検索

®γσ, Eng Lian Hu

🐉® http://github.com/scibrokes/owner

量化分析与投资基金

由于开始双变量GARCH建模时发现一些预测不知名错误(预测价格竟然会显示AIC值、预测价格竟然会高出100倍、一些货币竟然会变成NULL、运行时频频出现错误信息、没有死胡同while loops的代码不间断运行48小时竟然还不会完成…)和基本偏差(统计学出本上会出现的一些预测偏差,由于嵌入加权因子,单变量预测到导致有时最高价会比最低价还低…),最近这两个星期都在测试单变量GARCH模型。

僕自幼就爱投机和冒险,自从1998年就认识了索罗斯这个金融界大师,在2003年拉曼学院休学后认识了华伦巴菲特大师这位人物,然后就开始自修、阅读投资大师们(包括之后阅读彼得林奇、比尔格罗斯、金姆罗杰等等投资大师)的投资与管理模式。不过基于基本面投资太过于抽象不晓得如何计算风险,而且自从2005年踏入体育博彩行业时,咱们AS3388公司操盘手每天24小时任何时候都会接到来自于StarLizard(According to Starlizard’s most recent results, also posted with Companies House, in the year to June 2016 the company achieved revenues of £17m, up 15 percent on the year previous… 原文:Benham’s SmartOdds on the up)的订单,当时就非常向往老外长期稳赚的投注模式和如何开盘,一位叫Ben的主管说过:“我们每天跟盘的新宝网(皇冠信用网)才会开盘,利记、新球和新宝网都是一样的。”。在2006年世界杯期间,盘房主责任Gib(马六甲人,去年2017年已故)聘用了好几位老外(RBall公司的老板Paul Judge、其中一位是立博以前的盘房主管Stuart、澳洲的Nick、澳洲的Nielson等等职业赌徒),然后僕被遣派负责角球(一位同期入职的同事Eson负责Fantasy Match、高尔夫球、上下半场盘口等等),然后在Stuart的教导下就直到Poison模式计算赔率,在世界杯前几个月,整间公司浩浩荡荡的参与备战世界杯的准备工作。当时僕完全没有头绪,就抄下日博Bet365、StanJames、VCBet(托尼布伦)、Betdaq等等一些老外公司的滚球角球赔率,每组研究小组在经过层层测试和递交研究报告到公司管理层去,就成为亚洲先锋网最先开盘(当时亚洲体育博彩市场上并没有那些盘口)。2006年世界杯期间我们每组都在打理自己负责的盘口非常忙、当时压力也很大,尤记Starlizard在死球(未开踢的赛事)来单时,不同盘口也会扫货(如以下科研论文:每个不同盘口的赔率不一样,要投注哪些盘口也经过计算后才投注… 僕在2013年的科研Application of Kelly Criterion model in Sportsbook Investment亦此。)。

Screenshot_20180731-230538

2006年世界杯一过不久,僕就经过友人Eson介绍到新宝网工作,然后到新宝网遇到旧同事William Chen和Yap,认识了AS3388旧员工SK等等。新宝网(Caspo Inc)确实是自己开盘,不过都是靠经验人手开盘。不过在新宝网更多蛇单和打水的注单,喜欢数据分析的僕,当时又那么碰巧被新加坡老板欧阳XX(当时聘用僕的雇主、也是金宝博股东之一)遣派负责公司报表,当时在该公司当培训师,在该公司学习了很多知识。当时威廉也说过在外面或者其它网站看不到公司的货量压根儿就学习不到如何开盘,他也时常科研9Ball、赛车等等盘口,在公司里头是响当当的人物。当时公司的高级主管和老板们都纷纷说僕和威廉将来会是Caspo的明日之星。不过在AS3388时Stuart教过Poison模式后,僕就爱不释手,之后就开始专研该模式开盘,即使在新宝网也一样,还编写了个电子表格自动开盘的简单模式,当时也给盘房经理Jack过目。在培训房的时期,僕每天也开始从网上记录每场赛事的数据(包括天气、场地、球员等等数据),不过当时就不晓得使用logistic模型可以建模,而且Nikko Martinnen的科研证实multinomial比poisson还要精准。

由于在Caspo该公司工作时间太长压力大导致精神不佳,在深思熟虑后干脆找份轻松的工作糊口就行,2007年辞职回国后… 机缘巧合下,有天在佳礼论坛看到Scicom这家公司,由于2005年在Telebiz(AS3388)仅仅在4楼,而2楼就是Scicom,当时已听说过2楼也是做赌博行业的了。结果就到该公司应征上班了。在2008年3月最后一天,僕就开始在Scicom上班了。当时僕每天谷歌十多页,一个关键词就搜索几十页频频收集情报,包括:

  • 博彩行业动态
  • 博彩赔率建模
  • 统计学
  • 电脑科学与编程
  • 博彩行业交流论坛
  • 统计学交流论坛
  • 电脑科学交流论坛
  • 投资论坛

呵呵,当时还特地学习了一些骇客软件、网络骇客、逆向编程等等。不过至今,僕还不会C++、数据管理、JavaScript、API、HMM、投注模式、大数据等等非常实用的自动交易必备知识。

在Scicom工作时,其实是一家外包公司,负责立博在远东地区业务,工作时间非常悠闲自在、7小时有效工作时间、周休2日(不像Caspo每天12小时、周五六日三天工作16小时、周休1日而已)、工作量也不大,最开心的日子莫过于在Scicom打工了… 在2010年时,僕终于完成了科研,学会了赔率建模Odds Modelling and Testing Inefficiency of Sports Bookmakers(2010年已完成,不过2016年才辑写为科研论文,不过由于遗失了许多科研结果数据,所以最终该论文只使用最佳模式),包括:

  • 测试静态加权因子(每年更新一次)
  • 测试动态加权因子(每周更新、每日更新、每场赛事更新等等)
  • 测试数据使用(去重复数据、重复数据等等,类似ArmaOrder、GarchOrder和Arfima)
  • 测试AH和OU赔率转换概率、包括与不包括水钱在内
  • 测试不同赔率优势下,1.00、1.10、1.20…1.70的投注亏盈表

在完成科研后,有天僕就和Christopher聊到立博、然后就说如何改善服务、僕还特地分析了十多家竞争对手的优劣势数据,然后就开始商量要争取立博的亚洲盘与大小盘的交易部门工程(结果还是南柯一梦)。如果没记错的话,在2011年或者2012年的某天,威廉拨电给僕两次,要聘用僕。当时威廉就频频问僕有什么文件或者知识分享的,他说他也可以分享他的经验与知识。当时僕一心想着要争取立博亚洲盘与大小盘的交易部门的工程,两次都婉拒了。(多年后才知道,原来威廉也时常听说僕会赔率建模… =.=”)。呵呵,以上很多事情证明“道听途说”的小道消息并非无穴之谈。

自从2015年(如果没记错年份)在SBet辞职后,僕就开始考取张文凭比较好,因为在自修时还可以获得文凭也不错哦。结果就考取了张Coursera数据科学专业文凭(Brian教授的课程教材书中列明是博士生教材書,僕也一样阅读了数据科学书增广见闻,提升自己。不过无师自通的东西没有任何人鉴定,所以目前僕学习的东西还是没有任何大神的鉴定。上两周把僕的首篇科研论文递交到JSS鉴定,结果该统计学学会回复:“不符合格式”就退回了。)。去年在阿里发打工时,和越南同事Celia说到打算年底出书,结果目前还是非常忙碌。

如果没记错,2016年有天僕无意中再次(2010年也曾求职不果)binary.com这家公司,结果再次递交履历表。而该公司回复邮件时附上3道问题后,僕就开始着手科研外汇量化交易…

Screenshot_20180813-232548

上周阅读了解密复兴科技收益良多,因为以前就不晓得得使用什么模型才会将2005年刚踏入体育博彩行业时所向往的交易自动化的神秘面纱,十年前科研也时常看到HHM模型,不过尚未着手科研。推荐以下书籍给所有量化交易爱好者:

就如原则解密复兴科技两本书的前言,身为马来西亚人的僕,也希望咱们马来西亚日后可以出现世界一流的量化交易对冲基金(Renaisance Technology、Winton Capital、Starlizard、SmartOdds、ATASS等等),ATASS还搞了个科学教育生意。马来西亚、新加坡和印尼自从90年代体育博彩就非常昌盛,印尼同胞还通过科研发明了亚洲盘(Asian Handicap),而Tony Bloom是首个科研亚洲盘的西方人士。IBCBet(Maxbet前身)和利记(SBOBet)也是响当当的博彩庄家。

Screenshot_20180813-233446

好了,话不多说… 继续科研外汇交易,完成单变量模型测试后、再来测试双变量模型、接着就比较哪个实用、再来就着重温。嘻嘻,类似极大似然估计,第一个步骤测试“单变量模型”、第二个步骤测试“双变量模型”、第三个步骤比较模型、第四个步骤就是温习与鉴定不同模型,直到筛选最佳模型的可能性最高的模型。希望在农历新年前可以完成科研,有了稳定的基础后,之后想要在binary.com求职也才能做的长久。《孙子兵法》曰:“知己知彼,百战百胜”,倘若有binary.com的赔率数据的话就完美了,如The value of statistical forecasts in the UK association football betting market. 2004 by Mark Dixon and Peter Pope比较与测试统计模型。

広告

量化交易自習ことは続く~~

両か月前から、僕は何年前からのJob Application – Quantitative Analyst自習ことは続きます。昨日はGARCH模型中的ARMA(p,d,q)参数最优化新しい文献を書きました。しかし、この前の文献の「賭け方」を間違いしまいました。僕は今「量化賭け方」が思ってます。

最初のpnorm(Fct.xxx, mean = mean(Fct.Close), sd = sd(Fct.Close))は間違いでした、mean(Fct.Close)は昔の為替レートも計算する。例えば:Fct.Close <- c(110.34, 110.10, 109.54, 109.56… 100.34)

僕は賭けことの負ければことを違いました、何でも賭けても負けないです。今ビル.ゴロス昔読んだ本の「Beat the Market」を読んでまして、それながらプログラムに直してます~

real-time price error

それで、日付どうしても間違います、ある日ちゃんとウェブ.アプリケーションも直するんだ。

参考文献

金融与体彩交易自动化学习之路 — 经验分享

binary.com Q1App2

视频:binary.com Q1App2

 

从几年前开始学习足彩建模到投注模式后,今年年头开始学习外汇交易… 前几天参考了以下几篇文章,添加了个实时价格走势图表与每日OHLC价格图表:

这几天会编写Punter标签的交易自动化程序,得参考与测试着交易项目数据文件储存的方式。

 

待编写完毕该应用后,将开始著书R语言玩转金融与体彩数据分析与大伙儿分享,并且开始学习pyautoit、sikuli、winium等工具与Python、reticulate程序包… :blush:

更多学习之路过程,欢迎参阅:

 

Windows application (Desktop) automation with Winium

If the R can connect and calling and automate the windows applications will be good enough… @@”

Asif Ahmed Sarja

There are lots of different automation tools and frameworks are available for windows applications (mainly for desktop application ) like – Sikuli, AutoIt, CodedUI, Winium etc. I have gone through all of them for desktop application (windows) automation for testing. All of them have different advantages and disadvantages.

Among all of them i found ‘winium’ the most easy and handy automation framework for desktop application .

元の投稿を表示 さらに350語

[電子書] Spark in Action

Soft & Share

書籍簡介

挖掘和弄髒你的雙手,今天就開使使用最熱門的資料處理引擎之一。 一本很好的指南書籍

Jonathan Sharley, Pandora Media

Spark in Action 教你使用 Spark 有效率地處理批次和串流資料所需要的理論和技能。 完全為Spark 2.0更新。

關於這個技術

大型資料系統將資料集分散在不同機器叢集中,這讓有效地查詢,資料串流和解釋這些資料是一大挑戰。 Spark 可以幫助。 它是專為分散式資料設計的處理系統。 它提供易於使用的界面,以及你需要的可上線品質分析效能和機器學習所需的性能。 Spark 2 還增加了改進的程式設計 API,更好的性能和無數的其它升級功能。

關於這本書

Spark in Action 教你使用 Spark 有效處理批次和串流資料所需的理論和技能。 通過幾個介紹性的範例, 你可以很方便的使用 Spark CLI。 然後,你將使用其核心 API 開始編程 Spark。 一路上,你將使用 Spark SQL 處理結構化資料,使用 Spark GraphX 處理近乎即時的串流式傳輸資料,應用機器學習演算法和非事先定義的圖形資料。 為了輕鬆開始,你可以下載預先配置好的虛擬機器,以方便你嘗試本書的程式碼。

書籍內容包含

  • 為 Spark 2.0 更新
  • 真實案例研究
  • 使用 Docker 做 Spark DevOps
  • 使用 Scala 的範例,以及使用 Java 和 Python 上線

目標讀者

為具有大數據或機器學習背景的有經驗程式設計師撰寫。

關於作者

PetarZečević 和 MarkoBonaći 是大量參與 Spark 社群且經驗豐富的開發人員。


書籍網址[ 5 折優惠代碼:DOTD101517 期限 10/16 中午 12:00 ]Manning___Spark_in_Action

你可能會有興趣

喜歡我們的分享嗎? 使用以下的社群分享按鈕也分享給你的朋友吧!

元の投稿を表示

[電子書] Streaming Data

Soft & Share

書籍簡介

如果你想掌握企業級串流應用程式的架構,那麼這本是最權威的書籍。

Sergio Fernandez Gonzalez, Accenture

Streaming Data 介紹了串流和即時資料系統的概念和需求。 這本書是一個想法豐富的教程,教你如何有效地與快速流動的資料互動。

關於這個技術

作為人類,我們不斷地將訊息流過濾和解密。 以同樣的方式,串流資料應用程式可以完成驚人的任務,例如查看即時位置資料來推薦附近的服務,即時追踪機器故障,並在客戶離開商店之前發送數位收據。 串流式傳輸資料技術和技術的最新發展使任何開發人員可能建構這些應用程式,如果這些開發人員有正確的心態。 這本書也會讓你加入他們。

關於這本書

Streaming Data 是一個想法豐富的教程,教你如何有效地與快速流動的資料互動。 通過相關範例和圖示說明,你將探索讀取,分析,共享和儲存串流資料的應用程式的設計。 一路上,你將發現 Spark,Storm,Kafka,Flink,RabbitMQ 等關鍵技術的運用。 這本書提供了整體大方向與實現細節之間的完美平衡。

書籍內容包含

  • 收集即時資料的正確方法
  • 建構串流管線 ( streaming pipeline )
  • 分析資料
  • 何時使用哪些技術

目標讀者

為熟悉關聯資料庫概念的開發人員撰寫。 不需要有串流或即時應用程式的經驗。

關於作者

Andrew Psaltis 是一名專注於大規模可擴展即時分析的軟體工程師。


書籍網址[ 5 折優惠代碼:DOTD101517 期限 10/16 中午 12:00 ]Manning___Streaming_Data

你可能會有興趣

喜歡我們的分享嗎? 使用以下的社群分享按鈕也分享給你的朋友吧!

元の投稿を表示

ウォーレン・バフェットに学びます~

何年前に、ヒゥゴを試してみたなのに、今まで自分のブログがまだたてないんです~

僕の母親旧月が亡くなっちゃたんだ~ちょっと悲しいものだから、故郷へ帰ると、あのジョホル.バルの仕事もう辞めたんだ!

今頃ちょっと暇掛けて、僕が故郷の自宅で自習してるん。あのね~年始からあるかいしゃをバイナリーは僕に三の問題が上げてくれたのに、今までただ一番目binary.com:Interview Question Iを答えてるんだ~人々は僕にちょっとゆっくりしてるように見えるのに、実に心から忙しくて、あの統計や計算の結果をお待たせしましたね~

株式会社と普通の会社や、会社の財務を分析する本を誰か紹介してた~会社の健康度が概算する(はははあっは、会社の医者みたいな~有名なウォーレン・バフェットもそうするよね)~

  1. 财务报表就像一本故事书(简介)
  2. 公司财务原理(第八版)
  3. 财务报表就像一本故事书

そして、株と金融市場の値段を統計学で分析する本も読んてます。

  1. Analyzing Financial Data and Implementing Financial Models using R
  2. Analysis of Financial Time Series (2nd Edition)
  3. Financial Risk Modelling and Portfolio Optimization with R (2nd Edition)

実にビジネスの試合は参りたいけれど、時間が足りないと思いますよ~ははっっはああ、やっぱいだね!

Capture

もし変な日本語を書いて、気にしないで、日本語を勉強したこともう何十年前だぞ~また勉強しないとね~良くの未来のために、是非頑張りますから!!!

李嘉誠何鴻燊們的肮髒發家史:白手起家是童話

情報源: 李嘉誠何鴻燊們的肮髒發家史:白手起家是童話

Faster Gibbs sampling MCMC from within R

学(まなぶ)~

Darren Wilkinson's research blog

Introduction

This post follows on from the previous post on Gibbs sampling in various languages. In that post a simple Gibbs sampler was implemented in various languages, and speeds were compared. It was seen that R is very slow for iterative simulation algorithms characteristic of MCMC methods such as the Gibbs sampler. Statically typed languages such as C/C++ and Java were seen to be fastest for this type of algorithm. Since many statisticians like to use R for most of their work, there is natural interest in the possibility of extending R by calling simulation algorithms written in other languages. It turns out to be straightforward to call C, C++ and Java from within R, so this post will look at how this can be done, and exactly how fast the different options turn out to be. The post draws heavily on my previous posts on calling C from…

元の投稿を表示 さらに751語

WordPress.com で無料サイトやブログを作成.

上へ ↑