基于深度学习算法的高频交易策略及其盈利能力_孙达昌.pdf

StockPredictionRNN, 基于LSTM递归神经网络的高频交易价格预测 StockPredictionRNN基于LSTM递归神经网络的高频交易价格预测我们尝试利用长期记忆的递归神经网络来预测高频股票价格的价格。 这个程序实现了从 for OpenBook历史上的数据解决方案，允许在任何给定时间重新

订单不平衡 高频交易中的订单不平衡策略 本文探讨了可用于预测期货市场短期价格走势的各种指标-所使用的数据来自中国期货指数。 我已经复制了印度指数期货的结果[Nifty50]。 有趣的是，尽管这种关系具有预期的各种优势，但它们之间也保持着这种关系。 快照数据是从刻度级别数据构建的，然后构建了指示符。 仅在1个完整交易日[2017年11月22日]的报价数据上完成此操作。 需要利用多日数据和策略的PnL归因进行进一步调查-初步调查显示出希望。

《日内高频交易实战，从python数据分析到C++编写策略》是《从编程小白到量化宗师之路》系列的第二个中级课程。本课程宗旨是缩短个人和小型结构投资者和大型机构投资者的差距。课程内容从数据统计基本概念入手，抛开大多数人使用的传统技术指标体系（如MACD，KDJ 等），对市场交易数据进行深入分析，识别出其中的统计规律，发掘交易机会, 后期过渡到采用机器学习方式进行交易策略的研发，课程用到的机器学习方法有多项式线性回归，支持向量机（SVM），隐马尔可夫（HMM），朴素贝叶斯。 课程注重实战，学员上课后，可以达到：日内高频交易策略研发，对统计学和概率论有一些应用上的基础，从而能够自行继续研发新的策略。将日内高频的研究发到带到短期，中期交易策略中，提高盈利机会。 课程使用数据来源于两个早期课程： 股票数据下载课程 https://edu.csdn.net/course/detail/24720  期货tick数据收集整理课程 https://edu.csdn.net/course/detail/24783 课件中包含一些数据，当然同学们也可以使用自行收集的数据。

伽马射线 警告：本软件的作者对您在市场上造成的损失不承担任何责任，请自行决定使用。 介绍 Gamma Ray是使用C ++编写的，针对加密货币市场的高频做市商交易机器人。 它能够在100微秒内持续更新制造商订单。 该程序旨在成为开发自己的做市商算法的起点，并且它附带3种现有策略供您入门： 给定最小价差约束，Top试图比订单中现有的最佳出价和要价更好地发布1个报价。 中，以固定点差发布买卖单。 Avellaneda Stoikov是具有适当模型的高频做市商框架，有关更多信息，您可以在阅读本文。 提供了Jupyter Notebook doc/AS model calibration.ipynb ，其中提供了一种用于校准模型参数的示例方法。 到目前为止，该程序仅支持一个交换：Bitmex，将来可能会根据用户请求添加更多的交换。 制作说明 该程序已在Ubuntu 18上进行了测试，其他

适用MT4交易平台使用者，适合高频交易者，快速设置保本止损位，非常方便实用的一个脚本，将脚本拖至窗口，所有开仓的订单会把止损设置为开仓位置，使用记得打开自动交易按钮

研究我国股票市场高频金融数据的波动率预测问题的论文。文章质量很高，值得推荐。

A industrial high-performance High Frequency Trading System by C 11, support CTP, Femas and so on. 基于C 11开发的量化交易平台，可实现CTP、飞马等平台的高频交易策略。

高频交易，盘口 ， 微观变化，加剧了波动的无序性，对低频交易的伤害，高频的算法是不是赢家通吃呢？算法 是不是会很快失效？有待于进一步研究。

算法和高频交易 主要是最佳执行策略 重现ÁlvaroCartea，Sebastian Jaimungal和JoséPenalva所著的“算法和高频交易”一书的结果。 此回购协议是使用Wolfram语言实现的。 有关上述书籍的更多信息，请参阅 有关Wolfram语言的更多信息，请参考