Обсуждение статьи "Анализ нескольких символов с помощью Python и MQL5 (Часть I): Производители интегральных схем NASDAQ"
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Анализ нескольких символов с помощью Python и MQL5 (Часть I): Производители интегральных схем NASDAQ:
В статье мы рассмотрим, как использовать ИИ для оптимизации размера позиции и количества ордеров, чтобы максимизировать доходность портфеля. Мы покажем, как алгоритмически определить оптимальный портфель и адаптировать его к вашим ожиданиям по доходности или уровню устойчивости к риску. Мы используем библиотеку SciPy и язык MQL5 для создания оптимального и диверсифицированного портфеля, используя все имеющиеся у нас данные.
Интегральные схемы стали неотъемлемой частью нашей повседневной жизни. Электронные чипы пронизывают все аспекты современной жизни: от серверов MetaQuotes, на которых размещен этот самый веб-сайт, на котором вы читаете эту статью, до устройства, которое вы используете для чтения этой статьи. Все эти устройства используют технологию, которая, скорее всего, разработана одной из этих 5 компаний. Первая в мире интегральная схема была разработана компанией Intel. Она получила название Intel 4004 и была выпущена в 1971 году, в том же году, когда была основана биржа NASDAQ. В процессоре Intel 4004 было около 2600 транзисторов, что значительно меньше, чем в современных чипах, в которых их число может достигать миллиардов.
Поскольку нас мотивирует глобальный спрос на интегральные схемы, мы хотим разумно выйти на рынок микросхем. Рассмотрев корзину из этих 5 акций, мы покажем, как максимизировать доходность вашего портфеля, разумно распределяя капитал между ними. Традиционный подход равномерного распределения капитала между всеми 5 акциями не будет достаточным на современных нестабильных рынках. Вместо этого мы построим модель, которая будет информировать нас о том, следует ли нам покупать или продавать каждую акцию, а также об оптимальных объемах, которыми нам следует торговать. Другими словами, мы используем имеющиеся у нас данные для алгоритмического определения размера и количества наших позиций.
Автор: Gamuchirai Zororo Ndawana