+
التحليل الكمي في الفوركس تايلر Yell حصل هو تاجر لحسابه الخاص، محلل العملات، مدرس التجارية للترجمة فريق الذي هو موقع تحليل للأخبار FXCM. تايلر يعلم التجار أفضل الممارسات في مجال التداول في الوقت الذي تساعد لهم الاعتراف والعمل على الفرص التجارية لأنها تنشأ نتيجة للتطورات الاقتصادية أو رسم. وقد طلب تايلر التحدث إلى طلاب الجامعات، والتجار الجدد والتجار من ذوي الخبرة من أسواق أخرى لشرح تعقيدات 5.3 تريليون دولار في حجم التداول اليومي 24 ساعة في اليوم، 5 أيام في الأسبوع سوق العملات الأجنبية بطريقة بسيطة بعد المطبقة. اقرأ المزيد نقاط الحديث: ما هو التحليل الكمي؟ أمثلة على التحليل الكمي أو الإحصائي ما هو المطلوب؟ ما هو التحليل الكمي؟ التحليل الكمي لها مكان في سوق العملات الأجنبية تماما مثل أي سوق آخر. كنت معتادا على الأرجح مع أشكال مختلفة من التحليل الكمي حتى لو كنت لا تعتبر نفسك كوانت، الذي هو الشخص الذي يقترب الأسواق من وجهة نظر الكمية. وهناك نسبة مالية بسيطة مثل مكافأة المعصم، والأرباح لكل سهم أو شيء أكثر صعوبة مثل تسعير الخيارات والتدفقات النقدية المخصومة هي أشكال التحليل الكمي. كما يمكنك أن تتخيل، والبيانات أمر بالغ الأهمية في التحليل غالبا ما يكون جيدا إلا بقدر البيانات تسير في الكثير من quants تركز على نوعية البيانات المستخدمة لملء النماذج الخاصة الرياضية والإحصائية. لم يكن لديك لتكون نابغة الرياضيات أو لديك شهادة الدكتوراه في الاقتصاد القياسي للاستفادة من التحليل الإحصائي. مع إحصاءات، كنت تبحث في الاعتماد أو ارتباط اثنين من المتغيرات العشوائية أو إلى مجموعات البيانات. يستفيد التجار من التحليل الإحصائي المشترك من الارتباطات. التي تشير إلى فئة واسعة من العلاقات الإحصائية والاعتماد. وهناك ارتباط مشترك في سوق العملات الأجنبية هو يرتبط ضعف الدولار مع ضعف في الأسواق الناشئة. مواصلة القراءة أدناه آخر علاقة intermarket الين القوة والضعف في أسواق الأسهم. التحليل الإحصائي يساعد في تحديد احتمالات المستقبل ولكن ليس من المفترض أن تكون التنبؤية بحتة. وجاء في بيان مشترك أن الارتباط ليس السببية. السببية تعني صريح السبب والنتيجة، في حين أن العلاقة تعني ببساطة الحركات المشتركة المحتملة بين متغيرين عشوائيين. حجم الارتباطات معاملات هو -1 إلى 43؛ 1 في حين أن الآخر سلبي علاقة عكسية مثالية أو الارتباط، صفر صفر الارتباط، واحد إيجابي هو ارتباط إيجابي الكمال تقريبا مثل المتغيرين أو الأسواق مكبل اليدين إلى بعضها البعض. ومن المعروف آخر شكل ملائم للتحليل الإحصائي عن تحليل الانحدار. تحليل الانحدار غير مواتية جدا النموذج الإحصائي والتحليل الكمي من أجل مساعدتك على معرفة العلاقة بين المتغيرات. ويركز تحليل الانحدار على العلاقة بين المتغير التابع واحد أو أكثر من المتغيرات التابعة. على وجه التحديد، تحليل الانحدار يساعدك على فهم كيف أن القيمة النموذجية المتغير التابع تتغير عند أي واحد من المتغيرات المستقلة متنوعة. معظم حزم FX الرسوم البيانية لديها قناة الانحدار التي لا حساب تحليل الانحدار بالنسبة لك، وغالبا ما يكون أسهل للوصول من الارتباطات. ويقدر تحليل الانحدار شيوعا التوقع الشرطي أو اتجاه السعر المتغير التابع بالنظر إلى المتغير المستقل. وهذا يعني أن متوسط قيمة المتغير النسبي تعتمد على المتغير المستقل الثابتة. وغالبا ما يظهر هذا في خط مائل أعلى أو أدنى سعر قطع طريق في اتجاه هذا الاتجاه أو في جانبية نقل خط الانحدار في كثير من الأحيان شقة. ما هو المطلوب؟ في حين أن النماذج الرياضية هي خارج نطاق هذا المقال، العديد من التجار الاستفادة Excel من Microsoft واستخدام دالة الارتباط بين المتغيرات على مجموعة محددة من الوقت لتحديد ما إذا كان هناك علاقة إيجابية أو سلبية. ومع ذلك، فإن العديد من وسائل البحوث اخماد تقارير علاقة وأنها يمكن أيضا أن تكون موجودة على المحطات البحثية مثل بلومبرغ أو رويترز. إذا كنت ترغب في القيام بهذه الأنواع من نماذج نفسك، فمن المهم أن نلاحظ أن النتائج هي بيانات مدفوعة والبيانات المفقودة أو غير كاملة قد تقودك ضلال. لذلك، يجب أن تأخذ الرعاية من البيانات المفقودة أولا من أجل أن يكون تحليل الفعال للبيانات. هو التفوق على الأرجح أفضل رهان من حيث القيام بتحليل بسيط ولكن العديد من السماسرة توفر الأدوات التي يمكن أن تساعدك على القيام بالكثير من التحليل كذلك. في الختام، هو المقصود التحليل الإحصائي للالتفاف رأسك حول متغيرات تبدو عشوائية لنموذج التي يمكنك التجارة. يجب دائما أن إدارة المخاطر، ولكن يمكن لهذه الأنماط تستمر لفترة طويلة حتى من دون السببية القائمة. في حين تبدو مماثلة، والعودة الاختبار هو الذئب المثل في ثياب الحملان التحليل الإحصائي في كثير من الأحيان أو الكمي. فإنه يدفع إلى أن يكون على بينة من الاختبار مرة أخرى ضارية كما النمذجة الإحصائية ليتم في كثير من الأحيان لا يعود الاختبار على مجموعات البيانات المثالية التي يمكن أن يسفر عن ثقة زائفة، الإفراط في الاستفادة، ويحتمل أن تكون الخسائر كبيرة عندما يحيد البيئة الحالية من مجموعة البيانات.