繼上次的台指期的籌碼面交易,在2014年2月至2017年1月確實有正的績效,這一次想用一些資料探勘的方法找出是否隔天的漲跌與今天的三大法人留倉資訊有關並且提高交易績效。
Stranity Blog
繼上次的台指期的籌碼面交易,在2014年2月至2017年1月確實有正的績效,這一次想用一些資料探勘的方法找出是否隔天的漲跌與今天的三大法人留倉資訊有關並且提高交易績效。
繼上次的文章撮合時間與報價訊號接收時間(二)研究每個訊號的時間差與其撮和數或交易量的關係,這一次是研究訊號的密度(訊號個數/時間)是否會影響網路傳遞的延遲。
繼上次的研究撮和時間與報價訊號接收時間文章,這一次小編要來研究是甚麼因素造成時間差異增加,假設時間差異來自於兩個因素,第一,在短時間內大量撮合運算,第二,網路傳遞延遲,這次小編的目的就是要驗證第一個因素。
近年來隨著程式交易越來越普及,越來越多的程式交易者投入大量的心血開發自己的程式交易邏輯,只要開著電腦不用盯盤就能讓電腦依照自己開發的邏輯進行交易。相信各位程式交易者在實際交易時都會遇到一個一樣的問題,就是發現自己開發的程式交易邏輯在回測時有漂亮的成績,但實際上機交易時卻跟自己想的不一樣。
說到用R整理資料一定會想到強大的 dplyr 套件,除了必備的 dplyr 套件外,小編也發現一個挺有趣的 reshape2 套件可以做資料的變形,所以想來分享一下。