com a política do site e com os termos de uso
Novo artigo Testador rápido de estratégias de trading em Python usando Numba foi publicado:
Ao desenvolver algoritmos de trading baseados em aprendizado de máquina, é importante avaliar corretamente e com rapidez os resultados históricos da estratégia. Se o testador for usado raramente, com intervalos de tempo grandes e com profundidade histórica limitada, o Python pode ser suficiente. No entanto, se a tarefa exige testes repetitivos, incluindo estratégias de alta frequência, a linguagem interpretada pode ser muito lenta.
Suponhamos que não estamos satisfeitos com a velocidade de execução de alguns scripts, mas não queremos abrir mão do ambiente de desenvolvimento familiar do Python. É aí que entra o Numba, que permite a tradução e a compilação instantânea de código Python nativo em código de máquina veloz, cuja velocidade de execução se aproxima à de linguagens como C e FORTRAN.
Autor: Maxim Dmitrievsky