Всем привет.

             Господа кто может подсказать — нужен солидный брокер с выходом на СМЕ, NYSE и FOREX, но с возможностью открывать большое количество счетов на одно физ. или юр. лицо (не фонд).

            Вот столкнулся с такой проблемой, потому что не могу у своего брокера (к сожалению) открыть несколько счетов на себя или фирму. Предлагают субсчета, но маржа будет общая — это не подходит.

            Что бы открыть на фирму предлагают зарегистрировать фонд, но это тоже головная боль, время и немалые деньги.

            Количество счетов на одно лицо должно быть 10, 20, 30 в общем большое.

            Не сталкивался по работе с Волфикс, Юнатидтрейдерами, но возможно у них это можно или еще кто-то — в общем если не сложно поделитесь предложениями, а главное впечатлениями от работы с этими брокерами.

В данном цикле статей начинаем рассматривать модель Маркова, которая находит применение в задачах классификации состояния рынка и используется во многих биржевых роботах. Статьи основаны на постах, опубликованных в блоге Gekko Quant. Также будет рассмотрены практические алгоритмы на финансовых рынках. Код в цикле приведен на языке R. Вначале будет много теории, ее надо хотя бы попробовать понять, затем разберем практические примеры.

Рабочая среда распознавания основных паттернов.

Рассмотрим набор признаков O, полученный из набора данных d и класс w, обозначающий наиболее подходящий класс для O:

Интересный подход к предсказанию направления  рынка рассмотрен в статье "Using CART for Stock Market Forecasting". Для того, чтобы предугадать движение цены на недельном отрезке используется техника под названием CART (Classification And Regression Trees) — построение классификационного графа (дерева) с целью предсказать значение  целевой характеристики (цены) на основании набора объясняющих переменных. CART находит применение во многих областях науки и техники, но применим и в торговле, так как обладает набором свойств, хорошо подходящими для этой цели:

• может применяться при любом типе статистического распределения
• может применяться как для линейных, так и нелинейных зависимостей
• устойчив к событиям, выходящим за рамки статистических распределений

Для построения дерева автор использует библиотеку языка R, вычисляющую рекурсивное разделение (Recursive Partitioning) rpart.

Ссылки от Рожанковского

http://www.brookings.edu Это общественно-политическая организация. НКО, так сказать Рекомендации от Владимира: http://www.brookings.edu/research/opinions/2015/04/08-federal-debt-worse-than-you-think-haskins