O índice de significância do mercado.
Este indicador pode melhorar & # 8211; às vezes até o dobro & # 8211; a expectativa de lucro dos sistemas de tendência. O índice de significância do mercado diz se o mercado está atualmente se movendo para dentro ou para fora de um & # 8220; tendências & # 8221; regime. Pode assim evitar perdas por sinais falsos de indicadores de tendência. É um algoritmo puramente estatístico e não baseado em volatilidade, tendências ou ciclos da curva de preços.
Já existem vários métodos para diferenciar tendências e regimes de mercado não confiáveis. Alguns deles são rumores de que realmente funcionam, pelo menos ocasionalmente. John Ehlers propôs a Transformada de Hilbert ou uma decomposição de Ciclo / Tendência, Benoit Mandelbrot, o Exponente Hurst. Em comparação, o código-fonte do Market Meanness Index é relativamente simples:
Este código está em C para o Zorro, mas também existe uma versão MQL4 MMI que alguém no fórum de Steve Hopwood tem programado (veja o blogroll). Como o nome sugere, o indicador mede a mesquinha do mercado # 8211; sua tendência a reverter para a média depois de fingir iniciar uma tendência. Se isso acontecer com muita frequência, todos os sistemas de tendência seguirão o pó.
A regra de três quartos.
Uma série de números aleatórios reverte para a média "# 8211; ou mais precisamente, para a mediana & # 8211; com uma probabilidade de 75%. Então, quando você olha para uma seqüência de preço aleatória, se o preço de ontem estava acima da mediana, em 75% de todos os casos o preço de hoje é menor do que ontem e # 8217; s. E se o preço da ontem estava abaixo da mediana, 75% de chance é que o preço de hoje é maior. A prova dos 75% é relativamente simples e não requer um cálculo integral. Considere uma curva de preços com a mediana M. Por definição, a metade dos preços é inferior a M e a metade é maior (por motivos de simplicidade, estamos ignorando o caso quando um preço é exatamente M). Agora combine os preços da curva com os pares cada um consistindo de um preço Py e o seguinte preço Pt. Assim, cada par representa uma mudança de preço de Py para Pt. Agora temos muitas mudanças nos preços que dividimos em quatro conjuntos:
Estes quatro conjuntos têm, obviamente, o mesmo número de elementos & # 8211; ou seja, 1/4 de todas as mudanças de preço de Py - & gt; Pt & # 8211; quando Pt e Py não estão correlacionados, isto é, completamente independentes uns dos outros. O valor de M e a forma da curva de preços ganhou n. ° 8217; t assunto para isso. Agora quantos pares de preços revertem para a mediana? Todos os pares que satisfazem esta condição: (Py & lt; M e Pt & gt; Py) ou (Py & gt; M e Pt & lt; Py) A condição no primeiro suporte é cumprida pela metade dos preços no conjunto 1 (na outra metade é Pt inferior a Py) e em todo o conjunto 3 (porque Pt é sempre maior do que Py no conjunto 3). Portanto, o primeiro suporte é verdadeiro para 1/2 * 1/4 + 1/4 = 3/8 de todas as mudanças de preços. Do mesmo modo, o segundo suporte é verdadeiro na metade do conjunto 4 e no conjunto inteiro 2, assim também para 3/8 de todas as mudanças de preços. 3/8 + 3/8 produz 6/8, isto é, 75%. Esta é a regra de três quartos para as diferenças de números aleatórios.
A função MMI apenas conta o número de diferenças de dados para as quais a condição é atendida e retorna sua porcentagem. A série Data pode conter preços ou mudanças de preços. Os preços sempre têm alguma correlação em série: se EUR / USD hoje estiver em 1.20, também será amanhã em torno de 1.20. Que vai acabar amanhã com 70 centavos ou 2 dólares por EUR é bastante improvável. Esta correlação em série também é verdadeira para uma série de preços calculada a partir de números aleatórios, uma vez que os próprios preços são aleatórios, mas suas mudanças. Assim, a função MMI deve retornar uma porcentagem menor, como 55%, quando alimentada com preços.
Ao contrário dos preços, as mudanças de preços não têm necessariamente correlação serial. Um mercado 100% eficiente não tem correlação entre a mudança de preço de ontem a hoje e a mudança de preço de hoje para o futuro. Se a função MMI é alimentada com mudanças de preços perfeitamente aleatórias de um mercado perfeitamente eficiente, ela retornará um valor de cerca de 75%. Quanto menos eficiente e quanto mais tendência o mercado se tornar s, mais a MMI diminui. Assim, um MMI decrescente é um indicador de uma tendência futura. Um MMI crescente sugere que o mercado ficará mais desagradável, pelo menos para sistemas de negociação de tendências.
Usando o MMI em uma estratégia de tendências.
Pode-se supor que a MMI prevê a direção do preço. Um alto valor de MMI indica uma alta chance de reversão média, então quando os preços subiram na última vez e a MMI é alta, podemos esperar uma queda de preço em breve? Infelizmente, não funciona desse jeito. A probabilidade de reversão média não é distribuída uniformemente ao longo do intervalo Data do dado. Para os preços iniciais é alto (uma vez que a mediana é calculada a partir de preços futuros), mas para os preços tardios, no momento em que o MMI é calculado, é apenas 50%. Prever o próximo preço com o MMI funcionaria bem como lançando uma moeda.
Outro erro seria usar o MMI para detectar um regime de mercado cíclico ou de reversão média. É verdade que o MMI aumentará em tal situação, mas também aumentará quando o mercado se tornar mais aleatório e mais efetivo. Um MMI ascendente sozinho não é promessa de lucro por sistemas de comércio de ciclos.
Então, o MMI ganhou-nos nos dizer o próximo preço, e ganhou. Não nos diga se o mercado é significativo reverter ou simplesmente significar, mas pode revelar informações sobre a chance de sucesso de seguir as tendências. Para isso, estamos fazendo uma suposição: a Tendência em si é uma tendência. O mercado não pula de modo repentino, mas com alguma inércia. Assim, quando sabemos que a MMI está aumentando, assumimos que o mercado está se tornando mais eficiente, mais aleatório, mais cíclico, mais reverso ou o que quer que seja, mas, de qualquer forma, é ruim para o comércio de tendências. No entanto, quando a MMI está caindo, as chances são boas de que a próxima tendência inicial durará mais do que o normal.
Desta forma, o MMI pode ser um excelente filtro de tendências e # 8211; em teoria. Mas todos sabemos que há muitas vezes um grande fosso entre a teoria e a prática, especialmente no comércio algorítmico. Então, eu vou testar o que o índice de significância do mercado faz para a coleta da tendência de 900 seguindo os sistemas que I & # 8217; acumulou. Para um primeiro teste rápido, esta foi a curva patrimonial de um dos sistemas, TrendEMA, sem MMI (44% de retorno anual médio):
Estratégia EMA sem MMI.
Este é o mesmo sistema com MMI (55% de retorno anual médio):
Estratégia EMA com MMI.
Podemos ver que o lucro dobrou, de US $ 250 para US $ 500. O fator de lucro subiu de 1,2 para 1,8, e o número de negócios (linhas verde e vermelha) é notável reduzido. Por outro lado, a curva de equidade começou com uma redução que não estava lá com o sistema original. Portanto, a MMI, obviamente, não melhora todas as negociações. E este era apenas um sistema selecionado aleatoriamente. Se a nossa suposição sobre tendência de tendência é verdadeira, o indicador deve ter um efeito significativo também nos outros 899 sistemas.
Esta experiência será o tema do próximo artigo, em cerca de uma semana. Como geralmente, eu incluirá todo o código-fonte para que qualquer pessoa possa reproduzi-lo. O MMI falhará miseravelmente? Ou melhorar apenas alguns sistemas, mas piorar os outros? Ou iluminará o caminho para o Santo Graal das estratégias de tendências? Deixe o mercado ser o juiz.
57 pensamentos sobre & ldquo; The Market Meanness Index & rdquo;
Existem alguns links na página que não funciona. Como & # 8220; próxima página & # 8221; em alguns casos.
Existem alguns indicadores que tentam encontrar tendência mais. Você considerou fazer uma análise de todos eles como você fez com os indicadores de tendência. Quero dizer, ao invés de apenas usar o MMI para os 900 sistemas, você poderia usar outro usando a mesma abordagem.
Eu certamente posso testar outros indicadores de tendência, pois isso requer apenas uma pequena alteração do script. Mas eu não conheço muitos que prometem realmente trabalhar. Qual indicador você tem em mente?
Eu não tenho nada em mente. Você menciona acima Hurst e Hilbert Transform e assim por diante. Eu gosto da metodologia que você usa para descobrir qual indicador de tendência é realmente melhor. Eu queria saber qual seria o resultado se você usar a mesma metodologia para descobrir se o mercado está no modo tendência usando diferentes indicadores e não apenas MMI.
Sim, eu testarei mais filtros e também o cruzamento mais convencional em vez de picos e vales para sistemas de tendência. O MMI já produz resultados bastante bons, mas não pode danificar para testar tantos algoritmos quanto possível. No entanto, o próximo experimento planejado é com um & # 8220; aprendizado profundo & # 8221; rede.
Bem parabéns novamente por este incrível blog. Realmente inspirador também.
Eu me pergunto se você pode continuar a aplicar este tipo de abordagem nas próximas etapas do desenvolvimento de estratégias, como se alguém puder bloquear o melhor filtro encontrado até agora e usar, em vez disso, como variável, entradas diferentes tipos de funções de gerenciamento de dinheiro, por exemplo.
Artigo agradável; Estou ansioso para tentar isso em algum momento. Além disso, adoro o nome do seu blog.
Um, não existe um encadeamento de lookahead aqui? A mediana é calculada em todo o conjunto de dados. Não tem certeza de que ele possa ser usado em qualquer ponto do conjunto de dados para tomar uma decisão, tal como está.
Ah, você realmente olhou no código! Se a mediana foi calculada em todo o conjunto de dados, seria de fato uma polarização. Mas & # 8216; Length & # 8217; No código é apenas o comprimento do período MMI. Você não pode olhar para frente com o Zorro, exceto quando você configura uma determinada bandeira, caso contrário, qualquer acesso de dados futuros produz uma mensagem de aviso.
Ei! Estou gostando do blog.
Parece haver uma restrição desnecessária no seu teste para inversão média vs tendência. Por que o preço deve estar além da mediana antes de medir a direção em que se dirige? & # 8220; Reversão média & # 8221; geralmente está se referindo a um número mais geral, onde os preços realmente devem ser # 8217; em vez da média matemática (ou no seu caso, mediana). Não haveria um sistema de reversão de tendência versus vs-média mais apropriado, simplesmente olhar para auto-correlação? Se um preço mover uma direção e, em seguida, de outra forma, independentemente de sua posição relativa para a mediana, então seria considerado reverter & # 8221 ;. Isso não invalida sua abordagem, mas insistiu que o ruído é negativo, 75% do tempo não descreve a realidade com precisão. Realmente, você está dizendo que o ruído que se afasta da mediana tende a voltar para a média de 75% do tempo. & # 8221; Ou entendi mal?
Eu acho que você entendeu corretamente # 8211; Sua formulação é, de fato, mais precisa. O MMI não é realmente destinado a distinguir entre reversão média e tendência. Para isso, f. i. O Hurst Exponent produz melhores resultados, pelo menos de acordo com minhas experiências. O MMI funciona, no entanto, bem para determinar apenas a presença ou ausência de tendência. Assim que ele começa a retornar valores altos na área de 75%, pode ser o início da reversão média ou pode ser apenas aleatoriedade e # 8211; O MMI não pode distinguir isso. Ambas as situações também são ruins para as tendências seguidas.
Com base na sua publicação, eu mandei a MMI em programado e testado em Quantopian. Eu escolho diferentes estoques (SPY, BAC, AAPL, NFLX, etc.) mudanças diárias de preço de fechamento e diferentes comprimentos MMI (100,200,300,500). O período de testes foi de 01/01/2012 a 01/14/2016.
O resultado foi sempre em torno de 75% Não houve valor abaixo de 70% e acima de 85% em qualquer caso.
de 01/01/2012 a 14/01/2016.
Desvio padrão: 1.716.
Este é um bom resultado?
Parece-me que a MMI não é utilizável ou apenas essas pequenas mudanças abaixo de 75%, o que devo seguir?
Se eu usei preços em vez de mudanças de preços, o resultado foi sempre em torno de 50%, o desvio padrão foi maior, mas não tão convincente.
Sim, este é um bom resultado quando você testou os retornos diários, que normalmente não são significativamente diferentes. Mesmo um pouco significa reverter antes de meados de 2014. Você deve obter essa curva:
Mas assim que você olhar para as retornos das horas, você verá mais trendiness:
Obrigado pela sua resposta rápida.
Portanto, todos os sistemas de acompanhamento de tendências baseados em preços de fechamento diário estão condenados.
No caso de 1H ou forex, minha hipótese é que estes dados contínuos e conectados no tempo e, portanto, mais trendiness. Entre os preços diários fechados, há uma grande diferença no tempo após o fechamento do mercado e no dia seguinte se abre.
Então, talvez eu deveria negociar em uma escala de tempo mais curta ou no forex.
& # 8220; Então, quando você olha para uma seqüência de preços aleatória, se o preço de ontem estava acima da mediana, em 75% de todos os casos, o preço de hoje é menor do que ontem "
Em uma seqüência de preço aleatória, a chance de ir mais alto / menor em cada ponto é * sempre * 50% & # 8211; independentemente de onde o mal mentiroso ou o que aconteceu ontem.
Este é de fato um equívoco freqüente. A chance de ir mais alto / baixo em um certo ponto é muito diferente da chance de um par de preços em uma seqüência aleatória para reverter para a mediana. Se você não acredita na prova acima, basta executar o script e observar os resultados. E se você também não acredita no roteiro, role o dado cem vezes, anote todos os números e conte com a frequência com que os números subsequentes revertem para a mediana. 🙂
& # 8220; Se você não acredita na prova acima, basta executar o script e observar os resultados & # 8221;
Então, o fragmento abaixo é uma transcrição Python da corrida acima em uma seqüência de caminhada aleatória.
O MMI é sempre 50% Por que a diferença?
para eu no alcance (n):
se random. random () & gt; 0,5:
seq. append (seq [-1] + 1)
para i no alcance (1, len (dados)):
se dados [i] & gt; m e dados [i] & gt; dados [i-1]:
dados elif [i] & lt; m e dados [i] & lt; dados [i-1]:
retornar 100,0 * (nl + nh) / (len (dados) -1)
Porque sua caminhada aleatória não é uma seqüência aleatória. Uma caminhada aleatória tem uma forte correlação em série. Uma seqüência aleatória correta seria:
para eu no alcance (n):
O mesmo acontece com os dados de preços: os preços não são aleatórios. Eles têm correlação em série. Mas as mudanças de preços são aleatórias, pelo menos em um mercado eficiente perfeito.
Isso faz sentido! Obrigado pelo esclarecimento e as respostas rápidas.
Oi, você pode explicar o algoritmo de detalhes de como o MMI ajuda na detecção de tendências? Ou algum pseudo código. Embora eu tenha encontrado você verificar & # 8220; caindo # 8221; no outro blog, não sei como e # 8220; caindo # 8221; trabalho.
Eu acho que o algoritmo é explicado acima em & # 8220; A regra de três quartos & # 8221 ;. Se algo não está claro, basta perguntar. O MMI detecta tendência indiretamente, pela ausência de reversão média. & # 8220; Falling & # 8221; é uma função binária que apenas determina se uma série de dados está subindo ou caindo.
Mathafarn e qualquer um que queira dar uma olhada no MMI para Python, a versão do Python mostrada não é a mesma versão da Zorros.
Em primeiro lugar, np. median () isn & # 8217; t o mesmo que a mediana do Zorro usa, em segundo lugar o for-loop está indo no caminho errado, levando a resultados diferentes.
Aqui é uma versão fixa:
m = data_sorted [int (len (dados) / 2)]
m = (data_sorted [int (len (data_sorted) / 2) +1] + data_sorted [int (len (data_sorted) / 2)]) / 2.0.
para i no alcance (0, len (dados) -1):
se dados [i] & gt; m e dados [i] & gt; dados [i + 1]:
dados elif [i] & lt; m e dados [i] & lt; dados [i + 1]:
retornar 100,0 * (nl + nh) / (len (dados) -1)
Várias perguntas rápidas.
1. Sobre a aplicação da MMI, podemos usar percentil (MMI, 25), se o MMI de hoje for inferior a 25%, dizemos que o mercado está em tendência, caso contrário, não.
2. Quais são indicadores sólidos para determinar o regime de mercado?
3. Alguns mercados são mais fáceis de gerar lucro do que outros, eu os chamo de mais # 8220; comercializáveis ​​e, como o que você achou nesta experiência, a SPY é o mercado mais ruidoso, enquanto as commodities são mais modernas, esta?
1. Sim, um limiar percentil certamente faria sentido.
2. Por exemplo, o Hurst Exponent & # 8211; um colega blogueiro, Robot Wealth, escreveu recentemente um artigo sobre isso.
3. Teoricamente, um indicador como Shannon Entropy poderia ser usado para determinar mais aleatoriedade ou mais oportunidades de comercialização em um mercado. Este poderia ser um tópico interessante para pesquisa.
O exemplo de python abaixo mostra uma tendência perfeita e uma sequência de dados de reversão média perfeita. O MMI para ambos é de 50%. Por que é isso? Obrigado # 8230 ;.
para i no alcance (1, len (dados)):
se dados [i] & gt; m e dados [i] & gt; dados [i-1]:
dados elif [i] & lt; m e dados [i] & lt; dados [i-1]:
# tendência perfeita: MMI 50%
trend_data = numpy. arange (0.0, math. pi, 0.01)
# reversão média perfeita: MMI 50%
sin_data = map (lambda x: math. sin (x), trend_data)
Uma tendência plana certamente produzirá cerca de 50%, mas uma curva de seno deve dar-lhe uma MMI fortemente flutuante na área de 60% ou 70%, dependendo do período da curva de seno em relação ao período MMI.
de ativos(""); // imobilizado.
vars Data1 = series (genSine (5));
vars Data2 = série (Barra * 0,01);
Obrigado pelo excelente artigo. O MMI seria útil para evitar perdas na estratégia de reversão ou qual outro adepto você recomendaria? Obrigado.
Não, o MMI provavelmente não funcionará bem para filtrar significar negociações de reversão, uma vez que não faz diferença entre o & # 8220; menos trendy & # 8221; e # 8220; mais aleatório & # 8221 ;. Para filtrar a reversão média, tentaria detectar o ciclo dominante # 8211; A reversão média normalmente está relacionada a algum comportamento cíclico de curto prazo e # 8211; e verifique a amplitude do componente de freqüência dominante.
Obrigado, analisaremos isso.
Oi jcl! Você tem a versão MetaTrader disso? Toda vez que eu tento acessar o link que você publicou, recebo uma mensagem de erro.
Além disso, você sabe se alguém codificou isso para o Tradestation?
Já faz algum tempo, mas se me lembro de certo alguém publicou uma versão MT4 no fórum Steve Hopwood & # 8217; s. Havia também uma versão da Tradestation, mas não consigo mais me lembrar do link. De qualquer forma, deve ser relativamente fácil acessar o código para Tradestation.
Tentei traduzir o MMI em Easylanguage. Mas eu sempre consigo uma linha cada vez maior.
nl e nh estão sempre aumentando os valores?
Não tenho nenhum especialista em Easylanguage, mas AFAIK não possui variáveis ​​locais, qualquer coisa é global. Se assim for, então certifique-se de que nl e nh são reiniciados para zero no início da função.
Se eu reiniciar nl e nh em cada barra, eu recebo uma onda binária entre 0 e 0,33.
Tenho que fazer o ciclo? Por quanto tempo?
Você deve obter cerca de 0,75 quando você testar com números aleatórios. Com 0,33, algo está errado. O indicador não é cumulativo, então você não precisa fazer o loop.
se nl e nh obter redefinir todas as barras e o indicador não é cumulativo, a fórmula sempre seria.
como nl ou nh são sempre 1.
Você poderia talvez parafrasear a fórmula em pseudo-código, no caso de eu ter mal interpretado o código C?
Eu não sei se isso ajuda, mas de qualquer maneira:
conte todas as reduções de preços acima da mediana.
Adicione todos os aumentos de preços abaixo da mediana.
divida pelo número de preços e retorna a porcentagem.
Primeira regra do hacker: codifique apenas o que você entende.
& gt; & gt; 18 de julho de 2017 às 10:11.
& gt; & gt; Há algum tempo, mas se me lembro de certo alguém publicou uma versão MT4 no fórum de Steve Hopwood.
& gt; & gt; Havia também uma versão da Tradestation, mas não consigo mais me lembrar do link. Deveria ser.
& gt; & gt; de qualquer forma relativamente fácil de acessar o código para Tradestation.
A versão MT4 estava neste link, mas parece ser deletada:
Talvez alguém ainda tenha o indicador para MT4 ou Tradestation.
Eu traduzi o indicador, mas parece bastante diferente do seu exemplo.
calculado em cerca de barras diárias, comprimento 300.
Parece que ele é alto, quando tendência e baixa quando significa reverter. O valor mais alto é 60%
Então, aparentemente, a tradução ainda não era um sucesso real. Você deve obter a mesma curva, e as tendências produzem valores inferiores, não maiores.
mas a base de cálculo está correta? Comprimento 300 em fechamento diário, em comparação com a mediana?
Sim. Mas certifique-se de obter a ordem de dados corretamente. É uma série financeira, com os mais novos dados no início. Se a ordem está errada, o aumento e a queda são trocados.
Você quer dizer que seria diferente se o contador de condições verdadeiras estiver aumentando (do antigo para os novos dados) de olhar para trás da barra atual para as últimas 300 barras?
Olhe para o código. Alterar a ordem dos dados equivale a trocar duas das quatro & # 8216; & gt; # 8217; e & # 8216;
Oi, tenho uma pergunta sobre as mudanças de preços que estão sendo usadas neste indicador. Eu encontrei uma versão que usa open [0] & # 8211; feche [0] para representar a mudança de preço.
Isso é preciso ou devemos usar perto [0] & # 8211; fechar [1] como a mudança de preço?
É mater ou eu poderia usar qualquer highl0? & # 8211; baixo [0].
Também vi esse indicador codificado de forma incorreta ao invés de usar a mediana, que é o meio de uma série de preços, algumas versões estão usando a média (média aritmética). F.
Será que esse uso afetará negativamente o cálculo?
fechar [0] - fechar [1] é a mudança de preço correta. Ele não ganhou a diferença para os ativos negociados em 24h, mas pode produzir um resultado diferente para os estoques. E a média está errada. Deve ser realmente a mediana.
Preciso testar a MMI em um conjunto de preços onde vejo claramente uma tendência de queda. Eu estou obtendo um MMI de 40 se eu testá-lo com os preços, e um MMI de 48 se eu testá-lo com a mudança de preço. Eu acho que isso significa que o mercado está em uma forte tendência. Estou certo?
Então, podemos dizer que quanto mais baixo o MMI, melhor para sistemas de negociação de tendências? Então, se encontrarmos três mercados com valores 30, 20 e 10, seria o último melhor para uma estratégia de negociação de tendências?
Bem, acho que já falei muito cedo, desculpe por isso. Agora, estou tentando analisar MMI dentro de uma estratégia de 30m; com uma lista de 404 mudanças de preços, completamente de lado (imgur / a / ggwJ3), eu estou obtendo um MMI de 50,49; Se em vez disso eu usar os preços de fechamento, eu estou recebendo um MMI de 48.76. Neste caso, obviamente, o preço não está em uma tendência, porque ele sobe e amp; baixa.
Um MMI de 48 é incomum e significa uma tendência muito forte no período testado, ou uma implementação MMI incorreta. Nas curvas normais de preços de tendência, o MMI está na área de 70.
Eu vou colar o código MMI (python + pandas) também para os registros, pode ser útil para outra pessoa (acho que o código está ok, mas posso estar errado!). O que eu não consigo é porque eu estou obtendo um resultado semelhante (cerca de 45-50) se o preço da curva for um # 8220; montanha e # 8221; (tendência para cima e depois para baixo) ou se é apenas uma tendência de alta.
df [& # 8220; nh & # 8221;] = np. where ((df. Close df. Close. shift (1)), 1, 0)
A inicialização nh e nl no meu código é inútil, por sinal (foi devido a um código antigo). É sobrescrito de qualquer maneira.
Você pode testar facilmente se sua implementação funciona: aplique-a em dados aleatórios. O resultado deve ser 75. Olhe nos comentários anteriores, eu lembro que outro usuário teve um problema semelhante, também com uma implementação em Python.
Parece que minha implementação está quebrada, meu MMI gera 48 com dados aleatórios e # 8230;
De qualquer forma, eu estou testando o script TrendMMI na versão mais recente do Zorro, mas quando treino / executo, ele diz & # 8220; função indefinida chamada! & # 8221; e não gera qualquer valor durante o treinamento, e quando eu clico no Teste, ele gera apenas a curva de preços, mas nada mais. Então, acho que algo mudou desde 2015 e agora no Zorro que faz com que isso falhe. Isso pode ser consertado de alguma forma?
Existem muitos scripts no arquivo de 2015 que você pode treinar ou executar, mas o TrendMMI não pertence a eles. Não é uma estratégia, mas uma biblioteca de funções para incluir.
Com vergonha de mim, este foi um problema n00b! Ok, corrigi isso, obrigado.
Outro erro mostra quando treina alguns dos scripts; TrendDecycle ou TrendEMA, por exemplo: & # 8220; Erro 046, H4 LookBack excedido por 16 barras (7696) & # 8221 ;. Eu acho que o & # 8220; fixo & # 8221; mudando essa linha no TrendMMI. c:
int MMIPeriod = otimizar (0,200,500,100)
int MMIPeriod = otimizar (0,200,450,100)
Você está certo, os scripts do MMI estavam desatualizados. Eu os modifiquei em 2016, mas por algum motivo a modificação não chegou ao meu servidor. I & # 8217; agora carregou os scripts certos.

Boosting Strategies with MMI.
Agora vamos repetir o nosso experimento com as 900 estratégias de negociação de tendências, mas desta vez com trades filtradas pelo Market Meanness Index. Em nosso primeiro experimento, encontramos muitas estratégias lucrativas, algumas com altos fatores de lucro, mas nenhuma delas passou pelo Reality Check da White. Então, todos eles provavelmente falharam no comércio real, apesar dos seus ótimos resultados no backtest. Desta vez, esperamos que o MMI melhore a maioria dos sistemas ao filtrar negócios em situações de mercado que não sejam tendências.
Experimento de sistemas 900 revisitado.
Fui informado pelos leitores que cometi dois erros, ou pelo menos imprecisões, no experimento anterior. Primeiro, não desconsiderei os dados do preço. Em segundo lugar, usei as curvas de equidade em vez das curvas de equilíbrio para determinar o fator de lucro. Eu não desprezei os preços porque os sistemas trocaram long / short de forma simétrica, e eu supus que isso eliminaria qualquer viés de tendência. Mas, mesmo que isso fosse verdade naquela época, agora não é mais verdadeiro: os negócios de filtragem pela MMI ou outros meios podem introduzir a assimetria. Além disso, calcular o fator de lucro da curva do saldo faz realmente mais sentido porque você está interessado no lucro final dos negócios, não em seu comportamento intermediário. Por conseguinte, e por razões de resultados comparáveis, agora e no futuro, utilizarei retornos de comércio desvalorizados e curvas de equilíbrio para tais experiências.
O teste original, repetido com as modificações, produziu uma maior distribuição do fator de lucro devido à eliminação dos retornos intermediários. Mas o resultado do experimento foi o mesmo. A estatística (incluindo os custos comerciais) não alterou muito, no entanto, a distribuição do fator de lucro (sem custos comerciais). Este é o novo histograma WRC dos sistemas 900 originais (melhor sistema versus bootstrap-randomized returns of all systems):
Sistemas de tendência 900 (sem MMI)
Embora o melhor sistema (barra preta, um sistema usando ALMA) esteja no lado direito da distribuição, ainda 11% dos sistemas aleatórios foram melhores. O sistema não passa o WRC no nível de confiança requerido de 95%. Isso resultou muito diferente ao filtrar negócios com o MMI.
O experimento MMI.
Este é o nosso script TrendMMI. c para a nova experiência:
Os 10 scripts de negociação de tendência com os 10 indicadores diferentes permanecem inalterados, além de agora incluindo TrendMMI. c em vez de Trend. c. A negociação agora depende de uma variável booleana DoTrade. O comprimento da gama MMI varia entre 200, 300, 400 e 500 bar. Como a maioria dos parâmetros em uma estratégia, a gama MMI é um compromisso: não deve ser inferior a 200 bar para obter qualquer precisão, mas não deve ser muito longo para impedir que diferentes regimes de mercado caírem na mesma gama MMI. No intervalo padrão de 0, nenhum MMI é aplicado e a negociação não é filtrada. Desta forma, nós incluímos todos os sistemas anteriores no teste. Isso é necessário para detectar corretamente o Bias de Mineração de Dados, que deve considerar todos os sistemas que foram descartados com base em seu resultado.
Nós estamos executando o valor de retorno MMI através de um filtro de passagem baixa que usa o mesmo período que o intervalo MMI. Isso nos dá um valor MMI suave que não brinca. Esse valor agora é usado para a filtragem de comércio: os negócios são abertos e fechados somente quando o MMI suavizado está caindo, o que significa que o mercado entrou no modo de tendência nas últimas 200 a 500 barras. O MMI só é aplicado a um dos sistemas resultante da variação do período anterior (a função de otimização seleciona automaticamente o parâmetro do sistema # 8220; mais robusto & # 8221; antes de otimizar o próximo parâmetro). Então, agora, estamos testando na verdade não 900, mas 1260 sistemas: 900 sem MMI e cada 90 com faixas MMI de 200, 300, 400 e 500 bar. Os sistemas com trades não suficientes ou um período de lookback muito longo são novamente removidos do pool, então o número real de sistemas testados é de cerca de 1100.
Dependendo da velocidade do seu PC, o Zorro precisará cerca de 1 hora para testar todos os sistemas. No final de cada teste do sistema, o Zorro produz os histogramas dos parâmetros. Agora temos dois parâmetros. O histograma do primeiro, o período de filtro de alinhamento de preços, parece como antes porque o MMI foi desligado durante a otimização. O segundo histograma exibe a gama MMI em combinação com o melhor valor do primeiro histograma. & # 8220; Best & # 8221; não é aqui a barra mais alta do histograma anterior, mas o valor que o Zorro considera mais robusto e menos sensível às mudanças no mercado. Um histograma típico do MMI se parece com isto:
A primeira barra, marcada com o & # 8220; 100 & # 8221 ;, é o melhor sistema sem MMI. Podemos ver que não é rentável: o fator de lucro (escala de esquerda) é apenas de aproximadamente 0,8. Usar o MMI com um intervalo de 200 e 300 torna o sistema pior, e reduz o fator de lucro 0,7. No entanto, as duas últimas gamas MMI, 400 e 500, deslocam o sistema para a zona de lucro. Este foi apenas um exemplo aleatório, mas como o MMI afeta todos os outros sistemas? Aqui estão as estatísticas da experiência MMI:
A coluna Taxa mostra a porcentagem de sistemas bem sucedidos e, entre parênteses, a diferença para a porcentagem sem MMI. Podemos ver que o MMI aumentou o número de sistemas bem-sucedidos em todos os mercados, prazos e indicadores. No entanto, os números não são realmente representativos: o MMI só afetou uma quarta parte dos sistemas testados, mas o trimestre mais alto, de modo que algum aumento no número de sistemas lucrativos era esperado de qualquer maneira. Uma medida mais significativa é a WRC. Nós estamos usando o mesmo script Bootstrap. c como no experimento anterior, só precisamos aumentar o número CURVES para 1260. Este é o histograma WRC de sistemas com MMI (novamente, o melhor sistema versus bootstrapped retorna de todos os sistemas ):
Sistemas de tendência de 900 (com MMI)
O filtro MMI agora deslocou o melhor sistema (preto) para o lado direito do histograma. Obteve um valor de p de 0,02, o que significa que é melhor do que 98% dos melhores sistemas randomizados e, portanto, bem acima do nível de significância de 95%. Usando o MMI para transações de filtragem, o método de negociação em picos de curva e vales passou na Verificação de Realidade de White & # 8217; s. Na verdade, dois dos sistemas 1260 obtiveram valores p acima do nível de significância.
Os melhores sistemas do experimento tinham algumas coisas em comum: trocaram com prata e usavam o ALMA ou o filtro passa-baixa. Este é um resultado surpreendente, porque nem a prata, nem a ALMA e a baixa passagem tinham o maior número de sistemas lucrativos. Da tabela acima, assumir-se-ia que o EUR / USD e o filtro HMA ou Laguerre são os mais promissores. Eles realmente produziram muitos sistemas aparentemente bons com fatores de lucro acima de 2 (sem custos comerciais), mas nenhum deles passou no WRC.
Conclusão.
O MMI melhora os sistemas de tendência seguindo todos os mercados, prazos e indicadores testados. Os sistemas seguintes de tendência usando o MMI podem passar na verificação de realidade da White. Dos 10 indicadores de suavização testados, o ALMA produziu os melhores resultados, embora dentro de um intervalo de parâmetros relativamente pequeno. Para fazer: teste mais filtros de tendência, f. i. o Hurst Exponent ou Ehlers & # 8217; Decomposição Tendência / Ciclo. Para fazer: crie um sistema de negociação real, combinando os melhores sistemas de tendências e adicionando os componentes habituais do sistema, como perda de parada, algoritmo de trânsito, bloqueio de lucro, gerenciamento de dinheiro e assim por diante.
Eu adicionei os scripts à coleção de scripts 2015. Por favor, note que você precisará novamente do Zorro 1.36 ou superior para reproduzir o experimento.
28 pensamentos sobre & ldquo; Boosting Strategies with MMI & rdquo;
Bom trabalho jcl. Tchau.
Tudo parece tão bom, mas:
Se o vale ou o pico tiverem um vazamento futuro, você obterá resultados melhores e tendenciosos. Então, você pode mostrar o código de.
O espreitamento do viés ganhou & # 8217; t acontecer de qualquer maneira com funções simples como esta, uma vez que o acesso a dados de preços futuros geraria uma mensagem de aviso.
Parece bom. Do que eu vou tentar filtrar minha base de dados de 6 milhões de trades.
Oi, eu traizei o script TrendMMI, mas depois de compilação na plataforma zorro, recebi um erro.
Função indefinida chamada!
Trem: TrendMMI 2010 ... 2017.
Loop [1] [1] p1 passo 1: 1.00 = & gt; 0,00 0/0.
qualquer resultado / relatório seja gerado.
Se eu me lembro bem, TrendMMI era um script #include, não destinado a ser executado. Você deve executar um dos 10 scripts com os 10 indicadores.
Acabei de filtrar mais de 2 milhões de trades para 8 símbolos diferentes usando o MMI. Como resultado, não há impacto no fator de lucro. Mais informações aqui.
Não acho que você possa obter um resultado útil dessa maneira. Verifique se você pode classificar seus negócios em negociações de tendências, tendências neutras e contra tendências. MMI é para detectar regime de tendências, então você não pode usá-lo para apenas filtrar um monte de negócios. Nas negociações de padrão, ciclo ou reversão média, provavelmente mesmo teria um efeito adverso. Filter the trend-following trades out of your database and then check if MMI has an effect on them. I’m interested if you get a better or worse result than the 5% advantage for simple trend systems.
Also, smoothing the MMI with the SMA is ineffective since the SMA is slow and adds an additional delay on the already slow MMI. Better use a lowpass filter. Here’s the basic code:
double LowPass(double* Buffer, double Val, double a)
double* Data = Buffer+3; // static buffer for interim results.
double* LP = Buffer;
LP[2] = LP[1], LP[1] = LP[0]; // shift.
Data[1] = Data[0], Data[0] = Val; // shift.
General question. What is an out of sample period for 900 systems test . Or you just make a back test on entire data just changing the parameters and and assets ??
Yes, a backtest with all parameter and asset combinations. Since the systems are not optimized, there is no in sample and therefore no out of sample period.
& # 8211; Another idea: I understood that your database of trades has been generated with machine learning or data mining methods. The MMI is not suited for filtering those trades, but other functions possibly are, for instance the Shannon entropy.
Well I believe i know whats going on here. First SMA – its a low pass filter with lag (N-1)/2 and passband 2*N. Your low pass filter perhaps has a different characteristics but if the lag is a problem here i made another experiment.
so I just changed the smooth to 5 to decrease the SMA lag than decreasing the Lenght to decrease lag from difference between current price and median and you can see that PF is rock solid around 1.19 reference value from full set of trades so lag is not a problem here…..
so there are two possibilities here:
1) MMI just generates the random filtering signal.
2) MMI detects trend mode but somehow profit distribution within my trade file is uniform i. e. whatever you sub-sample them regardless of market conditions they show the same profit factor. This sounds very unlikely….
regarding your experiment. You created 900 systems by sending to a few systems different parameter values (MMI affected just quarter of them)
than according to your description.
“The MMI is only applied to one of the systems resulting from the prior period variation (the optimize function automatically selects the parameter of the “most robust” system before optimizing the next parameter). So now we’re testing in fact not 900, but 1260 systems:
900 without MMI and each 90 with MMI ranges of 200, 300, 400, and 500 bars. The systems with not enough trades or a too-long lookback period are again removed from the pool, so the real number of tested systems is about 1100.”
so i have a feeling that you introduced selection bias here by not testing exact the same systems (900) with MMI and making final results based on this. Additionally you didn’t make any out of sample test to verify this.
Anyway, can you make out of sample test on unseen data (2016-) from your best performing systems with and without MMI and post results ??
You can check if 1) or 2) is true by not applying the MMI to a collection of random trades, but to trend following trades. Either use simple systems as here, or filter them out of your database by testing the trend prior to the trade.
In this experiment there’s no selection bias because there is no selection. All tested systems were included in the WRC, including those without MMI. So it is irrelevant on how many systems the MMI was applied. This had only relevance, if any, on the statistics table with the per-asset results. There’s also some misunderstanding with ‘seen’ and ‘unseen’ dados. There is no seen data since we do not optimize the systems.
The used data was from 2010-2015, and the result is thus of course only valid for this time period, not for 2016. You can not repeat it with 2016 data since you would not get a statistically relevant number of trades from only one year. What you could do is repeating the experiment with 2004-2009 data. Or wait until 2021 and then repeat it with data from 2016-2021.
MMI theory is robust enough to improve across the assets. Good Article JCL! There are some issues with the Bootstrap. c. It actually hangs the Zorro version 1.58. I tried before in the past version and it is okay. How can I go about solving it? Obrigado. I will be trying out Hurst Exponent or Ehlers’ Trend/ Cycle decomposition as per your suggestion.
1.58 stored in the data in a wrong format. Use either an older version or the current zorro beta version, the bug is fixed there.
I am trying to replicate the results using the latest history. MMI is able to increase all across asset, time frame and indicator except XAU/USD and Trend EMA. Fabulous! However, the WRC actually become worse. The P-value become worse from 0.12 to 0.29. My question is why MMI can improve the winning percentage but WRC got worse and how to improve WRC?
Refer to the statistic below.
% Won without MMI/ with MMI/ Increase.
H1______Percent 34.60 40.62 6.02.
H4______Percent 39.77 41.58 1.81.
M15_____Percent 37.14 41.75 4.61.
SPX500___Percent 10.31 17.78 7.47.
EUR/USD__Percent 37.18 43.50 6.32.
XAG/USD__Percent 63.20 62.39 -0.81.
TrendALMA___Percent 34.29 36.79 2.51.
TrendDecycle___Percent 36.25 38.79 2.54.
TrendEMA____Percent 37.50 37.04 -0.46.
TrendHMA____Percent 36.23 47.62 11.39.
TrendLaguerre_Percent 45.45 53.62 8.17.
TrendLinearReg_Percent 45.07 47.66 2.59.
TrendLowPass_Percent 36.49 41.82 5.33.
TrendSMA____Percent 36.62 42.06 5.44.
TrendSmooth__Percent 31.03 38.30 7.26.
TrendZMA____Percent 30.12 34.45 4.33.
Without MMI – WRC.
Best of 691 systems.
Bootstrap – please wait..
Sample median: 1.24.
P-Value of best strategy: 0.12.
Best of 1051 systems.
Bootstrap – please wait..
Sample median: 1.26.
P-Value of best strategy: 0.29.
You can see it when you compare the profit factors of the best systems. In the 2015 test, best have been the ALMA systems with XAG, at a profit factor about 3. Today ALMA is still the best, but XAG got even worse with the MMI, and the top profit factor is now 1.28. So we have to conclude that the market in the past 2 years has not been friendly to simple trend following systems, at least with those 3 assets, and the WRC consequently failed. It would be interesting to check out in more details in which way the three markets have changed in the last years.
I recently started developing systems strategies in another platform and was researching Zorro platform.
Please for give me if this is the improper location to post my (and hopefully others) concerns regarding “How to Trust the Historical Back Testing Data”
We all spend countless of hours back testing strategies all time frames (5 mins and to 1 hour for my case) and there the question that continued to circle in my head after I click back test is “Is this results accurate, how do I trust where this data is coming from”
How did you gain confidence, reliability and consistence in the backtesting historical data from your platform? Should I post this on the zorro forum?
Thank you kindly and look forward to your response as you and team have developed over 400 trading systems, so I am sure quality of historical data was examined.
I’m not sure what you mean with ‘trust’. With a few exceptions, the source of the data has little effect on test results. You only need to know what sort of data you have to use. For stocks, you must know if the data is split or dividend adjusted. For high-resolution Forex, you normally must test several times with data from several brokers since they all slightly differ. There is also data of bad quality, with gaps and outliers, which must be filtered. If this matters depends on which sort of system you want to test. The usual algo systems trade with time frames of hours or days and are not sensitive to data quality.
Obrigado por seus comentários.
I trade futures and mainly my experienced (day trading manually) of trading is within the intra-day (5 min charts) charts. There are not scalping (possible entry and exit are within the same bar) systems. I normally look for R:R >2 setups.
Why do you state this” The usual algo systems trade with time frames of hours or days and are not sensitive to data quality.” ? Is this because for higher time frames (above 1 hour) systems there is less likely hood for the entry and exit to be in the same bar, especially if looking for R:R >2 setups?
I am considering leaving the scalping systems development and testing cause the amount of inaccuracy between back test and real time results.
Thanks for response. I apologize if sounding confusing.
When you trade futures, you’re normally backtesting with historical data from an exchange, not from a broker. This means that there are maybe different data vendors, but no different data sources. The only differences between vendors are the data format and the processing for fixing outliers and other issues.
Higher time frames exploit larger price changes. Large price changes mean that tiny differences don’t matter. There are many effects that will cause differences between backtest and live results, but the data is normally not one of them.
What time frames do you recommend newbies automated strategy developers to begin on?
I have experience with intra day swings trading (1 to 2 trades per day).
I have never swing (held trades overnight or for day)trade before .
But I’m willing to change of it makes this process more achievable with having to worry on so much false results.
Swing trading is ok. I recommend time frames of 1 hour or above. Below 1 hour, it becomes difficult and takes experience to achieve profit and to properly backtest systems.
Thank you very much jcl for response. Really appreciate it.

Mmi trading system

As part of our mission to build better markets for the future, GTS adheres to 3 core principles.
Inovação.
At GTS, our advanced algorithms and high performance computing infrastructure help us provide liquidity in all the markets we trade. This reduces transaction costs for all investors which is why GTS is proud to be one of the industry innovators contributing to the evolution of the modern market.
Indeed, innovation is at the core of everything GTS brings to today’s financial markets. In addition to a bench of seasoned traders, our employee base spans PhDs, engineers, and more than a few real-life rocket scientists. These brilliant minds are driven by their mission to produce extraordinary technologies that help make our financial markets the best in the world.
Looking ahead, we believe the next critical innovation will transcend hardware and software—it will be a renewed spirit of industry collaboration with regulators, combined with a fresh emphasis on communication with investors.
Responsabilidade.
The trading industry has a critical responsibility: to build and sustain investor confidence in every market we touch. To that end, GTS supports—and we encourage our industry peers and partners to support—regulatory action that makes our markets stronger and more secure.
Liderança.
In the face of heated competition, industry consolidation, and an evolving regulatory environment, GTS has proudly assumed a leadership role in making markets better, stronger, and safer. We are firmly committed to engaging with peers, policymakers, and the public at large about how the HFT industry can and should continue to put investors first. Recently, GTS’s CEO, Ari Rubenstein, has offered public commentary on important regulatory issues facing the electronic trading community:
In 2014, to encourage improved dialogue with regulators and the HFT industry, GTS co-founded the Modern Market Initiative (MMI). MMI is an industry group focused on demonstrating the benefits of algorithmic and quantitative trading in today’s modern markets. GTS’s participation in MMI increases our collaboration with industry peers and regulators regarding pragmatic, investor-first oversight of our markets.

Mmi trading system

A ION Trading é uma empresa privada de software financeiro global que fornece tecnologia para negociação e execução, gerenciamento de risco e cálculo de posição, conectividade para intercâmbios e mercados e soluções para processos de middle e back office. A empresa oferece soluções de negociação na maioria das classes de ativos e trabalha com empresas de corretagem, corporações multinacionais, governos e bancos centrais. [1] [2] [3] [4]
Com sede em Dublin, a empresa possui escritórios em Londres, Nova York, Tóquio, Frankfurt, Madri, Toronto, Chicago, Cingapura, Sydney, Berlim, Delhi, Pisa, Itália, Índia e Austrália. É uma das maiores empresas de software financeiro do mundo com tecnologia que abrange tudo, desde a execução comercial até o processo de liquidação, com as empresas membros de clearing em mercados de derivados, divisas, OTC e renda fixa. [5]
History.
A CEO Andrea Pignataro fundou a ION em 1999. A empresa é apoiada por vários grandes interessados. Sua empresa-mãe é conhecida como Ion Investment Group, ou IIG.
A ION foi apoiada pela TA Associates, uma empresa de investimento que comprou 30 por cento da empresa por € 35 milhões (US $ 44 milhões) em 2004. Em maio de 2016, o IIG completou um plano de recapitalização e a TA Associates vendeu o investimento na empresa. Enquanto isso, o Grupo Carlyle realizou um investimento de US $ 400 milhões no ION Investment Group em maio de 2016, assumindo uma participação minoritária. Na época, Carlyle revelou que a ION tinha mais de US $ 300 milhões em ganhos antes de juros, impostos, depreciação e amortização, o que é uma medida do desempenho operacional de uma empresa. Dois dos executivos da Carlyle, Renee James e Cam Dyer juntaram-se ao conselho de administração da ION. [6] [7] [8] [9] [10]
Aquisições.
O ION cresceu de forma constante através de uma série de aquisições, incluindo as que estão listadas abaixo:
ION comprou a empresa de software de back-office Rolfe & amp; Nolan em julho de 2008, oferecendo às empresas tecnologias de back office em tempo real, além de hospedagem e gerenciamento de instalações. [11]
Em julho de 2011, a ION completou a compra da Wall Street Systems, um fornecedor nos mercados de taxas de juros e taxas de juros de curto prazo. O acordo proporcionou ao ION recursos como captura de negócios e funcionalidades pós-negociação, incluindo gerenciamento de dívidas para empresas de alto nível e bancos centrais, bem como soluções de tesouraria para pequenas empresas. [12] [13] [14]
A ION adquiriu a Patsystems em fevereiro de 2012 em uma operação de £ 29 milhões (US $ 32 milhões). [15]
Em janeiro de 2013, a ION adquiriu a Financial Software Systems, uma empresa com sede nos EUA que atende bancos, corretores e gestores de fundos em todo o mundo. [16] [17]
Em fevereiro de 2013, a ION anunciou a aquisição da FFastFill, designer e desenvolvedora de serviços de frente, meio e back-office para a comunidade de comércio eletrônico global, por US $ 165 milhões. Antes da oferta pública, a ION já possuía uma participação de 25,1% na FFastFill. [18]
In July 2013, ION acquired Triple Point Technology, a U. S. software company which enables its customers to manage the price volatility of raw materials and commodities. O acordo foi fechado por aproximadamente US $ 900 milhões em dinheiro. A ION opera o Triple Point como um negócio autônomo e mantém sua sede em Westport, Connecticut. [19]
A ION fez outras aquisições, incluindo a Iris Trading Systems, um sistema de comércio de títulos irlandês.
Adquiriu a Caplin Systems, uma plataforma de portal de revendedor único, em 2015 por um valor não revelado. [20]
Em outubro de 2016, a empresa adquiriu a Reval, uma empresa baseada em nuvem focada em setores de tesouraria e gerenciamento de riscos. A empresa teve como objetivo ajudar os clientes a gerenciar o dinheiro, liquidez e risco financeiro, bem como gerenciar instrumentos financeiros complexos e atividades de hedge. [21]
Produtos e serviços.
Tecnologia de Gerenciamento de Riscos e de Posicionamento de Preços de Negociação.
A ION oferece uma interface multi-mercado, uma interface que permite que os comerciantes operem em vários mercados eletrônicos de comerciante a comerciante e revendedor para cliente.
A Multi-Market Interface da empresa também suporta ferramentas automatizadas, como The Auto-Hedger, uma ferramenta que envia coberturas para um mercado específico no recebimento de uma notificação comercial de qualquer mercado de caixa ou derivativos; O Multi-Market Spread Trading Tool, que permite que os comerciantes criem estratégias que negociam com perfis de gerenciamento de riscos; e ferramentas de criação de mercado para gerenciar as obrigações de preços de mercado. [22]
A empresa também possui um aplicativo de desktop multi-mercado denominado ION, que permite que os comerciantes se conectem nos mercados revendedor / revendedor e revendedor / cliente.
As soluções de preços da ION suportam mesas de negociação globais operando 24 horas no mercado de renda fixa e câmbio. Eles permitem o preço de milhares de subtipos de títulos para o governo, mercados emergentes, títulos de alta qualidade, alto rendimento e do mercado monetário; calcular preços em tempo real para pontos FX, adiantamentos, NDFs e swaps; e futuros e opções associados ao preço. [23]
O portal ION multi-ativos de renda fixa e câmbio para vendedores e seus clientes finais oferece preços em tempo real, execução comercial e análise do comércio do cliente.
As soluções de execução comercial da ION possibilitam a negociação de derivativos e ações listadas em mais de 100 locais em todo o mundo, 24 horas por dia.
A partir de 2015, a ION começou a desenvolver sua solução de limpeza XTP, um sistema quase em tempo real, uma atualização para o Rolfe & amp; Sistema Nolan. Foram necessários quatro anos para construir o sistema, criando-o em cima da tecnologia de negociação principal da ION. O sistema está totalmente integrado com a tecnologia ION da frente e do meio-escritório. [24] O XTP é executado continuamente e pode processar grandes volumes comerciais a altas taxas STP. [25]
A ION's Anvil oferece suporte a empresas de compensação e empréstimo de títulos ao automatizar as atividades da frente e do meio do escritório. A Anvil fornece acesso a todos os mercados de intermediários de repo interdealer e a novos mercados de títulos e valores mobiliários.