MetaTrader4 on Linux Linux เป็นระบบปฏิบัติการคอมพิวเตอร์แบบยูนิกซ์ที่พัฒนาและใช้ภายใต้รูปแบบของการพัฒนาและแจกจ่ายซอฟต์แวร์ฟรีและโอเพ่นซอร์ส ระบบลีนุกซ์ใช้งานอยู่ในสมาร์ทโฟนและฮาร์ดแวร์เซิร์ฟเวอร์ เมื่อเร็ว ๆ นี้ผู้ใช้พีซีที่บ้านมากขึ้นมักนิยมใช้ Linux กับชุด MS Windows ด้านล่างคุณจะพบบทความวิธีการทำงานใน MetaTrader5 ผ่านทางหนึ่งใน Linux versions - Ubuntu การติดตั้ง Wine บนอูบุนตูคุณลักษณะ Linux อย่างใดอย่างหนึ่งคือการขาดชุดการติดตั้งแบบรวม กลุ่มโปรแกรมเมอร์ต่างทำงานบน Linux หลายเวอร์ชันเช่น Debian, Mint, Ubuntu, OpenSUSE, Gentoo เป็นต้นบทความนี้จะอธิบายถึงชุดแจกจ่ายที่เป็นที่นิยมมากที่สุดอย่าง Ubuntu Wine เป็นโปรแกรมฟรีที่ช่วยให้ผู้ใช้สามารถเรียกใช้โปรแกรมประยุกต์ที่พัฒนาขึ้นสำหรับระบบ Microsoft Windows ในบรรดาเวอร์ชัน Wine มีให้เลือกสำหรับ Ubuntu เราควรทราบว่า Wine ไม่ใช่โปรแกรมที่มีเสถียรภาพอย่างสมบูรณ์ หมายความว่าฟังก์ชันบางอย่างในแอ็พพลิเคชันที่คุณรันภายใต้อาจทำงานไม่ถูกต้อง ควรตั้งค่าเบื้องต้นก่อนการติดตั้ง แอ็พพลิเคชันทั้งหมดได้รับการติดตั้งบนอูบุนตูจากแพคเกจซึ่งมีอยู่ใน repositories ในการติดตั้ง Wine ต้องเพิ่มเส้นทางไปยัง WineHQ PPA repository เปิด Ubuntu Software Center และรันคำสั่ง quotSoftware Sourcesquot ในเมนู quotEditquot คลิก quotAddquot ในหน้าต่างใหม่ พารามิเตอร์ต่อไปนี้ควรระบุไว้ในบรรทัด (เครื่องมือขั้นสูง): ppa: ubuntu-wineppa คลิก quotAdd Sourcequot เสร็จสิ้นการตั้งค่าเบื้องต้น ในการติดตั้ง Wine ให้เปิดเว็บไซต์ winehq. org อย่างเป็นทางการ ไปที่ส่วนดาวน์โหลดและเลือกชุดแจกจ่ายสำหรับ Ubuntu จากนั้นคลิกที่ลิงค์เพื่อติดตั้งเวอร์ชั่น Wine ล่าสุด ปัจจุบันเวอร์ชันเสถียรล่าสุดคือ Wine 1.4.1 นอกจากนี้คุณยังสามารถดาวน์โหลดเวอร์ชันเบต้า 1.5.21 ซึ่งมีการปรับปรุงมากมาย แต่อาจดูเหมือนไม่น่าเชื่อถือ ระบบจะแจ้งให้คุณเปิดการเชื่อมโยงผ่าน Ubuntu Software Center ยอมรับและศูนย์ซอฟต์แวร์จะแจ้งให้เริ่มการติดตั้ง Wine: คลิก quotInstallquot และรอให้การติดตั้งเสร็จสิ้น เมื่อการติดตั้งเสร็จสมบูรณ์แล้วจะสามารถเรียกใช้ไฟล์ที่ปฏิบัติการได้ของ Microsoft Windows ได้ใน Ubuntu การติดตั้งไวน์จาก Command Line การติดตั้ง Wine โดยไม่ใช้ Ubuntu GUI คุณสามารถใช้บรรทัดคำสั่ง (ซึ่งเรียกว่า quotTerminalquot ใน Ubuntu) พิมพ์คำสั่งต่อไปนี้เพื่อเพิ่ม WineHQ PPA repository จาก Wine จะถูกติดตั้ง: sudo add-apt-repository ppa: ubuntu-wineppa หลังจากเสร็จสิ้นอัปเดตข้อมูลแพคเกจ APT โดยใช้คำสั่งต่อไปนี้: sudo apt-get update จากนั้นคุณสามารถเริ่มการติดตั้ง Wine ได้ พิมพ์คำสั่งต่อไปนี้: sudo apt-get install wine1.5 Wine v. 1.5 จะถูกติดตั้ง ไวน์จะพร้อมสำหรับการใช้งานแล้ว เริ่ม MetaTrader5 เมื่อต้องการใช้ MetaTrader5 คุณควรดาวน์โหลดและติดตั้งแฟ้มการติดตั้งหรือคัดลอกโฟลเดอร์ทั้งหมดของเครื่องไคลเอนต์ที่ติดตั้งไว้ก่อนหน้านี้ในระบบ Windows เมื่อต้องการดาวน์โหลดแฟ้มการติดตั้งให้ใช้ mt5setup. exe โดยตรง ระบบจะตรวจสอบว่าคุณกำลังพยายามเรียกใช้ไฟล์ที่ออกแบบมาสำหรับระบบ Windows และจะเปิดให้ใช้ Wine เลือกตัวเลือกนี้และคลิก quotOKquot โปรแกรมติดตั้ง MetaTrader5 จะเปิดตัว ทำตามขั้นตอนการติดตั้งทั้งหมด โปรแกรมติดตั้ง MetaTrader5 จะเปิดตัว ทำตามขั้นตอนการติดตั้งทั้งหมด หลังจากการติดตั้งเสร็จสมบูรณ์แล้วคุณสามารถเริ่มใช้ MetaTrader5 ได้โดยการเรียกใช้ไฟล์ terminal. exe อีกวิธีหนึ่งในการใช้ MetaTrader5 ใน Ubuntu คือการคัดลอกโฟลเดอร์ทั้งหมดของเทอร์มินอลการค้าที่ติดตั้งไว้ก่อนหน้านี้ในระบบ Windows หลังจากคัดลอกโฟลเดอร์แล้วให้เริ่มเทอร์มินัล MetaTrader5 โดยการเรียกใช้ไฟล์ terminal. exe ไวน์จะถูกใช้โดยอัตโนมัติเพื่อเปิดไฟล์ ภาพด้านล่างแสดง terminal ของ MetaTrader5 ในระบบ Ubuntu quotVIP clientquot ได้รับสิทธิพิเศษโดยการเข้าร่วมโปรแกรมวีไอพีของเรา สร้างหุ่นยนต์การค้าของคุณเองภายใน 5 นาทีแม้ว่าคุณจะมีทักษะด้านการเขียนโปรแกรม Stock. roboforex การเข้าถึงโดยตรงจาก 100 USD ไปยังตลาดหุ้นจริง โปรแกรม quotRebates (Cashback) การค้าและรับส่วนลดรายเดือนกับบัญชีของคุณยอดคงเหลือในบัญชี 10 บัญชีรับผลกำไรเพิ่มขึ้นสำหรับปริมาณการซื้อขายที่คุณทำ คำเตือนความเสี่ยงมีความเสี่ยงสูงในการซื้อขายผลิตภัณฑ์ที่ใช้ประโยชน์เช่น ForexCFDs คุณไม่ควรเสี่ยงมากไปกว่าที่คุณสามารถจะสูญเสียได้อาจเป็นไปได้ว่าคุณอาจสูญเสียยอดเงินในบัญชีทั้งหมดของคุณ คุณไม่ควรค้าหรือลงทุนจนกว่าคุณจะเข้าใจอย่างแท้จริงถึงขอบเขตที่แท้จริงของการสัมผัสกับความเสี่ยงของการสูญเสีย เมื่อซื้อขายหรือลงทุนคุณต้องคำนึงถึงระดับประสบการณ์ของคุณเสมอ บริการคัดลอกซื้อขายหมายถึงความเสี่ยงเพิ่มเติมสำหรับการลงทุนของคุณเนื่องจากลักษณะของผลิตภัณฑ์ดังกล่าว ถ้าความเสี่ยงที่เกี่ยวข้องดูเหมือนจะไม่ชัดเจนสำหรับคุณโปรดสมัครไปยังผู้เชี่ยวชาญภายนอกเพื่อขอคำแนะนำที่เป็นอิสระ 30 พฤศจิกายน 2016, 12:34 น. ไม่กี่เดือนที่ผ่านมาผู้อ่านชี้ให้ฉันเห็นวิธีการใหม่นี้ในการเชื่อมต่อ R และ Excel ฉัน don8217t รู้นานเท่าไหร่นี้ได้รับรอบ แต่ฉันไม่เคยเจอมันและ I8217ve ไม่เคยเห็นโพสต์บล็อกหรือบทความเกี่ยวกับเรื่องใด ๆ ดังนั้นฉันจึงตัดสินใจที่จะเขียนโพสต์เป็นเครื่องมือที่มีค่าจริงๆและก่อนใครถาม I8217m ไม่เกี่ยวข้องกับ บริษัท ในทางใดทางหนึ่ง BERT ย่อมาจาก Basic Excel R Toolkit It8217s ฟรี (มีใบอนุญาตภายใต้ GPL v2) และได้รับการพัฒนาโดย Structured Data LLC ในขณะที่เขียนเวอร์ชันปัจจุบันของ BERT เท่ากับ 1.07 ข้อมูลเพิ่มเติมสามารถดูได้ที่นี่. จากมุมมองด้านเทคนิคเพิ่มเติม BERT ได้รับการออกแบบมาเพื่อสนับสนุนการทำงานของ R จากเซลล์กระดาษคำนวณของ Excel ในข้อกำหนดของ Excel, it8217s สำหรับการเขียน User-Defined Functions (UDF) ใน R. ใน I8217m โพสต์นี้จะไม่แสดงให้คุณเห็นว่า R และ Excel มีปฏิสัมพันธ์ผ่านทาง BERT มีบทเรียนดีๆอยู่ที่นี่ ที่นี่และที่นี่ แต่ฉันต้องการแสดงให้คุณเห็นว่าฉันใช้ BERT เพื่อสร้าง 8220control tower8221 เพื่อการซื้อขายของฉันอย่างไร สัญญาณการค้าของฉันถูกสร้างโดยใช้รายการยาวของไฟล์ R แต่ฉันต้องการความยืดหยุ่นของ Excel เพื่อแสดงผลลัพธ์อย่างรวดเร็วและมีประสิทธิภาพ ดังที่แสดงไว้ข้างต้น BERT สามารถทำได้สำหรับฉัน แต่ฉันต้องการปรับแต่งแอพพลิเคชันให้ตรงกับความต้องการของฉันด้วย โดยการรวมพลังของ XML, VBA, R และ BERT ฉันสามารถสร้างแอปพลิเคชันที่ดูดี แต่ทรงพลังในรูปแบบไฟล์ Excel ที่มีรหัส VBA ต่ำสุด สุดท้ายฉันมีไฟล์ Excel เดียวรวบรวมงานทั้งหมดที่จำเป็นในการจัดการพอร์ตโฟลิโอของฉัน: การอัพเดตฐานข้อมูลการสร้างสัญญาณการส่งใบสั่งซื้อเป็นต้น 8230 วิธีการของฉันอาจถูกแบ่งออกเป็น 3 ขั้นตอนด้านล่างนี้: ใช้ XML เพื่อสร้างเมนูและปุ่มที่ผู้ใช้กำหนดเองใน Excel ไฟล์. เมนูและปุ่มข้างต้นเป็นหลักเรียกฟังก์ชัน VBA ฟังก์ชั่น VBA ดังกล่าวจะถูกตัดรอบฟังก์ชัน R ที่กำหนดโดยใช้ BERT ด้วยวิธีนี้ฉันสามารถเก็บความแตกต่างระหว่างหลักของรหัสของฉันเก็บไว้ใน R, SQL และ Python และทุกอย่างใช้ในการแสดงและจัดรูปแบบผลเก็บไว้ใน Excel, VBA amp XML ในส่วนถัดไปฉันจะนำเสนอสิ่งที่จำเป็นสำหรับการพัฒนาแนวทางดังกล่าวและคำแนะนำทีละขั้นตอนที่อธิบายว่า BERT สามารถใช้สำหรับการส่งผ่านข้อมูลจาก R ไปยัง Excel ด้วยรหัส VBA ที่น้อยที่สุดได้อย่างไร 1 8211 ดาวน์โหลดและติดตั้ง BERT จากลิงค์นี้ เมื่อการติดตั้งเสร็จสิ้นคุณควรจะมีเมนู Add-Ins ใหม่ใน Excel ด้วยปุ่มดังแสดงด้านล่าง นี่เป็นวิธีที่ BERT มีอยู่ใน Excel 2 8211 ดาวน์โหลดและติดตั้ง Custom UI editor ตัวแก้ไข UI ที่กำหนดเองช่วยในการสร้างเมนูและปุ่มที่กำหนดโดยผู้ใช้ใน Excel ribbon มีขั้นตอนการทำตามขั้นตอนที่นี่ คำแนะนำทีละขั้นตอน 1 8211 R รหัส: ฟังก์ชัน R ด้านล่างเป็นโค้ดที่ใช้งานง่ายสำหรับการอธิบายเท่านั้น จะคำนวณและคืนส่วนที่เหลือจากการถดถอยเชิงเส้น นี่คือสิ่งที่เราต้องการดึงข้อมูลใน Excel บันทึกไฟล์นี้ไว้ในไฟล์ myRCode. R (ชื่อใด ๆ ก็ได้ดี) ในไดเร็กทอรีที่คุณเลือก 2 8211 functions. R ใน BERT จาก Excel เลือก Add-Ins - gt Home Directory และเปิดไฟล์ที่ชื่อว่า functions. R ในไฟล์นี้วางรหัสต่อไปนี้ ตรวจสอบว่าคุณได้ใส่เส้นทางที่ถูกต้อง นี่เป็นเพียงการจัดหาไฟล์ BERT ที่ R ที่คุณสร้างไว้ข้างต้น จากนั้นให้บันทึกและปิดฟังก์ชั่นไฟล์ R หากคุณต้องการทำการเปลี่ยนแปลงใด ๆ ในไฟล์ R ที่สร้างขึ้นในขั้นตอนที่ 1 คุณจะต้องโหลดใหม่โดยใช้ปุ่ม BERT 8220Reload Startup File8221 จากเมนู Add-Ins ใน Excel 3 8211 ใน Excel: สร้างและบันทึกไฟล์ที่ชื่อ myFile. xslm (ชื่ออื่นใดก็ได้) นี่คือไฟล์ที่เปิดใช้งานมาโครที่คุณบันทึกไว้ในไดเร็กทอรีที่คุณเลือก เมื่อแฟ้มถูกบันทึกไว้ปิดมัน 4 8211 เปิดไฟล์ที่สร้างขึ้นข้างต้นใน Custom UI editor: เมื่อเปิดไฟล์แล้ววางโค้ดด้านล่าง คุณควรมีบางอย่างเช่นนี้ในตัวแก้ไข XML: โค้ด XML นี้จะสร้างเมนูเพิ่มเติม (RTrader) กลุ่มใหม่ (กลุ่มของฉัน) และปุ่มกำหนดเอง (New Button) ใน ribbon Excel เมื่อ you8217re เสร็จแล้วให้เปิด myFile. xslm ใน Excel และปิด Custom UI Editor คุณควรเห็นบางอย่างเช่นนี้ 5 8211 เปิดตัวแก้ไข VBA ใน myFile. xlsm แทรกโมดูลใหม่ วางโค้ดด้านล่างลงในโมดูลที่สร้างขึ้นใหม่ การดำเนินการนี้จะลบผลการค้นหาก่อนหน้าในแผ่นงานก่อนที่จะดำเนินการใหม่ 6 8211 คลิกปุ่ม New ตอนนี้กลับไปที่สเปรดชีตและในเมนู RTrader คลิกปุ่ม 8220New Button8221 คุณจะเห็นสิ่งที่ปรากฏด้านล่าง คู่มือข้างต้นเป็นรุ่นพื้นฐานของสิ่งที่สามารถทำได้โดยใช้ BERT แต่จะแสดงวิธีการรวมพลังของเครื่องมือเฉพาะต่างๆเพื่อสร้างแอ็พพลิเคชันที่กำหนดเองของคุณเอง จากมุมมองของฉันความสนใจของวิธีดังกล่าวคือความสามารถในการกาวด้วยกัน R และ Excel ชัด แต่รวมถึง XML (และชุด) ชิ้นส่วนของโค้ดจาก Python, SQL และอื่น ๆ นี่คือสิ่งที่ฉันต้องการ สุดท้ายฉันอยากรู้ว่าใครมีประสบการณ์กับ BERT 19 สิงหาคม 2016, 9:26 น. เมื่อทดสอบกลยุทธ์การซื้อขายวิธีการทั่วไปคือการแบ่งข้อมูลเริ่มแรกที่ตั้งไว้ในตัวอย่างข้อมูล: ส่วนหนึ่งของข้อมูลที่ออกแบบมาเพื่อปรับเทียบ โมเดลและข้อมูลตัวอย่าง: ส่วนหนึ่งของข้อมูลที่ใช้ในการตรวจสอบการสอบเทียบและตรวจสอบว่าประสิทธิภาพที่สร้างขึ้นในตัวอย่างจะสะท้อนให้เห็นในโลกแห่งความจริง ตามกฎของหัวแม่มือประมาณ 70 ของข้อมูลเริ่มต้นสามารถใช้สำหรับการสอบเทียบ (เช่นในตัวอย่าง) และ 30 สำหรับการตรวจสอบ (เช่นออกจากตัวอย่าง) จากนั้นการเปรียบเทียบข้อมูลในและนอกของตัวอย่างช่วยในการตัดสินใจว่าโมเดลมีประสิทธิภาพเพียงพอหรือไม่ โพสต์นี้มุ่งไปที่ขั้นตอนต่อไปและเป็นวิธีการทางสถิติในการตัดสินใจว่าข้อมูลตัวอย่างจะไม่ตรงกับสิ่งที่สร้างขึ้นในตัวอย่าง ในแผนภูมิด้านล่างพื้นที่สีน้ำเงินหมายถึงประสิทธิภาพตัวอย่างสำหรับกลยุทธ์ของฉัน การตรวจสอบภาพที่เรียบง่ายแสดงให้เห็นถึงความพอดีที่ดีระหว่างการเข้าและออกจากการทดสอบตัวอย่าง แต่ฉันมีความมั่นใจในระดับใดในขั้นตอนนี้ไม่มากนักและนี่เป็นปัญหา สิ่งที่จำเป็นอย่างแท้จริงคือการวัดความคล้ายคลึงกันระหว่างชุดข้อมูลตัวอย่างในและนอก ในแง่ทางสถิติอาจแปลได้ว่าเป็นไปได้ว่าตัวเลขการเข้าชมและออกจากตัวเลขประสิทธิภาพตัวอย่างมาจากการกระจายเดียวกัน มีการทดสอบสถิติที่ไม่ใช่พารามิเตอร์ที่ไม่ตรงนี้: การทดสอบ Kruskall-Wallis ความหมายที่ดีของการทดสอบนี้สามารถพบได้ในกลุ่มของ R-Tutor 8220A การเก็บตัวอย่างข้อมูลเป็นอิสระถ้ามาจากกลุ่มประชากรที่ไม่เกี่ยวกันและตัวอย่างเหล่านี้ไม่มีผลต่อกันและกัน ใช้การทดสอบ Kruskal-Wallis เราสามารถตัดสินใจได้ว่าการกระจายของประชากรจะเหมือนกันหรือไม่โดยสมมติว่าพวกเขาไม่ปฏิบัติตามการแจกแจงแบบปกติ 8221 ผลประโยชน์เพิ่มเติมของการทดสอบนี้ไม่ได้เป็นการสมมติว่ามีการแจกแจงแบบปกติ มีการทดสอบอื่นที่มีลักษณะเดียวกับที่สามารถใส่ลงในกรอบดังกล่าวได้ การทดสอบ Mann-Whitney-Wilcoxon หรือการทดสอบ Kolmogorov-Smirnov จะเหมาะกับกรอบการทำงานนี้อย่างสมบูรณ์ แต่นี่ไม่ใช่ข้อ จำกัด ของบทความนี้เพื่อหารือเกี่ยวกับข้อดีข้อเสียของการทดสอบแต่ละข้อ สามารถดูคำอธิบายที่ดีพร้อมตัวอย่าง R ได้ที่นี่ Here8217s รหัสที่ใช้ในการสร้างแผนภูมิด้านบนและการวิเคราะห์: ในตัวอย่างข้างต้นในช่วงตัวอย่างมีค่าเกินกว่าระยะเวลาตัวอย่างดังนั้นฉันจึงสุ่มสร้าง 1000 ส่วนย่อยของข้อมูลตัวอย่างซึ่งแต่ละตัวมีความยาวเท่ากันหมด ของข้อมูลตัวอย่าง จากนั้นผมได้ทดสอบแต่ละชุดย่อยตัวอย่างเทียบกับข้อมูลตัวอย่างและบันทึกค่า p - กระบวนการนี้สร้างค่า p เดียวสำหรับการทดสอบ Kruskall-Wallis แต่เป็นการกระจายที่ทำให้การวิเคราะห์มีประสิทธิภาพมากขึ้น ในตัวอย่างนี้ค่าเฉลี่ย p - ค่าดีกว่าศูนย์ (0.478) แสดงให้เห็นว่าสมมติฐานที่เป็นโมฆะควรได้รับการยอมรับ: มีหลักฐานว่าข้อมูลเข้าและออกจากตัวอย่างมาจากการกระจายเดียวกัน ตามปกติแล้วสิ่งที่นำเสนอในโพสต์นี้เป็นตัวอย่างของเล่นที่ทำหน้าที่ขูดขีดพื้นผิวของปัญหาเท่านั้นและควรปรับให้ตรงตามความต้องการของแต่ละบุคคล อย่างไรก็ตามผมคิดว่าข้อเสนอแนะนี้เป็นกรอบทางสถิติที่น่าสนใจและมีเหตุผลเพื่อประเมินผลลัพธ์จากผลการทดสอบตัวอย่าง โพสต์นี้ได้รับแรงบันดาลใจจากเอกสารสองฉบับต่อไปนี้: Vigier Alexandre, Chmil Swann (2007), ผลกระทบของฟังก์ชันการเพิ่มประสิทธิภาพต่างๆที่มีต่อประสิทธิภาพการทำงานตัวอย่างของกลยุทธ์การซื้อขายพันธุกรรมที่พัฒนาขึ้น, การคาดการณ์การประชุมตลาดการเงิน Vigier Alexandre, Chmil Swann (2010), กระบวนการเพิ่มประสิทธิภาพเพื่อปรับปรุงความสอดคล้องตัวอย่าง, กรณี Stock Market, การประชุมเชิงปริมาณ JP Morgan Cazenove Equity, London October 2010 13 ธันวาคม 2015, 2:03 pm การทำวิจัยเชิงปริมาณหมายถึงการกระทืบข้อมูลจำนวนมากและต้องการข้อมูลที่สะอาดและเชื่อถือได้ บรรลุเป้าหมายนี้ สิ่งที่จำเป็นจริงๆคือข้อมูลสะอาดที่สามารถเข้าถึงได้ง่าย (แม้จะไม่มีการเชื่อมต่ออินเทอร์เน็ต) วิธีที่มีประสิทธิภาพมากที่สุดในการทำเช่นนี้สำหรับฉันคือการรักษาชุดของไฟล์ CSV แน่นอนกระบวนการนี้สามารถจัดการได้หลายวิธี แต่ฉันพบว่ามีประสิทธิภาพมากและง่ายทำงานล่วงเวลาเพื่อรักษาไดเรกทอรีที่ฉันเก็บและ update ไฟล์ csv ฉันมีไฟล์ csv หนึ่งไฟล์ต่อหนึ่งตราสารและไฟล์แต่ละไฟล์จะมีชื่อตามอุปกรณ์ที่มีอยู่ เหตุผลที่ฉันทำเช่นนั้นเป็นสองเท่า: ประการแรกฉัน don8217t ต้องการดาวน์โหลดข้อมูลราคา (ราคา) จาก Yahoo, Google itd8230 ทุกครั้งที่ฉันต้องการทดสอบแนวคิดใหม่ ๆ แต่ที่สำคัญกว่าเมื่อฉันระบุและแก้ไขปัญหาแล้วฉัน don8217t ต้องการจะต้อง ทำอีกครั้งในครั้งต่อไปที่ฉันต้องการเครื่องดนตรีเดียวกัน เรียบง่ายและมีประสิทธิภาพมาก กระบวนการดังกล่าวสรุปได้จากตารางด้านล่าง ในทุกอย่างที่ตามมาผมถือว่าข้อมูลมาจาก Yahoo รหัสจะต้องได้รับการแก้ไขสำหรับข้อมูลจาก Google, Quandl ฯลฯ8230นอกจากนี้ฉันยังเสนอขั้นตอนการอัปเดตข้อมูลราคารายวัน การตั้งค่าจะแตกต่างกันสำหรับข้อมูลความถี่สูงและชุดข้อมูลประเภทอื่น ๆ (เช่นแตกต่างจากราคา) 1 8211 การดาวน์โหลดข้อมูลเบื้องต้น (listOfInstruments. R amp historicalData. R) ไฟล์ listOfInstruments. R คือไฟล์ที่มีเฉพาะรายการเครื่องมือทั้งหมด หากเครื่องไม่ได้เป็นส่วนหนึ่งของรายการของฉัน (เช่นไม่มีไฟล์ csv ในโฟลเดอร์ข้อมูล) หรือถ้าคุณทำเช่นนั้นเป็นครั้งแรกคุณต้องดาวน์โหลดชุดข้อมูลทางประวัติศาสตร์ในตอนแรก ตัวอย่างด้านล่างดาวน์โหลดชุดราคา ETFs ประจำวันจาก Yahoo Finance ตั้งแต่เดือนมกราคม 2000 และเก็บข้อมูลไว้ในไฟล์ CSV 2 8211 อัพเดตข้อมูลที่มีอยู่ (updateData. R) โค้ดด้านล่างนี้เริ่มจากไฟล์ที่มีอยู่ในโฟลเดอร์เฉพาะและอัปเดตข้อมูลทั้งหมดที่มีอยู่หลังจากที่อื่น ฉันมักจะเรียกใช้กระบวนการนี้ทุกวันยกเว้นเมื่อ I8217m ในวันหยุด หากต้องการเพิ่มเครื่องมือใหม่ให้ใช้ขั้นตอนที่ 1 ด้านบนสำหรับเครื่องนี้เพียงอย่างเดียว 3 8211 สร้างไฟล์แบทช์ (updateDailyPrices. bat) ส่วนที่สำคัญอีกอย่างหนึ่งของงานคือการสร้างไฟล์แบทช์ที่ทำให้กระบวนการอัปเดตทำงานโดยอัตโนมัติ (I8217m เป็นผู้ใช้ Windows) วิธีนี้จะหลีกเลี่ยงการเปิด RRStudio และเรียกใช้โค้ดจากที่นั่น รหัสด้านล่างจะอยู่ในไฟล์. bat (เส้นทางจะต้องมีการแก้ไขด้วยการตั้งค่า reader8217s) โปรดทราบว่าฉันได้เพิ่มไฟล์ที่ส่งออก (updateLog. txt) เพื่อติดตามการดำเนินการ ขั้นตอนข้างต้นเป็นเรื่องง่ายมากเพราะจะอธิบายเฉพาะวิธีการอัปเดตข้อมูลราคารายวันเท่านั้น I8217 ใช้เวลานี้มาเรื่อย ๆ และทำงานได้อย่างราบรื่นสำหรับฉันจนถึงตอนนี้ สำหรับข้อมูลขั้นสูงและความถี่ที่สูงขึ้นสิ่งต่างๆจะมีความซับซ้อนมากขึ้น ตามปกติความคิดเห็นใด ๆ ต้อนรับ 15 สิงหาคม 2015, 9:03 pm อุตสาหกรรมการจัดการสินทรัพย์อยู่ในหมิ่นของการเปลี่ยนแปลงที่สำคัญ ในช่วงสองสามปีที่ผ่านมา Robots Advisors (RA) ได้กลายมาเป็นผู้เล่นรายใหม่ คำว่าตัวเองยากที่จะกำหนดได้เนื่องจากครอบคลุมบริการที่หลากหลาย บางส่วนได้รับการออกแบบมาเพื่อช่วยให้ที่ปรึกษาแบบดั้งเดิมสามารถจัดสรรเงินให้กับลูกค้าได้มากขึ้นและมีบางรายเป็นของจริง 8220 black box8221 ผู้ใช้ป้อนเกณฑ์ (อายุรายได้เด็ก ฯลฯ ปีพ. ศ. 8230) และหุ่นยนต์เสนอการจัดสรรที่เหมาะสม ระหว่างสองสุดขั้วเหล่านี้มีข้อเสนอครบถ้วนพร้อมให้บริการ ฉันพบคำนิยามของ Wikipedia ที่ดีทีเดียว 8220 พวกเขาเป็นที่ปรึกษาด้านการเงินที่ให้การจัดการพอร์ตโฟลิโอออนไลน์ด้วยการแทรกแซงของมนุษย์น้อยที่สุด 8221 อย่างแม่นยำมากขึ้นพวกเขาใช้การจัดการพอร์ตโฟลิโออัลกอริธึมเพื่อให้บริการเต็มรูปแบบแก่ที่ปรึกษาแบบเดิม ๆ ที่จะนำเสนอ: การลงทุนซ้ำอีกครั้งการรายงานการปฏิบัติตามกฎระเบียบการปรับสมดุลพอร์ตการลงทุนการสูญเสียรายได้จากการสูญเสียภาษีฯลฯ8230 (ดีนี่คือสิ่งที่ชุมชนการลงทุนเชิงปริมาณกำลังทำมาหลายสิบปี) อุตสาหกรรมยังอยู่ในวัยเด็กของกับผู้เล่นส่วนใหญ่ยังคงจัดการเงินจำนวนเล็กน้อย แต่ฉันเท่านั้นตระหนักว่าการเปลี่ยนแปลงที่สำคัญคือเมื่อฉันอยู่ในนิวยอร์คไม่กี่วันที่ผ่านมา เมื่อ RA ได้ชื่อของพวกเขาในทีวีเพิ่มหรือบนหลังคาของรถแท็กซี่นิวยอร์คที่คุณรู้ว่าสิ่งที่เกิดขึ้นใหญ่ 8230 ก็จะได้รับความสนใจมากขึ้นจากสื่อและเหนือมันทำให้รู้สึกมากจากมุมมองของนักลงทุน มีข้อดีประการแรกในการใช้ RA คือลดค่าธรรมเนียมในการให้คำปรึกษาแบบดั้งเดิมการลงทุนมีความโปร่งใสและง่ายขึ้นซึ่งน่าสนใจสำหรับผู้ที่มีความรู้ทางการเงิน จำกัด ในบทความนี้ R เป็นเพียงข้ออ้างที่จะนำเสนอในสิ่งที่เป็นแนวโน้มสำคัญ อุตสาหกรรมการจัดการสินทรัพย์ แผนภูมิด้านล่างแสดงส่วนแบ่งการตลาด RA ที่เป็นที่นิยมมากที่สุด ณ สิ้นปี 2014 รหัสที่ใช้ในการสร้างแผนภูมิด้านล่างสามารถพบได้ที่ท้ายโพสต์นี้และข้อมูลอยู่ที่นี่ ตัวเลขเหล่านี้เป็นวันที่เล็กน้อยที่ระบุว่าอุตสาหกรรมนี้มีการพัฒนาอย่างรวดเร็ว แต่ยังคงมีข้อมูลมาก ไม่น่าแปลกใจที่ตลาดต่าง ๆ ถูกครอบงำโดยผู้ให้บริการในสหรัฐอเมริกาเช่น Wealthfront และ Betterment แต่ RA จะปรากฏตัวทั่วโลก: Asia (8Now), Switzerland (InvestGlass), France (Marie Quantier) 8230 จะมีผลต่อการบริหารธุรกิจแบบเดิม ๆ อย่างมีนัยสำคัญ ตัวอย่างที่โดดเด่นคือความร่วมมือระหว่าง Fidelity และ Betterment ตั้งแต่เดือนธันวาคม 2014 ปรับปรุงโดยใช้เครื่องหมาย AUM จำนวน 2 พันล้านรายการ แม้จะมีสิ่งต่างๆข้างต้นผมคิดว่าการเปลี่ยนแปลงที่แท้จริงนั้นก้าวหน้าไปกว่าพวกเรา เนื่องจากพวกเขาใช้ตัวกลางน้อยลงและผลิตภัณฑ์ที่มีค่าคอมมิชชั่นต่ำ (เช่น ETFs) พวกเขาเรียกเก็บค่าธรรมเนียมต่ำกว่าที่ปรึกษาแบบเดิม ๆ RA จะได้รับส่วนแบ่งการตลาดที่สำคัญ แต่จะช่วยลดค่าธรรมเนียมที่เรียกเก็บโดยอุตสาหกรรมโดยรวม ในที่สุดจะมีผลต่อวิธีการที่ บริษัท การลงทุนแบบดั้งเดิมทำธุรกิจ การจัดการพอร์ตโฟลิโอที่ใช้งานอยู่ซึ่งกำลังมีช่วงเวลาที่ยากลำบากสำหรับหลายปีตอนนี้จะประสบกับปัญหาที่มากขึ้น ค่าใช้จ่ายสูงที่คิดค่าบริการจะยิ่งยากกว่าที่จะปรับตัวให้ดีขึ้น ผลกระทบอื่นที่อาจเกิดขึ้นคือการเพิ่มขึ้นของ ETFs และผลิตภัณฑ์ทางการเงินที่มีค่าคอมมิชชั่นต่ำโดยทั่วไป เห็นได้ชัดว่าสิ่งนี้ได้เริ่มต้นขึ้นมาแล้ว แต่ฉันคิดว่าผลจะยิ่งเด่นชัดขึ้นในปีต่อ ๆ ไป รุ่นใหม่ของ ETFs ติดตามดัชนีที่ซับซ้อนมากขึ้นและกลยุทธ์ที่กำหนดเองทำ แนวโน้มนี้จะแข็งแกร่งขึ้นอย่างหลีกเลี่ยงไม่ได้ ตามปกติแล้วความคิดเห็นใด ๆ ที่ได้รับการต้อนรับ 7 กรกฎาคม 2015, 8:04 น. บทเรียน R time series จำนวนมากที่ลอยอยู่รอบเว็บโพสต์นี้ไม่ได้ออกแบบมาเพื่อให้เป็นหนึ่งในนั้น แต่ฉันอยากจะแนะนำรายการเทคนิคที่มีประโยชน์มากที่สุดที่ฉันเจอเมื่อเกี่ยวข้องกับชุดเวลาทางการเงินใน R. บางฟังก์ชันที่นำเสนอในที่นี้มีประสิทธิภาพมาก แต่น่าเสียดายที่ถูกฝังอยู่ในเอกสารเพราะฉะนั้นความปรารถนาของฉันในการสร้างโพสต์โดยเฉพาะ ฉันจะตอบคำถามเกี่ยวกับความถี่รายวันหรือความถี่ต่ำเท่านั้น การจัดการกับข้อมูลความถี่สูงต้องใช้เครื่องมือเฉพาะ: แพ็คเกจ data. table หรือ highfrequency คือบางส่วนของข้อมูลเหล่านี้ xts แพคเกจ xts คือต้องมีเมื่อมันมาถึงชุดครั้งใน R. ตัวอย่างด้านล่างโหลดแพคเกจและสร้างชุดเวลารายวันของ 400 วันส่งคืนกลับ normaly merge. xts (package xts): นี้มีประสิทธิภาพอย่างไม่น่าเชื่อเมื่อมันมาถึง ผูกสองครั้งหรือมากกว่ากันด้วยกันไม่ว่าจะมีความยาวเท่ากันหรือไม่ อาร์กิวเมนต์การรวมเข้าด้วยกันเป็นเวทมนตร์ที่กำหนดว่าการรวมจะทำอย่างไรให้ใช้กันตามปรกติ (แพ็คเกจ xts): ใช้ฟังก์ชันที่ระบุกับช่วงเวลาที่ต่างกันในชุดข้อมูลชุดเวลา ตัวอย่างด้านล่างคำนวณผลตอบแทนรายเดือนและรายปีของชุดที่สองในวัตถุ tsInter โปรดทราบว่าฉันใช้ผลรวมของผลลัพธ์ (ไม่มี compounding) endpoints (package xts): ดึงข้อมูลค่าดัชนีของวัตถุ xts ที่กำหนดให้สอดคล้องกับข้อสังเกตสุดท้ายที่ระบุช่วงเวลาที่ระบุโดย on ตัวอย่างให้วันสุดท้ายของเดือนสำหรับแต่ละชุดในวัตถุ tsInter โดยใช้ endpoint เพื่อเลือกวันที่ na. locf (zoo package): ฟังก์ชันทั่วไปสำหรับการแทนที่ NA ด้วย NA ไม่ใช่แบบล่าสุดก่อนหน้านี้ มีประโยชน์อย่างยิ่งเมื่อใช้กับชุดข้อมูลแบบเวลากับ 8220holes8221 และเมื่อชุดข้อมูลเวลานี้ถูกใช้เป็นข้อมูลเข้าสำหรับฟังก์ชัน R ที่ไม่ยอมรับอาร์กิวเมนต์กับ NAs ในตัวอย่างที่ฉันสร้างชุดราคาสุ่มแบบสุ่มแล้วเทียมมี NAC สองสามตัวและแทนที่ด้วยค่าล่าสุด charts. PerformanceSummary (package PerformanceAnalytics): สำหรับชุดค่าตอบแทนให้สร้างแผนภูมิดัชนีความมั่งคั่งแถบสำหรับประสิทธิภาพต่อหนึ่งช่วงเวลาและแผนภูมิใต้น้ำสำหรับการเบิกจ่าย นี่เป็นประโยชน์อย่างเหลือเชื่อเนื่องจากจะแสดงข้อมูลที่เกี่ยวข้องทั้งหมดไว้ในหน้าต่างเดียวเพื่อการตรวจสอบอย่างรวดเร็วของกลยุทธ์การซื้อขาย ตัวอย่างด้านล่างเปลี่ยนชุดราคาเป็นวัตถุ xts จากนั้นจะแสดงหน้าต่างที่มี 3 แผนภูมิที่อธิบายข้างต้น รายการด้านบนไม่ได้หมายความว่าหมดแรง แต่เมื่อคุณเข้าใจการทำงานของฟังก์ชันในโพสต์นี้จะทำให้การจัดการชุดข้อมูลทางการเงินง่ายขึ้นมากโค้ดสั้นและการอ่านรหัสได้ดีขึ้น ตามปกติความคิดเห็นใด ๆ ต้อนรับ 23 มีนาคม 2015, 8:55 น. เมื่อพูดถึงการจัดการพอร์ตการลงทุนของหุ้นเทียบกับเกณฑ์มาตรฐานปัญหาจะแตกต่างจากการกำหนดกลยุทธ์การคืนผลแน่นอน ในอดีตต้องถือหุ้นมากขึ้นกว่าในภายหลังซึ่งไม่มีหุ้นที่สามารถถือได้หากมีโอกาสไม่ดีพอ เหตุผลคือข้อผิดพลาดในการติดตาม นี่คือส่วนเบี่ยงเบนมาตรฐานของผลตอบแทนของพอร์ตการลงทุนโดยหักผลตอบแทนจากการลงทุน มีการจัดเก็บหุ้นที่น้อยลงเทียบกับเกณฑ์มาตรฐานมากขึ้นจะทำให้เกิดข้อผิดพลาดในการติดตามได้มากขึ้น (เช่นความเสี่ยงที่สูงขึ้น) การวิเคราะห์ต่อไปนี้ได้รับแรงบันดาลใจมาจากหนังสือ 8220Active Portfolio Management8221 โดย Grinold amp Kahn นี่คือพระคัมภีร์สำหรับทุกคนที่สนใจในการทำผลงานกับมาตรฐาน ผมขอแนะนำให้ทุกคนที่มีความสนใจในหัวข้อนี้ในการอ่านหนังสือตั้งแต่ต้นจนจบ It8217s เขียนเป็นอย่างดีและวางรากฐานของการจัดการพอร์ตโฟลิโอที่ใช้งานอย่างเป็นระบบ (ฉันไม่มีความร่วมมือใด ๆ กับบรรณาธิการหรือผู้เขียน) 1 8211 Factor Analysis นี่เรากำลังพยายามจัดอันดับหุ้นในจักรวาลการลงทุนให้ได้มากที่สุดเท่าที่จะเป็นไปได้ หลายคนคิดค้นเครื่องมือและเครื่องมือมากมายที่พัฒนาขึ้นเพื่อให้บรรลุเป้าหมายนี้ ในบทความนี้ฉันมุ่งเน้นไปที่สองเมตริกที่ง่ายและใช้กันอย่างแพร่หลาย: ค่าสัมประสิทธิ์ข้อมูล (IC) และ Quantiles Return (QR) 1.1 8211 ค่าสัมประสิทธิ์ข้อมูลเส้นขอบฟ้าสำหรับผลตอบแทนที่ได้รับจะต้องถูกกำหนดโดยนักวิเคราะห์และ it8217s ซึ่งเป็นส่วนหนึ่งของการหมุนเวียนของกลยุทธ์8217และการสลายตัวของอัลฟา (ซึ่งเป็นหัวข้อที่ครอบคลุมการวิจัย) เห็นได้ชัดว่าไอซีจะต้องสูงที่สุดเท่าที่จะเป็นไปได้ในรูปแบบสัมบูรณ์ สำหรับผู้อ่านที่กระตือรือร้นในหนังสือโดย Grinold amp Kahn สูตรการเชื่อมโยง Information Ratio (IR) และ IC จะได้รับ: ด้วยความกว้างคือจำนวนของการเดิมพันที่เป็นอิสระ (ธุรกิจการค้า) สูตรนี้เรียกว่ากฎพื้นฐานของการจัดการที่ใช้งานอยู่ ปัญหาคือบ่อยครั้งที่การกำหนดความกว้างได้อย่างถูกต้องไม่ใช่เรื่องง่ายเหมือนกับเสียง 1.2 8211 Quantiles Return เพื่อให้มีการคาดการณ์ที่ถูกต้องยิ่งขึ้นเกี่ยวกับปัจจัยที่ทำให้พลังงานที่คาดการณ์ได้ it8217s จำเป็นที่จะต้องก้าวไปอีกขั้นหนึ่งและจัดกลุ่มหุ้นตามปริมาณของค่าปัจจัยจากนั้นวิเคราะห์ค่าเฉลี่ยของผลตอบแทน (หรือตัวชี้วัดค่าเฉลี่ยของศูนย์กลางอื่น ๆ ) ของแต่ละกลุ่ม quantiles ประโยชน์ของเครื่องมือนี้ตรงไปตรงมา ปัจจัยหนึ่งสามารถมี IC ที่ดี แต่พลังการคาดการณ์อาจ จำกัด อยู่ที่จำนวนหุ้นที่น้อย ไม่ดีเท่าผู้จัดการด้านการลงทุนจะต้องเลือกหุ้นภายในจักรวาลทั้งหมดเพื่อให้สอดคล้องกับข้อ จำกัด ในการติดตามข้อผิดพลาด กลับ quantiles ดีมีลักษณะความสัมพันธ์ที่น่าเบื่อระหว่างแต่ละ quantiles และส่งกลับ. หุ้นทั้งหมดในดัชนี SampP500 (ในขณะที่เขียน) เห็นได้ชัดว่ามีอคติในการอยู่รอดของเรือ: รายการดัชนีหุ้นในดัชนีมีการเปลี่ยนแปลงอย่างมีนัยสำคัญระหว่างช่วงเริ่มต้นและช่วงสิ้นสุดของช่วงเวลาตัวอย่าง แต่ก็มีความสามารถเพียงพอสำหรับวัตถุประสงค์ในการแสดงเท่านั้น รหัสด้านล่างดาวน์โหลดราคาหุ้นแต่ละแบบใน SampP500 ระหว่างเดือน ม. ค. 2548 ถึงวันนี้ (ต้องใช้เวลาสักครู่) และจะเปลี่ยนราคาวัตถุดิบให้เป็นผลตอบแทนในช่วง 12 เดือนที่ผ่านมาและเดือนที่ผ่านมา อดีตเป็นปัจจัยของเราหลังจะใช้เป็นมาตรการส่งกลับ ด้านล่างนี้เป็นรหัสในการคำนวณค่าสัมประสิทธิ์ข้อมูลและปริมาณการส่งกลับ โปรดทราบว่าฉันใช้ quintiles ในตัวอย่างนี้ แต่สามารถใช้วิธีจัดกลุ่มอื่น ๆ (terciles, deciles etc8230) จริงๆมันขึ้นอยู่กับขนาดตัวอย่างสิ่งที่คุณต้องการจับภาพและสภาพอากาศที่คุณต้องการมีภาพรวมกว้างหรือมุ่งเน้นกระจายหาง สำหรับการประเมินผลตอบแทนภายในแต่ละกลุ่มค่ามัธยฐานถูกใช้เป็นตัวประมาณแนวโน้มกลาง มาตรการนี้มีความไวต่อค่าผิดปกติน้อยกว่าค่าเฉลี่ยเลขคณิต และสุดท้ายโค้ดเพื่อสร้างแผนภูมิ Quantiles Return 3 8211 วิธีการใช้ประโยชน์จากข้อมูลข้างต้นในแผนภูมิด้านบน Q1 จะกลับมาต่ำสุดในรอบ 12 เดือนและ Q5 สูงสุด มีการเพิ่มผลตอบแทนเชิงปริมาณในช่วง Q1 และ Q5 ที่เพิ่มขึ้นอย่างเห็นได้ชัดเกือบทุกอย่างซึ่งแสดงให้เห็นว่าหุ้นที่ลดลงใน Q5 ดีกว่าไตรมาสที่ 1 ประมาณ 1 ต่อเดือน นี่เป็นสิ่งที่มีความสำคัญและมีประสิทธิภาพสำหรับปัจจัยง่ายๆเช่น (ไม่แปลกใจเลยครับ) ดังนั้นเราจึงมีโอกาสที่จะเอาชนะดัชนีได้มากขึ้นโดยการถ่วงน้ำหนักหุ้นที่ลดลงในไตรมาสที่ 5 และทำให้น้ำหนักลดลงเมื่อเทียบกับเกณฑ์มาตรฐาน IC ของ 0.0206 อาจไม่ได้หมายถึงการจัดการที่ดีในตัวเอง แต่ it8217s อย่างมีนัยสำคัญที่แตกต่างจาก 0 และบ่งบอกถึงพลังการคาดการณ์ที่ดีของที่ผ่านมา 12 เดือนกลับโดยรวม การทดสอบความสำคัญอย่างเป็นทางการสามารถประเมินได้ แต่สิ่งนี้อยู่นอกเหนือขอบเขตของบทความนี้ 4 8211 ข้อ จำกัด ในทางปฏิบัติกรอบการทำงานข้างต้นเป็นสิ่งที่ดีเยี่ยมสำหรับการประเมินคุณภาพของปัจจัยการลงทุน 8272s อย่างไรก็ตามมีข้อ จำกัด ในทางปฏิบัติที่ต้องใช้ในการดำเนินการในชีวิตจริงคือการปรับสมดุลใหม่ ในคำอธิบายด้านบน it8217s สันนิษฐานว่า ณ สิ้นเดือนของพอร์ตโฟลิโอจะปรับสมดุลได้อย่างเต็มที่ ซึ่งหมายความว่าหุ้นทั้งหมดที่ร่วงลงใน Q1 มีน้ำหนักน้อยและหุ้นทั้งหมดที่ตกอยู่ในไตรมาสที่ 5 มีน้ำหนักเกินเมื่อเทียบกับเกณฑ์มาตรฐาน นี่เป็นไปไม่ได้ที่จะเป็นไปได้ในทางปฏิบัติ: บางหุ้นอาจถูกแยกออกจากจักรวาลการลงทุนมีข้อ จำกัด ด้านอุตสาหกรรมหรือภาคน้ำหนักมีข้อ จำกัด ในการหมุนเวียนอื่น ๆ สิ่งนี้ไม่ได้ถูกนำมาพิจารณาในการวิเคราะห์ข้างต้นและเป็นข้อบกพร่องร้ายแรงในการใช้ชีวิตจริง การพิจารณาการหมุนเวียนมักใช้ในชีวิตจริงในรูปของการลงโทษต่อคุณภาพของปัจจัย สัมประสิทธิ์การถ่ายเท นี่คือการขยายกฎหมายพื้นฐานของการจัดการที่ใช้งานอยู่และเป็นการผ่อนคลายสมมติฐานของแบบจำลอง Grinold8217s ที่ผู้บริหารไม่ต้องเผชิญกับข้อ จำกัด ใด ๆ ที่ทำให้พวกเขาไม่สามารถแปลข้อมูลเชิงลึกด้านการลงทุนของตนโดยตรงไปยังการเดิมพันในพอร์ตโฟลิโอ และสุดท้าย I8217m ประหลาดใจด้วยสิ่งที่สามารถทำได้ในน้อยกว่า 80 บรรทัดของรหัสกับ R8230 ตามปกติความคิดเห็นใด ๆ ยินดีต้อนรับหุ่นยนต์ forex ของเราได้พบกับหุ่นยนต์ forex (aka expert advisor) เป็นซอฟต์แวร์ที่เทรดระบบ forex สำหรับคุณ พวกเขาทำงานภายใน terminal forex ของคุณและสามารถแนบกับสกุลเงินที่คุณเลือกใด ๆ ใช้การคำนวณขั้นสูงที่พวกเขาเปิดและจัดการธุรกิจการค้า forex สำหรับคุณตามกลยุทธ์ forex ทุก EA แตกต่างกัน ใช้มากกว่าหนึ่งคำในเวลาเดียวกันเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด ไม่จำเป็นต้องมีประสบการณ์และการตั้งค่าทำได้ง่าย การใช้หุ่นยนต์ forex เป็นวิธีเดียวในการปรับปรุงการซื้อขายของคุณได้ทันที ด้วยที่ปรึกษาผู้เชี่ยวชาญคุณสามารถเริ่มระบบการซื้อขายโดยไม่คำนึงถึงระดับทักษะของคุณได้ทันที การคำนวณที่ยากและการจัดการเงินที่ปลอดภัยจะได้รับการจัดการสำหรับคุณ พวกเขาไม่เคยหลับและสามารถมองหาการค้าได้ตลอด 24 ชั่วโมง 5 วันต่อสัปดาห์ และเป็นวิธีเดียวที่จะครอบคลุมหลายคู่ในเวลาเดียวกัน ที่ปรึกษาผู้เชี่ยวชาญทุกคนมีคุณสมบัติครบถ้วนอัตโนมัติและเต็มไปด้วยคุณสมบัติที่จะครองกราฟได้ เรารหัสทุกอย่าง แต่ครัวจมลงในหุ่นยนต์ forex ทั้งหมดของเรา มืออัตโนมัติฟรี forex ซื้อขาย Yep ตรวจสอบการจัดการเงินที่เหมาะสม หยุดการจัดการและทำกำไรโดยอัตโนมัติคุณเดิมพัน ที่ปรึกษาของผู้เชี่ยวชาญแต่ละคนได้รับการปรับให้เหมาะสำหรับคู่สกุลเงินทุกประเภท และพวกเขาสามารถค้าปลีกขนาดเล็กขนาดเล็กและมาตรฐาน
No comments:
Post a Comment