سوچنے کا طریقہ ہائی فریکوئنسی الگورتھم سے زیادہ اہم ہے۔

پروگرامنگ ٹریڈنگ کو واقعی عوام کی نظر میں لانے والا واقعہ دو سال قبل ہوا تھا جس نے پوری مارکیٹ کو چونکا دیا تھا ، جب اس بروکر کے ای ٹی ایف بیعانہ کے ہائی فریکوئینسی ٹریڈنگ پروگرام میں آرڈر کی تخلیق اور عملدرآمد میں خرابی کی وجہ سے ایک منٹ میں 5 فیصد سے زیادہ اضافہ ہوا تھا۔

چین کے فنانشل فیوچر ایکسچینج میں 7·31 کی نئی حکومت کی طرف سے، چین کے فنانشل فیوچر ایکسچینج میں مسلسل تین بیچوں کے اکاؤنٹس پر ٹریڈنگ کی پابندی کے اقدامات کا اعلان کیا گیا ہے، اور حال ہی میں لائیوسٹاک ایکسچینج میں T + 0 کی تجارت کو T + 1 کی تجارت میں تبدیل کر دیا گیا ہے، ریگولیٹری سطح پر عملدرآمد کی تجارت پر لگاتار گھیرے کا آغاز کیا گیا ہے۔ خاص طور پر 31 جولائی کو چنگ بینک کے ذریعہ متعارف کرایا گیا ہے ، اعلان فیس وصول کرنے کا اقدام ، عملدرآمد کرنے والے تاجروں کے لئے تباہی کا باعث ہے۔ جب لائیوسٹاک ایکسچینج میں T + 0 کی تجارت کو T + 1 کی تجارت میں تبدیل کیا گیا تھا ، تو کچھ عملدرآمد کرنے والے تاجروں کو بھی بے ہوش کردیا گیا تھا۔

اس مضمون کا ماخذ یہ ہے کہ کیا آپ کو معلوم ہے کہ اگست 2014 میں صارفین کی طرف سے ہائی فریکوئینسی ٹریڈنگ کے لئے کون سے مشہور الگورتھم استعمال کیے گئے تھے؟

میں نے اس کے بارے میں کچھ معلومات حاصل کیں۔ بہت سے لوگوں کی کوانٹم ٹریڈنگ کے بارے میں سمجھ بہت یکطرفہ ہے ، بنیادی طور پر اسے پیسہ کمانے کے اوزار کے برابر سمجھا جاتا ہے۔ میں اس نقطہ نظر سے متفق نہیں ہوں۔ تجارت خود تجارت ہے ، اس کا اپنا معاشی معنی ہے ، اس کو نظرانداز کرنا اور اسے محض رقم کو بڑھانے کے لئے ایک ڈیجیٹل کھیل سمجھنا ، اس کا مقصد کھو جانا آسان ہے۔

مجھے نہیں لگتا کہ الگورتھم خود ہی کچھ عجیب ہے ، اور اچھے الگورتھم بھی مر چکے ہیں ، اصل بنیادی قدر ان لوگوں کی ہے جو الگورتھم کو جانتے ہیں اور استعمال کرتے ہیں۔ در حقیقت ، میں جو بات کر رہا ہوں وہ بھی عوامی معلومات ہے ، لیکن یہاں تک کہ اگر آپ تکنیکی تفصیلات کو جانتے ہیں تو ، بہت کم لوگ واقعی اس پر کام کرسکتے ہیں۔

امید ہے کہ اس جواب سے آپ کو کوانٹیمیٹڈ اور ہائی فریکوئنسی ٹریڈنگ کے بارے میں مزید بصیرت ملے گی۔

اس کے علاوہ ، میں نے ایک اور مثال دیکھی ہے ، جس میں ایک شخص نے ایک ٹرانسفارمر کے ساتھ تجارت کرنے کے لئے ایک ٹرانسفارمر کے ساتھ تجارت کرنے کے لئے ایک ٹرانسفارمر کے ساتھ تجارت کرنے کا فیصلہ کیا ہے.

لیکن اعلی تعدد کی تجارت کے لئے ، یہ معلومات بہت خراب ہے۔ لہذا ، ہم آپ کو ایک آرڈر بک کے بارے میں بتانے جارہے ہیں جو آپ کو اس سے واقف نہیں ہے۔ آج کل ، مرکزی دھارے میں شامل تبادلے عام طور پر آرڈر بک کا استعمال کرتے ہوئے تجارت کرتے ہیں ، اور تمام خریداروں اور بیچنے والوں کی پیش کشوں کو اس کی اندرونی آرڈر بک میں درج کیا جاتا ہے ، جیسے:

بیڈ خریدار کو ظاہر کرتا ہے ، اور آفر بیچنے والے کو ظاہر کرتا ہے ، اور یہ پیش کش خریدار اور بیچنے والے کی طرف سے جاری کردہ تمام پیش کشوں کو ظاہر کرتی ہے (Limit Order) ۔ یہ جدول ہی اعلی تعدد تجارت کی سب سے زیادہ تشویش کی معلومات ہے۔ کسی بھی وقت ، خریداروں کی پیش کش ہمیشہ بیچنے والے سے کم ہوتی ہے (جیسے یہاں 98 سے 101) ۔ لہذا اگرچہ پیش کش ہمیشہ بدلتی رہتی ہے ، لیکن صرف پیش کش ہی کوئی سودا نہیں ہوگی۔

تجارت کب ہوتی ہے؟ دو صورتیں ہیں، پہلی یہ کہ کوئی بھی پارٹی مارکیٹ آرڈر جاری کرتی ہے، مثلاً ایک خریدار 10 کا ایک مارکیٹ آرڈر جاری کرتا ہے، جس سے وہ بیچنے والے کی جانب سے 101 کی قیمت پر لٹکی ہوئی 10 کاپیاں خرید سکتا ہے۔ اس تجارت کی کامیابی کے بعد آرڈر بک اس طرح ہو جاتا ہے:

دوسرا یہ ہے کہ ایک محدود قیمت کا آرڈر جاری کیا جائے جس کی قیمت دوسرے فریق کی بہترین پیش کش کے برابر ہو ، جس کے نتیجے میں بھی وہی نتائج برآمد ہوں گے۔

اس بات پر زور دینے کی ضرورت ہے کہ اگرچہ حقیقی آرڈر بک صرف ایکسچینج کے اندر موجود ہے اور تمام تجارت ایکسچینج کے اندر ہی کی جاتی ہے ، لیکن ایکسچینج ہر قیمت اور قیمت کی فہرست کو سب کو بھیجتا ہے ، لہذا تمام خریدار اور بیچنے والے خود ہی ایک ہی ڈیٹا ڈھانچے کو برقرار رکھ سکتے ہیں ، جو ایکسچینج آرڈر بک کے آئینے کے برابر ہے۔ ٹریڈنگ کی حکمت عملی تیار کرنے کے لئے اپنے ہاتھوں میں موجود اس آئینے کی تبدیلیوں کا تجزیہ کرکے ٹریڈنگ حکمت عملی تیار کرنا ، ہائی فریکوینسی ٹریڈنگ الگورتھم کا بنیادی خیال ہے۔

آرڈر بک کے بارے میں بنیادی معلومات کے بعد ، میں نے آرڈر بک کو ایک زیادہ تصویری انداز میں بیان کیا ہے تاکہ آپ کو سمجھنے میں آسانی ہو:

اس آرڈر بک کے مطابق جو اس آرٹیکل کے شروع میں تھا، یہ واضح طور پر دیکھا جاسکتا ہے کہ افقی محور قیمت، عمودی محور آرڈر کی مقدار، سبز رنگ خریدار اور سرخ چار بیچنے والے کی نمائندگی کرتا ہے۔ یہ اس بحث کے موضوع کو متعارف کرانے کے لئے کیا گیا ہے: آئسبرگ آرڈر۔

مذکورہ بالا بنیادی تجزیہ کے ذریعہ ، آپ دیکھ سکتے ہیں کہ تبادلے کے اندر لین دین کا ڈیٹا مکمل طور پر عوامی ہے ، مارکیٹ میں کسی بھی وقت ، کون خریدنا / بیچنا چاہتا ہے ، سب کو ایک نظر میں ، کوئی راز نہیں۔ ایسا کرنا خود معاشی معنی رکھتا ہے ، کیونکہ صرف خرید و فروخت کی طلب کو ظاہر کرنے سے ہی ممکنہ تاجروں کو تجارت کرنے کی طرف راغب کیا جاسکتا ہے ، لہذا مارکیٹ میں اپنی ضروریات کو کچھ حد تک ظاہر کرنا ضروری ہے۔

یہ اس کے لئے بہت نقصان دہ ہے، کیونکہ ہر کوئی اس معلومات کو اس کے ساتھ ٹھیک کرنے کے لئے استعمال کرے گا. لوگ یہ فیصلہ کریں گے کہ اب مارکیٹ میں خریدنے کا ایک بہت بڑا دباؤ ہے، لہذا ایک بڑی تعداد میں لوگ جو پیسہ کمانے کے لئے رش میں آتے ہیں، قیمتوں میں تیزی سے اضافہ ہوتا ہے، لہذا اصل میں اس شخص کو 98 کی قیمت پر خریدنے کے لئے کیا جا سکتا ہے، جلد ہی اس سے زیادہ قیمت پر خریدنے کے لئے تبدیل کر دیا جائے گا. اس مسئلے کو حل کرنے کے لیے ایکسچینج نے ایک ٹارگٹڈ ٹول فراہم کیا ہے، جسے آئسبرگ آرڈر کہا جاتا ہے۔ یہ آرڈر بہت بڑے ہو سکتے ہیں، لیکن ان میں سے صرف ایک چھوٹا سا حصہ ہی عوامی ہوتا ہے، اور زیادہ تر حصے کو چھپایا جاتا ہے، جو ایکسچینج کے علاوہ کسی کو نظر نہیں آتا اور نہ ہی خود ہی بھیجنے والے کو۔

سرمئی رنگ میں آئسبرگ آرڈرز کے پوشیدہ حصے ہیں۔ اس طرح ، تبادلے صرف اس وقت دوسروں کو مطلع کرتے ہیں جب اس کے مطابق پوشیدہ مقدار میں تجارت ہوتی ہے ، اور اس طرح دوسروں کو فرنٹ چلانے کے لئے آرڈرز کی نمائش کی معلومات کا استعمال کرنے سے روکتا ہے۔

ہر چیز کے فوائد اور نقصانات ہوتے ہیں۔ برفانی پہاڑ کے احکامات ، اگرچہ وہ بھیجنے والوں کے مفادات کی حفاظت کرتے ہیں ، لیکن وہ دوسرے مارکیٹ کے شرکاء کے لئے ایک غیر منصفانہ قاعدہ بن جاتے ہیں۔ جن شرکاء کو حقیقی تجارت کی ضرورت ہوتی ہے ، وہ صورتحال کے غلط فیصلے کی وجہ سے بہت زیادہ نقصان اٹھاتے ہیں۔

سب سے پہلے ، سب سے آسان طریقہ ہے۔ کبھی کبھی ، برفانی پہاڑوں کے احکامات بہترین خرید اور فروخت کی قیمتوں کے درمیان پھیلائے جاتے ہیں ، اس طرح:

اس صورت حال کے لئے ، ایک بہت ہی آسان پتہ لگانے کا طریقہ یہ ہے کہ پھیلاؤ میں کم سے کم حد کا حکم جاری کیا جائے ، اس کے بعد اس آرڈر کو منسوخ کردیا جائے۔ مثال کے طور پر ، اس مثال میں ، 99 کی فروخت کی قیمت کا ایک حد کا حکم جاری کیا گیا اور پھر منسوخ کردیا گیا۔ چونکہ یہ قیمت خود واضح طور پر خریداری کی قیمت پر منحصر نہیں ہے ، لہذا اگر برفانی تودے موجود نہ ہوں تو ، تجارت نہیں ہوگی۔ لیکن برفانی تودے کی صورت میں ، ایک بار جب تبادلے کو یہ فروخت کی فہرست موصول ہوجاتی ہے تو ، برفانی تودے میں اس کے مساوی مقدار میں ، اور اس کے بعد منسوخی کا حکم نافذ نہیں ہوتا ہے۔ اس طرح ، ایک چھوٹی سی قیمت پر ، مارکیٹ میں چھپی ہوئی آرڈرز کا پتہ لگایا جاسکتا ہے۔ حقیقت میں ، کچھ لوگ ایسا کرتے ہیں ، اکثر بھیجتے ہیں اور پھر منسوخ کردیئے جاتے ہیں۔

اس طرح کی رکاوٹ کا پتہ لگانے کے لئے ، عام طور پر لوگ براہ راست پھیلاؤ میں فہرست نہیں لگاتے ہیں۔ بلکہ ، یہ پہلے کی طرح عام حد کی فہرست کے ساتھ منسلک کیا جاتا ہے ، لہذا تجارت کے بعد ، آپ کو اندازہ لگانا مشکل ہے کہ یہ عام حد کی فہرست ہے یا برفانی پہاڑ کا آرڈر ہے۔ تو ، کیا کرنا ہے؟

سب سے پہلے ، ایک براہ راست سوچ ہے۔ برفانی پہاڑ کے احکامات کا وجود ، کسی حد تک ، اس فیصلے کی عکاسی کرتا ہے کہ منڈی کے حالات کی وضاحت کرنے والے افراد نے برفانی پہاڑ کے احکامات کو استعمال کرنے کی ضرورت پر غور کیا ہے۔ اس بات پر زور دینے کی ضرورت ہے کہ برفانی پہاڑ کے احکامات کو استعمال کرنا بغیر کسی قیمت کے نہیں ہے ، کیونکہ آپ حقیقی مطالبہ کو چھپاتے ہیں ، ممکنہ حملہ آوروں کو روکنے کے ساتھ ساتھ حقیقی تاجروں کو بھی روکتے ہیں۔ اور اس سے لین دین کا وقت نمایاں طور پر بڑھ جاتا ہے - کیونکہ کوئی نہیں جانتا ہے کہ آپ کتنا خریدنا / بیچنا چاہتے ہیں ، آپ صرف آہستہ آہستہ اس کے سامنے آنے کا انتظار کرسکتے ہیں۔ لہذا جب کوئی برفانی پہاڑ کے احکامات جاری کرنے کا فیصلہ کرتا ہے تو ، مارکیٹ کے حالات پر بھی غور کیا جاتا ہے ، اور یہ انتخاب صرف مناسب وقت پر کیا جائے گا۔

مناسب وقت کیا ہے؟ کچھ اعداد و شمار متعلقہ ہونے چاہئیں ، جیسے خرید و فروخت کی قیمتوں میں فرق پھیلاؤ ، خرید و فروخت کی مقدار کا تناسب۔ ان اعداد و شمار کے ل you ، آپ تاریخی اعداد و شمار پر رجعت تجزیہ کرسکتے ہیں اور ان کے اور برفانی پہاڑ کے احکامات کے مابین لکیری / غیر لکیری ماڈل تشکیل دے سکتے ہیں۔ یہ ماڈل ، جو تاریخی اعداد و شمار کے ذریعہ تربیت یافتہ ہے ، برفانی پہاڑ کے احکامات کا پتہ لگانے والا ہے جسے آپ حقیقی وقت میں تجارت کرتے وقت استعمال کرسکتے ہیں۔

بنیادی ماڈل کو اس طرح بیان کیا جاسکتا ہے:

اگر آپ اعلی اور گہرا کھیلنا چاہتے ہیں تو ، آپ اعلی درجے کے ماڈل جیسے ایچ ایم ایم ، ایس وی ایم ، نیورل نیٹ ورکس وغیرہ بھی بنا سکتے ہیں ، لیکن بنیادی نظریہ ایک جیسا ہی ہے: حساب کتاب کے تجزیے کے ذریعہ برفانی پہاڑ کے احکامات کی موجودگی کا امکان۔

مندرجہ بالا طریقہ کار ، جو بہت اعلی درجے کی نظر آتا ہے ، عملی طور پر کیا کام کرتا ہے؟ مجھے لگتا ہے کہ آپ نے بھی دیکھا ہے کہ یہ ماڈلنگ بہت درست نہیں ہے۔ برفانی پہاڑوں کے احکامات کے بارے میں یہ بتانے کے لئے کہ اس کے بعد کیا تجزیہ کیا جاسکتا ہے اس کا استعمال کرنے کے لئے ایک اچھا طریقہ ہے ، لیکن یہ حقیقی وقت میں تجارت کے لئے ایک جاسوس کے طور پر استعمال کرنے کے لئے بہت آرام دہ نہیں ہے۔ کیونکہ استعمال شدہ معلومات بہت مبہم ہیں ، اور یہ کہ ماڈلنگ کا مقصد صرف ایک وابستگی ہے ، اس بات کی کوئی ضمانت نہیں ہے کہ برفانی پہاڑوں کے احکامات بھیجنے والے کو اس منطق کے مطابق نشان لگا دیا جائے گا۔

لہذا ، یہاں ایک ایسی حکمت عملی ہے جو واقعی میں اعلی تعدد کے کھلاڑیوں کے لئے حیرت انگیز ہے ، جس کا خلاصہ پیشن گوئی کی پوشیدہ لیکویڈیٹی میں گلوبکس فیوچر کی حد آرڈر کتاب میں ہے۔

　　高频世界里，有一条永恒的建模准则值得铭记：先看数据再建模。如果你看了上面的介绍就开始天马行空的思考数学模型，那基本上是死路一条。我见过很多年轻人，
  特别有热情，一上来就开始做数学定义，然后推导偏微分方程，数学公式写满一摞纸，最后一接触数据才发现模型根本行不通，这是非常遗憾的。

اور اعداد و شمار کو دیکھنے والے کے بارے میں کیا خیال ہے؟ اس کا اندازہ لگایا جاسکتا ہے کہ برفانی پہاڑوں کے احکامات پر عملدرآمد کرنے کے لئے تبادلے کے قواعد بہت دلچسپ ہیں۔ کچھ تبادلے اس طرح کرتے ہیں: ایک برفانی پہاڑ کے آرڈر میں دو پیرامیٹرز ہوتے ہیں ، V آرڈر کی کل تعداد ہے ، اور p عوامی طور پر دکھائے جانے والی مقدار ہے۔ مثال کے طور پر ، V = 100 ، p = 10 کے ساتھ برفانی پہاڑ ، اصل میں پوشیدہ مقدار 90 ہے۔ اگر اس آرڈر کے لئے کوئی تجارت ہوتی ہے ، جیسے کہ ، تجارت کا حجم 10 ، تبادلے میں تین پیغامات بھیجے جاتے ہیں:

ٹرانسمیشن 10

آرڈر بک کی ٹاپ بیڈ سائز -10

نئی بولی +10

یہ تینوں پیغامات ایک دوسرے کے ساتھ ظاہر ہوتے ہیں اور تیسرے اور پہلے کے درمیان بہت کم وقت کا فرق ہوتا ہے۔ اس کی وجہ یہ ہے کہ اگرچہ آئسبرگ کے احکامات میں پوشیدہ مقدار موجود ہے ، لیکن ہر بار تجارت صرف دکھائی جانے والی مقدار پر ہوتی ہے (p) ، اور جب p استعمال ہوجاتا ہے تو ، صرف ایک نئی p مقدار کو باقی پوشیدہ مقدار سے تازہ کیا جاتا ہے۔ اس طرح ، ہر ایک شخص جو تجارت سے حاصل کردہ معلومات کو منطقی طور پر صحیح طریقے سے اپ ڈیٹ کرسکتا ہے آرڈر بک ، جیسے کہ آئسبرگ کے احکامات موجود نہیں ہیں۔ لہذا ، ایک بار جب ہم اعداد و شمار میں اس اصول کا مشاہدہ کرتے ہیں تو ، ہم اس بات کا یقین کے ساتھ فیصلہ کرسکتے ہیں کہ مارکیٹ میں برفانی پہاڑ کا حکم موجود ہے ، اور پی کی قیمت کا تعین کیا جاسکتا ہے۔ اگلا اہم سوال یہ ہے کہ ، وی کی قیمت کا تعین کیسے کریں ، یعنی اس برفانی پہاڑ کے حکم کی باقی اسٹاک کتنی ہے؟ یہ سوال بنیادی طور پر درست طور پر حل نہیں کیا جاسکتا ہے ، کیونکہ V اور p خود ہی فرد کے ذریعہ طے کیے جاتے ہیں ، جو کسی بھی قیمت پر ہوسکتے ہیں۔ لیکن اس پر دو نکات سے غور کیا جاسکتا ہے: پہلا ، دونوں اقدار پورے نمبر ہیں؛ دوسرا ، انسان کامل بے ترتیب نمبر جنریٹر نہیں ہے ، اس کے فیصلے میں ایک خاص قانون کی پیروی ہوگی۔

ان دو نکات سے ، V اور p کے امکانات کے ماڈل کی تعمیر کی جاسکتی ہے ، یعنی یہ حساب لگایا جاسکتا ہے کہ کسی دیئے گئے ((V ، p) قدر کے جوڑے کی موجودگی کا امکان کتنا ہے؟ یہاں ریاضی کے تجزیے میں گہرائی میں نہیں جانا ہے ، دلچسپی رکھنے والے دوست خود ہی متن دیکھ سکتے ہیں۔ آسان الفاظ میں ، یہ ممکن ہے کہ وہ کرنل تخمینے کی تکنیک کے ذریعہ تاریخی اعداد و شمار پر ان کے امکانات کی کثافت کی تقریب کا اندازہ لگائیں۔

اس طرح، جب آپ حقیقی وقت کے اعداد و شمار میں p کی ایک قدر کا مشاہدہ کرتے ہیں، تو آپ کو متعلقہ V کی قیمتوں کے لئے مشروط امکانات کی کثافت کی تقریب مل سکتی ہے، جو اوپر کی تصویر میں ایک کٹائی ہے، مثال کے طور پر ((p = 8):

اس کے بعد یہ واضح ہے کہ یہ حساب لگانا بہت آسان ہے کہ V کی ممکنہ قدر کیا ہے۔ اس فنکشنل وکر کا ایک اور اہم کام یہ ہے کہ آپ کو بقایا اسٹوریج کی متحرک طور پر تشخیص کرنے میں مدد ملے۔ مثال کے طور پر جب آپ نے دیکھا کہ 5 پی استعمال ہوچکے ہیں ، تو یہ نتیجہ اخذ کیا جاسکتا ہے کہ V> = 40 ، اس سے اوپر کے گراف سے نئے وی ویلیو اور بقایا اسٹوریج کا نتیجہ اخذ کیا جاسکتا ہے ((V-5p)) ۔

مجموعی طور پر ، اس الگورتھم کا بنیادی مقصد یہ ہے کہ برفانی پہاڑوں کے احکامات کی موجودگی کا تعین تین متعلقہ ریکارڈوں کی نگرانی کے ذریعہ کیا جائے جو مختصر وقت میں حقیقی وقت کے اعداد و شمار میں لگاتار ظاہر ہوتے ہیں ، جبکہ برفانی پہاڑوں کے احکامات کی مقدار تاریخی اعداد و شمار سے تربیت یافتہ امکانات کے ماڈل کے ذریعہ کی جاتی ہے۔

مجھے یقین ہے کہ آپ بھی دیکھیں گے کہ یہ الگورتھم کوئی دھوکہ دہی کا آلہ نہیں ہے۔ یہ صرف ایک قیاس آرائی ہے جو مارکیٹ میں عوامی اعداد و شمار کا استعمال کرتے ہوئے کی گئی ہے۔ اور یہ قیاس آرائی بھی محض امکانات پر مبنی ہے ، اور زیادہ تر حوالہ کے طور پر ہونا چاہئے۔ یہ مارکیٹنگ کرنے والے لیکویڈیٹی فراہم کرنے والوں کے لئے بہت معنی خیز ہے ، اور انہیں صورتحال کے غلط فیصلے سے نقصان سے بچنے میں مدد مل سکتی ہے۔ لیکن اگر آپ اسے حملے کے ذریعہ استعمال کرنا چاہتے ہیں اور سوچتے ہیں کہ آپ فرنٹ رن میں چھپے ہوئے بل کو ڈھونڈ سکتے ہیں تو ، یہ واقعی غیر ذہین انتخاب ہے۔

آخر میں ، یہ الگورتھم صرف ایک مخصوص ایکسچینج کے لئے ہے۔ دوسرے تبادلے شاید اسی برفانی آرڈر پروسیسنگ کے طریقہ کار کو اپنانے کے قابل نہیں ہوں گے۔

یہ چھوٹا سا الگورتھم آپ کو ہائی فریکوئینسی ٹریڈنگ کے شعبے میں برفانی پہاڑ کا ایک ٹکڑا دکھاتا ہے۔ یہ شاید زیادہ پیچیدہ نہیں لگتا ہے ، لیکن مجھے یہ پسند ہے۔ کیونکہ یہ واضح طور پر ظاہر کرتا ہے کہ پہلے سوچیں ، پھر مقدار۔ کیونکہ برفانی پہاڑ کے احکامات کی طرح ایک حقیقی ضرورت ہے جو معیشت کی بنیادی فراہمی اور طلب سے پیدا ہوتی ہے ، جس میں عملی اعداد و شمار کا تجزیہ کرکے ایک اشارہ ملتا ہے ، اور آخر میں ریاضی کے ماڈل کے ذریعہ ایک مقدار کی حکمت عملی تیار کی جاتی ہے۔

اس اصول کے خلاف ورزی کرنے کے لئے، آپ کو اعلی درجے کی ماڈل کو منتقل کرنے اور اعداد و شمار کو ہٹانے کی ضرورت ہے، اور آپ کو خود کار طریقے سے آپ کے لئے تجارتی سگنل پیدا کرنے کی توقع ہے. اور عمل کرو اور اس کی قدر کرو۔

ٹویٹ ایمبیڈ کریں لنک