实验室

ZeroMQ – How To Interface Python/R with MetaTrader 4
27 August 2017

In this post, we present a technique employing ZeroMQ (an Open Source, Asynchronous Messaging Library and Concurrency Framework) for building a basic – but easily extensible – high performance bridge between external (non-MQL) programming languages and MetaTrader 4.   Reasons for writing this post: Lack of comprehensive, publicly available literature about this topic on the […]

阅读更多详细内容
Hedging DARWIN Portfolio Risk with $DWC
18 July 2017

In this blog post, we’ll discuss how DARWIN Investors can diversify away some of the excess risk posed to their portfolios by Loss Aversion, a common and well-researched phenomenon in behavioural finance. In particular, we’ll discuss why it makes sense to include DARWIN $DWC in a portfolio that’s partially or entirely composed of loss averse […]

阅读更多详细内容
$DWC – A Real Time Sentiment Index & Security
5 July 2017

Fundamental and Technical trading indicators have long been used as a proxy for market sentiment. But by definition, these indicators have always lagged the movements they’ve been used to forecast. With the advent of “Big Data”, social data too has joined the ranks, e.g. Twitter, Facebook, LinkedIn, with various attempts being made to harness any […]

阅读更多详细内容

小技巧

推出:DARWIN Check out
14 May 2020

DARWIN check-ou页面可合法,有效和简单的帮助管理从亲密圈子(朋友和家人)吸引到您的DARWIN的资金。

阅读更多详细内容
发布:交易策略毒性图
23 April 2020

我们继续将那些我们认为对交易者和投资者非常感兴趣的统计信息纳入诊断工具包。 这次是关于DARWIN流动的毒性分析及投资者们。 什么是交易流动的毒性 毒性试图衡量流动性提供者抵消流量的难易程度,我们将了解为什么它是一个非常重要的参数。 该统计数据显示在DARWIN容量研究中,但目前不影响您的成绩。 在市场中,有一些代理商负责创建市场向订单簿提供流动性,以最小的风险获得利润。 他们从市场的一侧获取流动性,希望通过市场另一侧的需求尽快摆脱这种操作。 如果他们能够同时突破上述定单,很明显,他们赢得了点差,但是如果市场在撤回头寸的同时发生变化,会发生什么呢? 有时他们会赢有时会输,平均而言,他们会获得收益(或亏损),具体取决于该供应商确定他接受的订单的能力。 流动的毒性将取决于: 在一段时间内所述资产中以相反方向移动的定单交易量。 订单量越大,供应商消除风险所花费的时间就越长,因为在另一侧没有足够的时间找需求。 价格在操作后的那个瞬间所采取的方向。 如果价格上涨有利于DARWIN,则意味着提供商将很快进入亏损。 如果平均总是有利的偏差于DARWIN,则该流量将被认为是有毒性的。 另一边的供应商类型。 具体而言,对风险的偏好将决定资产的持仓时间和在某个时间段的开仓量。 毒性如何测量 从流动性提供者的角度来看,订单的大小并不完全是一个问题,因为他们可以对其进行管理: 限制他们愿意放入订单中的最大尺寸,以及 定义他们希望在某种资产和流量(经纪商),最大风险敞口,以及他们考虑维持风险敞口的平均时间。 每个提供者将根据他们的风险偏好定义一个限制。 因此,这是您可控制的参数。 另一方面,市场方向是他们无法事先掌握的东西,因此他们必须很好地保护自己,从系统化接单中快速产生盈利并将其保留的时间维持在能承受的风险里,并关闭亏损操作。 当前流动里非常大的订单将使价格向其有利的方向移动因为每个供应商都将撤回直到没有兴趣进入市场的另一端。 因此,DARWIN的毒性取决于在订单发送后的价格波动(到5分钟,包括许多供应商对风险的偏好),用具有代表性的策略订单来当样本 。 如果原始策略的上涨有利于该策略,该流动将是有毒的,否则不是。 显然订单数量和价格的越快上涨有利于您,它会尽快变得更加有毒。 为什么很重要知道流动毒性 情况一 如果DARWIN有剧毒,即使在投入巨资之前,我们得确保它永远无法管理比能力指标(Capacity)显示的金额高。 此外,这些是DARWIN,即使相对于Capacity所定义的最大值投资很少,也可能导致差异问题。 请注意,因为如果DARWIN在没有大量交易的情况下是有毒的,这也可能表明交易员正在将其信号卖给其他经纪商或它是EA。 也就是说,我们可能看不到DARWIN实际管理的全部数量。它也可能是策略枯竭的指标,因为许多其他交易者都在攻击同样的低效率,尤其是如果它们的策略是每笔交易的平均点差收入很少(小于10个点)。 情况二 如果DARWIN的差异度很高但流动没有毒性,则意味着它没有适当地分裂操作而产生差异。 如果经理逐渐将交易量引入市场(最少10秒节奏),则市场很可能能够吸收更多交易量。 Darwinex的毒性工具 我们希望提供不仅一种可以定义该策略是否有害的工具,而且可以在必要时帮助DARWIN管理人员提高其能力。 为此对于每个DARWIN,使用了最后200个开仓订单和最后200个平仓订单,然后使用每个样本制作两个图表。 回报图 首先我们以假设测量DARWIN比原来平仓时间延迟x秒钟后进行的操作而获得的月度盈利。 为此我们采用的原始策略x秒价格(使用我们的历史买入价或卖价的价格数据),并以该新价格计算交易的获利能力。 如果获利能力较差,则意味着在200次操作的示例中,DARWIN的效果要好于x秒后开仓的情况,在这种情况下,它会产生毒性。 我们显示了每月盈利,将与差异进行比较,以每月形式进行衡量,从而适当地管理优化容量。 如果DARWIN的差异为-1%,但是通过拆分可以得到-0.2%,您知道您仍然有一定的分馏余量。 因此,该工具对量化操作的数量和分裂操作方式有很大帮助。 许多DARWIN的输入和输出毒性非常不同,因此新工具还允许他们确定那些订单可以拆分和不拆分。 我们必须记住,这项研究是按照200个订单完成的,并且不排除任何订单,因此我们必须对所采取的措施保持谨慎。 可能有一些订单会扭曲图表朝一个方向或另一个方向。 点图 第二张图显示了单位点差(差价/价格x10000)。 点数显示的是该策略将获得的平均价格,如果该策略晚于实际时间x秒钟后下订单。 希望此新功能有用,并请给我们尽可能多的反馈以进行改进。

阅读更多详细内容
推出:新DarwinIA页面
23 March 2020

我们向您介绍DarwinIA信息和排名页面的新样式,即我们的每月资金分配。

阅读更多详细内容

差价合约是复杂的工具,并且由于杠杆作用而具有快速亏损的高风险。在与该提供商交易差价合约时, -- %的投资者账户会亏钱。您应该考虑是否了解差价合约是如何运作的,以及您是否有能力承担亏损资金的高风险。