উচ্চ-ফ্রিকোয়েন্সি পুনরাবৃত্তি সিস্টেম এবং কে-লাইন পুনরাবৃত্তির ত্রুটিগুলি

আমি আছিবিএনএনের হিজিং কৌশলএ সময় একটি পুনরায় পরীক্ষা ইঞ্জিন প্রকাশ করা হয়; এবং প্রথম প্রতিবেদনটি এক ঘন্টার কে-লাইন পুনরাবৃত্তির উপর ভিত্তি করে কৌশলটির কার্যকারিতা যাচাই করে। তবে প্রকৃত প্রকাশিত কৌশলটির হুপিংয়ের সময় 1 সেকেন্ড, যা বেশ উচ্চ-প্রবাহের কৌশল, যা ঘন্টা-কে-লাইন পুনরাবৃত্তির সাথে স্পষ্টতই সঠিক ফলাফল দেয় না; পরে যোগ করা হয়েছে।মিনিট লাইন পুনরুদ্ধারফলস্বরূপ, রিটার্নিং লাভ অনেক বৃদ্ধি পেয়েছে, তবে সেকেন্ডের স্তরের ক্ষেত্রে কোন প্যারামিটারটি ব্যবহার করা উচিত তা নির্ধারণ করা যায় না এবং পুরো কৌশলটির বোঝা খুব পরিষ্কার নয়; মূল কারণটি কে-লাইন-ভিত্তিক রিটার্নিংয়ের গুরুত্বপূর্ণ অসুবিধা।

কে-লাইন পুনরায় পরীক্ষার উপর ভিত্তি করে প্রশ্ন

প্রথমত, ইতিহাসের কে-লাইন কি? একটি কে-লাইন ডেটাতে চারটি দাম, দুটি শুরু সময় এবং ব্যবধানের লেনদেন রয়েছে। বেশিরভাগ পরিমাণগত প্ল্যাটফর্ম এবং ফ্রেমওয়ার্কগুলি কে-লাইন রিটার্নিং-ভিত্তিক। এফএমজেডের পরিমাণগত প্ল্যাটফর্মগুলিও টিক-স্তরের রিটার্নিং সরবরাহ করে। কে-লাইন রিটার্নিংয়ের গতি দ্রুত এবং বেশিরভাগ ক্ষেত্রে কোনও সমস্যা নেই, তবে খুব গুরুতর ত্রুটিও রয়েছে, বিশেষত বহু-বৈচিত্র্য এবং উচ্চ-ফ্রিকোয়েন্সি কৌশলগুলি যা সঠিক সিদ্ধান্তে পৌঁছানো প্রায় অসম্ভব।

প্রথমত, সময় সমস্যা, কে-লাইন ডেটা সর্বোচ্চ মূল্য এবং সর্বনিম্ন মূল্যের সময় দেওয়া হয় না, বিবেচনা করা হয় না, তবে সবচেয়ে গুরুত্বপূর্ণ খোলার এবং বন্ধের দাম খোলার এবং বন্ধের সময় নয়। এমনকি কম শীতল দরজা ট্রেডিং জাতগুলিও প্রায়শই কয়েক সেকেন্ডের মধ্যে ট্রেড করে না, এবং যখন আমরা বহুবিধ কৌশলগুলি পুনরায় পরীক্ষা করি, তখন তাদের ডিফল্টরূপে তাদের খোলার দাম এবং বন্ধের দাম একই সাথে হয়, যা পুনরায় খোলার দামের ভিত্তিতেও ভিত্তি করে।

কল্পনা করুন, দুই ধরনের সুইচকে মিনিট লাইন দিয়ে পুনরুদ্ধার করা হয়, যার দাম সাধারণত ১০ ইউএস ডলার। এখন দেখা যায় যে ১০ঃ০১ মিনিটে, এ চুক্তির বন্ধের মূল্য ১০০, বি চুক্তির ১১২, এবং সুইচটি ১২ ইউএস ডলার। সুতরাং কৌশলটি হেজিং শুরু করে, একটি মুহুর্তে পার্থক্যটি ফিরে আসে, কৌশলটি ২ ইউএস ডলার রিটার্ন মুনাফা অর্জন করে।

বাস্তব পরিস্থিতিতে হতে পারে যে, ১০ঃ০০ঃ৪৫ এ, এ চুক্তিতে ১০০ ডলারের একটি লেনদেন হয়েছে, এরপর কোনো লেনদেন হয়নি, বি চুক্তিতে ১০ঃ০০ঃ৫৮ এ ১১২ ডলারের লেনদেন হয়েছে, ১০ঃ০১ এ এই মুহূর্তে, উভয় দামই নেই, এই সময়ে লেনদেনের দাম কত, হেজিং কতটা খরচ করতে পারে? কেউ জানে না। একটি সম্ভাব্য পরিস্থিতি হলঃ ১০ঃ০০ঃ৫৮ এ, এ চুক্তিতে একটি লেনদেনের লেনদেন ১০১.৯-১০২.১ হয়, এবং ২ লেনদেনের লেনদেন নেই। এটি আমাদের কৌশলগত অপ্টিমাইজেশনের জন্য একটি বড় বিভ্রান্তি সৃষ্টি করবে।

দ্বিতীয়টি হল ছবি তোলার সমস্যা, প্রকৃত ছবি তোলা দামের আগে, সময় আগে। যদি ক্রেতা এক বিক্রয় মূল্য ছাড়িয়ে যায়, তবে তারা সাধারণত সরাসরি বিক্রয় মূল্যের সাথে লেনদেন করে, বিপরীতে অর্ডার বুকের অপেক্ষায় থাকে। কে-লাইন ডেটা স্পষ্টতই কিনতে-বিক্রয় মূল্য নেই, এটি বিশদ স্তরের ছবি তোলা যা অনুকরণ করা যায় না।

অবশেষে, কৌশলটি নিজেই বাজারে লেনদেনের প্রভাব, যদি এটি ছোট তহবিলের পুনরাবৃত্তি হয় তবে এটি খুব কম প্রভাব ফেলে। তবে যদি লেনদেনের অনুপাতটি বড় হয় তবে এটি বাজারে একটি ধাক্কা দেয়। এটি কেবল তাত্ক্ষণিক লেনদেনের সময়ই নয়, দামের স্লাইপ পয়েন্টটি খুব বড় হবে, যদি আপনার টিকিটটি পুনরাবৃত্তি করা হয় তবে এটি আসলে অন্য ব্যবসায়ীদের লেনদেনকে দখল করে নেয়, যা মূলত কিনতে চায়। এই প্রভাবটি বাজারে প্রভাব ফেলবে। এবং এই প্রভাবটি পরিমাণগতভাবে দেওয়া যায় না, কেবলমাত্র অভিজ্ঞতার ভিত্তিতে বলা যায় যে উচ্চ-ফ্রিকোয়েন্সি লেনদেন কেবলমাত্র ছোট অর্থ ধারণ করতে পারে।

রিয়েল-টাইম গভীরতা এবং টিকের উপর ভিত্তি করে রিসেট

এফএমজেড একটি বাস্তব-ডিস্ক-পর্যালোচনা সরবরাহ করে যা বাস্তব ইতিহাসের 20 ফ্রেম গভীরতা, বাস্তব-সময় সেকেন্ডের টিক, পেন-টু-পেন লেনদেন ইত্যাদির ডেটা অর্জন করতে পারে এবং এর উপর ভিত্তি করে এটি করেরিয়েল ডিস্ক প্লেব্যাক⇒ এ ধরনের পুনরায় পরিমাপের তথ্যের পরিমাণ অত্যন্ত বড় এবং পুনরায় পরিমাপের গতিও ধীর, সাধারণত মাত্র দুই দিন পুনরায় পরিমাপ করা যায় ⇒ তুলনামূলকভাবে উচ্চ ফ্রিকোয়েন্সি বা সময় নির্ধারণের জন্য কঠোর কৌশলগুলির জন্য, বাস্তব-ডিস্ক-স্তরের পুনরায় পরিমাপ অপরিহার্য ⇒ FMZ সংগ্রহ করা লেনদেনের জোড়া এবং সময় দীর্ঘ নয়, তবে 70 বিলিয়ন এরও বেশি historicalতিহাসিক তথ্য রয়েছে ⇒ বর্তমান ছবি তোলার প্রক্রিয়াটি হ'ল যদি একটি টিকিট বিক্রয় করার চেয়ে বড় হয় তবে তা অবিলম্বে সম্পূর্ণরূপে ছবি তোলা যায় না, বিক্রি করার চেয়ে কম একটি ছবি যোগদানের লাইনে আসে ⇒ এই পুনরায় পরিমাপের প্রক্রিয়াটি কে-লাইন পুনরায় পরিমাপের প্রথম দুটি সমস্যা সমাধান করে, তবে শেষটি সমাধান করতে পারে না ⇒ এবং কারণ তথ্য পরিমাপ খুব বড়, গতি এবং সময়সীমা সীমাবদ্ধ রয়েছে ⇒

টুকরো টুকরো অর্ডার প্রবাহের উপর ভিত্তি করে পুনরায় পরিমাপ প্রক্রিয়া

কে-লাইন তথ্য খুব কম, গভীরতাও মিথ্যা গভীরতা হতে পারে, তবে একটি ডেটা হ'ল বাজারের সত্যিকারের লেনদেনের ইচ্ছা, যা সবচেয়ে সত্যিকারের লেনদেনের ইতিহাসকে প্রতিফলিত করে। এই নিবন্ধটি আদেশ প্রবাহের উপর ভিত্তি করে একটি উচ্চ-ফ্রিকোয়েন্সি পুনরায় পরিমাপ সিস্টেম প্রস্তাব করবে, যা বাস্তব ডিস্কের পুনরায় পরিমাপের পরিমাণকে ব্যাপকভাবে হ্রাস করবে, এবং কিছু পরিমাণে বাজারে অনুকরণীয় ট্রেডিংয়ের প্রভাব।

আমি সাম্প্রতিক ৫ দিনব্যাপী XTZ চিরস্থায়ী চুক্তি ডাউনলোড করেছি (ডাউনলোড ঠিকানাঃhttps://www.fmz.com/upload/asset/1ff487b007e1a848ead.csvএই তথ্যের একটি অংশ হ'ল এই তথ্যের একটি সম্পূর্ণরূপে অনুলিপিযুক্ত সংস্করণ (এটি একটি জনপ্রিয় সংস্করণ নয়) যা মোট 213,000 টি তথ্য রয়েছে।

[['XTZ', 1590981301905, 2.905, 0.4, 'False\n'],
 ['XTZ', 1590981303044, 2.903, 3.6, 'True\n'],
 ['XTZ', 1590981303309, 2.903, 3.7, 'True\n'],
 ['XTZ', 1590981303738, 2.903, 238.1, 'True\n'],
 ['XTZ', 1590981303892, 2.904, 0.1, 'False\n'],
 ['XTZ', 1590981305250, 2.904, 0.1, 'False\n'],
 ['XTZ', 1590981305643, 2.903, 197.3, 'True\n'],

ডেটা হল একটি দ্বি-মাত্রিক তালিকা, যা লেনদেনের সময় অনুসারে সাজানো হয়। এর নির্দিষ্ট অর্থ হলঃ জাতের নাম, লেনদেনের মূল্য, লেনদেনের সময়সীমা, লেনদেনের সংখ্যা, বিক্রয় আদেশের সক্রিয় চুক্তি কিনা।

প্রথমত, লেনদেনের দিকনির্দেশের উপর ভিত্তি করে, বাজারে কেনার ও বিক্রির একটি অনুমান করা যেতে পারে, যদি এটি একটি সক্রিয় বিক্রয় আদেশ হয় তবে এই মুহুর্তে কেনার দামটি লেনদেনের দাম, যদি সক্রিয় ক্রয় আদেশ হয় তবে বিক্রয়ের দামটি লেনদেনের দাম, নতুন লেনদেনগুলি নতুন খোলার আপডেট করে, আপডেট করা হয়নি।

অর্ডার প্রবাহের উপর ভিত্তি করে, এটি এইভাবে চিত্রিত করা যেতে পারেঃ একটি ক্রয়ের উদাহরণস্বরূপ, দামটি মূল্য, অর্ডার পরিমাণটি পরিমাণ, এই সময়ে ক্রয়-বিক্রয় ক্রয়ের জন্য পৃথকভাবে বিড, Ask; যদি দামটি Ask এর চেয়ে কম হয় তবে বিডের চেয়ে বেশি হয়, তবে প্রথমে নির্মাতা হিসাবে বিচার করা হয় এবং অগ্রাধিকার হিসাবে সংযুক্ত করা যেতে পারে, তারপরে অর্ডার বিদ্যমান সময়ের মধ্যে সমস্ত লেনদেনের দাম কম বা সমান মূল্যের চেয়ে কম হলে এই আদেশের সাথে চিত্রিত করা হয়।

এই ধরনের ছবি তোলার একটি সমস্যা সহজেই দেখা যায়, যদি অর্ডারটি গ্রহণকারী হয় তবে বাস্তবে অর্ডারটি তাত্ক্ষণিকভাবে সম্পাদন করা যায়, নতুন অর্ডারটির জন্য অপেক্ষা করার পরিবর্তে। প্রথমত, আমরা ডিসপ্লে অর্ডারের পরিমাণ বিবেচনা করি না, এমনকি যদি ডেটা থাকে তবে সরাসরি বিচার করা হয় যে অর্ডারটি গভীরতা পরিবর্তন করে এবং বাজারে প্রভাব ফেলে। এবং নতুন অর্ডারের ভিত্তিতে ছবি তোলা, ইতিহাসের আসল অর্ডারকে আপনার অর্ডারের সাথে প্রতিস্থাপনের সমতুল্য, যে কোনও উপায়ে বাজারের নিজস্ব অর্ডারের সীমা অতিক্রম করবে না, এবং চূড়ান্ত মুনাফাও সর্বোচ্চ মুনাফার চেয়ে বেশি হতে পারে না। কিছু অংশের ছবি তোলার প্রক্রিয়াও অর্ডারের পরিমাণকে প্রভাবিত করে, মুনাফার কৌশলকে প্রভাবিত করে, পরিমাণ কৌশলগত ক্ষমতাকে প্রতিফলিত করে। প্রচলিত পরিমাপ হবে না, অর্থের দ্বিগুণ আয় দ্বিগুণ হবে।

কিছু ছোটখাটো বিবরণ আছে, যদি অর্ডারটি কিনতে একটি মূল্যের সমান হয়, তবে প্রকৃতপক্ষে এখনও একটি নির্দিষ্ট সম্ভাবনা রয়েছে যে একটি মূল্য কিনতে হবে, যা তালিকাভুক্ত হওয়ার অগ্রাধিকার এবং লেনদেনের সম্ভাবনা ইত্যাদি বিবেচনা করা প্রয়োজন, যা এখানে বিবেচনা করা হয় না।

কোডিং

এক্সচেঞ্জ অবজেক্টগুলি প্রাথমিক উপস্থাপনার সাথে সম্পর্কিত হতে পারে, মূলত অপরিবর্তিত, কেবল নির্মাতা এবং গ্রহণকারীর ফিগুলির পার্থক্য যুক্ত করা হয়েছে এবং পুনরায় পরীক্ষা করার গতি অপ্টিমাইজ করা হয়েছে; নীচে মূলত কোডগুলি চিত্রিত করা হবে।

    symbol = 'XTZ'
    loop_time = 0
    intervel = 1000 #策略的休眠时间为1000ms
    init_price = data[0][2] #初始价格
    e = Exchange([symbol],initial_balance=1000000,maker_fee=maker_fee,taker_fee=taker_fee,log='') #初始化交易所
    depth = {'ask':data[0][2], 'bid':data[0][2]} #深度
    order = {'buy':{'price':0,'amount':0,'maker':False,'priority':False,'id':0},
             'sell':{'price':0,'amount':0,'maker':False,'priority':False,'id':0}} #订单
    for tick in data:
        price = int(tick[2]/tick_sizes[symbol])*tick_sizes[symbol] #成交价格
        trade_amount = tick[3] #成交数量
        time_stamp = tick[1] #成交时间戳
        if tick[4] == 'False\n':
            depth['ask'] = price
        else:
            depth['bid'] = price
        
        if depth['bid'] < order['buy']['price']:
            order['buy']['priority'] = True
        if depth['ask'] > order['sell']['price']:
            order['sell']['priority'] = True
        if price > order['buy']['price']:
            order['buy']['maker'] = True
        if price < order['sell']['price']:
            order['sell']['maker'] = True
        
        #订单网络延时也可以作为撮合条件之一，这里没考虑
        cond1 = order['buy']['priority'] and order['buy']['price'] >= price and order['buy']['amount'] > 0
        cond2 = not order['buy']['priority'] and order['buy']['price'] > price and order['buy']['amount'] > 0
        cond3 = order['sell']['priority'] and order['sell']['price'] <= price and order['sell']['amount'] > 0
        cond4 = not order['sell']['priority'] and order['sell']['price'] < price and order['sell']['amount'] > 0

        if cond1 or cond2:
            buy_price = order['buy']['price'] if order['buy']['maker'] else price
            e.Buy(symbol, buy_price, min(order['buy']['amount'],trade_amount), order['buy']['id'], order['buy']['maker'])
            order['buy']['amount'] -= min(order['buy']['amount'],trade_amount)
            e.Update(time_stamp,[symbol],{symbol:price})
        if cond3 or cond4:
            sell_price = order['sell']['price'] if order['sell']['maker'] else price
            e.Sell(symbol, sell_price, min(order['sell']['amount'],trade_amount), order['sell']['id'], order['sell']['maker'])
            order['sell']['amount'] -= min(order['sell']['amount'],trade_amount)
            e.Update(time_stamp,[symbol],{symbol:price})

        if time_stamp - loop_time > intervel:
            order = get_order(e,depth,order) #交易逻辑，这里未给出
            loop_time += int((time_stamp - loop_time)/intervel)*intervel

এই ভিডিওতে, আপনি দেখতে পাবেন যে, এই ভিডিওটি একটি ভিডিওর অংশ।

• 1.当有新成交时，要先去撮合订单，再去根据最新的价格去下单。
• 2.每个订单都有两个属性：maker——是否为maker，priority——撮合优先级，以买单为例，当买价小于卖一，标记为maker，当买价大于买一是标记为优先撮合，priority决定了价格等于买价是是否撮合，maker决定了手续费。
• 3.订单的maker和priority是更新的，如下了一笔很大的超过盘口的买单，当出现一个价格大于买价时，此时剩余的成交量将是maker。
• 4.策略的intervel是必须的，它可以代表行情的延时。

গ্রিড কৌশল পুনর্বিবেচনা

অবশেষে বাস্তব পুনরায় পরীক্ষার পর্যায়ে, আমরা এখানে সবচেয়ে ক্লাসিকাল গ্রিড কৌশলটি পুনরায় পরীক্ষা করে দেখি যে এটি প্রত্যাশিত প্রভাবগুলি অর্জন করেছে কিনা। কৌশলগত নীতিটি হ'ল দামের 1% বৃদ্ধি প্রতি, আমরা একটি নির্দিষ্ট মূল্যের ফাঁকা তালিকা (পরিবর্তে একাধিক অর্ডার ধরে রেখেছি) রেখেছি, কেনা-বেচা করার জন্য টিকিটগুলি গণনা করেছি। কোডটি প্রকাশ করা হয়নি। সমস্ত কোডকে প্যাকেজ করুনGrid('XTZ',100,0.3,1000,maker_fee=-0.00002,taker_fee=0.0003)ফাংশনটিতে, পরামিতিগুলি হলঃ লেনদেনের জোড়া, দামের 1% এর বিচ্যুতির হোল্ডার মান, মোড়ক ঘনত্ব 0.3%, নিস্তেজ ব্যবধান এমএস, মোড়ক ফি, একক ফি খান।

গত পাঁচদিন ধরে XTZ-এর বাজারে অস্থিরতা দেখা দিয়েছে, যা গ্রিডের জন্য উপযুক্ত।

আমরা প্রথমে বিভিন্ন আকারের হোল্ডিংয়ের প্রভাবগুলি আয়তে পুনর্বিবেচনা করি, traditionalতিহ্যবাহী পুনর্বিবেচনার প্রক্রিয়াগুলি অবশ্যই আয় বাড়িয়ে তুলবে যেমন হোল্ডিংয়ের পরিমাণ বৃদ্ধি পায়।

e1 = Grid('XTZ',100,0.3,1000,maker_fee=-0.00002,taker_fee=0.0003)
print(e1.account['USDT'])
e2 = Grid('XTZ',1000,0.3,1000,maker_fee=-0.00002,taker_fee=0.0003)
print(e2.account['USDT'])
e3 = Grid('XTZ',10000,0.3,1000,maker_fee=-0.00002,taker_fee=0.0003)
print(e3.account['USDT'])
e4 = Grid('XTZ',100000,0.3,1000,maker_fee=-0.00002,taker_fee=0.0003)
print(e4.account['USDT'])

মোট চারটি সেট পুনরায় পরিমাপ করা হয়, যার মধ্যে ধারণের মান হল ১০০,১০০,১০০,১০০,০০০। পুনরায় পরিমাপ মোট ব্যবহারের সময় ১.৩ সেকেন্ড। ফলাফল নিম্নরূপঃ

{'realised_profit': 28.470993031132966, 'margin': 0.7982662957624465, 'unrealised_profit': 0.0104554474048441, 'total': 10000028.481448, 'leverage': 0.0, 'fee': -0.3430967859046398, 'maker_fee': -0.36980249726699727, 'taker_fee': 0.026705711362357405}
{'realised_profit': 275.63148945320177, 'margin': 14.346335829979132, 'unrealised_profit': 4.4382117331794045e-14, 'total': 10000275.631489, 'leverage': 0.0, 'fee': -3.3102045933457784, 'maker_fee': -3.5800688964477048, 'taker_fee': 0.2698643031019274}
{'realised_profit': 2693.8701498889504, 'margin': 67.70120400534114, 'unrealised_profit': 0.5735269329348516, 'total': 10002694.443677, 'leverage': 0.0001, 'fee': -33.984021415250744, 'maker_fee': -34.879233866850974, 'taker_fee': 0.8952124516001403}
{'realised_profit': 22610.231198585603, 'margin': 983.3853688758861, 'unrealised_profit': -20.529965947304365, 'total': 10022589.701233, 'leverage': 0.002, 'fee': -200.87094000385412, 'maker_fee': -261.5849078470078, 'taker_fee': 60.71396784315319}

আপনি দেখতে পারেন যে অবশেষে লাভ অর্জন করা হয়েছে যথাক্রমে 28.4%, 27.5%, 26.9%, 22.6% হোল্ডিংয়ের মান হিসাবে। এটি বাস্তব পরিস্থিতির সাথেও সামঞ্জস্যপূর্ণ, যত বেশি হোল্ডিংয়ের মান, লিঙ্কডইনের মান তত বেশি, আংশিক লেনদেনের সম্ভাবনা তত বেশি, অবশেষে অর্জিত আয় তুলনামূলকভাবে লিঙ্কডইনের পরিমাণের তুলনায়ও কম। নীচের চিত্রটি হোল্ডিংয়ের মান 100 এবং 10000 এর তুলনামূলক লাভের তুলনাঃ

আমরা বিভিন্ন প্যারামিটারগুলিকে পুনরায় পরীক্ষা করতে পারি যা পুনরায় পরীক্ষার লাভের উপর প্রভাব ফেলে, যেমন হাউজিং ঘনত্ব, ঘুমের সময়, পদ্ধতির ব্যয় ইত্যাদি। উদাহরণস্বরূপ, পুনরায় পরীক্ষা করার ফলাফলগুলি হ'লঃ

{'realised_profit': 29.079440803790423, 'margin': 0.7982662957624695, 'unrealised_profit': 0.0104554474048441, 'total': 10000029.089896, 'leverage': 0.0, 'fee': -0.3703702128662524, 'maker_fee': -0.37938946377435134, 'taker_fee': 0.009019250908098965}

উপার্জন কিছুটা বেড়েছে, যা কৌশলটি কেবলমাত্র একটি সেট অর্ডার রেখেছে, কিছু অর্ডার পরিবর্তনশীল দামের কারণে অস্থির হতে পারে, এবং নিদ্রাহীনতার সময় হ্রাস এই সমস্যাটি উন্নত করেছে। এটি নেট কৌশলটি একাধিক সেট অর্ডার রেখে দেওয়ার গুরুত্বকেও বোঝায়।

সংক্ষিপ্তসার

এই উদ্ভাবনটি একটি নতুন অর্ডার-ভিত্তিক রিটার্নিং সিস্টেম প্রস্তাব করে যা অর্ডার, অর্ডার, অর্ডার, অর্ডার, বিলম্ব ইত্যাদির চিত্রগ্রহণের অংশকে অনুকরণ করতে পারে, অংশটি কৌশলগত মূলধনের পরিমাণের উপার্জনের উপর প্রভাবকে প্রতিফলিত করে, উচ্চ-ফ্রিকোয়েন্সি কৌশল এবং হেজিং কৌশলগুলির জন্য গুরুত্বপূর্ণ রেফারেন্সের মান রয়েছে, উচ্চ-নির্ভুলতার রিটার্নিং কৌশলগত পরামিতিগুলির অপ্টিমাইজেশনের জন্য দিকনির্দেশনা নির্দেশ করে। দীর্ঘমেয়াদী বাস্তবসম্মতভাবে প্রমাণিত হয়েছে। এবং আরও ভালভাবে নিয়ন্ত্রণ করে। প্রয়োজনীয় ডেটা পুনরায় পরিমাপ করা, পুনরায় পরিমাপ খুব দ্রুত।