如何给可视化策略扩展自己需要的自定义类库呢？例如我希望计算MA指标，但是系统自带的只有： 这些指标，如何能添加自定义的一些代码呢？ 我们就以添加自定义的MA指标计算模块为例，讲解如何扩展可视化模块。
在测试、调试策略代码时、实盘运行机器人时经常有遇到交易所接口报错的情况，此时去查询交易所接口API文档，查询相关报错信息，咨询交易所API技术客服时总是需要提供报错时的请求报文，用来分析报错原因。这个
在做程序化、量化交易时，虽然可以使用任何设备运行量化交易程序（操作账户按照一定交易策略交易的机器人程序）。但是比较保险的还是使用一台某个运营商机房的服务器。网络通信和电源供给都比较有保障。毕竟量化交易
本篇讲述的策略本质是动态平衡策略，即始终平衡币价值与计价币价值相等。不过设计为预先挂单，策略逻辑十分简单。编写该策略的主要目的是为了展示策略设计的各个方面。 策略逻辑封装 把策略逻辑和运行时的一些数据
其实在做这个范例代码之前，在发明者量化交易平台策略广场： https://www.fmz.com/strategy/151972 。已经有JavaScript版本的MACD指标画图范例了。不过应用户
一、摘要 索罗斯在1987年撰写的《金融炼金术》 一书中，曾经提出过一个重要的命题：I believe the market prices are always wrong in the sense
为什么叫它恒温器。我们根据其在市场，震荡和趋势两种模式下转换和交易的适应能力来命名这个系统。该系统源自我们对特定系统在特定市场领域的成功的观察。此系统可以创建具有双重性质的策略来充分利用市场的两种模式
一、摘要 1990年，史蒂夫 · 尼森将古老的蜡烛图技术系统地介绍给了西方投资界，这一举动震惊了传统的技术分析方法，史蒂夫 · 尼森因此被誉为现代蜡烛图技术之父。蜡烛图不仅全球广泛普及，而且经久不衰，
一、摘要 发明者量化上线了基于 WorldQuant Alpha101 交易因子分析工具，为量化交易策略开发者提供了新式武器，通过分析因子帮助大家更好的理解市场，洞察金融市场背后的契机。 二、什么是
一、摘要 量能足迹图是一种高级图表分析工具，英文名称为“Footprint Charts”。它显示的是单个 K 线中每一个价格的交易活动，除了提供价格信息外，还提供交易量、主动买入、主动卖出等信息。它
1、前言 前些天发现FMZ策略回测结果输出的盈亏曲线结果比较简单，故想着是否获取收益结果数据后自己再进行处理，得到更详细的资金曲线评估报告，并且用图形可视化展示出来。着手把想法写出来的时候发现并不是那
在编写、使用策略时，经常会使用一些不常用的K线周期数据。然而交易所、数据源又没有提供这些周期的数据。只能通过使用已有周期的数据进行合成。合成算法已经有一个JavaScript版本了（ 链接 ），其实移
最近发明者量化交易平台升级了回测系统，支持了数字货币期权回测，本次支持了 Deribit 交易所的一些期权数据。因此我们对于期权交易的学习，以及策略验证有了更好的工具。 Deribit 期权回测 回测
如果未来某一天的比特币价格将和现在相同，你将采取怎样的策略来获取收益？很容易想到的方法是涨了卖出，跌了就买入，等待价格再恢复时，就赚取了中间的差价。具体如何执行呢？涨了需要卖出多少，卖早了显然亏了，同
一、摘要 二级市场交易至今，充斥着各种各样的交易方法，其中如何抄底逃顶一直是许多交易者孜孜以求的交易方法。本篇我们就发明者量化实现一个筑底ZDZB策略。 二、顶底形态 期货不像股票，它不会一直下跌直到
最近越来越多的TradingView使用者，把TradingView图表信号连通到发明者量化平台（ FMZ.COM ）上根据图表信号，让FMZ上的机器人策略执行交易，这样对于编程技术小白来说省去了大量
商品期货CTP和数字货币API有着显著的差异，熟悉数字货币程序化交易而不熟悉商品期货程序化的，不能简单的照搬经验。本贴将总结一下它们之间的异同。 历史数据 CTP接口不提供历史行情，历史行情需通过行情
“吴忌寒和詹克团不久或将同时卸任比特大陆CEO一职，接任者为王姓人士。” 12月8日，这条关于吴忌寒的传闻在区块链圈内不胫而走，掀起了巨大的波澜。 “谢谢关注，不予置评，请以招股说明书为准。”比特大陆
那些被下架的数字货币最后去哪里了，被下架的数字货币,90%以上都会归零的； 当前的数字货币市场交易所或者交易平台是非常众多的，有些人气非常少的小平台是不用花任何代价就可以轻易上币交易的，所以过于宏观目
首先，数字货币的概念是个很大的概念。它不仅包括区块链技术产生的数字货币，还包括了一切数字化的其它种类数字货币。比如我们即将看到的国家法定数字货币，就极可能使用区块链以外的其它技术。 其次，区块链的
我们在上文 小白机器学习基础算法学习必经之路（上 ）简述了线性回归 (Linear Regression) ，逻辑回归 (Logistic Regression) ，决策树 (Decision Tre
常见的机器学习算法 以下是 最常用的机器学习算 法，大部分数据问题都可以通过它们解决： 1.线性回归 (Linear Regression) 2.逻辑回归 (Logistic Regression)
现在很多想从事于机器学习的朋友都存在很多困惑，主要是很多相关的书看不懂，尤其是数学部分， 机器学习的基础是数学 。数学并非是一个可选可不选的理论方法，而是不可或缺的支柱。 对于机器学习算法工程师而言，
Kaggle 的房价预测竞赛从 2016 年 8 月开始，到 2017 年 2 月结束。 这段时间内，超过 2000 多人参与比赛，选手采用高级回归技术，基于我们给出的 79 个特征，对房屋的售价进行
