Как правильно оптимизировать параметры алгоритмической торговой стратегии - Оптимизация в Zorro

Поделиться
HTML-код
  • Опубликовано: 13 окт 2022
  • В этом видео я познакомлю вас с концепцией оптимизации алгоритмических торговых стратегий для обеспечения надежности в будущем и покажу вам некоторые приемы для начинающих, которые помогут вам начать работу. Делать я эту буду на примере программного инструмента Zorro.
    Кто мы и почему вы должны нас слушать?
    Quant School - это профессиональная команда систематических трейдеров, суммарно имеющих за спиной торговый опыт на финансовых рынках более 20 лет. Мы успешно используем алгоритмический подход к торговле, а также делимся своими опытом в построении и реализации торговых стратегий. Подпишись, чтобы перенять опыт профессионалов.
    Систематический трейдинг - это способ определения торговых целей, контроля рисков и правил, позволяющих методично принимать инвестиционные и торговые решения.
    Систематическая торговля включает как ручную торговлю системами, так и полную или
    частичную автоматизацию с использованием алгоритмов.
    Стратегии которые мы применяем в своей торговле.
    Стратегия "Премия за риск" (ETF, Stock)
    Стратегия "Dual Momentum" (ETF, Stock)
    Внутридневная стратегия сезонности (FX) - видео с описанием на канале
    Стратегия парной торговли и сделок импульса JPY (FX)
    Стратегия корзина товарных валют (FX)
    Кросс-секционная торговля импульсом (FX) - видео с описанием на канале
    Стратегия возврата к среднему при сжатии волатильности (FX)
    Сезонная торговля золотом (ETF GLD - ETF GDX)
    Хочешь освоить систематический(ALGO) трейдинг или получить топовый торговый алгоритм для Forex, ETF или Акции (алгоритм парного трейдинга) - переходи по ссылке в закрепленном комментарии.
    Связь:
    Telegram - t.me/tradercounselor
    Mail - quantfin.info@gmail.com

Комментарии • 1

  • @Alex_Quant
    @Alex_Quant  Год назад

    Прокачай свои навыки трейдера. Бесплатный обучающий курс - "Легкий старт в Алготрейдинге" - t.me/Quant_Algo_bot