دیباچہ

لوگ اکثر کہتے ہیں کہ تجارت ایک فن ہے، اور فن الہام سے آتا ہے۔ لہذا آج میں آپ کے ساتھ اشتراک کرنا چاہتا ہوں کہ موجد کے کوانٹیٹیو ڈیٹا ری پلے فنکشن کو کس طرح استعمال کیا جائے تاکہ آپ کی اپنی ٹریڈنگ پریرتا کو دریافت کریں۔

ٹریڈنگ پریرتا اور مارکیٹ احساس

جسے ہم عام طور پر الہام کہتے ہیں اس سے مراد وہ تخلیقی کیفیت ہے جس کا تجربہ لوگ سوچنے کے عمل کے دوران کرتے ہیں۔ تاجروں کے لیے، ہمارے دماغ کا بایاں نصف کرہ اصولوں کی ایک سیریز کی تشکیل کو مکمل کرتا ہے جیسے کہ حکمت عملی لکھنا، کیپیٹل ایلوکیشن، اور پیرامیٹر سیٹنگ۔ وہ تجارتی الہام اور مارکیٹ سینس دماغ کے دائیں نصف کرہ سے آتے ہیں۔

بہت سے لوگوں نے “مارکیٹ احساس” کی اصطلاح سنی ہے، جو کہ ایک ناقابل بیان احساس ہے، جیسے کہ اب جو کچھ ہو رہا ہے وہ مانوس معلوم ہوتا ہے۔ تجارت کرتے وقت، یہ چھٹی حس کی طرح کا وجدان، اگرچہ منطقی استدلال اور تجزیہ پر مبنی نہیں، تاجروں کو مستقبل کے بازار کے رجحانات کی پیش گوئی کی بنیاد پر خرید و فروخت کے فیصلے کرنے پر اکساتا ہے۔

الہام کیسے حاصل کریں۔

باہر والوں کے لیے، مارکیٹ سینس ایک پراسرار ٹیلنٹ ہے جو آپ کو بغیر کسی حرکت کے جیتنے کی اجازت دیتا ہے، آپ مارکیٹ میں قدم جما سکتے ہیں۔ درحقیقت، مارکیٹ سینس دماغ کے ذریعے ساپیکش ٹریڈنگ کے تجربے کا خلاصہ ہے، یہ ایک مبہم پیشن گوئی کا احساس ہے جو مارکیٹ کو دیکھنے کے سالوں سے حاصل ہوتا ہے۔

اگرچہ سختی سے کہا جائے تو، الہام مارکیٹ کے احساس کے بالکل برابر نہیں ہے، مجھے یقین ہے کہ مارکیٹ میں ہزاروں بار تجربے کے بعد، ہر ایک کو مارکیٹ کی گہری سمجھ ہوگی اور وہ حکمت عملی تیار کرنے میں ماہر ہوگا۔ لہذا، اگر آپ اس ہنر کو حاصل کرنا چاہتے ہیں اور مزید تجارتی حکمت عملی تیار کرنا چاہتے ہیں، تو آپ کو موقع ملنے تک مشق کرنے کے علاوہ کوئی دوسرا راستہ نہیں ہے۔ صرف بڑی تعداد میں لین دین کے ذریعے ہی آپ اپنے تجارتی نظام کو مکمل کر سکتے ہیں۔

تاہم، گھریلو کموڈٹی فیوچرز اور سٹاک کے پاس دن میں صرف چند گھنٹے ٹریڈنگ کا وقت ہوتا ہے، اگر آپ حقیقی ٹریڈنگ کے ذریعے مارکیٹ کو دیکھنے کے اپنے تجربے کو بہتر بناتے ہیں، اپنے منافع کا ماڈل اور ٹریڈنگ کے اصول بناتے ہیں، اور اپنے کنڈیشنڈ اضطراری عمل کو شعوری طور پر تربیت دیتے ہیں۔ کامیابی حاصل کرنا مشکل ہے میں ایسا کرنے سے قاصر ہوں۔ زیادہ وقت کی قیمت ادا کرنے کے علاوہ، زیادہ تر تاجروں کو سرمائے کے نقصان کی قیمت بھی برداشت کرنی پڑتی ہے۔ اس مسئلے کو حل کرنے کے لیے، موجدوں نے مقداری طور پر ڈیٹا پلے بیک فنکشن تیار کیا۔

ڈیٹا ری پلے کا استعمال کیسے کریں۔

ڈیٹا پلے بیک فنکشن کو ایکسچینج کے تجارتی اوقات میں محدود کیے بغیر تربیت دی جا سکتی ہے، اور مختلف قسم کے کموڈٹی فیوچرز اور ڈیجیٹل کرنسی کی اقسام کو دستی طور پر یا خود بخود چلایا جا سکتا ہے، اور مارکیٹ کے تاریخی حالات کے آغاز اور اختتام کے اوقات پلے بیک کی رفتار آزادانہ طور پر سیٹ کی جا سکتی ہے۔ دوسرے سافٹ ویئر کے مقابلے میں جو عام طور پر K-line ڈیٹا پلے بیک کے طریقے استعمال کرتے ہیں، Inventor Quantitative ٹک لیول ڈیٹا پلے بیک کے طریقے استعمال کرتا ہے، جو کہ ایک بیک ٹیسٹنگ ماحول ہے جو حقیقی تجارت کے قریب ہے، قیمت اور حجم کے ڈیٹا کو دوبارہ تیار کرتا ہے، جس سے تاجروں کو اس میں غرق ہونے کی اجازت ملتی ہے۔ تجربہ

Inventor Quantitative (fmz.com) کی آفیشل ویب سائٹ کھولیں، رجسٹر کریں اور لاگ ان کریں، پھر ڈیٹا پلے بیک فنکشن صفحہ کو ظاہر کرنے کے لیے کنٹرول سینٹر میں ڈیٹا ایکسپلوریشن پر کلک کریں۔ چار آپشن باکسز اور ایک سلیکشن بٹن ہیں، صرف ان اقسام کو ظاہر کرنے کے لیے کلک کریں جو ریئل ٹائم پلے بیک کو سپورٹ کرتی ہیں، پھر اوپری بائیں کونے میں دوبارہ چلائی جانے والی اقسام کو منتخب کریں۔ اگلے دو آپشن خانوں میں ڈیٹا کا وقت ریئل ٹائم پلے بیک کے طور پر منتخب کریں، اور آخر میں ڈیٹا پلے بیک فنکشن شروع کرنے کے لیے دائیں جانب گو بٹن پر کلک کریں۔

ڈیٹا لیبل کے تحت تین حصے ہیں۔ بائیں طرف لین دین کی سرگزشت ہے، جو تمام عمل درآمد شدہ آرڈرز کو تاریخی ترتیب میں دکھاتی ہے۔ بیچ میں خرید و فروخت دونوں کے لیے 20 سطحوں کی گہرائی کے ساتھ مارکیٹ کا ڈیٹا ہے۔ دائیں طرف ڈیٹا پلے بیک کنٹرول ایریا ہے، جہاں آپ دستی اور خودکار ڈیٹا پلے بیک کے طریقے منتخب کر سکتے ہیں، اتنا ہی آسان جتنا میڈیا پلیئر استعمال کرنا۔

ڈیٹا پلے بیک کے آغاز کے وقت کو تیزی سے منتخب کرنے کے لیے پوزیشن انڈیکس کو آگے پیچھے گھسیٹا جا سکتا ہے۔

نچلے حصے میں، آپ کرسر کو دائیں یا بائیں منتقل کر کے بھی ڈیٹا پلے بیک کی رفتار کو کنٹرول کر سکتے ہیں۔

حکمت عملی کی منطق کی تعمیر

اگرچہ قیمت کے اتار چڑھاؤ کو متاثر کرنے والے بہت سے عوامل ہیں، بشمول: عالمی اقتصادی ماحول، قومی معاشی پالیسیاں، متعلقہ صنعتی پالیسیاں، طلب اور رسد کے تعلقات، بین الاقوامی واقعات، شرح سود اور شرح مبادلہ، افراط زر اور تنزلی، مارکیٹ کی نفسیات، نامعلوم عوامل وغیرہ۔ ، مارکیٹ کی حتمی صورت حال اوپر دی گئی قیمت بیل اور ریچھ کے درمیان مقابلے کا نتیجہ ہے۔ اگر بیچنے والے سے زیادہ خریدار ہوں تو قیمت بڑھ جائے گی، اس کے برعکس، اگر خریداروں سے زیادہ بیچنے والے ہوں تو قیمت گر جائے گی۔ پھر ہمیں تجارتی حکمت عملی بنانے کے لیے صرف قیمت کا تجزیہ کرنے کی ضرورت ہے۔

پچھلے مہینے Binance Exchange پر btc_usdt ٹریڈنگ جوڑی کے موجد کے مقداری پلے بیک کے ذریعے، ہم نے پایا کہ جب مارکیٹ میں اضافہ ہوا یا گرا، تو ٹک ڈیٹا آرڈر بک کے لمبے اور مختصر اطراف کا آرڈر والیوم واضح طور پر غیر متناسب تھا۔ جب مارکیٹ میں تیزی سے اضافہ ہوتا ہے، تو طویل آرڈرز کا حجم مختصر آرڈرز کے حجم سے نمایاں طور پر زیادہ ہوتا ہے؛ تو کیا ہم آرڈر بک میں آرڈرز کی تعداد کی بنیاد پر قلیل مدت میں قیمتوں میں اضافے اور گرنے کا اندازہ لگا سکتے ہیں؟

جواب ہاں میں ہے۔

ہم ڈیپ ٹک ڈیٹا اکٹھا کر سکتے ہیں، لمبے اور مختصر آرڈرز کے حجم کا حساب لگا سکتے ہیں اور ان کا موازنہ کر سکتے ہیں اگر لمبے اور شارٹ آرڈرز کا مشترکہ حجم بہت مختلف ہے تو یہ ممکنہ خرید و فروخت کا موقع ہو سکتا ہے۔ مثال کے طور پر، جب لمبے آرڈرز کی تعداد شارٹ آرڈرز سے N گنا ہوتی ہے، تو ہم یہ فرض کر سکتے ہیں کہ مارکیٹ میں زیادہ تر لوگ خوش مزاج ہیں، اور قلیل مدت میں قیمت میں اضافے کا امکان بڑھ جائے گا۔ طویل آرڈرز کے اوقات، اس وقت، ہم یہ فرض کر سکتے ہیں کہ مارکیٹ میں زیادہ تر لوگ مندی کا شکار ہیں، اور مستقبل میں مختصر مدت میں قیمت میں کمی کا امکان بڑھ جائے گا۔

تجارتی حکمت عملی لکھنا

مندرجہ بالا حکمت عملی کی منطق کے مطابق، اسے کوڈ کے ساتھ لاگو کرنا شروع کریں۔ ترتیب میں کھولیں: fmz.com ویب سائٹ> لاگ ان> کنٹرول سینٹر> پالیسی لائبریری> نئی پالیسی> اوپری دائیں کونے میں ڈراپ ڈاؤن مینو پر کلک کریں اور پالیسیاں لکھنا شروع کرنے کے لیے ازگر کی زبان کو منتخب کریں۔ یہ حکمت عملی تعلیم کے لیے صرف ایک نقطہ آغاز ہے، اس لیے میں نے اسے ممکنہ حد تک مختصر رکھنے کی کوشش کی ہے، براہ کرم ذیل کے کوڈ میں موجود تبصروں پر توجہ دیں۔

مرحلہ 1: ایک پالیسی فریم ورک لکھیں۔

# 策略主函数
def onTick():
    pass


# 程序入口
def main():
    while True:  # 进入无限循环模式
        onTick()  # 执行策略主函数
        Sleep(1000)  # 休眠1秒

جب ہم حکمت عملی لکھتے ہیں تو ہمیں بڑے سے چھوٹے تک لکھنا چاہیے، جیسے گھر بنانا، پہلے فریم بنائیں پھر دیواریں بنائیں۔ اس فریم ورک میں، ہم دو فنکشن استعمال کرتے ہیں: مین فنکشن اور آن ٹِک فنکشن۔ مین فنکشن پروگرام کا انٹری پوائنٹ ہے، جس کا مطلب ہے کہ پروگرام کو یہاں سے ایگزیکیویٹ کیا جائے گا، اور پھر لامحدود لوپ موڈ میں داخل ہوں، بار بار onTick فنکشن کو انجام دیتے ہوئے۔ پھر ہمیں صرف حکمت عملی کے مواد کو onTick فنکشن میں لکھنے کی ضرورت ہے۔

مرحلہ 2: عالمی متغیرات لکھیں۔

vol_ratio_arr = []  # 多空挂单比率数组
mp = 0  # 虚拟持仓

vol_ratio_arr کو عالمی متغیر کے طور پر بیان کرنے کی وجہ یہ ہے کہ میری حکمت عملی کو ٹک ڈیٹا کی مدت کے لیے لمبے اور مختصر آرڈرز کا تناسب جمع کرنے کی ضرورت ہے اگر ہم onTick فنکشن میں vol_ratio_arr متغیر رکھتے ہیں، تو ظاہر ہے کہ اس کے ساتھ چلنا غیر معقول ہے۔ لوپ جس کی ہمیں ضرورت ہے وہ یہ ہے کہ ایک متغیر کی قدر صرف اس صورت میں تبدیل ہوتی ہے جب ایک خاص شرط کو پورا کیا جاتا ہے۔

پوزیشن مینجمنٹ بہت ضروری ہے کیونکہ یہ خرید و فروخت کی منطق سے متعلق ہے، عام طور پر اسپاٹ ٹریڈنگ میں، ہم اکاؤنٹ حاصل کر کے رکھے گئے کرنسی کے جوڑوں کا حساب لگاتے ہیں۔ کوڈ کو آسان بنانے کے لیے، خرید و فروخت کی منطق کو کنٹرول کرنے کے لیے یہاں ایک عالمی ورچوئل پوزیشن متغیر کی براہ راست وضاحت کی گئی ہے۔

مرحلہ 3: موجودہ طویل اور مختصر تناسب کا حساب لگائیں۔

depth = exchange.GetDepth()  # 获取深度数据
asks = depth['Asks']  # 获取卖价数组
bids = depth['Bids']  # 获取买价数组
asks_vol = 0  # 所有卖价挂单
bids_vol = 0  # 所有买价挂单
for index, ask in enumerate(asks):  # 遍历卖价数组
    # 线性计算所有卖价挂单
    asks_vol = asks_vol + ask['Amount'] * (20 - index)
for index, bid in enumerate(bids):  # 遍历买价数组
    # 线性计算所有买价挂单
    bids_vol = bids_vol + bid['Amount'] * (20 - index)
bidask_ratio = bids_vol / asks_vol  # 计算多空比率

جیسا کہ ہم سب جانتے ہیں، ڈیجیٹل کرنسیوں میں عام طور پر گہرائی کے اعداد و شمار کے 20 درجے ہوتے ہیں، اس لیے ہم لانگ اور شارٹس کے تناسب کا حساب لگانے کے لیے لمبے اور شارٹ آرڈرز کو شامل کر سکتے ہیں جب یہ قدر 1 سے زیادہ ہوتی ہے، اس کا مطلب ہے کہ اس سے زیادہ لوگ تیزی کے ساتھ ہیں۔ مندی، یہ بتاتی ہے کہ قیمت میں قلیل مدت میں اضافہ ہوگا جب یہ قدر 1 سے کم ہے، اس کا مطلب ہے کہ مندی والے لوگوں کی تعداد تیزی سے بڑھے گی۔ مستقبل میں مختصر مدت.

لیکن ایک چیز کو پہچاننے کی ضرورت ہے جتنا زیر التواء آرڈر مارکیٹ کی قیمت کے قریب ہے، تیزی یا مندی کا جذبہ اتنا ہی مضبوط ہوتا ہے، مثال کے طور پر، خرید آرڈر کے مقابلے میں زیادہ مضبوط جذبات کی نشاندہی کرتا ہے۔ 20 ویں سطح پر۔ لہذا، زیر التواء آرڈرز جمع کرتے وقت، ہمیں 20 آرڈرز کو لکیری انداز میں مختلف وزن دینے کی ضرورت ہے، جو زیادہ معقول ہوگا۔

مرحلہ 4: ایک وقفہ کے دوران لمبے قلیل تناسب کا لکیری طور پر حساب لگائیں۔

global vol_ratio_arr, mp  # 引入全局变量
vol_ratio_arr.insert(0, bidask_ratio)  # 把多空比率放到全局变量数组里面
if len(vol_ratio_arr) > 20:  # 如果数组超过指定长度
    vol_ratio_arr.pop()  # 删除最旧的元素
all_ratio = 0  # 临时变量，所有多空挂单比率
all_num = 0  # 临时变量，所有线性乘数
for index, vol_ratio in enumerate(vol_ratio_arr):  # 变量全局变量数组
    num = 20 - index  # 线性乘数
    all_num = all_num + num  # 线性乘数累加
    all_ratio = all_ratio + vol_ratio * num  # 所有多空挂单比率累加
ratio = all_ratio / all_num  # 线性多空挂单比率

جمع شدہ لمبے آرڈرز کو جمع شدہ شارٹ آرڈرز سے تقسیم کرکے لانگ شارٹ ریشو حاصل کیا جاسکتا ہے، لیکن یہ صرف ایک ٹک کا ڈیٹا ہے، صرف ایک ٹک ڈیٹا کی بنیاد پر لین دین کی خرید و فروخت کا فیصلہ کرنا دانشمندانہ انتخاب نہیں ہوگا۔ ، کیونکہ ہمیشہ بدلتی ہوئی مارکیٹ میں، ایک ٹک مارکیٹ کے رجحان کو تبدیل کر سکتا ہے۔ لہذا، ہمیں ٹک ڈیٹا کی ایک مقررہ مدت جمع کرنے کی ضرورت ہے، اور پھر مناسب قیمت حاصل کرنے کے لیے لکیری کیلکولیشن کا استعمال کریں۔

مرحلہ 5: آرڈر دیں۔

last_ask_price = asks[0]['Price']  # 最新卖一价，用于买入的价格
last_bid_price = bids[0]['Price']  # 最新买一价，用于卖出的价格
if mp == 0 and ratio > buy_threshold:  # 如果当前无持币，并且比率大于指定值
    exchange.Buy(last_ask_price, 0.01)  # 买入
    mp = 1  # 设置虚拟持仓的值
if mp == 1 and ratio < sell_threshold:  # 如果当前持币，并且比率小于指定值
    exchange.Sell(last_bid_price, 0.01)  # 卖出
    mp = 0  # 重置虚拟持仓的值

چونکہ ہمیں آرڈر دیتے وقت قیمت بتانے کی ضرورت ہوتی ہے، لہذا ہم خریدتے وقت براہ راست پوچھنے کی تازہ ترین قیمت اور فروخت کرتے وقت بولی کی تازہ ترین قیمت استعمال کر سکتے ہیں۔ آخر میں، آرڈر دینے اور لین دین مکمل ہونے کے بعد، ورچوئل پوزیشن کی قدر کو دوبارہ ترتیب دیں۔

نتیجہ

اوپر ڈیٹا پلے بیک فنکشن کی بنیاد پر تیار کردہ لکیری آرڈر فلو حکمت عملی کا کوڈ تجزیہ ہے، اگر آپ ٹریڈنگ میں ابتدائی ہیں، تو ڈیٹا پلے بیک فنکشن آپ کو صفر لاگت پر ٹریڈنگ سیکھنے میں مدد کر سکتا ہے اور اسے عام طور پر سمجھنے میں وقت کم کرتا ہے۔ حقیقی یا نقلی ٹریڈنگ سیکھنے میں کئی سال لگتے ہیں ابتدائی نتائج کو ڈیٹا پلے بیک فنکشن کا استعمال کرتے ہوئے حاصل کیا جا سکتا ہے، جس سے آپ وقت ضائع کیے بغیر کم سے کم نقصان کے ساتھ ٹریڈنگ سیکھ سکتے ہیں۔ اعلی درجے کے تاجروں کے لیے، متحرک جائزہ آپ کو اپنے ماضی کے مسائل کا تجزیہ کرنے، تجارتی حکمت عملیوں کی تصدیق اور بہتر بنانے، حکمت عملیوں پر تاجروں کا اعتماد بڑھانے، اور نئی حکمت عملی کی تحریک پیدا کرنے میں مدد کر سکتا ہے۔