有趣的投资数学！ ### 1.关于收益率 假如你有100万，收益100%后资产达到200万，如果接下来亏损50%，则资产回到100万，显然亏损50%比赚取100%要容易得多； ### 2.关于涨跌停 假如你有100万，第一天涨停板

数学与赌博 我们知道赌博就是概率的游戏，也正是一些奇特的赌博结果引起了数学家帕斯卡（Pascal）和大数学家费马（Fermat）的兴趣，他们通过信件交流，提出了一些概率论的原理，从而创立了概率论。今天数酱就来介绍几个赌博中的概率趣题，让大家知道，就算打赌，也要精“打”细算。

对均线系统的重新思考 ### 1、对均线系统的重新审视 对于刚接触技术分析的投资者而言，均线系统是一个非常直观、有效的指标。这种直观表现为当收盘价突破或是跌破均线，即P>`P 或P< `P，意味着趋势有可能发生反转，发出关注信号。当收盘价连续突破或跌破均线，形成对均线地有效突

凯利公式——仓位控制的利器 ** 假设赌局1:你赢的概率是60%，输的概率是40%。赢时的净收益率是100%，输时的亏损率也是100%。也即，如果赢，那么你每赌1元可以赢得1元，如果输，则每赌1元将会输掉1元。赌局可以进行无限次，每次下的赌注由你自己任意定。问题

一个老鸟的趋势交易、量化交易系统思路 如何建立一个良好的交易体系和交易策略呢？可以通过大量的历史数据得来，现在计算机很发达，历史数据的检测和获得比较容易。其实有志于这一行的人，可以通过历史数据获得正向系统的一个佐证。 这里也有一个很大的争议，就是有关于市场变化的问题。

求推荐比特币高频策略思路

让量化模型不老的三个秘密 首先，大家都一致认可，长生不老的模型是不存在的。这里面有一个很深刻的规律，就是金融市场具备自我调节功能。这种功能会使得在任何时刻，能够赚钱的永远是小部分人。 如果一个模型长生不老。那么就会像滚雪球一样赚走市场上越来越多的钱，达到一个

基于机器学习的订单簿高频交易策略 ### 一、绪论 证券市场的交易机制可以分为报价驱动市场和订单驱动市场两类，前者依赖做市商提供流动性，后者是通过限价单提供流动性，交易通过投资者的买进委托和卖出委托竞价所形成。中国的证券市场属于订单驱动市场，包括股票市场和期货市场。 /upload/asset/0d5aa61808711047a74391228c4130f3a157f6c2

交互 – 策略机器人运行中调试（JS eval 函数的巧用） #### 我们先来看一下JS 中 eval 函数的介绍： w3school

其实，过去的价格对未来真的没影响 我讲一下自己的交易经历,我不是学金融出身的，学的是偏数学计算机，当初听了一个很害人的故事，这个故事害了无数代人。 这个人叫爱德华·索普，他很有名，他当初是一个数学家，但是他从10岁开始就沉迷于赌博，但是他很聪明，最后获得数学的正教

### 协 整 > 背景： 经典回归模型是建立在平稳数据变量的基础之上的，对于非平稳变量，不能使用经典回归模型，否则会出现虚假回归等诸多问题。由于许多经济问题是非平稳的，这就给经典的回归分析方法带来了很大限制。由于实际应用中大多数时间序列是非平稳的，通常采用差分方法消除序列中含有的非平稳趋势，使得序列平稳化后建立模型，比如使用ARIMA模型。但是变换后的序列限制了所讨论经济问题的范围，并

补充策略框架，让机器人跑起来！ ### 策略框架扩展 – MACD 策略 熟悉MACD指标的话大概都了解， MACD 由2条线即 DIF 、 DEA 一个MACD量柱 构成。 “` 基本用法 1. MACD金叉：DIF 由下向上突破 DEA，为买入信号。

模板：重复可用的代码 _之 数字货币现货交易类库 ### 认识 “模板类库” 先来认识模板（其实在 2.6 章节 我们已经初步接触到 模板了） 我们简称的“模板”，在 发明者量化 平台的策略类别分类里面叫做 “模板类库”。 /upload/asse

指标的使用 ### TA - 优化重写部分常用指标函数库 ”` TA 指标库 MACD 指数平滑异同平均线 KDJ 随机指标 RSI 强弱指标 ATR 平均真实波幅 OBV 能量潮 MA

界面显示 、API 策略交互 ### LogStatus 函数: 在日志上方状态栏显示信息（表格、多行字符串、图片）。 API 文档描述： ”` LogStatus(Msg) 此信息不保存到日志列表里, 只更新当前机器人的状态信息, 在日志上方显

获取订单信息、取消订单、获取所有未完成的订单信息 ### GetOrder 、 GetOrders 、 CancelOrder 函数的使用 本节我们来实现两个 自定义的函数 CancelPendingOrders 和 StripOrders 来实现取消所有未完成

下市价单 交易 回测测试 和 实盘测试 均选择 OKCoin 现货交易所 ### Buy( ) 下市价单 回测测试 看下API文档 ”` Buy(Price, Amount) 下买单, Price为买单价格,Amount为数量, 返回一个订单ID 可以跟多余的参数做

下限价单 交易 Buy(Price, Amount) 函数 小准备 在使用交易函数 Buy( ) / Sell( ) 前有几个API 是必须熟悉的。 1、 GetOrder(orderId) 根据订单号获取订单详情, 返回一个Orde

2.1 使用API 获取账户信息、 获取行情数据、 获取K线数据、 获取市场深度信息 终于到了第二章了，通过前面一章的游览，应该对于 发明者量化 的各个功能有一定的了解。接下来开始写代码啦！ ### 使用API 获取账户信息 假设通过第一章的游

其它功能 #### 1、 行情图表 点击上图红框里面的小图标，会打开一个页面。 /upload/asset/012cd70bb60024

机器人与策略 按照认知的先后顺序，我们先来认识一下什么是策略。 ### 策略 策略是整个量化交易机器人的逻辑核心，负责具体的买卖逻辑、 界面显示、 日志输出、 收益计算 等等。下面我们从”策略广场”直接复制一个策略来带大家一步步认识 发明者量化 平台 策略 的

认识托管者 ### 什么是托管者？ 托管者是管理量化机器人的程序，负责复杂的数据请求，数据接收，网络链接

主界面概览及架构 ### 账户注册时注意 了解之前，需要注册好 发明者量化 账户。 账户名、 注册邮箱、 账户密码 一定要记录好，特别是账户密码： 该密码是用于在游览器端加密用户敏感信息时使用的。所以在 发明者量化 上的数据都是加密过的。修改密码，触

认识什么是量化交易、程序化交易。 ### 概念 > 量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来

一、什么是Tick Data Tick Data本身并不神秘，就是交易所把每只股票（亦或是futures options）的active order book(就是你的委托还存在在交易所里面，但并且没有被撮合成交)里面的买、卖的单的情况发给你。 举例说明： ”` 某天的市场一开始的时候苹果股票的order book（委托挂单）清空（这里不进行auc

btc策略模拟回测, 为什么没有poloniex选项???

阿尔法狗的利器：蒙特卡洛算法，看完就懂了！ 在今年3月9日-15日，围棋界发生了一件大事，一场总计五轮的人与机器的大战在韩国首尔上演。 这场比赛的结果是人类完败，世界围棋冠军李世石以1比4最终败给了谷歌公司的人工智能程序AlphaGo。 那么AlphaGo是什么，获胜的关键又在哪里呢？这里我们就要来了解一个算法：蒙特卡洛算法。 ### AlphaGo和蒙特卡洛算法

用SVM向量机下注（交易），能跑得过大猩猩吗？ 女士们先生们，投下你们的赌注。今天，我们要尽最大的努力去击败一只猩猩，它被看作是在金融界最可怕的对手之一。 我们要试着预测“货币交易品种的隔日收益”。我向你保证：即使想击败一只随机投注、并获得50%的胜率的猩猩，都是一件很难的事情。 我们将用一个现成的机器学习算法，它是支持向量分类器。SVM向量机对于解决回归和分类任务是一种令人难以置信

简单的SVM 分类算法 ”` from sklearn import svm def main(): preTime = 0 n = 0 success = 0 predict = None pTime = None spread = 2 while True: r = exchange.GetRecords()

新上的实盘级tick有一点瑕疵啊，虽然说价格可能是收集而来的，但我发现交易量却还是模拟得到的，希望能加上交易量的实盘数据，反正也不会多多少储存空间。再者来说，量比之类的也有助于开发抓局部高低点的策略。 另外，我也尝试过自己来收集数据合成K线玩，发现要统计到每秒的交易量和更准确的收盘价格数据，可以用GetTrades获取最近的成交记录，那样可以得到精确到毫秒级的订单价格而不必受网络延迟的影响。如果