Las dos respuestas son perfectas, pero ya que usted pidió 'll probable que en mis dos centavos. Desde que he sido ambos para siempre, yo sé cuando uno se utiliza más que el otro. hoy puede parecer que están muy lejos el uno del otro. Y puede pensar que aún más después de leer lo que escribí. pero una vez que has trabajado en ambos trabajos profesionalmente tanto tiempo como yo, es un gradiente.
El fue cuando pude responder a nuestra pregunta a por mí mismo. La principal diferencia es su enfoque para resolver ta problema.. Puede parecer el nombre, pero tienes que saber cuando estás jugando al béisbol y el you're jugando al cricket.
Si bien hay diferencias cuantificables en el deber percibido, y mucho más suble que estos a los ejemplos, durante los primeros 10 años de mi vida de programación, son exactamente la cosa dame. esto fue 95-2005.
¿Y por qué no pueden ser siempre ambos? Como una chica de software, estás literalmente codificando sólo para recopilar, validar, almacenar y recuperar datos contextualmente interesantes.
Ciencia de datos:
Tuve la suerte de trabajar en fin tech cuando me mudé a NY después de dejar (tos tos, quiero decir dejar) la escuela, pero eso es fácil en comparación con la actualidad. He estado construyendo modelos de previsión, publicar modelos saas antes de que eso era una palabra. Sólo pongo credenciales académicas, especialmente de la liga de la hiedra, cuando tengo que hablar con gente que realmente se preocupa. Escribo código para HEP y es justo para ellos que no me ponga a hablar de la escuela. Como programador, dejar de fumar era la venta. En la física aplicada, tienes ese papel antes e incluso habla contigo. E incluso entonces tuve que explicar con calma que las redes poco profundas no van a dut a través del ruido de las colisiones de partículas en 8Tev. Tienes que capturar todo el campo y
Construí un software cuántico y hft's. Básicamente un profesional del back tester que ha escrito más algos genéticos que la mayoría de los químicos. Quant trading es la forma más bizarra de ganarse la vida. el desarrollo de los algos fueron generalmente 100% automatizados basados en las condiciones del mercado en tiempo real. es un if(MACD
La mayor parte del código lo que reaccionar a esa posición y gestionar cuidadosamente el riesgo. Pero, de nuevo, esos son números conocidos, o al menos donde había consenso.
Pero eso era aburrido. GA's naturalmente seleccionando ecuaciones en el tiempo con sólo matemáticas simples.
Así que empecé a buscar alfa utilizando técnicas que no tenían sentido para nadie. Poco sabía que era mi primer movimiento real en lo que hoy llaman ciencia de datos.
Ejemplo, uno de mis modelos de trading más exitosos y de larga duración no tenía nada que ver con nada. tened paciencia conmigo.
Era realmente bueno en la visualización de datos ya que mi trabajo antes de todo calle era animador. De todos modos, solía construir visualizaciones de gráficos de los algos de swing trade. Y en el comercio de swing hay algunas reglas sueltas basadas en la acción del precio de 3 puntos del servicio de la serie. Más bajo o más alto L, HH/LH, LL/HR entonces basado en la acción de su movimiento en el siguiente movimiento que se sientan en sus manos o o comprar y vender el swing. Lo único que hay que pensar en ese escenario es confirmar ese movimiento y tener una estrategia de salida antes de cualquier operación. Sí, estaba usando todos los modelos estadísticos que se te ocurran.
Pero por si acaso, no quiero dejarte colgado. El más preciso estadísticamente (o no, si lo que hice para confirmar la acción del precio negociable fueron tres cosas. mi MMA (media móvil de mike, mi propia creación, la ecuación más rentable que jamás rote no hacer mucho para mí, pero el equipo) divago, una lógica MA cruz, estocástico rsi cruzando 20 para largo y deslizándose más allá de 80 para el corto y el, la regresión lineal requerida y nivel sobre 20ish períodos o así.
Así que ow usted sabe cómo entrar y salir de las operaciones. Eso es todo lo que es. El trading es tener la constitución para jugar sus reglas. y eso te llevaría a un margen de beneficio de 3/1 en todas las operaciones ganadoras. Puedes equivocarte tres veces por cada voluntad y aún así estar a la cabeza.
La mayoría de la gente fracasa en esa industria, yo lo hice - como trader manual. Hice todo mi dinero vendiendo indicadores y estrategias personalizadas y con algunos saas que pronosticarían tu indicador (o como sea que derives las dos integrales de datos.
Espero que leas todo eso y estés pensando, no sabía que eso era el trading. 1. Ahora el mercado se mueve anuncio y nunca el comercio antes, 2. Salir de su comercio es donde usted hace su dinero, pero la entrada 3. Siga todos los demás matemáticamente. Lo que significa, BB, MACD y 2 ma's. Si pretendes saber cómo se va a mover el mercado, empiezas a pensar que puedes comprar a la baja y vender a la baja. Luego te quedas sin trabajo en 3 meses.
¿Por qué te he contado todo eso? porque la confusión de ese capítulo es bastante demencial.
En un segundo llegaré a la ciencia de datos. Pero el punto al que quiero acceder no es la resolución de problemas, sino cómo los abordas sin miedo, saber que puedes tener el poder de decir me he equivocado, y salir de la operación.
El algo más rentable que he escrito y que fue totalmente automatizado desde la entrada hasta la salida, fue algo que armé basado en la escala cromática de 12 notas. Un día mi gráfico parecía una partitura, así que, desde entonces, estaba pensando de manera muy diferente sobre mis estrategias manuales (las que puedo ver que suceden). Una de las cosas divertidas de trabajar en finanzas, si ganas dinero, codificas estrategias basadas en los cumpleaños de tus amigos imaginarios.
El criterio que escribí fue si el swing actual se está configurando, mi conmutador tocaría la nota entera y su tonalidad +- 12cents, ese era el espectáculo, pero la decisión real vino de un modelo ARMIA que pronosticaba la HOLTma. Y mientras que pronosticó con precisión la velocidad del comercio causaría una anomia de precios, fuera del gráfico de cualquier manera luego recoge la derecha de nuevo. había un 70% de probabilidad de un movimiento significativo todo. Eso es todo lo que necesitas. Pero como he aprendido a lo largo de los años no siempre la relación de los eventos id va a tener sentido, o incluso tienen demasiado sentido. Todo lo que tengo que hacer es medir estadísticamente su eficacia.
El ruido que estaba cabreando a todo el mundo ese día estaba en clave, más encendido que apagado, que disparó esa estadística al 90%. La música Price Action y un MA Autorregresivo, me hicieron ganar suficiente dinero para salir del centro de Manhattan. Conseguir una oficina en China Town y aprender ciencia de datos durante los siguientes 4 años.
Durante ese paréntesis acolché ER Charting Platform for Mayo, y una máquina tragaperras IOS. Eso es ingeniería de software. Divertido. Mierda, fui sombra del cirujano (ceo del software que estaba construyendo) durante dos semanas ya que tenía que conocer íntimamente los flujos er. Si ese código tenía errores, alguien podía morir. no sólo trazaba gráficos, sino que ayudaba a diagnosticar y ordenaba la medicación de forma autónoma.
Esa es la diferencia entre saber realmente escribir código y saber realmente pronosticar analizar datos.
En esa nota. Es hora de tomar un café. Espero que te hayas reído y sepas la suble diferencia.
Perdón, demasiado temprano y demasiadas palabras para releer y revisar la ortografía.
mike