اعداد و شمار کی بازیابی کی خصوصیات کی بنیاد پر تیار کردہ لکیری منسلک سنگل اسٹریم حکمت عملی

پیش گوئی

یہ اکثر کہا جاتا ہے کہ ٹریڈنگ ایک فن ہے اور آرٹ سے الہام حاصل ہوتا ہے۔ لہذا آج میں آپ کو بتانا چاہتا ہوں کہ کس طرح ایجاد کنندہ کو اپنے ٹریڈنگ الہام کو تلاش کرنے کے لئے کوانٹیمیٹڈ ڈیٹا پلے بیک کی خصوصیات کا استعمال کرتے ہوئے۔

تجارت کی حوصلہ افزائی اور احساس

عام طور پر جب ہم حوصلہ افزائی کے بارے میں بات کرتے ہیں تو اس کا مطلب یہ ہوتا ہے کہ لوگ سوچنے کے عمل کے دوران ایک لمحے میں تخلیقی حالت پیدا کرتے ہیں۔ تاجروں کے لئے ، ہمارے دماغ کے بائیں نصف حصے میں حکمت عملی لکھنے ، فنڈز کی تخصیص ، پیرامیٹرز کی ترتیب وغیرہ جیسے اصولوں کی ایک سیریز تیار کی جاتی ہے۔ اور وہ تجارتی حوصلہ افزائی اور احساس دائیں نصف سے آتا ہے۔

بہت سے لوگوں نے اس اصطلاح کو سنا ہے ، یہ ایک غیر واضح احساس ہے ، جیسے کہ اس وقت جو کچھ ہو رہا ہے وہ واقف ہے۔ تجارت کے دوران ، یہ چھٹے احساس کی طرح کی بصیرت ، اگرچہ منطقی استدلال اور تجزیہ کے بغیر ، مارکیٹ کی مستقبل کی سمت کی پیش گوئی کرتی ہے ، تاجر کو خریدنے یا فروخت کرنے کے فیصلے کرنے کی ترغیب دیتی ہے۔

حوصلہ افزائی کیسے حاصل کی جائے

بیرونی لوگوں کے نزدیک ، دکان کا احساس ایک عجیب و غریب ، ایک ناقابل شکست اور پراسرار ہنر ہے ، جس کے ساتھ مارکیٹ میں قائم ہوسکتا ہے۔ در حقیقت ، دکان کا احساس دماغ کے موضوعی تجارتی تجربے کا خلاصہ ہے ، جو کئی سالوں کے دوران دکان دیکھنے کے بعد ، سمجھا جاتا ہے کہ ایک عجیب و غریب پیش گوئی کا احساس ہے۔

اگرچہ سختی سے ، الہام بالکل احساس کے مترادف نہیں ہے ، لیکن مجھے یقین ہے کہ مارکیٹ میں ہزاروں بار مشق کرنے کے بعد ، مارکیٹ کے بارے میں گہری تفہیم حاصل کرنے کے بعد ، حکمت عملی تیار کرنے کے دوران دل سے کام لیا جائے گا۔ لہذا اگر آپ اس ہنر کو حاصل کرنا چاہتے ہیں تو ، اگر آپ مزید تجارتی حکمت عملی تیار کرنا چاہتے ہیں تو ، کوئی اور نہیں ، صرف مہارت حاصل کریں۔ صرف بڑی تعداد میں تجارت کے ذریعہ ، آپ اپنے تجارتی نظام کو بہتر بنا سکتے ہیں۔

لیکن گھریلو اجناس کے فیوچر اور اسٹاک میں صرف چند گھنٹے کی تجارت ہوتی ہے ، اور اگر صرف حقیقی وقت کی تجارت سے اپنے ٹریڈنگ کے تجربے کو بہتر بنانا ، اپنے منافع بخش نمونوں اور تجارتی قواعد کو تشکیل دینا ، اور ذہنی طور پر اپنے مشروط رد عمل کو تربیت دینا ، تو یہ بے وقوفی کا مظاہرہ کرتا ہے۔ زیادہ تر تاجروں کو طویل وقت کی لاگت کے علاوہ ، مالی نقصانات کا بھی سامنا کرنا پڑتا ہے۔ اس مسئلے کو حل کرنے کے لئے ، موجد نے اعداد و شمار کی واپسی کی خصوصیت کو مقدار میں تیار کیا ہے۔

اعداد و شمار کو دوبارہ استعمال کرنے کا طریقہ

اعداد و شمار کی واپسی کی خصوصیات کو کسی بھی تبادلے کے وقت کی پابندی کے بغیر تربیت دی جاسکتی ہے ، متعدد تجارتی مستقبل اور ڈیجیٹل کرنسیوں کی اقسام کی حمایت کرتی ہے ، مارکیٹوں کو دستی طور پر واپس لیا جاسکتا ہے اور خود بخود واپس لیا جاسکتا ہے ، اور تاریخی مارکیٹوں کے اختتام کے وقت اور واپسی کی رفتار کو آزادانہ طور پر ترتیب دیا جاسکتا ہے۔ دیگر سافٹ ویئر کے مقابلے میں جو K لائن ڈیٹا کی واپسی کا طریقہ عام طور پر استعمال کرتے ہیں ، موجد نے ٹک کی سطح پر ڈیٹا کی واپسی کا طریقہ استعمال کیا ہے ، جو حقیقی تجارت کے قریب واپسی کے پیمائش کے ماحول کی حمایت کرتا ہے ، اور قیمتوں کے اعداد و شمار کو دوبارہ پیش کرتا ہے ، جس سے تاجروں کو حقیقی زندگی میں لایا جاسکتا ہے۔

ڈویلپرز کی طرف سے مقدار کی ویب سائٹ (((fmz.comاس کے بعد آپ کو چار اختیارات والے خانے اور ایک انتخاب کے بٹن پر کلک کرنے کی ضرورت ہوگی۔ پہلے آپشن بٹن پر کلک کریں جس میں صرف وہ اقسام دکھائی جائیں گی جو اصلی ڈسک کو کھیلنے کی حمایت کرتے ہیں ، پھر سب سے اوپر بائیں طرف منتخب کریں جس میں آپ کھیلنا چاہتے ہیں ، پھر پچھلے دو اختیارات والے خانوں میں ڈیٹا کا آغاز اور اختتام کا وقت منتخب کریں ، پھر ڈیٹا کا وقت منتخب کریں جس کا دورانیہ اصلی ڈسک کو کھیلنے کے لئے ہے ، اور آخر میں دائیں طرف جانے والے بٹن پر کلک کریں ، تاکہ ڈیٹا کو کھیلنے کا کام شروع کیا جاسکے۔

اعداد و شمار کے ٹیگ کے نیچے تین حصوں میں تقسیم ہے۔ بائیں طرف ٹرانزیکشن ہسٹری ہے ، جو وقت کے لحاظ سے تمام آرڈرز کو ظاہر کرتی ہے۔ وسط میں خرید و فروخت کے لئے 20 فائیڈ کی گہرائی کے ساتھ انوینٹری ڈیٹا ہے۔ دائیں طرف ڈیٹا پلے کے لئے کنٹرول ایریا ہے ، جہاں آپ دستی اور خودکار ڈیٹا پلے کا انتخاب کرسکتے ہیں ، جیسے میڈیا پلیئر کا استعمال کرنا آسان ہے۔

پوزیشن انڈیکس کے ساتھ، آپ کو تیزی سے ڈیٹا پلے شروع کرنے کا وقت منتخب کرنے کے لئے ایک بار پھر نشان کو گھسیٹ سکتے ہیں.

سب سے نیچے دائیں بائیں حرکت پذیر اشارے کے ذریعہ ڈیٹا کی ری پلے کی رفتار کو کنٹرول کیا جاسکتا ہے ، جو ملی سیکنڈ میں وقت کی اکائی ہے ، جو ڈیٹا کی ری پلے کے دوران تیز یا سست ہے۔

حکمت عملی کی منطق کی تعمیر

اگرچہ قیمتوں میں گرنے کے بہت سے عوامل ہیں، بشمول: عالمی معاشی ماحول، ملکی میکرو پالیسیاں، متعلقہ صنعتی پالیسیاں، طلب و رسد کے تعلقات، بین الاقوامی واقعات، شرح سود اور زر مبادلہ، افراط زر اور کساد بازاری، مارکیٹ کی نفسیات، نامعلوم عوامل وغیرہ، لیکن آخر کار قیمتوں کی پلیٹ فارم پر بہت سے فریقوں کے درمیان مقابلہ کا نتیجہ ہے۔ اگر زیادہ خریدار فروخت کرتے ہیں تو قیمتیں بڑھتی ہیں؛ اس کے برعکس، اگر زیادہ بیچنے والے خریدتے ہیں تو قیمتیں گرتی ہیں۔ پھر ہمیں صرف قیمتوں کا تجزیہ کرنے کی ضرورت ہے تاکہ تجارتی حکمت عملی تیار کی جاسکے۔

ایجاد کاروں کی طرف سے ایک حالیہ مہینے کے بی این اے ایکسچینج کے بی ٹی سی_یو ایس ڈی ٹی ٹرانزیکشنز کے جوڑے کی مقدار کو واپس کرنے کے بعد ، ہم نے پایا کہ مارکیٹ میں اضافے اور گرنے کے دوران ، ٹک ڈیٹا کے احکامات کی تعداد واضح طور پر متضاد ہے۔ جب مارکیٹ میں اضافہ ہوتا ہے تو ، زیادہ ہیڈوں کی تعداد زیادہ ہیڈوں کی تعداد سے زیادہ ہوتی ہے۔ جب مارکیٹ میں اضافہ ہوتا ہے تو ، خالی ہیڈوں کی تعداد زیادہ ہیڈوں کی تعداد سے کم ہوتی ہے۔ تو کیا ہم اس کی بنیاد پر قیمت میں کمی کی پیش گوئی کرسکتے ہیں؟

اس کا جواب ہاں میں ہے۔

ہم گہرائی میں ٹک ڈیٹا جمع کر کے، زیادہ خالی دونوں طرف سے ٹانگوں کی تعداد کا حساب لگاتے ہیں اور اس کا موازنہ کرتے ہیں، اگر زیادہ خالی جامع ٹانگوں کی تعداد میں بہت زیادہ فرق ہے، تو ممکنہ خرید و فروخت کا موقع ہے۔ مثال کے طور پر، جب زیادہ خالی ٹانگوں کی تعداد N گنا ہے، تو ہم یہ سوچ سکتے ہیں کہ مارکیٹ میں زیادہ تر لوگ زیادہ دیکھتے ہیں، مستقبل میں قلیل مدت میں قیمتوں میں اضافے کا امکان بڑھتا ہے؛ جب زیادہ خالی ٹانگوں کی تعداد N گنا ہے، تو ہم یہ سوچ سکتے ہیں کہ مارکیٹ میں زیادہ تر لوگ خالی ہیں، مستقبل میں قلیل مدت میں قیمتوں میں کمی کا امکان بڑھتا ہے۔

تجارت کی حکمت عملی لکھنا

مندرجہ بالا حکمت عملی کی منطق کے مطابق ، کوڈ کے ساتھ عملدرآمد شروع کریں۔ اس طرح کھولیں: fmz.com ویب سائٹ > لاگ ان > کنٹرول سینٹر > پالیسی لائبریری > نئی پالیسیاں بنائیں > دائیں کونے کے اوپری کونے میں ڈریگ ڈاؤن مینو پر کلک کریں ، پطرون زبان کا انتخاب کریں ، اور حکمت عملی لکھنا شروع کریں۔ یہ حکمت عملی تعلیمی طور پر ہلچل مچا رہی ہے ، لہذا میں نے کوشش کی ہے کہ اس حکمت عملی کو تھوڑا سا آسان بنایا جائے ، ذیل میں کوڈ کوڈ میں نوٹ ملاحظہ کریں۔

پہلا مرحلہ: حکمت عملی کا فریم ورک تیار کرنا

# 策略主函数
def onTick():
    pass


# 程序入口
def main():
    while True:  # 进入无限循环模式
        onTick()  # 执行策略主函数
        Sleep(1000)  # 休眠1秒

جب ہم اپنی پالیسی لکھتے ہیں تو اسے بڑے اور چھوٹے سے لکھنا چاہئے، جیسے کہ گھر کو ڈھانپنا، پہلے فریم ورک کو ڈھانپنا۔ اس فریم ورک میں، ہم نے دو افعال استعمال کیے ہیں، یعنی: مین فنکشن اور آن ٹِک فنکشن۔ جس میں مین فنکشن پروگرام کا ان پٹ ہے، یعنی پروگرام اس سے چلتا ہے، اور پھر لامحدود لوپ موڈ میں جاتا ہے، اور آن ٹِک فنکشن کو بار بار چلاتا ہے۔ پھر ہمیں صرف اپنی پالیسی کے مواد کو آن ٹِک فنکشن میں لکھنے کی ضرورت ہے۔

دوسرا مرحلہ: گلوبل متغیر لکھنا

vol_ratio_arr = []  # 多空挂单比率数组
mp = 0  # 虚拟持仓

میں نے vol_ratio_arr کو عالمی متغیر کے طور پر متعین کیا ہے کیونکہ میری حکمت عملی میں ایک ٹک کے اعداد و شمار کے لئے ایک کثیر خالی لنگر تناسب جمع کرنے کی ضرورت ہے۔ اگر ہم vol_ratio_arr متغیر کو onTick فنکشن میں ڈالتے ہیں تو ، یہ واضح طور پر غیر معقول ہے کیونکہ لوپ چل رہا ہے ، ہمیں لوپ موڈ میں متغیر کی قدر کو تبدیل کرنے کی ضرورت ہے جب کسی خاص حالت کو پورا کیا جاتا ہے ، اور سب سے معقول طریقہ یہ ہے کہ اس متغیر کو لوپ کے باہر ڈال دیا جائے۔

ہولڈنگ مینجمنٹ بہت ضروری ہے کیونکہ اس کا تعلق خرید و فروخت کی منطق سے ہے ، عام طور پر ہم فوری طور پر تجارت میں ، اکاؤنٹ تک رسائی حاصل کرکے اپنے پاس موجود کرنسی کے جوڑے کا حساب لگاتے ہیں۔ یہاں ، کوڈ کو آسان بنانے کے لئے ، خرید و فروخت کی منطق کو کنٹرول کرنے کے لئے براہ راست ایک عالمی مجازی ہولڈنگ متغیر کی وضاحت کی گئی ہے۔

تیسرا مرحلہ: موجودہ زیادہ خالی جگہوں کی شرح کا حساب لگائیں

depth = exchange.GetDepth()  # 获取深度数据
asks = depth['Asks']  # 获取卖价数组
bids = depth['Bids']  # 获取买价数组
asks_vol = 0  # 所有卖价挂单
bids_vol = 0  # 所有买价挂单
for index, ask in enumerate(asks):  # 遍历卖价数组
    # 线性计算所有卖价挂单
    asks_vol = asks_vol + ask['Amount'] * (20 - index)
for index, bid in enumerate(bids):  # 遍历买价数组
    # 线性计算所有买价挂单
    bids_vol = bids_vol + bid['Amount'] * (20 - index)
bidask_ratio = bids_vol / asks_vol  # 计算多空比率

جیسا کہ آپ جانتے ہیں کہ ڈیجیٹل کرنسیاں عام طور پر 20 گراف کی گہرائی کے اعداد و شمار ہوتی ہیں ، لہذا ہم ملٹی ہیڈ اور خالی ہیڈ کی تعداد کو جوڑ سکتے ہیں تاکہ ملٹی ہیڈ اور خالی ہیڈ کے تناسب کا حساب لگایا جاسکے۔ جب یہ قدر 1 سے زیادہ ہوتی ہے تو اس کا مطلب یہ ہے کہ زیادہ دیکھنے والے لوگ کم دیکھتے ہیں ، جس سے مستقبل قریب میں قیمتوں میں اضافہ ہوگا۔ جب یہ قدر 1 سے کم ہوتی ہے تو اس کا مطلب یہ ہے کہ کم دیکھنے والے لوگ زیادہ دیکھتے ہیں ، جس سے مستقبل قریب میں قیمتوں میں کمی واقع ہوگی۔

لیکن ایک بات یہ ہے کہ اس میں فرق کرنے کی ضرورت ہے کہ جب منسلک فہرستوں کی فاصلہ ڈسک سے زیادہ قریب ہوتا ہے تو ، اس سے پتہ چلتا ہے کہ زیادہ یا کم پڑھنے کی خواہش زیادہ ہوتی ہے ، جیسے ایک صف میں منسلک ادائیگی یقینی طور پر 20 صفوں میں منسلک ادائیگی سے زیادہ ہے۔ لہذا جب ہم منسلک فہرستوں کو جمع کرتے ہیں تو ، ہمیں 20 صفوں کو مختلف وزن کے ساتھ لائنری انداز میں الگ الگ کرنے کی ضرورت ہوتی ہے ، لہذا یہ زیادہ معقول ہوگا۔

چوتھا مرحلہ: لکیری حساب کتاب ایک وقت میں کثیر خالی جگہوں کا تناسب

global vol_ratio_arr, mp  # 引入全局变量
vol_ratio_arr.insert(0, bidask_ratio)  # 把多空比率放到全局变量数组里面
if len(vol_ratio_arr) > 20:  # 如果数组超过指定长度
    vol_ratio_arr.pop()  # 删除最旧的元素
all_ratio = 0  # 临时变量，所有多空挂单比率
all_num = 0  # 临时变量，所有线性乘数
for index, vol_ratio in enumerate(vol_ratio_arr):  # 变量全局变量数组
    num = 20 - index  # 线性乘数
    all_num = all_num + num  # 线性乘数累加
    all_ratio = all_ratio + vol_ratio * num  # 所有多空挂单比率累加
ratio = all_ratio / all_num  # 线性多空挂单比率

کثیر سر جمع کرنے کے بعد کثیر خلائی تناسب حاصل کیا جا سکتا ہے، لیکن یہ صرف ایک ٹک کے اعداد و شمار کے ساتھ ہوتا ہے، اور اگر صرف ایک ٹک کے اعداد و شمار کے ساتھ، خرید و فروخت کا فیصلہ کرنا ایک سمجھدار انتخاب نہیں ہوسکتا ہے، کیونکہ فوری طور پر تبدیل ہونے والی مارکیٹ میں، ایک ٹک کا ڈیٹا ناقابل یقین ہے. لہذا ہمیں ایک مقررہ ٹک ڈیٹا جمع کرنے کی ضرورت ہے، اور آخر میں لکیری طور پر ایک منصفانہ قدر کا حساب لگایا جائے گا.

پانچواں مرحلہ: ٹرانزیکشن کا حکم دیں

last_ask_price = asks[0]['Price']  # 最新卖一价，用于买入的价格
last_bid_price = bids[0]['Price']  # 最新买一价，用于卖出的价格
if mp == 0 and ratio > buy_threshold:  # 如果当前无持币，并且比率大于指定值
    exchange.Buy(last_ask_price, 0.01)  # 买入
    mp = 1  # 设置虚拟持仓的值
if mp == 1 and ratio < sell_threshold:  # 如果当前持币，并且比率小于指定值
    exchange.Sell(last_bid_price, 0.01)  # 卖出
    mp = 0  # 重置虚拟持仓的值

چونکہ آرڈر دیتے وقت ایک قیمت کی وضاحت کرنے کی ضرورت ہوتی ہے ، لہذا ہم خریدتے وقت براہ راست تازہ ترین فروخت کی قیمت کا استعمال کرسکتے ہیں۔ فروخت کرتے وقت ، ہم براہ راست تازہ ترین خرید کی قیمت کا استعمال کرسکتے ہیں۔ آخر میں ، جب آرڈر ختم ہوجاتا ہے تو ، مجازی ہولڈنگ کی قیمت کو دوبارہ ترتیب دیں۔

اختتام

مندرجہ بالا اعداد و شمار کی واپسی کی خصوصیت پر مبنی لکیری منسلک ایک بہاؤ کی حکمت عملی کوڈ تجزیہ ہے ، اگر آپ تجارت کے ابتدائی ہیں تو ، ڈیٹا کی واپسی کی خصوصیت تجارت کو سیکھنے کے لئے صفر لاگت ، تجارت کے بارے میں علمی وقت کو کم کرنے کے لئے ، حقیقی یا سملیٹڈ ٹریڈنگ میں عام طور پر پہلے نتائج دیکھنے میں کئی سال لگتے ہیں ، ڈیٹا کی واپسی کی خصوصیت میں کئی ہفتوں میں اسی طرح کے نتائج حاصل کیے جاسکتے ہیں ، بغیر کسی وقت ضائع کیے۔