一、摘要 R-Breaker策略由Richard Saidenberg开发，并于1994年公布于世。在之后连续十五年被美国《Futures Truth》杂志评选为前十大最赚钱的交易策略之一。与其他策略
均线策略作为最简单的趋势策略，通常是程序化、量化交易入门的必修课。本篇文章我们不探究策略原理，我们从策略设计层面入手，剖析一个多品种策略的架构设计，学习一些策略架构设计的经验。 多品种策略设计的优点在
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
在编写JavaScript策略时，由于脚本语言自身的一些问题，经常导致计算时数值精确度问题。对于程序中一些计算、逻辑判断有一定影响。例如，在计算 1 - 0.8 或者 0.33 * 1.1 时，会计算
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，
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
时间序列数据 时间序列是指在连续的等间隔时间段获取的数据序列。在量化投资中，这些数据主要表现为价格和所跟踪投资标的的数据点的移动。例如股票价格，在指定的时间段内定期记录的时间序列数据可以参照以下的这幅
一、摘要 在期货交易市场，无论是私募机构还是普通散户，争论技术分析和基本面分析谁好谁坏，从来就没有停止过。技术分析者认为价格已经包含了一切，相信未来价格还以趋势方式演变，只关心图表上价格行为本身的变化
本期文章，带来两个移植的经典策略：冰山委托（买入/卖出）。策略移植自发明者量化交易平台经典策略JavaScript版冰山委托，策略地址： https://www.fmz.com/square/s:冰山
各位宽友大家好，我是千千，哦不，千千的化身。千千是我家猫，对没错，招财猫。我的量化之路，从 地狱 到 天堂 ，多亏了它，这段不算太长的交易故事得从3年前说起。 一、挖矿 3年前，我刚毕业，本硕专业并非
1.入币圈 我98年，目前某985本科计算机大四在读，接下来会继续本校读研。 接触币圈是在2017年的9月1号，对，这个日子我记得十分清楚，因为三天之后就是轰动币圈的“94”事件，央行等五部委联合发文
作为全网功能强大、灵活易用的量化交易平台，发明者量化交易平台虽然使用门槛非常低，机器人程序占用资源很少。但是我们依然希望，让机器人需要运行的时候启动，不需要运行时停止。 例如，在做商品期货程序化、量化
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
