请教实时自动交易系统的开发测试环境

Discussion in 'General Topics on Software and Data' started by code46, Dec 24, 2007.


  1. 我也需要一个自动交易平台,可以合作,平台出来后策略问题就是个人问题了。
     
  2. 据说QuantDeveloper很强,可能这是第一个基于.NET框架的系统平台的原因,但是现在不对外试用,以前也曾下载用过,具体功能也忘了,不知道谁还有保存?不过基于它的OpenQuant我花了点时间试用过,深感整体功能十分有限,闻名但不如一见,不知大伙为什么会对它那么推崇。它的文档和RightEdge一样做的实在太糟糕,介绍不够详细,一般用户怎么学呢?有一点肯定的如果抱着学习或者研究交易系统的人不能用OQ,它不适合作为交易系统的历史测试,而且系统设计相对于WL5和RightEdge来讲功能也十分有限的,不过却十分烦琐,把简单的策略分为多个模块,这样思路都会搞没了,又不是开发大型软件,用的着吗?而同样策略采用事件驱动的RightEdge就好的多,别看OpenQuant在主页上的特征一栏写的挺牛,但实际基本上都是中看不中用的,没有发挥真实功能。如果说还有一点点优势的话就是和RightEdge一样提供了几个现成的经纪商适配器!
     
  3. 我才发现这里是一座金矿!
     
  4. wery good
     
  5. 已经比较过了OQ和RE了?我觉的WLD5的支持性文件做的比较好,但是接口又是个问题。
     
  6. 周末闲来无事,又一次拜读了各位的高论,忽然忍不住也放一下厥词。

    总体感觉,部落里高人太多,追逐圣杯的人也不少,向我这样眼高手低好高骛远的人更多。

    我的体会是,认识客观世界总是螺旋上升的,从K线形态---技术指标----系统交易----自动交易----K线形态。转来转去,终点又回到起点。还是看我的图表去吧,编程不是我的强项,等到计算机能分辨狗和猫的区别后,再用它做自动交易。
     
  7. 计算机早就可以区分猫和狗了,还能分辨拉登和布什呢
     
  8. 嘿嘿,不过现在有的猫长的象狗,有的狗长的象猫,人工区分都难,何况计算机?歪楼无罪,灌水有理!哈哈
     
  9. en...你的确有点狂了...
    我有高超的IT能力,也是个君子,也在上海~
    但是我没有空闲时间~~

    交易方面我是白痴,但是我相信我的悟性,所以准备自己从最基础开始搭点系统。
    因为没有太多时间,所以只能慢慢玩玩。

    你的要求很矛盾。
    真正有高超能力的人,无论是IT方面还是别的方面,都不会是甘于做别人棋子的庸人。
    比如我在IT领域有20年的积累,凭什么这20年的功力要为别人驱使呢?
     
  10. 因为无法快速的把20年的IT积累转化成为投资资本收入?
     
  11. 为啥要快速啊?这里的人都应该知道,关键并不是快速把东西做出来,而是怎么把东西做好吧。
     
  12. 好像没有做好的,所以也不指望把东西做好。
    最近发现大侠是牛人,顺便拜阅了各种帖子。不知道算法方面,和计算机优化方面怎么样,想请教问题,不知可否?
     
  13. 我不是牛人,是新人~
    我只是各种东西都知道一点而已,并不是很精。
    算法方面和优化方面的话,我只是初中和高中拿过几次NOI省级比赛前10,不算很厉害吧。
    有问题的话,你可以提出来,看看我能不能帮上忙~
     
  14. 太感激了!不管怎么样,先谢谢了!

    问题是:
    对于两个足够大的图片,判定他们是否完全相同。
    如何选用最少的像素点来判断他们完全相同。
    对于不完全相同的,又如何通过最少的迭代次数找出所有相同的点?
    因为像素是数据,排列是图像,那么就无法搞出个公式出来,也就没法儿证明是否二阶可导,也就没法证明到底是npc,还是nphard。
    就是这个问题,恳请指教!
     
  15. 图片一般有多大?是二值还是灰度还是RGB图像?
    比如是灰度的话,是要灰度值完全一致才算完全相同?还是差一点点也无所谓?

    你这个算法是否要考虑缩放和旋转?还是仅仅是两张图完全一样大,里面有部分修改需要找出来?

    我先说最简单的情况吧,假设是二值,两个图像完全一样大,只是有部分修改了。
    那么你可以用最长公共子串问题(LCS)的经典解法算法,这个算法是DP的,时间复杂度是O(n*m)
     
  16. 这个方法可以试试!
    比方说,简单的情况,两张图一样大,如何找出所有相同的像素呢?
     
  17. 这个就很简单了,你把图片排成1维的,就得到两个序列。
    然后对这两个序列执行最长公共子串的解法,
    就可以发现其中各种公共子串。公共子串就是其中相同的像素。

    具体的算法也不复杂,不过我懒得打字,贴个url吧:
    http://en.wikipedia.org/wiki/Longest_common_subsequence_problem
     
  18. 呃~这个恐怕不行。
    一维序列恐怕还是需要每个点都先列出来。就是说是使用全部点。
    需要尽可能的使用更少的点。
     
  19. 什么叫使用更少的点啊?比如一个3x3的图像:
    O#O
    #O#
    O#O

    O#O
    ###
    O#O

    变成一维:
    O#O#O#O#O
    O#O###O#O

    最大公共子串为前4个和后4个:
    O#O# [#] #O#O

    对应到3x3图片:
    O#O
    #[#]#
    O#O

    这样不就识别出来了?