【न्यूट्रल हेज सांख्यिकीय आर्बिट्रेज New】 (Pure-Alpha ड्रीम संस्करण)

-0 लॉन्ग-शॉर्ट एक्सपोजर के साथ न्यूट्रल हेज सांख्यिकीय आर्बिट्रेज रणनीति

सभी व्यापारियों को नमस्कार, कई महीनों के डिबगिंग, ऑप्टिमाइज़ेशन और इटरेशन के बाद, मुझे खुशी है कि यह न्यूट्रल हेज सांख्यिकीय आर्बिट्रेज एक स्थिर स्तर पर पहुंच गया है और आपसे मिल सकता है। यह एक लॉन्ग-शॉर्ट हेज पर आधारित मार्केट न्यूट्रल रणनीति है, जो एक ही खाते में एक टोकरी के उत्पादों में लॉन्ग और दूसरी टोकरी में शॉर्ट करती है, लॉन्ग और शॉर्ट का मूल्य बराबर होता है। बाजार के β सिस्टमेटिक जोखिम से बचने के लिए, सांख्यिकीय विधियों का उपयोग करके विभिन्न लॉन्ग-शॉर्ट पेयर कॉम्बिनेशन ढूंढें, और α स्थिर लाभ के साथ कम जोखिम वाली आर्बिट्रेज रणनीति प्राप्त करें। इस रणनीति का होल्डिंग अनुभव अच्छा है, बाजार के बेंचमार्क से कम सहसंबंध है, लॉन्ग-शॉर्ट एक्सपोजर न्यूट्रल है, 312/519 जैसे चरम ब्लैक स्वान के तहत कोई जोखिम नहीं है, बल्कि यह ऐसे समय में चमकेगा जब बाजार की कीमत निर्धारण पूरी तरह से अव्यवस्थित हो। नीचे इस रणनीति का विस्तृत विवरण दिया जाएगा।

Hello~Welcome come to my channel！

सभी व्यापारियों का मेरे चैनल में स्वागत है, मैं Zuoshou Jun हूं, एक Quant Developer, जो CTA, HFT और Arbitrage जैसी ट्रेडिंग रणनीतियों का फुल-स्टैक डेवलपमेंट करता हूं। FMZ प्लेटफॉर्म का धन्यवाद, मैं अपने क्वांट चैनल पर क्वांटिटेटिव डेवलपमेंट से संबंधित सामग्री साझा करूंगा और सभी व्यापारियों के साथ मिलकर क्वांट समुदाय की समृद्धि बनाए रखूंगा।

अधिक जानकारी के लिए, मेरे चैनल पर जाएं ~ यहां आपका इंतजार है 【作手君 क्वांट हट】

एक, सांख्यिकीय आर्बिट्रेज का परिचय और स्पष्टीकरण

सांख्यिकीय आर्बिट्रेज रणनीति एक ऐसी रणनीति है जो विभिन्न टोकरी उत्पादों के बीच मूल्य संबंधों का उपयोग करके व्यापार करती है। यह रणनीति सांख्यिकीय सिद्धांतों पर आधारित है, कई उत्पादों के बीच ऐतिहासिक मूल्य प्रवृत्तियों और सहसंबंधों का विश्लेषण करके उनके बीच मूल्य अंतर खोजती है, और इन अंतरों का उपयोग करके व्यापार करती है। ऐतिहासिक रूप से, सांख्यिकीय आर्बिट्रेज रणनीतियों का शेयर बाजार में व्यापक रूप से उपयोग किया गया है। सबसे शुरुआती सांख्यिकीय आर्बिट्रेज रणनीतियाँ मुख्य रूप से स्टॉक के बीच थीं, जैसे तेल कंपनियों या दूरसंचार कंपनियों के बीच। ये रणनीतियाँ अक्सर उद्योग सहसंबंध की धारणा पर आधारित होती हैं, कम मूल्य वाले स्टॉक खरीदते हैं और अधिक मूल्य वाले स्टॉक बेचते हैं ताकि आर्बिट्रेज प्राप्त हो सके।

बाजार के विकास के साथ, सांख्यिकीय आर्बिट्रेज रणनीतियाँ धीरे-धीरे अन्य वित्तीय बाजारों जैसे कमोडिटी फ्यूचर्स, विदेशी मुद्रा और क्रिप्टोकरेंसी तक फैल गईं। इन बाजारों में, सहसंबंध वाले विभिन्न टोकरी संयोजन पाए जा सकते हैं, और मूल्य अंतर का उपयोग करके आर्बिट्रेज ट्रेडिंग की जाती है। इस रणनीति का तर्क माध्य प्रतिगमन (Mean Reversion) सिद्धांत पर आधारित है। जब निर्मित कई टोकरी उत्पाद संयोजनों के बीच मूल्य उनकी सांख्यिकीय सीमा से विचलन दिखाते हैं, तो वापस लौटने की प्रवृत्ति होती है। इस प्रवृत्ति के अनुसार, जब मूल्य विचलन बड़ा होता है, तो उच्च मूल्य वाली टोकरी को बेचा जा सकता है और कम मूल्य वाली टोकरी को खरीदा जा सकता है, ताकि बाजार की अस्थायी गलत कीमत निर्धारण के खिलाफ हेज ट्रेडिंग की जा सके। इस प्रकार, कई टोकरी पेयर संयोजनों के स्प्रेड से लाभ प्राप्त किया जा सकता है।

दो, सांख्यिकीय आर्बिट्रेज के लाभ और हानियाँ

लाभ:

• बाजार जोखिम को कम करना: सांख्यिकीय आर्बिट्रेज रणनीति विभिन्न टोकरी उत्पाद संयोजनों के बीच अंतर पर आधारित आर्बिट्रेज ट्रेडिंग है, जो एकल उत्पाद ट्रेडिंग की तुलना में जोखिम को फैलाती है और बाजार की अस्थिरता के प्रभाव को कम करती है। यह बाजार के सिस्टमेटिक जोखिम को कम करती है।
• स्थिर आय: सांख्यिकीय आर्बिट्रेज रणनीति बाजार की अल्पकालिक गलत कीमत निर्धारण के लिए प्रतिगमन आर्बिट्रेज ट्रेडिंग करती है, और दिशात्मक रणनीतियों की तुलना में अधिक स्थिर आय विशेषताएँ रखती है। दिशात्मक रणनीतियों की तुलना में, यह कम जोखिम, कम अस्थिरता और स्थिर आय उत्पन्न करती है।
• विभिन्न बाजार परिस्थितियों के अनुकूल हो सकता है: सांख्यिकीय आर्बिट्रेज रणनीति विभिन्न बाजार परिस्थितियों में काम कर सकती है, क्योंकि इस ट्रेडिंग रणनीति का बाजार की दिशा से बहुत कम संबंध होता है।

हानियाँ:

• ऐतिहासिक डेटा केवल अतीत के संबंधों को दर्शा सकता है, भविष्य का पूरी तरह से प्रतिनिधित्व नहीं कर सकता, और कुछ जोखिम होता है। सांख्यिकीय आर्बिट्रेज रणनीति के निर्माण में बड़ी संख्या में सांख्यिकीय परीक्षणों का उपयोग किया जाता है, ऐतिहासिक बड़े डेटा के आधार पर टोकरी उत्पादों के संयोजन और सहसंबंध संबंधों की खुदाई की जाती है, भविष्य में परिवर्तन हो सकते हैं, और कुछ टेल जोखिम होता है।
• बाजार में अल्पकालिक कीमत निर्धारण असंतुलन के वापस संतुलन की ओर लौटने के लिए आवश्यक समय अवधि का सटीक अनुमान लगाना मुश्किल है। यदि ट्रेडिंग का समय बहुत लंबा है, तो पूंजी उपयोग की लागत भी एक बड़ी चुनौती है।
• उच्च आवश्यकताओं वाली डेटा विश्लेषण और मॉडल निर्माण क्षमता: सांख्यिकीय आर्बिट्रेज रणनीति के लिए विभिन्न टोकरी संयोजन उत्पादों के बीच सहसंबंध, सह-एकीकरण आदि सांख्यिकीय डेटा का गहन विश्लेषण और मॉडलिंग आवश्यक है, जिसके लिए उच्च डेटा विश्लेषण और मॉडल निर्माण क्षमताओं की आवश्यकता होती है।
• ट्रेड निष्पादन और तरलता जोखिम: चूंकि यह बहु-उत्पाद हेज ट्रेडिंग है, निष्पादन मूल्य और मात्रा विभिन्न उत्पादों से प्रभावित हो सकते हैं, और ट्रेड निष्पादन जोखिम होता है। अधिक परिष्कृत रणनीति डिज़ाइन और आर्किटेक्चर कार्यान्वयन की आवश्यकता होती है।

तीन, इस Alpha सांख्यिकीय आर्बिट्रेज की मुख्य सामग्री

1, सभी उत्पादों के डेटा सूचना की रीयल-टाइम निगरानी, बड़े डेटा स्कैनिंग, और लॉन्ग-शॉर्ट उत्पाद टोकरी संयोजनों का निर्माण।

विशेष रूप से, संयोजन टोकरी पेयरिंग का निर्माण किया जाएगा: उदाहरण के लिए, छह उत्पाद A, B, C, D, E, F हैं, तो उन्हें दो समूहों में विभाजित किया जा सकता है, प्रत्येक समूह में तीन उत्पाद, और एक टोकरी संयोजन बनाया जा सकता है। साथ ही, इंडेक्स आर्बिट्रेज का निर्माण किया जाएगा: कुछ उद्योग और सेक्टर उत्पादों को दो भागों में विभाजित करके, दो नए बाजार सूचकांक बनाए जाएंगे, और फिर इन दो सूचकांकों पर बाद में सांख्यिकीय डेटा विश्लेषण किया जाएगा।

2, टोकरी लॉन्ग-शॉर्ट संयोजनों के सहसंबंध का परीक्षण।

सहसंबंध दो या अधिक चर के बीच जुड़ाव की डिग्री को संदर्भित करता है। इसका उपयोग एक चर के परिवर्तन और दूसरे चर के परिवर्तन के बीच संबंध को मापने के लिए किया जाता है, जो यह निर्धारित करने में मदद करता है कि कोई पत्राचार संबंध है या एक चर के परिवर्तन का दूसरे पर प्रभाव का पूर्वानुमान लगाने में। सहसंबंध गुणांक सहसंबंध को मापने का एक सामान्य तरीका है, सामान्यतः पियर्सन सहसंबंध गुणांक (Pearson correlation coefficient), स्पीयरमैन रैंक सहसंबंध गुणांक (Spearman's rank correlation coefficient) आदि। पियर्सन सहसंबंध गुणांक दो सतत चर के बीच संबंध का मूल्यांकन करता है, जबकि स्पीयरमैन रैंक सहसंबंध गुणांक दो क्रमिक चर के बीच संबंध के मूल्यांकन के लिए उपयुक्त है। सहसंबंध गुणांक का मान [-1, 1] की सीमा में होता है, जहां -1 नकारात्मक सहसंबंध, 1 सकारात्मक सहसंबंध और 0 कोई सहसंबंध नहीं दर्शाता है। सहसंबंध गुणांक जितना -1 या 1 के करीब होता है, सहसंबंध उतना ही मजबूत होता है; 0 के करीब होने पर सहसंबंध कमजोर होता है। सहसंबंध गुणांक का गणितीय सूत्र इस प्रकार है (पियर्सन सहसंबंध गुणांक के उदाहरण के साथ):

r = cov(X, Y) / (std(X) * std(Y))

जहां r सहसंबंध गुणांक है, cov सहप्रसरण है, std मानक विचलन है, और X और Y क्रमशः दो चर दर्शाते हैं। सहसंबंध का परीक्षण करते समय, सामान्य विधि सहसंबंध गुणांक के सांख्यिकीय महत्व की गणना करना है। आमतौर पर परिकल्पना परीक्षण का उपयोग यह निर्धारित करने के लिए किया जाता है कि सहसंबंध गुणांक महत्वपूर्ण है या नहीं। परिकल्पना परीक्षण की शून्य परिकल्पना यह है कि चर के बीच कोई सहसंबंध नहीं है, और सहसंबंध गुणांक के आंकड़े की गणना करके यह तय किया जाता है कि शून्य परिकल्पना को अस्वीकार करना है या नहीं।

3, टोकरी लॉन्ग-शॉर्ट संयोजनों की सह-एकीकरण (Cointegration) का परीक्षण।

सह-एकीकरण (Cointegration) दो या अधिक समय श्रृंखला चर के बीच दीर्घकालिक संबंध को संदर्भित करता है, अर्थात उनका रैखिक संयोजन स्थिर होता है। सहसंबंध की तुलना में, सह-एकीकरण दीर्घकालिक संतुलन संबंध पर अधिक ध्यान केंद्रित करता है, न कि केवल अल्पकालिक जुड़ाव की डिग्री पर। जब वे इस संतुलन संबंध से विचलित होते हैं, तो एक सुधार तंत्र होता है जो विचलन को उचित सीमा में वापस लाता है। सह-एकीकरण की अवधारणा मूल रूप से 1987 में S.G. Engle और C.W.J. Granger द्वारा प्रस्तावित की गई थी, ताकि समय श्रृंखला विश्लेषण में मौजूद छद्म प्रतिगमन समस्या को हल किया जा सके। छद्म प्रतिगमन समस्या चर के बीच इकाई मूल (unit root) के संभावित अस्तित्व के कारण होती है, जो चर के बीच प्रतिगमन संबंध को अल्पकालिक रूप से महत्वपूर्ण दिखाता है, लेकिन दीर्घकालिक में कोई वास्तविक संतुलन संबंध नहीं होता है।

सह-एकीकरण सिद्धांत समय श्रृंखला की गैर-स्थिरता के विश्लेषण से शुरू होता है, और गैर-स्थिर चर में निहित दीर्घकालिक संतुलन संबंधों की खोज करता है। यदि शामिल चर पहले अंतर के बाद स्थिर हैं, और इन चरों का एक निश्चित रैखिक संयोजन स्थिर है, तो इन चरों के बीच सह-एकीकरण मौजूद कहा जाता है। सह-एकीकरण दो या अधिक श्रृंखलाओं के बीच स्थिर संबंध को चित्रित करने के लिए है। प्रत्येक श्रृंखला अकेले गैर-स्थिर हो सकती है, इन श्रृंखलाओं के क्षण, जैसे माध्य, प्रसरण या सहप्रसरण, समय के साथ बदलते हैं, लेकिन इन समय श्रृंखलाओं का रैखिक संयोजन ऐसे गुण रख सकता है जो समय के साथ नहीं बदलते। जब दो परिसंपत्ति की कीमतें सह-एकीकरण संबंध का पालन करती हैं, तो उनका रैखिक संयोजन माध्य प्रतिगमन (mean reverting) गुण को संतुष्ट करता है। सह-एकीकरण का गणितीय सूत्र इस प्रकार है (दो समय श्रृंखला चर के उदाहरण के साथ):

Y_t = β_0 + β_1 * X_t + ε_t

जहां Y_t और X_t क्रमशः दो समय श्रृंखला चर के अवलोकन मान हैं, β_1 प्रतिगमन गुणांक है, और ε_t त्रुटि पद है। यदि Y_t और X_t के बीच सह-एकीकरण संबंध है, तो दो चर का रैखिक संयोजन स्थिर होगा, अर्थात ε_t स्थिर है। यह माध्य 0 के सामान्य वितरण को संतुष्ट करता है। सह-एकीकरण का परीक्षण करते समय, आमतौर पर स्थिरता परीक्षण किया जाता है, सामान्य विधियों में जोहान्सन परीक्षण (Johansen test) और एंगल-ग्रेंजर परीक्षण (Engle-Granger test) शामिल हैं। जोहान्सन परीक्षण eigenvalues पर आधारित एक विधि है, जो सीधे कई चर के बीच सह-एकीकरण संबंध का परीक्षण कर सकती है। एंगल-ग्रेंजर दो-चरण परीक्षण संशोधित OLS अनुमान (Ordinary Least Squares) पर आधारित एक विधि है, जो दो चर के बीच सह-एकीकरण संबंध के परीक्षण के लिए उपयुक्त है।

4, यह रणनीति बड़ी संख्या में संयोजनों के लिए समय श्रृंखला के सह-एकीकरण संबंध का परीक्षण करेगी, विशिष्ट मानदंड इस प्रकार हैं:

• अकेले संयोजन टोकरी का समय-मूल्य श्रृंखला पहले क्रम का एकीकृत सदिश है, अर्थात समय-मूल्य श्रृंखला गैर-स्थिर है (स्पष्ट प्रवृत्ति के साथ)। ADF इकाई मूल परीक्षण का उपयोग करके कई समय-मूल्य श्रृंखलाओं की स्थिरता का परीक्षण करें।
• अकेले संयोजन टोकरी के प्रथम अंतर के बाद की श्रृंखला (यानी अवकलज) स्थिर है। दो टोकरी समय-मूल्य श्रृंखलाओं का ADF इकाई मूल परीक्षण का उपयोग करके परीक्षण करें। दो टोकरी समय-मूल्य श्रृंखलाओं के प्रथम अंतर की स्थिरता का ADF इकाई मूल परीक्षण का उपयोग करके परीक्षण करें।
• पेयर संयोजन के समय-मूल्य श्रृंखला का एक निश्चित रैखिक संयोजन स्थिर है, यानी दो श्रृंखलाओं से निर्मित रैखिक समीकरण के अवशेष स्थिर हैं। दो समान क्रम की श्रृंखलाओं पर OLS प्रतिगमन करें, फिर अवशेषों की स्थिरता का परीक्षण करें।
• अधिक सांख्यिकीय परीक्षण और डेटा विश्लेषण का विवरण यहाँ नहीं दिया गया है, पूरे बाजार और सभी उत्पादों पर बड़े पैमाने पर विस्तृत और व्यापक सांख्यिकीय विश्लेषण किया जाएगा।

5, बड़ी संख्या में हर्स्ट इंडेक्स (Hurst Index) का परीक्षण।

हर्स्ट इंडेक्स का उपयोग समय श्रृंखला की दीर्घकालिक स्मृति को मापने के लिए किया जाता है, ताकि श्रृंखला की माध्य प्रतिगमन विशेषताओं का निर्धारण किया जा सके। हर्स्ट इंडेक्स का मान 0 और 1 के बीच होता है, 0.5 के करीब इंगित करता है कि श्रृंखला एक यादृच्छिक चाल (random walk) प्रस्तुत करती है, 1 के करीब इंगित करता है कि इसमें निरंतर प्रवृत्ति है। सिद्धांत: हर्स्ट इंडेक्स श्रृंखला के ओवरलैपिंग उप-श्रृंखलाओं के विचलन सीमा और उनकी लंबाई के बीच संबंध की गणना करके श्रृंखला की दीर्घकालिक स्मृति की डिग्री का अनुमान लगाता है। गणितीय सूत्र: हर्स्ट इंडेक्स की गणना करने का एक तरीका ओवरलैपिंग उप-श्रृंखलाओं के विचलन सीमा और लंबाई के बीच संबंध का उपयोग करके यादृच्छिक चाल के साथ एक पत्राचार स्थापित करना है। ओवरलैपिंग उप-श्रृंखलाओं की विचलन सीमा और लंबाई के बीच रैखिक प्रतिगमन फिट का उपयोग करके हर्स्ट इंडेक्स का अनुमान लगाया जा सकता है।

6, माध्य प्रतिगमन अर्ध-जीवन (Mean Reversion Half-Life) अनुमान।

माध्य प्रतिगमन अर्ध-जीवन एक संकेतक है जो मूल्य श्रृंखला को अपने माध्य पर वापस लौटने में लगने वाले समय का अनुमान लगाने के लिए उपयोग किया जाता है। अर्ध-जीवन जितना छोटा होगा, माध्य प्रतिगमन की गति उतनी ही तेज़ होगी। सिद्धांत: माध्य प्रतिगमन अर्ध-जीवन का अनुमान अभिसारी एक्सपोनेंशियल स्मूथिंग मूविंग एवरेज मॉडल (EMA) के फिटिंग द्वारा लगाया जाता है। जब मूल्य श्रृंखला का माध्य से विचलन अर्ध-जीवन से अधिक हो जाता है, तो माध्य प्रतिगमन का अवसर माना जा सकता है। गणितीय सूत्र: माध्य प्रतिगमन अर्ध-जीवन की गणना सूत्र इस प्रकार है:

(H = -\frac{\ln(0.5)}{\ln(\frac{P_t}{P_t - P_{t-1}})})

परीक्षण विधि: मूल्य श्रृंखला के EMA की गणना करें, फिर EMA के आधार पर अर्ध-जीवन की गणना करें।

7, बड़ी मात्रा में सांख्यिकीय डेटा के आधार पर ट्रेडिंग रणनीति का निर्माण।

संक्षेप में, हर्स्ट इंडेक्स के अनुसार टोकरी उत्पाद संयोजनों को छाँटकर फ़िल्टर करें, माध्य प्रतिगमन अर्ध-जीवन के अनुसार संबंधित सांख्यिकीय पैरामीटर का अनुमान लगाएं, और सह-एकीकरण के अनुसार ट्रेडिंग रणनीति संयोजन का निर्माण करें। अधिक विवरण का वर्णन नहीं किया जाएगा।

मान लीजिए कि x और y क्रमशः परिसंपत्ति X टोकरी और Y टोकरी की कीमत समय श्रृंखला हैं। इन दोनों के बीच सह-एकीकरण संबंध को इस प्रकार व्यक्त किया जा सकता है: Lny = a + blnx + c, जहाँ c अवशिष्ट पद है, जो स्थिर है और माध्य 0 के साथ सामान्य वितरण का पालन करता है।

सह-एकीकरण परीक्षण के बाद, परिसंपत्ति X और Y की समय-मूल्य श्रृंखला में सह-एकीकरण संबंध पाया जाता है। अवशिष्ट पद c का मानक विचलन σ है, और एक स्थिरांक λ को सीमा मान के रूप में चुना जाता है।

• जब lny-(a+blnx) > λσ होता है, तो टोकरी Y का मूल्य अपेक्षाकृत अधिक होता है और टोकरी X का मूल्य अपेक्षाकृत कम होता है। इस स्थिति में टोकरी X खरीदें और टोकरी Y बेचें।
• जब lny-(a+blnx) < -λσ होता है, तो टोकरी X का मूल्य अपेक्षाकृत अधिक होता है और टोकरी Y का मूल्य अपेक्षाकृत कम होता है। इस स्थिति में टोकरी Y खरीदें और टोकरी X बेचें।
• जब मूल्य अंतर lny-(a+blnx) एक निश्चित सीमा में वापस आ जाता है, जैसे कि [-0.5λσ, 0.5λσ] अंतराल, तो स्थिति बंद कर दें।

8, कुछ विशेषताएँ।

वर्तमान संस्करण काफी उन्नत है, जिसमें अत्यधिक शक्तिशाली लगभग पूर्ण बाजार ट्रेडिंग, ट्रेडिंग कार्यों और ऑर्डर बुक उच्च-आवृत्ति प्रवृत्तियों का अनुमान लगाकर उच्च-आवृत्ति मेकर एवं टेकर के संयुक्त ट्रेडिंग लाभ, दीर्घकालिक संभाव्यता लाभ सत्यापन के बाद एकल प्रतीक की टेल हेजिंग सुरक्षा, और प्रत्येक ऑर्डर के लिए स्थानीय रिकॉर्डिंग जो अन्य रणनीतियों के साथ मिश्रित हेजिंग संचालन आदि की अनुमति देती है, शामिल हैं। इस विषय में और अधिक विवरण की आवश्यकता नहीं है।

चार, आंशिक ऐतिहासिक प्रदर्शन (मिनट-स्तरीय स्लाइस आँकड़े, वास्तविक मूल्य अनुमान के बाद टेकर 0.05% लागत डेटा)

【तटस्थ हेज सांख्यिकीय आर्बिट्रेज नया】- सुपरनोवा

पाँच, सहयोग और संचार की उम्मीद है, एक साथ सीखने और आगे बढ़ने के लिए तत्पर

【तटस्थ हेज सांख्यिकीय आर्बिट्रेज नया】- सुपरनोवा

तृतीय-पक्ष Coin डेटा

किसी भी रणनीति की अपनी पद्धति और उपयुक्त या अनुपयुक्त बाजार स्थितियाँ होती हैं। उदाहरण के लिए, माध्य-वापसी रणनीतियाँ यादृच्छिक चलन जैसे सिद्धांतों पर आधारित होती हैं, जबकि गति प्रवृत्ति रणनीतियाँ व्यवहारिक वित्त के विभिन्न सिद्धांतों पर आधारित होती हैं, जैसे कि बाजारों में मोटी पूंछ वाले उतार-चढ़ाव। उनके सिद्धांतों को समझना, उनकी विशेषताओं के अनुसार उपयोग करना और उनके उतार-चढ़ाव के अनुकूल होना महत्वपूर्ण है। साथ ही, रणनीति उपयोगकर्ताओं को यह ध्यान रखना चाहिए कि लाभ और हानि एक ही स्रोत से आते हैं; उच्च प्रतिफल निश्चित रूप से उच्च जोखिम के साथ आता है। परिपक्व रणनीतियों के अपने फायदे और नुकसान होते हैं। उन्हें समझदारी से लागू करें, शक्तियों का उपयोग करें और कमजोरियों को दूर करें, और जानें कि वे सही और गलत स्थितियों में कैसे प्रदर्शन करते हैं, ताकि आप पूरी तरह से तैयार रहें और स्थिर रहें जब चीजें आपके पक्ष में हों या नहीं।

क्वांटिटेटिव ट्रेडिंग कोई सतत गति मशीन नहीं है, न ही यह सर्वशक्तिमान है, लेकिन यह निश्चित रूप से भविष्य में ट्रेडिंग की दिशा है और हर ट्रेडर के लिए सीखने और उपयोग करने लायक है! सभी ट्रेडर्स का स्वागत है कि वे कमियों को इंगित करें, चर्चा करें, एक साथ सीखें और आगे बढ़ें, और विशाल बाजार की लहरों में आगे बढ़ते रहें।

● यह रणनीति काफी अद्वितीय है, पारंपरिक प्रवृत्ति, ग्रिड, उच्च-आवृत्ति, आर्बिट्रेज आदि से काफी अलग है, इसकी सीमित क्षमता है और मुख्य रूप से स्व-संचालित है। बड़े उपयोगकर्ताओं और संस्थागत निवेशकों का संचार और सीखने के लिए स्वागत है।

● अधिक सहयोग योजनाएँ: किसी भी आवश्यकता वाले व्यक्तियों और संस्थानों के साथ खुले और पारस्परिक रूप से लाभप्रद सहयोग के प्रति प्रतिबद्ध। आपकी चर्चा, आपकी आवश्यकताओं, जोखिम प्राथमिकताओं आदि के अनुसार अनुकूलित सहयोग की प्रतीक्षा है।

यदि आपकी जोखिम सहनशीलता अधिक है, अल्पकालिक लाभ-हानि पसंद करते हैं, और अल्पकालिक ट्रेडिंग की आवश्यकता है, तो आप एक अन्य स्थिर उच्च-आवृत्ति रणनीति देख सकते हैं, जिसमें 3% से 50% मासिक रिटर्न है और कोई तरलता जोखिम नहीं है:
【उच्च-आवृत्ति हेज मार्केट-मेकिंग ग्रिड नया】(HFT Market-Making माइनर संस्करण)

यदि आपके पास बड़ी पूंजी है, तो आप एक और बड़ी क्षमता वाली मध्यम-निम्न आवृत्ति वाली समग्र CTA ट्रेडिंग प्रणाली देख सकते हैं, जिसने 1000 दिनों का वास्तविक व्यापार सहन किया है, बिना किसी रुकावट के। यह वर्तमान में प्रकाशित सबसे लंबी अवधि, उच्च स्थिरता और मजबूत सामान्यीकरण क्षमता वाली CTA रणनीति प्रणाली है, जो मध्यम से दीर्घकालिक स्थिर विकास प्राप्त करने के लिए डिज़ाइन की गई है:
【समग्र CTA ट्रेडिंग प्रणाली नया】(बहु-कारक + बहु-प्रतीक + बहु-रणनीति सार्वजनिक संस्करण)

✱ संपर्क जानकारी (चर्चा और आदान-प्रदान के लिए स्वागत है, एक साथ सीखें और आगे बढ़ें)
WECHAT: haiyanyydss
Telegram: https://t.me/JadeRabbitcm
अधिक सामग्री ➔ 作手君 का क्वांट हट https://www.fmz.com/market-offer/512
✱Fully automatic CTA & HFT & Arbitrage trading system @2018 - 2024