Indicateurs statistiques pour la prédiction des marchés financiers : Algorithmes en C++

Note :   (4,4 sur 5)

Indicateurs statistiques pour la prédiction des marchés financiers : Algorithmes en C++ (Timothy Masters)

Avis des lecteurs

Résumé:

Ce livre propose des méthodes mathématiques solides permettant aux traders d'identifier les problèmes au sein de leurs systèmes de trading et donne un aperçu de l'utilisation de divers indicateurs techniques. Il s'adresse aux programmeurs avancés, en particulier ceux qui connaissent le langage C++, et couvre un large éventail d'indicateurs boursiers et leurs applications statistiques. Cependant, certains lecteurs ont trouvé le titre trompeur en ce qui concerne les statistiques et ont critiqué le fait que le livre s'appuie sur le codage C++.

Avantages:

Des méthodes mathématiques solides pour résoudre les problèmes liés aux systèmes de négociation.
Une discussion perspicace sur les différents indicateurs techniques, y compris les moins connus.
Offre des exemples pratiques de codage en C++ qui peuvent améliorer les performances de trading.
Bien écrit et accessible aux étudiants avancés en statistiques et en systèmes de négociation.
Fournit des informations précieuses sur l'efficacité des indicateurs et sur la manière de les adapter.

Inconvénients:

Titre trompeur concernant la présence d'une analyse statistique.
Nécessite des connaissances avancées en C++ pour utiliser pleinement le matériel.
Certains lecteurs trouvent le code et les exemples trop lourds ou peu pratiques.
Explication graphique limitée des concepts, ce qui peut être difficile pour les apprenants visuels.
Le contenu peut être moins utile pour ceux qui n'ont pas d'expérience en programmation.

(basé sur 11 avis de lecteurs)

Titre original :

Statistically Sound Indicators For Financial Market Prediction: Algorithms in C++

Contenu du livre :

Au cours de mes décennies d'expérience professionnelle en tant que consultant en statistiques dans le domaine de la négociation sur les marchés financiers, la leçon la plus importante que j'ai apprise en matière de négociation est la suivante : la qualité des indicateurs est bien plus importante que la qualité de l'algorithme de négociation ou du modèle prédictif. Si vous négligez le calcul de vos indicateurs, aucun modèle ou algorithme de haute technologie ne pourra vous tirer d'affaire. Le principe du "garbage in" et du "garbage out" est toujours d'actualité.

Ce livre présente de nombreux indicateurs traditionnels et modernes qui se sont révélés porteurs d'informations prédictives significatives. Mais il ne se limite pas à cela. En plus d'une multitude d'indicateurs utiles, il aborde les questions suivantes :

Il existe des tests simples qui vous permettent de mesurer la capacité potentielle d'un indicateur à véhiculer des informations. Si l'indicateur que vous proposez échoue à ce test de capacité d'information, vous devriez envisager de le réviser. Ce livre décrit des transformations simples qui augmentent la capacité d'information de vos indicateurs et les rendent plus utiles pour le trading algorithmique.

Vous apprendrez à localiser les régions du domaine de votre indicateur où le pouvoir prédictif est maximal, afin de vous concentrer sur ces valeurs importantes.

Vous apprendrez à calculer des probabilités statistiquement fiables pour vous aider à décider si la performance d'un indicateur est légitime ou si elle n'est que le fruit d'une chance aléatoire.

La plupart des indicateurs traditionnels examinent un marché à la fois. Mais vous apprendrez comment l'examen simultané de paires de marchés, voire de vastes ensembles de marchés, peut fournir des indicateurs précieux qui quantifient les relations complexes entre les marchés.

Govinda Khalsa a mis au point un indicateur puissant, l'indice de suivi, qui révèle la probabilité qu'une tendance existante se poursuive. Cet indicateur est extrêmement utile pour les traders qui suivent les tendances, mais en raison de sa complexité, il n'est pas largement utilisé. Ce livre présente sa théorie essentielle et son implémentation en C++.

Gary Anderson a développé une théorie détaillée et profonde du comportement des marchés qu'il appelle le Facteur JANUS. Cette théorie permet de calculer plusieurs indicateurs puissants qui nous indiquent, entre autres, quand les opportunités de trading sont les plus susceptibles d'être rentables et quand nous devrions rester à l'écart du marché. Ce livre présente la théorie fondamentale qui sous-tend le Facteur JANUS, ainsi qu'un code C++ complet.

Que vous calculiez quelques indicateurs et traitiez en observant leurs tracés sur un écran d'ordinateur, que vous fassiez du trading algorithmique automatisé simple ou que vous utilisiez des modèles prédictifs sophistiqués, ce livre fournit des outils qui vous aideront à élever votre trading à un niveau plus élevé et plus rentable.

Autres informations sur le livre :

ISBN :9781698339993
Auteur :
Éditeur :
Reliure :Broché

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Deep Belief Nets in C++ and Cuda C : Volume 1 : Restricted Boltzmann Machines and Supervised...
Découvrez les éléments essentiels des formes les plus...
Deep Belief Nets in C++ and Cuda C : Volume 1 : Restricted Boltzmann Machines and Supervised Feedforward Networks (Réseaux de croyance profonds en C++ et Cuda C : Volume 1 : Machines de Boltzmann restreintes et réseaux feedforward supervisés) - Deep Belief Nets in C++ and Cuda C: Volume 1: Restricted Boltzmann Machines and Supervised Feedforward Networks
Indicateurs statistiques pour la prédiction des marchés financiers : Algorithmes en C++ -...
Au cours de mes décennies d'expérience...
Indicateurs statistiques pour la prédiction des marchés financiers : Algorithmes en C++ - Statistically Sound Indicators For Financial Market Prediction: Algorithms in C++
Modern Data Mining Algorithms in C++ and Cuda C : Recent Developments in Feature Extraction and...
1) Introduction 7.2) Analyse des composantes par...
Modern Data Mining Algorithms in C++ and Cuda C : Recent Developments in Feature Extraction and Selection Algorithms for Data Science (en anglais) - Modern Data Mining Algorithms in C++ and Cuda C: Recent Developments in Feature Extraction and Selection Algorithms for Data Science
Test et mise au point de systèmes de négociation de marché : Algorithmes en C++ - Testing and Tuning...
1. Introduction2. Questions relatives à la...
Test et mise au point de systèmes de négociation de marché : Algorithmes en C++ - Testing and Tuning Market Trading Systems: Algorithms in C++
Deep Belief Nets in C++ and Cuda C : Volume 3 : Convolutional Nets (réseaux convolutifs) - Deep...
Découvrez les éléments essentiels d'une forme...
Deep Belief Nets in C++ and Cuda C : Volume 3 : Convolutional Nets (réseaux convolutifs) - Deep Belief Nets in C++ and Cuda C: Volume 3: Convolutional Nets
Deep Belief Nets in C++ and Cuda C : Volume 2 : Autoencoding in the Complex Domain (Réseaux de...
Découvrez les éléments essentiels d'une forme commune...
Deep Belief Nets in C++ and Cuda C : Volume 2 : Autoencoding in the Complex Domain (Réseaux de croyances profonds en C++ et Cuda C : Volume 2 : Autoencodage dans le domaine complexe) - Deep Belief Nets in C++ and Cuda C: Volume 2: Autoencoding in the Complex Domain

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)