[غیر جانبدار ہیج شماریاتی ثالثی نیا] (Pure-Alpha Fantasy Edition)

غیر جانبدار ہیج شماریاتی ثالثی نیا

-0 طویل اور مختصر نمائش کے ساتھ غیر جانبدار ہیج شماریاتی ثالثی کی حکمت عملی

ہیلو، ساتھی ٹریڈرز کئی مہینوں کی ڈیبگنگ، اصلاح اور تکرار کے بعد، مجھے خوشی ہے کہ یہ غیر جانبدار شماریاتی ثالثی نسبتاً مستحکم سطح پر پہنچ گئی ہے اور اسے ہر کسی کے لیے جاری کیا جا سکتا ہے۔ یہ لانگ شارٹ ہیجنگ پر مبنی ایک مارکیٹ نیوٹرل حکمت عملی ہے، اسی اکاؤنٹ میں، آپ پروڈکٹس کی ٹوکری پر لمبے اور شارٹ ویلیوز کے ساتھ جا سکتے ہیں۔ مارکیٹ کے بیٹا سسٹمک رسک سے بچنے کی بنیاد کے تحت، مستحکم الفا منافع کے ساتھ کم خطرے والی ثالثی حکمت عملی کو حاصل کرنے کے لیے مختلف طویل-مختصر جوڑی کے مجموعے تلاش کرنے کے لیے شماریاتی طریقے استعمال کیے جاتے ہیں۔ اس حکمت عملی میں ایک اچھا انعقاد کا تجربہ ہے، مارکیٹ کے ساتھ کم تعلق، غیر جانبدار طویل اور مختصر نمائش، اور ³¹²⁄₅₁₉ جیسے انتہائی سیاہ ہنس کے واقعات کا کوئی خطرہ نہیں ہے، اس کے بجائے، یہ ایسے وقت میں ایک بڑا ہٹ ہو گا جب مارکیٹ ہو گی۔ غلط قیمت اور مکمل طور پر غیر معمولی. اس حکمت عملی کو ذیل میں تفصیل سے بیان کیا جائے گا۔

Hello~Welcome come to my channel！

تمام تاجروں کو میرے چینل میں خوش آمدید کہتے ہیں، میں زوشوجون ہوں، ایک کوانٹ ڈیولپر، اور CTA اور HFT اور ثالثی اور دیگر تجارتی حکمت عملیوں کا مکمل اسٹیک ڈویلپر ہوں۔ FMZ پلیٹ فارم کا شکریہ، میں اپنے مقداری چینل پر مزید مقداری ترقی سے متعلق مواد کا اشتراک کروں گا اور مقداری کمیونٹی کی خوشحالی کو برقرار رکھنے کے لیے تمام تاجروں کے ساتھ کام کروں گا۔

مزید معلومات کے لیے، براہ کرم میرا چینل دیکھیں~ میں یہاں آپ کا انتظار کر رہا ہوں۔【ماکر کی مقداری جھونپڑی】

1. شماریاتی ثالثی کا تعارف اور وضاحت

شماریاتی ثالثی کی حکمت عملی ایک تجارتی حکمت عملی ہے جو اشیاء کی مختلف ٹوکریوں کے درمیان قیمت کے تعلق سے فائدہ اٹھاتی ہے۔ یہ حکمت عملی شماریاتی اصولوں پر مبنی ہے یہ قیمتوں کے تاریخی رجحانات اور متعدد اقسام کے درمیان ارتباط کا تجزیہ کرتی ہے، ان کے درمیان قیمت کے فرق کو تلاش کرتی ہے، اور ان اختلافات کو تجارت کے لیے استعمال کرتی ہے۔ تاریخی طور پر، شماریاتی ثالثی کی حکمت عملی اسٹاک مارکیٹوں میں بڑے پیمانے پر استعمال ہوتی رہی ہے۔ ابتدائی شماریاتی ثالثی کی حکمت عملی بنیادی طور پر اسٹاک کے درمیان کی جاتی تھی، جیسے تیل کمپنیوں یا ٹیلی کمیونیکیشن کمپنیوں کے درمیان۔ یہ حکمت عملی اکثر صنعتی ارتباط کے مفروضے پر مبنی ہوتی ہیں، اور ان کا مقصد کم قیمت والے اسٹاک خرید کر اور زیادہ قیمت والے اسٹاک کو بیچ کر ثالثی حاصل کرنا ہے۔

جیسے جیسے مارکیٹ ترقی کرتی ہے، شماریاتی ثالثی کی حکمت عملی آہستہ آہستہ دیگر مالیاتی منڈیوں، جیسے کموڈٹی فیوچر، فارن ایکسچینج، اور کریپٹو کرنسیوں تک پھیل گئی ہے۔ ان بازاروں میں، مختلف ٹوکری کے مجموعے تلاش کرنا ممکن ہے جو آپس میں جڑے ہوئے ہیں اور ثالثی تجارت کرنے کے لیے قیمت کے فرق کو استعمال کرتے ہیں۔ اس حکمت عملی کی منطق معنوی تبدیلی کے اصول پر مبنی ہے۔ جب متعدد ٹوکری کے امتزاج کی قیمتیں ان کے شماریاتی حدود سے ہٹ جاتی ہیں، تو رجعت کا رجحان ہوتا ہے۔ اس رجحان کی بنیاد پر، کوئی بھی مصنوعات کی ایک ٹوکری زیادہ قیمتوں کے ساتھ فروخت کر سکتا ہے اور کم قیمتوں کے ساتھ مصنوعات کی ایک ٹوکری خرید سکتا ہے جب قیمت کا انحراف زیادہ ہو، تاکہ مارکیٹ میں عارضی غلط قیمتوں سے بچا جا سکے۔ اس طرح، آپ ایک سے زیادہ باسکٹ پیئرنگ کے امتزاج کے پھیلاؤ سے منافع حاصل کر سکتے ہیں۔

2. شماریاتی ثالثی کے فوائد اور نقصانات

فائدہ:

• مارکیٹ کے خطرے کو کم کریں: شماریاتی ثالثی کی حکمت عملی اشیاء کی ٹوکریوں کے درمیان فرق کے درمیان ثالثی کے لین دین پر مبنی ہوتی ہے، یہ خطرات کو متنوع بناتی ہیں اور حکمت عملیوں پر مارکیٹ کے اتار چڑھاؤ کے اثرات کو کم کرتی ہیں۔ مارکیٹ کے نظامی خطرات میں کمی۔
• مستحکم واپسی: شماریاتی ثالثی کی حکمت عملی قلیل مدتی مارکیٹ کی غلط قیمت پر مبنی رجعت ثالثی لین دین کرتی ہے اور سمتی حکمت عملیوں کے مقابلے میں زیادہ مستحکم واپسی کی خصوصیات رکھتی ہے۔ دشاتمک حکمت عملیوں کے مقابلے میں، یہ کم خطرہ، کم اتار چڑھاؤ، اور زیادہ مستحکم منافع پیدا کرتا ہے۔
• مختلف مارکیٹ کے ماحول کے مطابق ڈھال سکتے ہیں: شماریاتی ثالثی کی حکمت عملی مختلف مارکیٹ کے ماحول میں کام کر سکتی ہے کیونکہ اس تجارتی حکمت عملی کا مارکیٹ کی سمت کے ساتھ کوئی تعلق نہیں ہے۔

کمی:

• تاریخی ڈیٹا صرف ماضی کے رشتوں کی عکاسی کر سکتا ہے اور مستقبل کی مکمل نمائندگی نہیں کر سکتا، اس لیے کچھ خطرات ہیں۔ شماریاتی ثالثی کی حکمت عملیوں کی تعمیر میں شماریاتی ٹیسٹوں کی ایک بڑی تعداد کا استعمال کیا جائے گا، اور تاریخی بڑے اعداد و شمار کی بنیاد پر ٹوکری کی مصنوعات کے امتزاج اور ارتباط کی کان کنی کی جائے گی اور یہ حکمت عملی مستقبل میں تبدیل ہو سکتی ہے اور اس کے کچھ خاص خطرات ہیں۔
• قلیل مدتی قیمتوں کی غلطیوں اور عدم توازن کے ساتھ مارکیٹ کو توازن میں واپس لانے کے لیے درکار وقت کا درست اندازہ لگانا مشکل ہے۔ اگر لین دین کا وقت بہت طویل ہے تو، فنڈز کے استعمال کی لاگت بھی بہت زیادہ ہوگی۔
• اعداد و شمار کے تجزیہ اور ماڈل بنانے کی صلاحیتوں کا انتہائی مطالبہ: شماریاتی ثالثی کی حکمت عملیوں کے لیے اعداد و شمار کے اعداد و شمار کے گہرائی سے تجزیہ اور ماڈلنگ کی ضرورت ہوتی ہے جیسے کہ مختلف ٹوکری کے مجموعوں کے درمیان ارتباط اور ہم آہنگی، جس کے لیے اعلیٰ ڈیٹا تجزیہ اور ماڈل بنانے کی صلاحیتوں کی ضرورت ہوتی ہے۔
• لین دین پر عمل درآمد اور لیکویڈیٹی رسک: چونکہ یہ ایک ملٹی پروڈکٹ ہیجنگ ٹرانزیکشن ہے، اس لیے عملدرآمد کی قیمت اور تجارتی حجم مختلف مصنوعات سے متاثر ہو سکتا ہے، اور لین دین پر عمل درآمد کا خطرہ ہے۔ مزید نفیس حکمت عملی کے ڈیزائن اور فن تعمیر کے نفاذ کی ضرورت ہے۔

3. اس الفا شماریاتی ثالثی کا بنیادی مواد

1. تمام پروڈکٹ ڈیٹا کو حقیقی وقت میں مانیٹر کریں، ڈیٹا کی بڑی اسکیننگ کریں، اور طویل اور مختصر پروڈکٹ کے مجموعے بنائیں۔

خاص طور پر، ایک مجموعہ ٹوکری جوڑا بنایا جائے گا: مثال کے طور پر، اگر 6 اقسام A، B، C، D، E، اور F ہیں، تو ہر ایک کو 2 گروپوں میں تقسیم کیا جا سکتا ہے، ہر گروپ میں 3 اقسام کے ساتھ، ایک ٹوکری بنانے کے لیے مجموعہ ایک ہی وقت میں، انڈیکس ثالثی کی تعمیر کی جائے گی: کچھ صنعتوں اور شعبوں کو دو حصوں میں تقسیم کیا جائے گا، دو نئے مارکیٹ انڈیکس بنائے جائیں گے، اور پھر ان دو انڈیکس پر شماریاتی ڈیٹا کا تجزیہ کیا جائے گا۔

2. لمبی اور چھوٹی ٹوکری کے امتزاج کے درمیان تعلق کو چیک کریں۔

ارتباط سے مراد دو یا دو سے زیادہ متغیرات کے درمیان تعلق کی ڈگری ہے۔ اس کا استعمال ایک متغیر کی تبدیلی اور دوسرے متغیر کی تبدیلی کے درمیان تعلق کی پیمائش کرنے کے لیے کیا جاتا ہے، جو اس بات کا تعین کرنے میں مدد کرتا ہے کہ آیا کوئی متعلقہ رشتہ ہے یا ایک متغیر کی تبدیلی کے دوسرے متغیر پر اثرات کا اندازہ لگاتا ہے۔ باہمی ربط کو ماپنے کا ایک عام طریقہ ہے جس میں پیئرسن کے ارتباط کا گتانک اور اسپیئر مین کا درجہ باہمی ربط شامل ہے۔ پیئرسن کوریلیشن گتانک کا استعمال دو مسلسل متغیروں کے درمیان تعلق کا اندازہ کرنے کے لیے کیا جاتا ہے، جب کہ اسپیئر مین رینک کے ارتباطی گتانک کو دو آرڈینل متغیروں کے درمیان تعلق کا اندازہ کرنے کے لیے استعمال کیا جاتا ہے۔ ارتباط کے گتانک کی حد ہے۔[-1، 1]، جہاں -1 منفی ارتباط کی نشاندہی کرتا ہے، 1 مثبت ارتباط کی نشاندہی کرتا ہے، اور 0 کسی تعلق کی نشاندہی نہیں کرتا ہے۔ ارتباط کا گتانک -1 یا 1 سے جتنا قریب ہوگا، ارتباط اتنا ہی زیادہ 0 کے قریب ہوگا، ارتباط اتنا ہی کمزور ہوگا۔ ارتباط کے گتانک کا ریاضیاتی فارمولا مندرجہ ذیل ہے (مثال کے طور پر پیئرسن کے ارتباط کے گتانک کو لے کر):

r = cov(X, Y) / (std(X) * std(Y))。

ان میں، r ارتباط کا گتانک ہے، cov covariance ہے، std معیاری انحراف ہے، اور X اور Y بالترتیب دو متغیرات کی نمائندگی کرتے ہیں۔ ارتباط کی جانچ کرتے وقت، ایک عام نقطہ نظر یہ ہے کہ ارتباط کے گتانک کی شماریاتی اہمیت کا حساب لگایا جائے۔ ہائپوتھیسس ٹیسٹنگ کا استعمال عام طور پر اس بات کا تعین کرنے کے لیے کیا جا سکتا ہے کہ آیا ارتباط کا گتانک اہم ہے۔ مفروضے کے ٹیسٹ کا null hypothesis یہ ہے کہ متغیرات کے درمیان کوئی تعلق نہیں ہے اس بات کا تعین کرنے کے لیے کہ null hypothesis کو مسترد کرنا ہے۔

3. طویل مختصر ٹوکری کے پورٹ فولیو کے ہم آہنگی کی جانچ کریں۔

ہم آہنگی سے مراد دو یا دو سے زیادہ ٹائم سیریز کے متغیرات کے درمیان طویل مدتی تعلق ہے، یعنی ان کا لکیری امتزاج مستحکم ہے۔ ارتباط کے مقابلے میں، ہم آہنگی صرف مختصر مدت کے ارتباط کے بجائے طویل مدتی توازن پر زیادہ توجہ دیتی ہے۔ جب وہ اس توازن کے تعلق سے انحراف کرتے ہیں، تو انحراف کو ایک معقول حد تک واپس لانے کے لیے ایک اصلاحی طریقہ کار ہوتا ہے۔ ہم آہنگی کا تصور سب سے پہلے سپیگل مین (S.G.Engle) اور گرینجر (C.W.J.Granger) نے 1987 میں ٹائم سیریز کے تجزیہ میں جعلی رجعت کے مسئلے کو حل کرنے کے لیے پیش کیا تھا۔ جعلی رجعت کا مسئلہ متغیرات کے درمیان یونٹ جڑوں کے ممکنہ وجود کی وجہ سے ہوتا ہے جو کہ متغیرات کے درمیان رجعت کا رشتہ مختصر مدت میں نمایاں ہوتا ہے، لیکن طویل مدتی میں کوئی حقیقی توازن نہیں ہوتا۔

کوانٹیگریشن تھیوری کا آغاز ٹائم سیریز کی غیر سٹیشناریٹی کے تجزیہ سے ہوتا ہے اور غیر سٹیشنری متغیرات کے ذریعے طویل مدتی توازن کے تعلق کو تلاش کرتا ہے۔ اگر اس میں شامل متغیر پہلے ترتیب کے فرق کے بعد ساکن ہیں، اور ان متغیرات کا کچھ خطی مجموعہ ساکن ہے، تو ان متغیرات کے درمیان ہم آہنگی ہے۔ ہم آہنگی کا استعمال دو یا دو سے زیادہ سیریز کے درمیان اسٹیشنری تعلق کو نمایاں کرنے کے لیے کیا جاتا ہے۔ ہر ترتیب انفرادی طور پر غیر ساکن ہو سکتی ہے، اور ان ترتیبوں کے لمحات، جیسے کہ وسط، تغیر یا ہم آہنگی، وقت کے ساتھ بدلتے رہتے ہیں، جبکہ ان ٹائم سیریز کے لکیری امتزاج کی ترتیب میں وقت کے ساتھ تبدیل نہ ہونے کی خاصیت ہو سکتی ہے۔ جب دو اثاثوں کی قیمتوں کو ایک ساتھ ملایا جاتا ہے، تو ان کے لکیری امتزاج میں اوسط واپسی کی خاصیت ہوگی۔ ہم آہنگی کا ریاضیاتی فارمولا مندرجہ ذیل ہے (مثال کے طور پر دو ٹائم سیریز کے متغیرات کو لے کر):

Y_t = β_0 + β_1 * X_t + ε_t

ان میں، Y_t اور X_t دو ٹائم سیریز متغیرات کی مشاہدہ شدہ اقدار کی نمائندگی کرتے ہیں، β_1 ریگریشن گتانک ہے، اور ε_t غلطی کی اصطلاح ہے۔ اگر Y_t اور X_t کے درمیان ہم آہنگی کا رشتہ ہے، تو دونوں متغیرات کا لکیری امتزاج مستحکم ہوگا، یعنی ε_t ساکن ہے۔ اوسط 0 کے ساتھ عام تقسیم کو مطمئن کرتا ہے۔ ہم آہنگی کی جانچ کرتے وقت، عام طور پر استعمال ہونے والے طریقوں میں جوہانسن ٹیسٹ اور اینگل-گریجر ٹیسٹ شامل ہوتا ہے۔ جوہانسن ٹیسٹ eigenvalue طریقہ پر مبنی ہے اور متعدد متغیرات کے درمیان ہم آہنگی کے تعلق کو براہ راست جانچ سکتا ہے۔ Engle-Granger دو قدمی ٹیسٹ ترمیم شدہ OLS تخمینہ (آرڈینری لیسٹ اسکوائرز) طریقہ پر مبنی ہے اور یہ دو متغیروں کے درمیان ہم آہنگی کے تعلق کو جانچنے کے لیے موزوں ہے۔

4. یہ حکمت عملی بڑی تعداد میں امتزاج کے لیے وقتی سلسلے کے باہمی تعلق کی جانچ کرے گی جس کے مخصوص معیار درج ذیل ہیں۔

• سنگل پورٹ فولیو ٹوکری کی ٹائم پرائس سیریز ایک فرسٹ آرڈر سنگل انٹیگرل ویکٹر ہے، یعنی ٹائم پرائس سیریز نان سٹیشنری ہے (واضح رجحان ہے)۔ متعدد اوقات میں قیمت کے وقت کی سٹیشناریٹی کو جانچنے کے لیے ADF یونٹ روٹ کا استعمال کریں۔
• انفرادی ٹوکری کے مجموعوں کی پہلی ترتیب فرق سیریز (یعنی مشتق) ساکن ہے۔ دو ٹوکری ٹائم پرائس سیریز کے لیے ADF یونٹ روٹ ٹیسٹ۔ ADF یونٹ روٹ کو دو ٹوکری ٹائم پرائس سیریز کے پہلے آرڈر کے فرق کی سٹیشناریٹی جانچنے کے لیے استعمال کیا جاتا ہے۔
• جوڑے کے مجموعہ وقت کی قیمت کی سیریز کا ایک مخصوص لکیری مجموعہ ساکن ہوتا ہے، یعنی دو سیریز کے ساتھ تعمیر کردہ لکیری مساوات کا بقایا ساکن ہوتا ہے۔ ایک ہی ترتیب کے دو سلسلے کے لیے، OLS ریگریشن کی جاتی ہے اور باقیات کی سٹیشناریٹی جانچی جاتی ہے۔
• مزید شماریاتی ٹیسٹ اور ڈیٹا کا تجزیہ یہاں نہیں دہرایا جائے گا، ہم پوری مارکیٹ اور تمام اقسام کا بڑے پیمانے پر، تفصیلی اور جامع شماریاتی تجزیہ کریں گے۔

5. بڑی تعداد میں ہرسٹ انڈیکس ٹیسٹ کروائیں۔

ہرسٹ ایکسپوننٹ کا استعمال ایک ٹائم سیریز کی طویل مدتی میموری کی پیمائش کرنے کے لیے کیا جاتا ہے تاکہ سیریز کی اوسط الٹنے والی خصوصیات کا تعین کیا جا سکے۔ ہرسٹ انڈیکس کی قدر 0 اور 1 کے درمیان ہوتی ہے، 0.5 کے قریب کی قدریں بے ترتیب چہل قدمی کی نشاندہی کرتی ہیں اور 1 کے قریب کی قدریں مستقل رجحان کی نشاندہی کرتی ہیں۔ اصول: ہرسٹ انڈیکس تسلسل کے اوور لیپ ہونے والے بعد کے انحراف کی حد اور ان کی لمبائی کے درمیان تعلق کا حساب لگا کر تسلسل کی طویل مدتی میموری کی ڈگری کا تخمینہ لگاتا ہے۔ ریاضیاتی فارمولہ: ہرسٹ انڈیکس کا حساب لگانے کا ایک طریقہ یہ ہے کہ انحراف کی حد اور اوور لیپنگ کے بعد کی لمبائی کے درمیان تعلق کو استعمال کیا جائے تاکہ بے ترتیب چہل قدمی کے متعلقہ تعلق کو قائم کیا جا سکے۔ ہرسٹ ایکسپوننٹ کا تخمینہ ڈسپریشن رینج اور اوور لیپنگ سیکوئنسز کی لمبائی کے درمیان لکیری ریگریشن فٹ کا استعمال کرتے ہوئے لگایا جا سکتا ہے۔

6. معکوس نصف زندگی کا تخمینہ۔

اوسط واپسی نصف زندگی ایک میٹرک ہے جس کا استعمال اس وقت کا اندازہ لگانے کے لیے کیا جاتا ہے جو قیمت کے سلسلے کو اس کے وسط پر واپس آنے میں لگتا ہے۔ نصف زندگی جتنی چھوٹی ہوگی، اوسط واپسی کی شرح اتنی ہی تیز ہوگی۔ اصول: اوسط الٹ جانے والی نصف زندگی کا تخمینہ کنورجنٹ ایکسپونیشل موونگ ایوریج ماڈل (EMA) کو فٹ کر کے لگایا جاتا ہے۔ جب اوسط سے قیمت کے سلسلے کا انحراف نصف زندگی سے زیادہ ہو جاتا ہے، تو یہ سمجھا جا سکتا ہے کہ اوسط واپسی کا امکان ہے۔ ریاضی کا فارمولہ: اوسط معکوس نصف زندگی کا حساب کا فارمولا درج ذیل ہے:

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

تصدیق کا طریقہ: آپ قیمت کی سیریز کے EMA کا حساب لگا سکتے ہیں، اور پھر EMA کی بنیاد پر نصف زندگی کا حساب لگا سکتے ہیں۔

7. بڑی مقدار میں شماریاتی ڈیٹا کی بنیاد پر تجارتی حکمت عملی بنائیں۔

آسان الفاظ میں، باسکٹ پروڈکٹ کے امتزاج کو ہرسٹ انڈیکس کی چھانٹی کی بنیاد پر فلٹر کیا جاتا ہے، متعلقہ شماریاتی پیرامیٹرز کا تخمینہ اوسط معکوس نصف زندگی کی بنیاد پر لگایا جاتا ہے، اور تجارتی حکمت عملی کا امتزاج کوانٹیگریشن کی بنیاد پر بنایا جاتا ہے۔ مزید تفصیلات بیان نہیں کی جائیں گی۔ .

فرض کریں کہ x اور y بالترتیب اثاثہ کی ٹوکری X اور باسکٹ Y کی قیمتوں کی سیریز ہیں دونوں کے درمیان ہم آہنگی کے تعلقات کو اس طرح ظاہر کیا جا سکتا ہے: Lny = a + blnx + c، جہاں c بقایا اصطلاح ہے، جو مستحکم ہے اور اسے مطمئن کرتی ہے۔ 0 کا مطلب۔ عام تقسیم۔

کوانٹیگریشن ٹیسٹ کے بعد، اثاثہ جات X اور Y کی وقتی قیمتوں کے درمیان ہم آہنگی کا تعلق ہے، بقایا اصطلاح c کا معیاری انحراف σ ہے، اور مستقل λ کو باؤنڈری ویلیو کے طور پر منتخب کیا جاتا ہے۔

• جب lny-(a+blnx) > λσ، ٹوکری Y کی قیمت نسبتاً زیادہ ہوتی ہے، اور باسکٹ X کی قیمت نسبتاً کم ہوتی ہے، لہذا باسکٹ X خریدیں اور ٹوکری Y بیچیں۔
• جب lny-(a+blnx) < -λσ، باسکٹ X کی قیمت نسبتاً زیادہ ہوتی ہے، اور ٹوکری Y کی قیمت نسبتاً کم ہوتی ہے، اس لیے ٹوکری Y خریدیں اور باسکٹ X بیچیں۔
• جب قیمت کا فرق lny-(a+blnx) ایک مخصوص رینج میں واپس آجاتا ہے، جیسے [-0.5λσ، 0.5λσ]، پوزیشن کو بند کریں۔

8. کچھ خصوصیات۔

موجودہ ورژن نسبتاً مکمل ہے، جس میں انتہائی مضبوط قریب قریب مکمل مارکیٹ ٹریڈنگ، اعلی تعدد میکر-ٹیکر ٹرانزیکشن کے فوائد حاصل کرنے کے لیے تجارتی کاموں کے اعلی تعدد رجحانات اور مارکیٹ کی قیمتوں کا تخمینہ لگانا، اور طویل مدتی امکان کے بعد واحد مصنوعات کی ٹیل ہیجنگ شامل ہے۔ فائدہ کی توثیق، ہر آرڈر کی حتمی مقامی ریکارڈنگ، دیگر حکمت عملیوں کے ساتھ مکسڈ ہیجنگ آپریشن وغیرہ کی وضاحت نہیں کی جائے گی۔

4. کچھ تاریخی کارکردگی (منٹ لیول سلائس کے اعدادوشمار، لین دین کی حقیقی قیمت کا تخمینہ لگانے کے بعد 50,000 کی لاگت کا ڈیٹا)

[غیر جانبدار ہیج شماریاتی ثالثی نیا] - سپرنووا

5. تعاون اور تبادلے، اور مشترکہ سیکھنے اور پیش رفت کے منتظر ہیں

[غیر جانبدار ہیج شماریاتی ثالثی نیا] - سپرنووا

تیسری پارٹی کے سکے کا ڈیٹا

کسی بھی حکمت عملی کا اپنا طریقہ کار اور مارکیٹ کے حالات ہوتے ہیں جو اس بات کا تعین کرتے ہیں کہ آیا یہ موزوں ہے یا نہیں۔ مثال کے طور پر، اوسط واپسی کی حکمت عملی مارکیٹ کی بے ترتیب واک جیسے نظریات پر مبنی ہے، اور رفتار کے رجحان کی حکمت عملی مختلف رویے کے مالیاتی نظریات اور مارکیٹ میں چربی کے دم کے اتار چڑھاؤ کے وجود پر مبنی ہے۔ اس کے اصولوں کو سمجھنا اور اس کی خصوصیات کی بنیاد پر اس کے اتار چڑھاو کو اپنانا ضروری ہے۔ ایک ہی وقت میں، حکمت عملی کے استعمال کرنے والوں کو اس بات پر توجہ دینا چاہئے کہ ایک ہی ذریعہ سے زیادہ منافع حاصل ہوتا ہے اور ان کے فوائد اور نقصانات ہوتے ہیں۔ ان کی طاقت اور ان کی کمزوریوں سے بچنا چاہیے، اور کیا وہ مارکیٹ کے لیے موزوں ہیں، اعتماد کے ساتھ۔

کوانٹیفیکیشن ایک مستقل حرکت کی مشین نہیں ہے، اور نہ ہی یہ قادر مطلق ہے، لیکن یہ مستقبل کی تجارت کی سمت ہونی چاہیے اور ہر تاجر کے لیے سیکھنے اور استعمال کرنے کے قابل ہے! تمام تاجروں کا خیرمقدم ہے کہ وہ خامیوں کی نشاندہی کریں، مل کر بات کریں، مل کر سیکھیں اور بہتر بنائیں، ہنگامہ خیز بازار میں لہروں پر سوار ہوں اور آگے بڑھیں۔

● یہ حکمت عملی کافی منفرد ہے اور روایتی رجحانات، گرڈز، اعلی تعدد، ثالثی وغیرہ سے بالکل مختلف ہے۔ اس کی محدود صلاحیت ہے اور بنیادی طور پر بڑے صارفین اور ادارہ جاتی سرمایہ کاروں کو بات چیت اور سیکھنے کے لیے خوش آمدید کہا جاتا ہے۔

● مزید تعاون کے منصوبے: ہم ضرورتوں کے ساتھ کسی بھی فرد اور اداروں کے ساتھ کھلے اور جیتنے والے تعاون کا رویہ برقرار رکھتے ہیں ہم آپ کی ضروریات، خطرے کی ترجیحات وغیرہ کی بنیاد پر آپ کی بات چیت اور حسب ضرورت تعاون کے منتظر ہیں۔

اگر آپ کو خطرے کی بھوک زیادہ ہے، قلیل مدتی منافع اور نقصان کو ترجیح دیں، اور قلیل مدتی تجارت کی ضرورت ہے، تو آپ 3%-50% کی ماہانہ واپسی کے ساتھ ایک اور مستحکم اعلی تعدد حکمت عملی دیکھ سکتے ہیں اور اس کا کوئی خطرہ نہیں ہے۔ پرسماپن: ہائی فریکونسی ہیجنگ مارکیٹ میکنگ گرڈ نیا

اگر آپ کے پاس بڑی مقدار میں فنڈز ہیں، تو آپ ایک اور بڑی صلاحیت کے درمیانے اور کم فریکوئنسی کمپاؤنڈ CTA ٹریڈنگ سسٹم کا مشاہدہ کر سکتے ہیں، جو بغیر کسی رکاوٹ کے 1,000 دنوں سے حقیقی ٹریڈنگ میں ہے۔ یہ درمیانی اور طویل مدتی مستحکم ترقی حاصل کرنے کے لیے سب سے طویل شائع شدہ وقت، اعلی استحکام اور مضبوط عالمگیریت کے ساتھ CTA حکمت عملی کا مجموعہ ہے: 【کمپاؤنڈ CTA ٹریڈنگ سسٹم نیا】(ملٹی فیکٹر + ملٹی ورائٹی + ملٹی اسٹریٹجی پبلک ایڈیشن)

✱ رابطہ کی معلومات (ایک ساتھ بات چیت کرنے اور سیکھنے میں خوش آمدید) WECHAT: haiyanyydss Telegram: https://t.me/JadeRabbitcm مزید مفید معلومات ➔ تاجر کا مقداری گھر https://www.fmz.com/market-offer/512 ✱Fully automatic CTA & HFT & Arbitrage trading system @2018 - 2024