【غیر جانبدار ہیجنگ شماریاتی ثالثی (Pure-Alpha ڈریم ایڈیشن)】

-0 کھلے پوزیشن کے خطرے سے پاک غیر جانبدار ہیجنگ شماریاتی ثالثی حکمت عملی

تمام تاجروں کو سلام، مہینوں کی جانچ، اصلاح اور تکرار کے بعد، مجھے خوشی ہے کہ یہ غیر جانبدار ہیجنگ شماریاتی ثالثی حکمت عملی اب ایک مستحکم سطح پر پہنچ گئی ہے اور آپ سے مل سکتی ہے۔ یہ ایک مارکیٹ غیر جانبدار حکمت عملی ہے جو لانگ اور شارٹ ہیجنگ پر مبنی ہے، جس میں ایک ہی اکاؤنٹ میں مصنوعات کے ایک ٹوکری کو خریدا جاتا ہے اور دوسرے ٹوکری کو بیچا جاتا ہے، اور لانگ اور شارٹ کی قدر برابر ہوتی ہے۔ مارکیٹ کے بیٹا نظامی خطرے سے بچتے ہوئے، شماریاتی طریقوں کا استعمال کرتے ہوئے مختلف لانگ اور شارٹ پیئرنگ کمبینیشنز تلاش کیے جاتے ہیں، تاکہ الفا مستحکم منافع کے ساتھ کم خطرے والی ثالثی کی حکمت عملی حاصل کی جا سکے۔ اس حکمت عملی کا تجربہ بہتر ہے، مارکیٹ کے بڑے انڈیکس سے کم تعلق رکھتا ہے، اور کھلے پوزیشن کا خطرہ غیر جانبدار ہے۔ اس میں 312/519 جیسے انتہائی بلیک سوان واقعات کا کوئی خطرہ نہیں ہے، بلکہ اس کے برعکس، یہ اس طرح کی مارکیٹ کی قیمتوں کی غلط ترتیب کے دوران نمایاں کارکردگی دکھاتی ہے۔ ذیل میں اس حکمت عملی کی تفصیل پیش کی گئی ہے۔

Hello~Welcome come to my channel!

تمام تاجروں کو میرے چینل میں خوش آمدید! میں Zuo Shou Jun ہوں، ایک کوانٹ ڈویلپر، اور CTA، HFT، اور Arbitrage جیسی تجارتی حکمت عملیوں کا فل اسٹیک ڈویلپر ہوں۔
FMZ پلیٹ فارم کا شکریہ، میں اپنے کوانٹ چینل میں کوانٹ ڈویلپمنٹ سے متعلق مواد شیئر کروں گا اور تمام تاجروں کے ساتھ مل کر کوانٹ کمیونٹی کی خوشحالی کو برقرار رکھوں گا۔

مزید معلومات کے لیے، میرے چینل پر آئیں ~ یہاں آپ کا انتظار ہے 【Zuo Shou Jun کوانٹ چھوٹا گھر】

1، شماریاتی ثالثی کا تعارف اور وضاحت

شماریاتی ثالثی حکمت عملی ایک ایسی حکمت عملی ہے جو مختلف ٹوکریوں کی مصنوعات کے درمیان قیمت کے تعلقات کا استعمال کرتے ہوئے تجارت کرتی ہے۔ یہ حکمت عملی شماریاتی اصولوں پر مبنی ہے، جس میں متعدد مصنوعات کے تاریخی قیمت کے رجحانات اور ان کے باہمی تعلق کا تجزیہ کرکے ان کے درمیان قیمت کے فرق کو تلاش کیا جاتا ہے، اور ان فرقوں کا استعمال کرتے ہوئے تجارت کی جاتی ہے۔ تاریخی طور پر، شماریاتی ثالثی حکمت عملی اسٹاک مارکیٹ میں بڑے پیمانے پر استعمال ہوتی رہی ہے۔ سب سے قدیم شماریاتی ثالثی حکمت عملی اسٹاک کے درمیان کی جاتی تھی، جیسے تیل کمپنیوں یا ٹیلی کام کمپنیوں کے درمیان۔ یہ حکمت عملی اکثر صنعت کے باہمی تعلق کے مفروضے پر مبنی ہوتی تھی، جس میں کم قیمت والے اسٹاک خریدے جاتے تھے اور زیادہ قیمت والے اسٹاک بیچے جاتے تھے تاکہ ثالثی کا فائدہ حاصل کیا جا سکے۔

مارکیٹ کی ترقی کے ساتھ، شماریاتی ثالثی حکمت عملی دیگر مالیاتی منڈیوں جیسے کموڈٹی فیوچرز، فارن ایکسچینج، اور کرپٹو کرنسی میں بھی پھیل گئی ہے۔ ان منڈیوں میں، باہمی تعلق رکھنے والے مختلف ٹوکریوں کے مجموعے تلاش کیے جا سکتے ہیں، اور قیمت کے فرق کا استعمال کرتے ہوئے ثالثی کی تجارت کی جا سکتی ہے۔ اس حکمت عملی کی منطق مین ریورژن کے اصول پر مبنی ہے۔ جب بنائے گئے متعدد ٹوکریوں کی مصنوعات کے درمیان قیمت ان کے شماریاتی حد سے ہٹ جاتی ہے، تو واپس آنے کا رجحان ہوتا ہے۔ اس رجحان کی بنیاد پر، جب قیمت بہت زیادہ ہٹ جاتی ہے، تو زیادہ قیمت والے ٹوکری کو بیچا جا سکتا ہے اور کم قیمت والے ٹوکری کو خریدا جا سکتا ہے، تاکہ مارکیٹ کی عارضی قیمت کی غلط ترتیب کے خلاف ہیجنگ کی جا سکے۔ اس طرح، متعدد ٹوکریوں کے پیئرنگ کمبینیشنز کے اسپریڈ سے منافع حاصل کیا جا سکتا ہے۔

2، شماریاتی ثالثی کے فوائد اور نقصانات

فوائد:

• مارکیٹ کے خطرے میں کمی: شماریاتی ثالثی حکمت عملی مختلف ٹوکریوں کے مجموعوں کے درمیان فرق پر مبنی ثالثی کی تجارت ہے، جو ایک مصنوعات کی تجارت کے مقابلے میں خطرے کو پھیلاتی ہے اور مارکیٹ کے اتار چڑھاؤ کے اثرات کو کم کرتی ہے۔ اس سے مارکیٹ کے نظامی خطرے میں کمی آتی ہے۔
• مستحکم منافع: شماریاتی ثالثی حکمت عملی مارکیٹ کی عارضی قیمت کی غلط ترتیب کے خلاف ریورژن ثالثی کی تجارت کرتی ہے، جو دشاتمک حکمت عملیوں کے مقابلے میں زیادہ مستحکم منافع فراہم کرتی ہے۔ اس کے نتیجے میں کم خطرہ، کم اتار چڑھاؤ، اور مستحکم منافع حاصل ہوتا ہے۔
• مختلف مارکیٹ ماحول میں موافقت: شماریاتی ثالثی حکمت عملی مارکیٹ کے مختلف ماحول میں کام کر سکتی ہے، کیونکہ اس کا مارکیٹ کی سمت سے کم تعلق ہوتا ہے۔

نقصانات:

• تاریخی ڈیٹا صرف ماضی کے تعلقات کو ظاہر کرتا ہے، مستقبل کی مکمل نمائندگی نہیں کرتا، اور اس میں کچھ خطرہ ہے۔ شماریاتی ثالثی حکمت عملی کی تعمیر میں بڑی تعداد میں شماریاتی ٹیسٹ استعمال کیے جاتے ہیں، اور تاریخی بڑے ڈیٹا کی بنیاد پر ٹوکریوں کے مجموعوں اور ان کے باہمی تعلقات کی تلاش کی جاتی ہے، جو مستقبل میں بدل سکتے ہیں، اور اس میں کچھ ٹیل رسک ہوتا ہے۔
• مارکیٹ کی عارضی قیمت کی غلط ترتیب کے توازن میں واپس آنے کے لیے درکار وقت کا درست اندازہ لگانا مشکل ہے۔ اگر تجارت کا دورانیہ بہت طویل ہو تو، فنڈز کے استعمال کی لاگت بھی ایک بڑا چیلنج ہے۔
• ڈیٹا کے تجزیہ اور ماڈل بنانے کی اعلیٰ صلاحیت کی ضرورت: شماریاتی ثالثی حکمت عملی کے لیے مختلف ٹوکریوں کے مجموعوں کے درمیان باہمی تعلق، ہم آہنگی وغیرہ کا گہرائی سے تجزیہ اور ماڈلنگ ضروری ہے، جس کے لیے ڈیٹا کے تجزیہ اور ماڈل بنانے کی اعلیٰ صلاحیت درکار ہے۔
• تجارت کے نفاذ اور لیکویڈیٹی کا خطرہ: چونکہ یہ متعدد مصنوعات کے ساتھ ہیجنگ کی تجارت ہے، اس لیے مختلف مصنوعات کے نفاذ کی قیمت اور حجم متاثر ہو سکتے ہیں، جس سے تجارت کے نفاذ کا خطرہ پیدا ہوتا ہے۔ اس کے لیے زیادہ نفیس حکمت عملی کے ڈیزائن اور آرکیٹیکچر کی ضرورت ہے۔

3، اس الفا شماریاتی ثالثی کے اہم اجزاء

1، تمام مصنوعات کے ڈیٹا کی معلومات کی ریئل ٹائم نگرانی، بڑے ڈیٹا اسکیننگ، اور لانگ اور شارٹ مصنوعات کے ٹوکریوں کے مجموعے بنانا۔

خاص طور پر، ٹوکریوں کے پیئرنگ مجموعے بنائے جائیں گے: مثال کے طور پر، اگر A، B، C، D، E، F چھ مصنوعات ہیں، تو انہیں 2 گروپوں میں تقسیم کیا جا سکتا ہے، ہر گروپ میں 3 مصنوعات ہوں گی، تاکہ ٹوکریوں کے مجموعے بنائے جا سکیں۔ اس کے ساتھ ساتھ، انڈیکس ثالثی بھی بنائی جائے گی: کچھ صنعتوں اور شعبوں کی مصنوعات کو دو حصوں میں تقسیم کرکے دو نئے مارکیٹ انڈیکس بنائے جائیں گے، اور پھر ان دو انڈیکسوں پر بعد میں شماریاتی ڈیٹا کا تجزیہ کیا جائے گا۔

2، ٹوکریوں کے لانگ اور شارٹ مجموعوں کے باہمی تعلق کی جانچ۔

باہمی تعلق دو یا دو سے زیادہ متغیرات کے درمیان تعلق کی شدت کو ظاہر کرتا ہے۔ یہ ایک متغیر کی تبدیلی اور دوسرے متغیر کی تبدیلی کے درمیان تعلق کو ماپتا ہے، جس سے یہ اندازہ لگانے میں مدد ملتی ہے کہ آیا کوئی مخصوص تعلق موجود ہے یا ایک متغیر کی تبدیلی دوسرے متغیر پر کیا اثر ڈالتی ہے۔ ارتباطی عدد باہمی تعلق کو ماپنے کا ایک عام طریقہ ہے، جیسے پیئرسن ارتباطی عدد (Pearson correlation coefficient) اور اسپیئر مین درجہ ارتباطی عدد (Spearman's rank correlation coefficient)۔ پیئرسن ارتباطی عدد دو مسلسل متغیرات کے تعلق کا اندازہ لگانے کے لیے استعمال ہوتا ہے، جبکہ اسپیئر مین درجہ ارتباطی عدد دو ترتیب شدہ متغیرات کے تعلق کے لیے موزوں ہے۔ ارتباطی عدد کی حد [-1, 1] ہے، جہاں -1 منفی تعلق، 1 مثبت تعلق، اور 0 بغیر تعلق کو ظاہر کرتا ہے۔ ارتباطی عدد جتنا -1 یا 1 کے قریب ہوگا، تعلق اتنا ہی مضبوط ہوگا، اور 0 کے قریب ہونے کا مطلب کمزور تعلق ہے۔ ارتباطی عدد کا ریاضیاتی فارمولا (پیئرسن ارتباطی عدد کی مثال) یہ ہے:

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

یہاں r ارتباطی عدد، cov ہم تغیر، std معیاری انحراف، اور X اور Y بالترتیب دو متغیرات ہیں۔ باہمی تعلق کی جانچ میں، ارتباطی عدد کی شماریاتی اہمیت کا حساب لگانا عام ہے۔ عام طور پر مفروضے کی جانچ کا استعمال یہ فیصلہ کرنے کے لیے کیا جاتا ہے کہ آیا ارتباطی عدد اہم ہے۔ مفروضے کی جانچ میں صفر مفروضہ یہ ہوتا ہے کہ متغیرات کے درمیان کوئی تعلق نہیں ہے، اور ارتباطی عدد کے اعدادوشمار کی بنیاد پر یہ فیصلہ کیا جاتا ہے کہ آیا صفر مفروضہ کو مسترد کرنا ہے۔

3، ٹوکریوں کے لانگ اور شارٹ مجموعوں کی ہم آہنگی کی جانچ۔

ہم آہنگی (Cointegration) دو یا دو سے زیادہ وقت کے سلسلے کے متغیرات کے درمیان طویل مدتی تعلق کو ظاہر کرتی ہے، یعنی ان کا لکیری مجموعہ مستحکم ہوتا ہے۔ باہمی تعلق کے مقابلے میں، ہم آہنگی طویل مدتی توازن کے تعلق پر زیادہ توجہ دیتی ہے، نہ کہ صرف قلیل مدتی تعلق کی شدت پر۔ جب وہ اس توازن سے ہٹ جاتے ہیں، تو درستگی کا طریقہ کار موجود ہوتا ہے جو انحراف کو مناسب حد میں واپس لاتا ہے۔ ہم آہنگی کا تصور سب سے پہلے 1987 میں S.G. Engle اور C.W.J. Granger نے پیش کیا تھا، تاکہ وقت کے سلسلے کے تجزیے میں جھوٹے رجعت کے مسئلے کو حل کیا جا سکے۔ جھوٹا رجعت اس وجہ سے ہوتا ہے کہ متغیرات میں یونٹ روٹ ہو سکتا ہے، جس کی وجہ سے متغیرات کے درمیان رجعت کا تعلق قلیل مدت میں واضح نظر آتا ہے، لیکن طویل مدت میں کوئی حقیقی توازن کا تعلق نہیں ہوتا۔

ہم آہنگی کا نظریہ وقت کے سلسلے کی غیر مستحکمی کا تجزیہ کرکے غیر مستحکم متغیرات میں موجود طویل مدتی توازن کے تعلق کو تلاش کرتا ہے۔ اگر متعلقہ متغیرات پہلے درجے کے فرق کے بعد مستحکم ہوں، اور ان متغیرات کا کوئی لکیری مجموعہ مستحکم ہو، تو ان متغیرات کے درمیان ہم آہنگی موجود ہوتی ہے۔ ہم آہنگی دو یا دو سے زیادہ سلسلوں کے درمیان مستحکم تعلق کو ظاہر کرنے کے لیے استعمال ہوتی ہے۔ ہر سلسلہ انفرادی طور پر غیر مستحکم ہو سکتا ہے، اور ان سلسلوں کے مختلف لمحات، جیسے اوسط، ویریئنس، یا ہم تغیر، وقت کے ساتھ بدلتے ہیں، لیکن ان وقت کے سلسلوں کا لکیری مجموعہ ایسی خصوصیات رکھ سکتا ہے جو وقت کے ساتھ نہیں بدلتیں۔ جب دو اثاثوں کی قیمتیں ہم آہنگی کے تعلق میں ہوتی ہیں، تو ان کا لکیری مجموعہ مین ریورژن کی خاصیت رکھتا ہے۔ ہم آہنگی کا ریاضیاتی فارمولا (دو وقت کے سلسلے کے متغیرات کی مثال) یہ ہے:

Y_t = β_0 + β_1 * X_t + ε_t

یہاں Y_t اور X_t بالترتیب دو وقت کے سلسلے کے متغیرات کے مشاہدات، β_1 رجعت کا گتانک، اور ε_t غلطی کی اصطلاح ہے۔ اگر Y_t اور X_t کے درمیان ہم آہنگی موجود ہے، تو دو متغیرات کا لکیری مجموعہ مستحکم ہوگا، یعنی ε_t مستحکم ہوگا۔ یہ اوسط 0 کے ساتھ نارمل تقسیم کی پیروی کرے گا۔ ہم آہنگی کی جانچ میں، استحکام کی جانچ ضروری ہے، اور عام طریقوں میں جوہانسن ٹیسٹ اور اینگل-گرینجر ٹیسٹ شامل ہیں۔ جوہانسن ٹیسٹ ایگن ویلیو پر مبنی طریقہ ہے جو براہ راست متعدد متغیرات کے درمیان ہم آہنگی کی جانچ کر سکتا ہے۔ اینگل-گرینجر دو مرحلے کا ٹیسٹ نظر ثانی شدہ OLS تخمینہ پر مبنی طریقہ ہے، جو دو متغیرات کے درمیان ہم آہنگی کی جانچ کے لیے موزوں ہے۔

4، یہ حکمت عملی بڑی تعداد میں مجموعوں کے لیے وقت کے سلسلے کی ہم آہنگی کی جانچ کرے گی، جس کے مخصوص معیار درج ذیل ہیں:

• انفرادی ٹوکری کے وقت کی قیمت کا سلسلہ پہلے درجے کا انٹیگریٹڈ ویکٹر ہے، یعنی وقت کی قیمت کا سلسلہ غیر مستحکم ہے (واضح رجحان کے ساتھ)۔ متعدد وقت کی قیمت کے سلسلوں کی استحکام کی جانچ ADF یونٹ روٹ ٹیسٹ سے کی جاتی ہے۔
• انفرادی ٹوکری کے پہلے درجے کے فرق کے بعد کا سلسلہ (یعنی مشتق) مستحکم ہے۔ دو ٹوکریوں کے وقت کی قیمت کے سلسلوں کی جانچ ADF یونٹ روٹ ٹیسٹ سے کی جاتی ہے۔ دو ٹوکریوں کے وقت کی قیمت کے سلسلوں کے پہلے درجے کے فرق کی استحکام کی جانچ ADF یونٹ روٹ ٹیسٹ سے کی جاتی ہے۔
• پیئرنگ کمبینیشن کے وقت کی قیمت کے سلسلے کا کوئی لکیری مجموعہ مستحکم ہے، یعنی دو سلسلوں سے بنائے گئے لکیری مساوات کا بقایا مستحکم ہے۔ دو ایک ہی درجے کے سلسلوں پر OLS رجعت کی جاتی ہے، اور پھر بقایا کی استحکام کی جانچ کی جاتی ہے۔
• مزید شماریاتی ٹیسٹ اور ڈیٹا کے تجزیے کا ذکر نہیں کیا جائے گا، لیکن پوری مارکیٹ کی تمام مصنوعات کا بڑے پیمانے پر تفصیلی شماریاتی تجزیہ کیا جائے گا۔

5، بڑی تعداد میں ہرسٹ انڈیکس کی جانچ۔

ہرسٹ انڈیکس وقت کے سلسلے کی طویل مدتی یادداشت کو ماپنے کے لیے استعمال ہوتا ہے، تاکہ سلسلے کی مین ریورژن خصوصیت کا تعین کیا جا سکے۔ ہرسٹ انڈیکس کی قدر 0 اور 1 کے درمیان ہوتی ہے، 0.5 کے قریب ہونے کا مطلب بے ترتیب چہل قدمی، 1 کے قریب ہونے کا مطلب مسلسل رجحان۔ اصول: ہرسٹ انڈیکس سلسلے کے اوورلیپنگ ذیلی سلسلوں کے انحراف کی حد اور ان کی لمبائی کے تعلق کا حساب لگا کر سلسلے کی طویل مدتی یادداشت کا اندازہ لگاتا ہے۔ ریاضیاتی فارمولا: ہرسٹ انڈیکس کا حساب لگانے کا ایک طریقہ اوورلیپنگ ذیلی سلسلوں کے انحراف کی حد اور لمبائی کے درمیان تعلق کا استعمال کرتے ہوئے بے ترتیب چہل قدمی کے ساتھ تعلق قائم کرنا ہے۔ ہرسٹ انڈیکس کا تخمینہ اوورلیپنگ ذیلی سلسلوں کے انحراف کی حد اور لمبائی کے درمیان لکیری رجعت کو فٹ کرکے لگایا جا سکتا ہے۔

6، مین ریورژن نصف زندگی کا تخمینہ۔

مین ریورژن نصف زندگی اس بات کا اندازہ لگانے کے لیے استعمال ہوتی ہے کہ قیمت کے سلسلے کو اس کی اوسط پر واپس آنے میں کتنا وقت لگے گا۔ نصف زندگی جتنی چھوٹی ہوگی، مین ریورژن کی رفتار اتنی ہی تیز ہوگی۔ اصول: مین ریورژن نصف زندگی کا حساب کنورجنگ ایکسپونیشل اسموتھڈ موونگ ایوریج ماڈل (EMA) کو فٹ کرکے لگایا جاتا ہے۔ جب قیمت کا سلسلہ اوسط سے نصف زندگی سے زیادہ ہٹ جاتا ہے، تو مین ریورژن کا موقع موجود سمجھا جاتا ہے۔ ریاضیاتی فارمولا: مین ریورژن نصف زندگی کا حساب اس طرح لگایا جاتا ہے:

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

جانچ کا طریقہ: قیمت کے سلسلے کے EMA کا حساب لگایا جا سکتا ہے، اور پھر EMA کی بنیاد پر نصف زندگی کا حساب لگایا جا سکتا ہے۔

7، بڑی تعداد میں شماریاتی ڈیٹا کی بنیاد پر تجارتی حکمت عملی بنانا۔

مختصر وضاحت: ہرسٹ انڈیکس کی بنیاد پر ترتیب دے کر ٹوکریوں کے مجموعوں کو فلٹر کیا جاتا ہے، مین ریورژن نصف زندگی کے تخمینے کی بنیاد پر متعلقہ شماریاتی پیرامیٹرز کا تعین کیا جاتا ہے، اور ہم آہنگی کی بنیاد پر تجارتی حکمت عملی کے مجموعے بنائے جاتے ہیں۔ مزید تفصیلات بیان نہیں کی جائیں گی۔

فرض کریں کہ x اور y بالترتیب اثاثہ X اور اثاثہ Y کی قیمتوں کے وقت کے سلسلے ہیں، ان کا ہمبستگی تعلق درج ذیل طور پر ظاہر کیا جا سکتا ہے: Lny = a + blnx + c، جہاں c بقایا جز ہے، جو مستحکم ہے اور صفر کے اوسط کے ساتھ نارمل تقسیم پر پورا اترتا ہے۔

ہمبستگی کے جانچ کے بعد، اثاثہ X اور Y کی قیمتوں کے درمیان ہمبستگی کا تعلق پایا گیا، بقایا جز c کا معیاری انحراف σ ہے، اور ایک مستقل λ کو حدی قدر کے طور پر چنا گیا ہے۔

• جب lny - (a + blnx) > λσ ہو، تو ٹوکری Y کی قیمت نسبتاً زیادہ ہے اور ٹوکری X کی قیمت نسبتاً کم ہے، لہٰذا ٹوکری X خریدیں اور ٹوکری Y بیچیں۔
• جب lny - (a + blnx) < -λσ ہو، تو ٹوکری X کی قیمت نسبتاً زیادہ ہے اور ٹوکری Y کی قیمت نسبتاً کم ہے، لہٰذا ٹوکری Y خریدیں اور ٹوکری X بیچیں۔
• جب قیمت کا فرق lny - (a + blnx) ایک مخصوص دائرے میں واپس آ جائے، مثلاً [-0.5λσ، 0.5λσ] کے وقفے میں، تو پوزیشن بند کریں۔

8، کچھ خصوصیات۔

موجودہ ورژن کافی مکمل ہے، جس میں تقریباً پورے بازار کی ٹریڈنگ کی زبردست صلاحیت، ٹریڈنگ کے کاموں اور آرڈر بک کی اونچی فریکوئنسی رجحانات کا تخمینہ لگا کر اونچی فریکوئنسی Maker اور Taker کے مشترکہ فائدے سے تجارت، طویل مدتی امکانی فائدے کی تصدیق کے بعد سنگل انسٹرومنٹ کے لیے دم پر حفاظتی تحفظ، ہر آرڈر کی مکمل مقامی ریکارڈنگ جو دوسری حکمت عملیوں کے ساتھ مخلوط ہیجنگ چلانے کی اجازت دیتی ہے، وغیرہ کا ذکر نہیں کیا جا سکتا۔

چار، کچھ تاریخی کارکردگی (منٹ کے ٹکڑوں کے اعدادوشمار، حقیقی قیمت کے تخمینے کے بعد ٹیکر کی لاگت 0.05% کے اعداد و شمار)

【غیر جانبدار ہیجنگ شماریاتی سودا بازی نیا】- انتہائی نو ستارہ

پانچ، تعاون اور تبادلے کی امید، مشترکہ سیکھنا اور ترقی

【غیر جانبدار ہیجنگ شماریاتی سودا بازی نیا】- انتہائی نو ستارہ

تیسرے فریق کا بائی کوائن ڈیٹا

ہر حکمت عملی کا اپنا طریقہ کار اور موافق یا غیر موافق مارکیٹ ہوتی ہے۔ مثال کے طور پر، اوسط کی واپسی کی حکمت عملی مارکیٹ کے بے ترتیب چلن وغیرہ کے نظریات پر مبنی ہوتی ہے، جبکہ مومینٹم رجحان کی حکمت عملی متعدد رویاتی مالیاتی نظریات پر مبنی ہوتی ہے کہ مارکیٹ میں موٹی دم والی اتار چڑھاؤ ہوتی ہے۔ اس کے اصولوں کو سمجھنا، اس کی خصوصیات کے مطابق عمل کرنا، اور اس کے اتار چڑھاؤ کے مطابق ڈھلنا ضروری ہے۔ ساتھ ہی، حکمت عملی استعمال کرنے والے کو یہ سمجھنا چاہیے کہ نفع اور نقصان ایک ہی ماخذ سے ہوتے ہیں، زیادہ منافع ہمیشہ زیادہ خطرے سے جڑا ہوتا ہے۔ ایک پختہ حکمت عملی کے اپنے فوائد اور نقصانات ہوتے ہیں، اسے مناسب طریقے سے استعمال کرنا، اس کی خوبیوں کو بڑھانا اور کمزوریوں کو کم کرنا، اور یہ جاننا کہ یہ کب صحیح اور کب غلط ہے، اور موافق اور غیر موافق مارکیٹ میں اس کی مکمل کارکردگی کو سمجھنا، تاکہ آپ اعتماد اور سکون سے کام کر سکیں۔

کوانٹیٹیٹو ٹریڈنگ نہ تو دائمی مشین ہے اور نہ ہی ہمہ گیر، لیکن یہ مستقبل میں ٹریڈنگ کی سمت ضرور ہے، اور ہر تاجر کے لیے اسے سیکھنا اور استعمال کرنا قابل قدر ہے! تمام تاجروں کا خیر مقدم ہے کہ وہ کمیوں کی نشاندہی کریں، مل کر بحث کریں، اور سیکھنے اور ترقی کریں، اور شاندار مارکیٹ کی لہروں میں ہوا اور لہروں پر سوار ہو کر آگے بڑھیں۔

● یہ حکمت عملی کافی منفرد ہے، روایتی ٹرینڈ، گرڈ، ہائی فریکوئنسی، اربیٹریج وغیرہ سے کافی مختلف ہے، اس کی گنجائش محدود ہے، اور یہ بنیادی طور پر خود کاروبار کے لیے ہے، بڑے صارفین اور ادارہ جاتی سرمایہ کاروں کے ساتھ تبادلہ خیال کا خیر مقدم ہے۔

● مزید تعاون کے منصوبے: کسی بھی ضرورت مند فرد یا ادارے کے ساتھ کھلے اور مشترکہ فائدے کے رویے سے تعاون کیا جاتا ہے، آپ کی بات چیت کا انتظار ہے، آپ کی ضروریات، خطرے کی ترجیحات وغیرہ کے مطابق حسب ضرورت تعاون کیا جائے گا۔

اگر آپ کی خطرے کی ترجیح زیادہ ہے، قلیل مدتی نفع نقصان پسند ہے، اور قلیل مدتی ٹریڈنگ کی ضرورت ہے، تو آپ ایک اور مستحکم ہائی فریکوئنسی حکمت عملی دیکھ سکتے ہیں، ماہانہ 3% سے 50% منافع، کوئی مارجن کال کا خطرہ نہیں:
【ہائی فریکوئنسی ہیجنگ مارکیٹ میکنگ گرڈ نیا】(HFT Market-Making کان کن ورژن)

اگر آپ کے پاس بڑی رقم ہے، تو آپ ایک اور بڑی صلاحیت والی درمیانی کم فریکوئنسی کمپاؤنڈ CTA ٹریڈنگ سسٹم کا مشاہدہ کر سکتے ہیں، جس نے 1000 دنوں کا ریئل ٹائم تجربہ کیا ہے، ہر موسم میں۔ یہ اب تک کا سب سے طویل عرصہ ظاہر کردہ، سب سے زیادہ مستحکم، اور سب سے زیادہ عام استعمال ہونے والا CTA حکمت عملی کا مجموعہ ہے، جو طویل مدتی مستحکم ترقی کے لیے ہے:
【کمپاؤنڈ CTA ٹریڈنگ سسٹم نیا】(کثیر عوامل + کثیر اشیاء + کثیر حکمت عملی مشترکہ ورژن)

✱ رابطے کی معلومات (تبادلہ خیال، مشترکہ سیکھنا اور ترقی کا خیر مقدم ہے)
WECHAT: haiyanyydss
Telegram: https://t.me/JadeRabbitcm
مزید مواد ➔ کارکن کا کوانٹیٹیٹو小屋 https://www.fmz.com/market-offer/512
✱Fully automatic CTA & HFT & Arbitrage trading system @2018 - 2024