ہائی فریکوئنسی الگورتھم سے زیادہ اہم سوچ ہے

ہائی فریکوئنسی الگورتھم سے زیادہ اہم سوچ ہے

پروسیجرڈ ٹریڈنگ کو واقعی عوام کی نظروں میں لانے والا واقعہ دو سال پہلے ہوا تھا جب پورے بازار کو حیران کرنے والے ایک بڑے سیکیورٹیز کے لئے ، انگوٹھے نے ایک منٹ کے اندر 5 فیصد سے زیادہ کا اضافہ کیا تھا کیونکہ بروکر کے ای ٹی ایف سویٹ کے اعلی تعدد ٹریڈنگ کے نظام میں آرڈر کی تخلیق اور عملدرآمد میں غلطیاں ہوئیں۔

چین کے فنانشل فیوچر ایکسچینج کے زون 7•31 کے نئے نظام سے لے کر زون ڈینگ ایکسچینج تک مسلسل تین بیچوں کے اکاؤنٹس پر پابندی عائد کرنے کے لئے تجارتی اقدامات کا اعلان کیا گیا ، پھر حالیہ دنوں میں فنانس فاریکس ٹریڈنگ زون T + 0 زون کو زون T + 1 زون میں تبدیل کردیا گیا ، ریگولیٹری سطح نے منظم تجارت پر مسلسل پابندی عائد کردی ہے۔ خاص طور پر ، 31 جولائی کو چینی کرنسی کی جانب سے متعارف کروائی جانے والی وصولی کے بیان کی فیس کی اقدامات ، منظم تاجروں کے لئے تباہی کا باعث ہیں۔ جب تک کہ فنانس فاریکس ٹریڈنگ زون T + 0 زون سے زون T + 1 زون میں تبدیل نہیں ہوتی ، کچھ منظم تاجروں کو بھی بے ہوش کردیا گیا ہے۔

اس مضمون کا ماخذ معلوم ہے، یہ معلوم ہے کہ صارفین کو اگست 2014 میں اعلی فریکوئنسی ٹریڈنگ کے لئے کون سے مشہور الگورتھم ہیں؟

اس موضوع میں ذکر کردہ آئس مونٹین الگورتھم کے بارے میں مجھے کچھ معلومات ہیں اور میں آپ سے بات کر سکتا ہوں۔ بہت سے لوگوں کی مقدار میں تبادلہ کرنے کے بارے میں ایک طرفہ تفہیم بہت زیادہ ہے اور بنیادی طور پر اسے پیسہ کمانے کے اوزار کے برابر سمجھتی ہے ، میں اس نقطہ نظر سے اتفاق نہیں کرتا ہوں۔ تجارت سب سے پہلے خود تجارت ہے ، اس کی اپنی معاشی اہمیت ہے ، اس کو نظرانداز کرنا اور اسے صرف ایک ڈیجیٹل کھیل کے طور پر دیکھنا جس سے رقم میں اضافہ ہوتا ہے ، یہ بہت آسان ہے۔

مجھے نہیں لگتا کہ الگورتھم خود ہی عجیب ہیں ، اور اچھے الگورتھم بھی مر چکے ہیں ، اور اصل بنیادی قدر ان لوگوں میں ہونی چاہئے جو ان میں مہارت حاصل کرتے ہیں اور ان کا استعمال کرتے ہیں۔ حقیقت میں ، میں جو کچھ بھی کہہ رہا ہوں وہ بھی عوامی معلومات ہے ، لیکن یہاں تک کہ تکنیکی تفصیلات کو جاننے والے بہت کم لوگ ہیں جو واقعی اس میں اچھا کام کرسکتے ہیں۔

امید ہے کہ اس جواب سے آپ کو مقداری اور ہائی فریکوئینسی ٹریڈنگ کے بارے میں ایک واضح تفہیم ملے گی۔

اس کے علاوہ ، میں نے ایک بار پھر اس کے بارے میں بات کی ہے ، لیکن میں اس کے بارے میں نہیں سوچتا ہوں۔

لیکن ہائی فریکوئنسی ٹریڈنگ کے لیے یہ معلومات بہت خام ہوتی ہیں۔ اس لیے یہاں ہم اپنے ناواقف ساتھیوں کو آرڈر بک کے بارے میں بتاتے ہیں۔ آج کل عام طور پر بڑے بڑے ایکسچینجز آرڈر بک کا استعمال کرتے ہیں، جس میں تمام خریداروں اور بیچنے والوں کی قیمتوں کا ریکارڈ ہوتا ہے۔ مثال کے طور پر:

بِڈ خریدار اور آفر بیچنے والے کا نام ہے۔ یہ فہرست خریدار اور بیچنے والے کے درمیان تمام احکامات ("Limit Order") کو ظاہر کرتی ہے۔ یہ فہرست ہی ہائی فریکوئنسی ٹریڈنگ کے بارے میں سب سے زیادہ دلچسپی رکھنے والی معلومات ہے۔ کسی بھی وقت خریدار کی قیمت بیچنے والے سے کم ہوتی ہے۔ لہذا اگرچہ قیمتیں ہمیشہ بدلتی رہتی ہیں ، لیکن صرف قیمتیں ہی کوئی تجارت نہیں کرتی ہیں۔

تجارت کب پیدا ہوتی ہے؟ دو صورتیں ہیں، پہلی صورت میں کسی بھی پارٹی کو مارکیٹ آرڈر جاری کیا جاتا ہے، مثال کے طور پر ایک خریدار نے 10 کی ایک ہی مقدار میں مارکیٹ آرڈر جاری کیا، جس میں فروخت کنندہ کی طرف سے 101 کی قیمت پر 10 خریدنے کے لئے دستیاب ہے، اور اس کی کامیابی کے بعد آرڈر بک اس طرح بن جاتا ہے:

دوسری بات یہ ہے کہ ایک حد کی فہرست جاری کرنا جس کی قیمت دوسری پارٹی کی بہترین پیش کش کے برابر ہو ، اسی طرح کے نتائج پیدا کرے گا۔

اس بات پر زور دینا ضروری ہے کہ اگرچہ حقیقی آرڈر بک صرف تبادلے کے اندر موجود ہے اور تمام تجارت تبادلے کے اندر ہی ہوتی ہے ، تبادلے ہر ایک کوٹ اور مارکیٹ کی فہرست کو ہر ایک کو بھیجتے ہیں ، لہذا تمام خریدار اور بیچنے والے خود ہی ایک ہی ڈیٹا ڈھانچے کو برقرار رکھ سکتے ہیں ، جو تبادلے کی آرڈر بک کے آئینے کی طرح ہے۔ اپنے ہاتھ میں اس آئینے کی تبدیلیوں کا سراغ لگانے اور تجزیہ کرنے کے ذریعہ تجارتی حکمت عملی تیار کرنا ، اعلی تعدد ٹریڈنگ الگورتھم کا بنیادی خیال ہے۔

اس کے بعد ، میں آپ کے لئے ایک آسان طریقہ استعمال کروں گا جس میں آپ کو آرڈر بک کے بارے میں سمجھنے میں مدد ملے گی:

اس گراف میں آرڈر بک کے ساتھ مطابقت رکھتا ہے جو اس مضمون کے آغاز میں ہے ، یہ واضح طور پر دیکھا جانا چاہئے ، افقی محور قیمت ، عمودی محور آرڈر کی مقدار ، سبز خریدار اور سرخ چار بیچنے والے کے لئے ہے۔ اس کا مقصد اس بحث کے موضوع: آئس مین آرڈر کو آگے بڑھانا ہے۔

مندرجہ بالا بنیادی تجزیہ سے ہم دیکھ سکتے ہیں کہ ایکسچینج میں ٹرانزیکشن ڈیٹا مکمل طور پر عوامی ہے ، مارکیٹ میں کسی بھی وقت ، کون کتنا خریدنا / فروخت کرنا چاہتا ہے ، سب کے لئے ایک نظر میں ، کوئی راز نہیں۔ یہ خود ہی معاشی معنی رکھتا ہے ، کیونکہ صرف خرید و فروخت کی طلب کو ظاہر کرنے سے ممکنہ تاجروں کو تجارت کرنے کے لئے راغب کیا جاتا ہے ، لہذا مارکیٹ میں اپنی ضروریات کو کچھ حد تک ظاہر کرنا ضروری ہے۔ لیکن اس کے ساتھ ہی اس کا ایک سنگین نتیجہ بھی ہوتا ہے ، جب کوئی شخص بڑی مقدار میں خرید و فروخت کرنا چاہتا ہے تو ، اس کی طرف سے جاری کردہ بڑی حد کی قیمت براہ راست سب کو دکھائی جاتی ہے۔ مثال کے طور پر ، ایک خریدار نے بڑی مقدار میں بل لگانے کے بعد ، آرڈر بک اس طرح نظر آئے گا:

یہ اس کے لئے بہت نقصان دہ ہے کیونکہ ہر کوئی اس معلومات کو اس کے ساتھ ٹھیک کرنے کے لئے استعمال کرے گا۔ یہ فیصلہ کیا جائے گا کہ اب مارکیٹ میں بہت زیادہ خریدنے کا دباؤ ہے ، لہذا پیسہ کمانے کے لئے ایک بڑی تعداد میں خریداروں کی خریداری ہوگی ، اور قیمتیں تیزی سے بڑھیں گی ، لہذا جو چیز اس شخص نے 98 میں خریدی تھی وہ جلد ہی زیادہ قیمت پر خریدنے کے قابل ہو جائے گی۔ کیا آپ جانتے ہیں؟ اس مسئلے کو حل کرنے کے لیے، تبادلے ایک ھدف بنائے ہوئے آلہ فراہم کرتے ہیں، جسے "آئس برگ آرڈر" کہا جاتا ہے۔ اس طرح کے آرڈر بہت بڑے ہوسکتے ہیں، لیکن ان میں سے صرف ایک چھوٹا سا حصہ عوامی ہوتا ہے، اور زیادہ تر پوشیدہ ہوتا ہے، جو کہ تبادلے اور آرڈر دینے والے کے علاوہ کسی کو بھی نظر نہیں آتا۔

بھوری رنگ کا حصہ آئس مین آرڈر کا پوشیدہ حصہ ہے۔ اس طرح ، تبادلے صرف اس وقت ہی دوسروں کو مطلع کرتے ہیں جب اس کے مطابق پوشیدہ رقم کی تجارت ہوتی ہے ، تاکہ دوسروں کو آرڈر کی نمائش کی معلومات کا استعمال کرنے سے روک دیا جاسکے۔

ہر چیز کے فوائد اور نقصانات ہوتے ہیں۔ جب کہ آئس مین آرڈر جاری کرنے والے کے مفادات کی حفاظت کرتا ہے ، لیکن یہ دوسرے مارکیٹ کے شرکاء کے لئے بھی ایک غیر منصفانہ اصول بن جاتا ہے۔ جو شرکاء حقیقی تجارت کی ضرورت رکھتے ہیں وہ صورتحال کے غلط اندازے کے باعث بہت زیادہ نقصان اٹھاتے ہیں۔ لہذا اگلا سوال یہ بن جاتا ہے کہ مارکیٹ میں آئس مین آرڈر کو کیسے تلاش کیا جائے؟

پہلے ، ایک آسان ترین طریقہ ہے۔ بعض اوقات ، ایک برفانی پہاڑ کا آرڈر بہترین خریدنے اور فروخت کرنے کی قیمت کے درمیان (پھیلا ہوا) ہوتا ہے ، جیسے:

اس صورت حال کے لیے ایک بہت ہی سادہ پتہ لگانے کا طریقہ ہے، یعنی ایک کم سے کم حد کا آرڈر پھیلاؤ میں بھیج دیا جائے گا، جس کے بعد اس آرڈر کو منسوخ کر دیا جائے گا۔ مثال کے طور پر، اس مثال میں، ایک 99 کی فروخت کی حد کا آرڈر جاری کیا جائے گا اور پھر منسوخ کر دیا جائے گا۔ کیونکہ اس کی قیمت خود کو واضح طور پر خریدنے کی قیمت کے مقابلے میں زیادہ نہیں ہے۔[98] اگر آئس ٹاؤن کی موجودگی نہیں ہے تو، یہ یقینی طور پر تجارت کی جائے گی۔ لیکن آئس ٹاؤن کی صورت میں، ایک بار جب تجارت کو یہ فروخت کا آرڈر موصول نہیں ہوتا ہے، تو وہ فوری طور پر آئس ٹاؤن میں متعلقہ رقم کی تجارت کرے گا، اور اس کے بعد منسوخی کا حکم غیر فعال ہو جائے گا۔ اس طرح، ایک چھوٹی سی قیمت پر، مارکیٹ میں پوشیدہ آرڈر کو دریافت کیا جا سکتا ہے۔ دراصل، کوئی ایسا کرتا ہے، جو اکثر انوائس لے لیتا ہے، اور اس کے بعد سب سے زیادہ قیمتوں کے درمیان ایک اعلی تعدد کی خرابی پیدا کرتا ہے، جس میں چھپے ہوئے آرڈر کو تلاش کرنے کے لئے استعمال کیا جاتا

اس طرح کے پریشان کن پتہ لگانے کا مقابلہ کرنے کے لئے ، عام طور پر لوگ براہ راست پھیلاؤ میں شامل نہیں ہوتے ہیں۔ لیکن پہلے کی طرح ، عام حد کے حکم سے منسلک ہوتے ہیں ، لہذا جب تجارت ہوتی ہے تو ، آپ کو اندازہ لگانا مشکل ہوجاتا ہے کہ کیا آپ عام حد کے حکم یا برفانی پہاڑ کے حکم کو استعمال کرتے ہیں؟ تو کیا کرنا چاہئے؟

سب سے پہلے ایک براہ راست خیال ہے۔ آئس مین آرڈرز کا وجود کسی حد تک آرڈر دینے والے کی مارکیٹ کی صورتحال کی تشریح کی عکاسی کرتا ہے ، اور اس فیصلے کو ظاہر کرتا ہے کہ آئس مین آرڈرز کا استعمال ضروری ہے۔ اس بات پر زور دینا ضروری ہے کہ آئس مین آرڈرز کا استعمال کسی قیمت کے بغیر نہیں ہوتا ہے ، کیونکہ آپ حقیقی ضروریات کو چھپاتے ہیں ، جبکہ ممکنہ حملہ آوروں کو بھی چھپاتے ہیں ، اور حقیقی تاجروں کو بھی چھپاتے ہیں۔ اور اس سے ٹرانزیکشن کا وقت نمایاں طور پر بڑھ جاتا ہے - کیونکہ کوئی نہیں جانتا ہے کہ آپ اتنی آہستہ خریدنا / بیچنا چاہتے ہیں ، آپ صرف آہستہ آہستہ ہینڈ سائیکل کے ظہور کا انتظار کرسکتے ہیں۔ لہذا جب کوئی آئس مین آرڈر جاری کرنے کا فیصلہ کرتا ہے تو ، مارکیٹ کی صورتحال کو بھی مدنظر رکھا جاتا ہے ، اور صرف صحیح وقت پر ہی یہ انتخاب کیا جاتا ہے۔

مناسب وقت کیا ہے؟ کچھ اعداد و شمار متعلقہ ہونے چاہئیں ، جیسے خرید و فروخت کی قیمتوں میں فرق ، خرید و فروخت کی مقدار کے تناسب وغیرہ۔ ان اعداد و شمار کے ل you ، آپ تاریخی اعداد و شمار پر رجعت کا تجزیہ کرسکتے ہیں اور ان کے اور آئس پورڈ آرڈرز کے مابین ایک لکیری / غیر لکیری ماڈل تشکیل دے سکتے ہیں۔ تاریخی اعداد و شمار کے ذریعہ تربیت یافتہ یہ ماڈل آپ کو حقیقی وقت میں تجارت کرتے وقت استعمال کرنے کے لئے آئس پورڈ آرڈر ڈیسکٹر کے طور پر کام کرسکتا ہے۔ مارکیٹ کے تاریک پہلو پر: خفیہ آرڈر کی جگہ کی نشاندہی اور تجزیہ کرنا۔ یہ طریقہ اس مقالے میں استعمال کیا گیا ہے۔

بنیادی ماڈل کی وضاحت کی جاسکتی ہے: F ((spread، bidSize/offerSize،...) = Probability ((Iceberg)

اگر آپ اونچی اونچائی پر کھیلنا چاہتے ہیں تو ، آپ اس کی بنیاد پر اعلی درجے کے ماڈل جیسے HMM ، SVM ، نیورل نیٹ ورکس وغیرہ بنا سکتے ہیں ، لیکن بنیادی خیال ایک جیسا ہے: ڈش تجزیہ کے ذریعہ آئس مین آرڈرز کے امکان کا حساب لگانا۔

یہ طریقہ بہت اعلی درجے کا لگتا ہے لیکن اس کا کیا اثر ہے؟ مجھے لگتا ہے کہ آپ سب نے دیکھا ہے کہ یہ ماڈلنگ بہت درست نہیں ہے۔ یہ ایک بعد کے تجزیے کا طریقہ ہے جس میں یہ بتایا جاتا ہے کہ کس صورت حال میں آئس مین آرڈر ہوسکتا ہے ، لیکن یہ حقیقی وقت کی تجارت کا پتہ لگانے والا نہیں ہے۔ کیونکہ اس کی معلومات بہت مبہم ہیں ، اور آخر کار ماڈلنگ کا مقصد صرف ایک وابستگی ہے ، اس بات کی کوئی ضمانت نہیں ہے کہ آئس مین آرڈر بھیجنے والا اس منطق کے مطابق کارڈ جاری کرے گا۔

لہذا ، مندرجہ ذیل میں ، اعلی تعدد کے کھلاڑیوں کے ساتھ حقیقی طور پر چوری کرنے کا طریقہ پیش کیا گیا ہے ، جو کہ گلوبیکس فیوچر کی حد آرڈر بک میں پوشیدہ لیکویڈیٹی کی پیشن گوئی سے آیا 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 جو شخص اعداد و شمار کو دیکھتا ہے وہ کیا سوچتا ہے؟ وہ شاید یہ معلوم کرے گا کہ ایکسپورٹ کے قوانین آئس مینڈ آرڈر کے عمل کے لئے بہت دلچسپ ہیں۔ کچھ تبادلے اس طرح کرتے ہیں: ایک آئس مینڈ آرڈر میں دو پیرامیٹرز ہوتے ہیں ، V آرڈر کی کل تعداد کا مطلب ہے ، اور p عوامی طور پر دکھائے جانے والے مقدار کا مطلب ہے۔ مثال کے طور پر ، V = 100 ، p = 10 کی آئس مینڈ لسٹ ، اصل میں پوشیدہ مقدار 90 ہے۔ اگر اس آرڈر کے لئے کوئی ٹرانزیکشن ہوتا ہے ، مثال کے طور پر ، ٹرانزیکشن کی مقدار 10 ، تبادلے کا سلسلہ تین پیغامات بھیجتا ہے:

ادائیگی 10

آرڈر بک کے اوپر بولی کا سائز -10

نئی بولی +10

یہ تینوں پیغامات ایک دوسرے کے بعد آنے کے پابند ہیں اور تیسرے اور پہلے پیغامات کے درمیان فرق بہت کم ہے۔ اس کی وجہ یہ ہے کہ اگرچہ آئس مین آرڈر میں پوشیدہ مقدار موجود ہے ، لیکن ہر ٹرانزیکشن صرف دکھائے گئے مقدار پر واقع ہوتی ہے ، جب تک کہ p استعمال نہ ہوجائے ، تب تک باقی پوشیدہ مقدار میں سے ایک نیا پی مقدار تجدید نہیں ہوتا ہے۔ اس طرح ، ہر شخص کو تبادلے سے موصول ہونے والی معلومات کو منطقی طور پر درست طور پر اپ ڈیٹ کیا جاسکتا ہے آرڈر بک ، جیسے آئس مین آرڈر موجود نہیں ہے۔ کیا آپ جانتے ہیں؟ لہذا ، ایک بار جب ہم اس قانون کو اعداد و شمار میں دیکھ لیتے ہیں تو ، ہم اس بات کا یقین کے ساتھ فیصلہ کرسکتے ہیں کہ مارکیٹ میں ایک برفانی پہاڑ کا آرڈر موجود ہے ، اور اس کے ساتھ ساتھ p کی قیمت کا تعین بھی کیا جاسکتا ہے۔ اگلا اہم سوال یہ ہے کہ V کی قیمت کا تعین کیسے کریں ، یعنی اس برفانی پہاڑ کے آرڈر کا باقی ذخیرہ کتنا ہے؟ کیا آپ جانتے ہیں؟ اس مسئلے کا بنیادی طور پر کوئی درست حل نہیں ہے کیونکہ V اور p کا فیصلہ انفرادی طور پر کیا جاتا ہے اور یہ کسی بھی قدر کا ہو سکتا ہے۔ لیکن یہ دو نکات پر غور کیا جاسکتا ہے: پہلا ، دونوں اقدار عددی تعداد ہیں۔ دوسرا ، انسان کامل بے ترتیب تعداد پیدا کرنے والا نہیں ہے ، اور فیصلہ ایک خاص قانون کے مطابق ہوتا ہے۔

ان دو نکات سے شروع کرتے ہوئے ، V اور p کے لئے ایک احتمالاتی ماڈل بنایا جاسکتا ہے ، یعنی ، کسی دیئے گئے ((V ، p) قدر کے مجموعے کو شمار کرنے کا امکان کیا ہے؟ یہاں ریاضی کے تجزیے میں گہرائی میں جانے کی ضرورت نہیں ہے ، دلچسپی رکھنے والے دوست خود ہی دیکھ سکتے ہیں۔ آسان الفاظ میں ، تاریخی اعداد و شمار پر کیرنل تخمینہ لگانے کی تکنیک کے ذریعہ ان کے امکان کثافت افعال کی شکل کا اندازہ لگایا جاسکتا ہے۔

اس طرح، جب آپ حقیقی وقت کے اعداد و شمار میں ایک p قدر کا مشاہدہ کرتے ہیں تو، آپ کو ایک مناسب V قدر کے لئے ایک شرط کی امکان کثافت کی تقریب، یعنی مندرجہ بالا گراف کا ایک حصہ، جیسے ((p = 8)) حاصل کر سکتے ہیں:

اگلا، ظاہر ہے، یہ حساب لگانا بہت آسان ہے کہ V کا سب سے زیادہ امکان کیا ہے۔ اس فنکشنل وکر کا ایک اہم کردار یہ بھی ہے کہ آپ کو بقایا ذخائر کا متحرک اندازہ لگانے میں مدد ملے۔ مثال کے طور پر، جب آپ نے دیکھا کہ پہلے ہی 5 p استعمال ہوچکے ہیں تو آپ V > = 40 کا اندازہ لگاسکتے ہیں، اور اس سے اوپر کی گراف سے نئے V ویلیو اور بقایا ذخائر کا اندازہ لگاسکتے ہیں ((V-5p)).

مجموعی طور پر ، الگورتھم کا مرکز یہ ہے کہ برفانی پہاڑوں کے احکامات کی موجودگی کا اندازہ ریئل ٹائم ڈیٹا میں مانیٹرنگ کے دوران مختصر وقت کے دوران لگاتار تین متعلقہ ریکارڈوں کے ذریعہ کیا جاتا ہے ، جبکہ برفانی پہاڑوں کے احکامات کی مقدار تاریخی اعداد و شمار کے ذریعہ تربیت یافتہ احتمالاتی ماڈل کے ذریعہ کی جاتی ہے۔

مجھے یقین ہے کہ آپ بھی دیکھیں گے کہ یہ الگورتھم دھوکہ دہی کا آلہ نہیں ہے۔ یہ صرف مارکیٹ میں دستیاب اعداد و شمار کا استعمال کرتے ہوئے ایک قیاس آرائی ہے۔ اور یہ قیاس آرائی صرف امکانات پر مبنی ہے ، اور اس سے زیادہ ایک حوالہ کے طور پر ہونا چاہئے۔ یہ مارکیٹنگ کرنے والے لیکویڈیٹی فراہم کرنے والوں کے لئے بہت معنی رکھتا ہے ، تاکہ وہ صورتحال کے بارے میں غلط فہمیوں کے نتیجے میں نقصانات سے بچ سکیں۔ لیکن اگر آپ اسے حملے کے طور پر استعمال کرنا چاہتے ہیں ، اور محسوس کرتے ہیں کہ آپ کو پوشیدہ بڑی تعداد میں آرڈر ملتے ہیں اور فرنٹ رن کرتے ہیں تو ، یہ واقعی ایک غیر ذہین انتخاب ہے۔

آخر میں ، یہ الگورتھم صرف ایک مخصوص تبادلے کے لئے ہے۔ دیگر تبادلے شاید اسی طرح کے آئس مین آرڈر پروسیسنگ کا استعمال نہیں کریں گے۔ لہذا واقعی قابل قدر یہ ہے کہ حقیقی اعداد و شمار پر مبنی ماڈلنگ کا خیال ، مخصوص الگورتھم کے قابل نہیں ہے۔

یہ چھوٹا سا الگورتھم آپ کو ہائی فریکوئنسی ٹریڈنگ کے شعبے میں برف کی پہاڑی دکھاتا ہے۔ شاید یہ پیچیدہ نظر نہیں آتا ، لیکن مجھے یہ پسند ہے۔ کیونکہ یہ واضح طور پر ظاہر کرتا ہے کہ پہلے سوچیں ، پھر مقدار۔ کیونکہ برف کی پہاڑیوں کے آرڈر کی طرح ایک حقیقی ضرورت ہے جو معاشیات کی بنیادی فراہمی اور طلب کے تعلقات سے شروع ہوتی ہے ، اصل اعداد و شمار کا تجزیہ کرکے ایک اشارہ ملتا ہے ، اور آخر میں ریاضیاتی ماڈل کے ذریعہ ایک مقداری حکمت عملی تیار کرتا ہے۔ یہ ایک خوبصورت حکمت عملی کی تحقیق ہے۔

اگر آپ اس اصول کی خلاف ورزی کرتے ہیں تو ، آپ کو اعلی درجے کے ماڈلوں کو ڈیٹا کے ساتھ لے جانے کی ضرورت ہے ، اور توقع ہے کہ وہ خود بخود آپ کو تجارتی سگنل پیدا کریں گے۔ یہ میرے خیال میں ایک جنونی خواب ہے۔ بدقسمتی سے ، یہ خواب بہت زیادہ کشش ہے ، اور دنیا میں کبھی بھی بزدلوں کی کمی نہیں ہوتی ہے۔ اور چلتے پھرتے ہیں اور اس کی قدر کرتے ہیں۔

7 ہی نیٹ سے نقل کیا گیالنک