Les deux réponses sont parfaites, mais puisque vous avez demandé 'll probable though in my two cents. Depuis que j'ai été les deux pour toujours, je sais quand l'un est utilisé plus que l'autre. aujourd'hui, il peut sembler que sont très éloignés les uns des autres. Et vous pouvez penser que encore plus après avoir lu ce que j'ai écrit. mais une fois que vous avez travaillé dans les deux emplois professionnellement aussi longtemps que j'ai, c'est un gradient.
C'est quand j'ai été en mesure de répondre à notre question à pour moi-même. La principale différence est votre approche pour résoudre ta problème.... Il pourrait ressembler le nom, mais vous devez savoir quand vous jouez au baseball et le you're playing cricket.
Bien qu'il existe des différences quantifiables dans le devoir perçu, et beaucoup plus subtile que thes à des exemples, pour les 10 premières années de ma vie de programmation, ils sont exactement la dame chose. ce fut 95-2005.
Et pourquoi ne peuvent-ils pas toujours être les deux ? En tant que gal logiciel, vous êtes littéralement codage seulement pour recueillir, valider, stocker et récupérer des données contextuellement intéressant.
DATA SCIENCE:
J'ai eu la chance de travailler dans fin tech quand j'ai déménagé à NY après avoir quitté (toux toux, je veux dire quitter) l'école, mais c'est facile par rapport à aujourd'hui. J'ai construit des modèles de prévision, publié des modèles saas avant que cela ne soit un mot. Je ne mets que des références académiques, en particulier celles de l'Ivy League, lorsque je dois parler à des gens qui s'y intéressent vraiment. J'écris du code pour HEP et il est juste pour eux que je ne parle pas de l'école. En tant que programmeur, démissionner était la solution. En physique appliquée, vous avez ce papier avant et même vous parle. Et même là, j'ai dû expliquer calmement que les réseaux peu profonds ne vont pas passer à travers le bruit des collisions de particules à 8Tev. Vous devez capturer l'ensemble du champ et
J'ai construit des logiciels quantiques et des hft's. En fait, je suis un testeur professionnel qui a écrit plus d'algorithmes génétiques que la plupart des chimistes. Le trading quantique est la façon la plus bizarre de gagner sa vie. le développement des algos était généralement 100% automatisé sur la base des conditions du marché en temps réel. c'est un if(MACD
La plupart du code ce qui réagit à cette position et gère soigneusement le risque. Mais encore une fois, ce sont des chiffres connus, ou du moins où étaient consensus.
Mais c'était ennuyeux. Les GA sélectionnent naturellement des équations au fil du temps avec seulement des mathématiques simples.
J'ai donc commencé à chercher l'alpha en utilisant des techniques qui n'avaient de sens pour personne. J'étais loin de me douter qu'il s'agissait là de mon premier véritable pas vers ce qu'ils appellent aujourd'hui la science des données.
Exemple, l'un de mes modèles de trading les plus réussis et les plus anciens n'avait rien à voir avec quoi que ce soit. soyez indulgent avec moi..
J'étais vraiment doué pour la visualisation de données car mon travail avant toute rue était animateur. Quoi qu'il en soit, je construisais généralement des visualisations graphiques des algos de swing trading. Et dans le swing trading il y a quelques règles lâches basées sur 3 points d'action de prix du service de série. Plus bas ou plus haut L, HH/LH, LL/HR puis en fonction de l'action de son mouvement dans le prochain mouvement, vous restez assis sur vos mains ou vous achetez et vendez le swing. La seule chose à penser dans ce scénario est de confirmer ce mouvement et d'avoir une stratégie de sortie avant toute transaction. Yea, j'utilisais tous les modèles statistiques auxquels vous pouvez penser.
mais au cas où, je ne veux pas vous laisser en plan. Le plus statistiquement précis (ou non, si ce que j'ai fait pour confirmer l'action de prix tradable étaient trois choses. mon MMA ( moyenne mobile mike, ma propre création, l'équation la plus rentable que j'ai jamais rote pas beaucoup pour moi, mais l'équipe) je digresse, un croisement logique MA, stochastique rsi croisant 20 pour long et glissant au-delà de 80 pour court et le, la régression linéaire nécessaire et niveau sur 20ish périodes ou plus.
Donc vous savez comment entrer et sortir des trades. C'est tout ce que c'est. Le trading, c'est avoir la constitution de jouer vos règles. et cela vous ferait atterrir une marge bénéficiaire de 3/1 sur tous les trades gagnants. Vous pouvez vous tromper lee fois pour chaque volonté et toujours être en avance.
La plupart des gens échouent dans cette industrie, je l'ai fait - en tant que trader manuel. J'ai fait tout mon argent en vendant des indicateurs et des stratégies personnalisés et avec quelques saas qui prévoyaient votre indicateur (ou quelle que soit la façon dont vous avez dérivé les deux intégrales de données.
J'espère que vous avez lu tout cela et que vous pensez, je ne savais pas que c'était le trading était. 1. Maintenant le marché en mouvement annonce et ne jamais le commerce avant, 2. Exit votre commerce est où vous faites votre argent, mais l'entrée 3. Suivre tous les autres mathématiquement. Ce qui signifie, BB, MACD et 2 ma's. Si vous prétendez savoir comment le marché va évoluer, vous commencez à penser que vous pouvez acheter des pertes et vendre des hauts au tournant. Ensuite, vous vous retrouvez au chômage en 3 mois.
Pourquoi je vous ai dit tout ça ? Parce que la confusion de ce chapitre est assez folle.
J'aborderai la science des données dans une seconde. Mais le point auquel je veux accéder n'est pas la résolution des problèmes, mais la façon dont vous les abordez sans crainte, sachez que vous pouvez avoir le pouvoir de dire que j'ai fait une erreur, et sortir du commerce. .
L'algo le plus rentable que j'ai jamais écrit et qui était entièrement automatisé de l'entrée à la sortie, était quelque chose que j'ai mis ensemble basé sur sur la gamme chromatique de 12 notes. Un jour, mon graphique ressemblait à une partition de musique ainsi, puisque c'est ainsi que je pensais tout à fait différemment à mes stratégies manuelles (celles que je peux voir se produire) . Un des fun think about working in finance, si vous gagnez de l'argent, vous codez des stratégies basées sur les anniversaires de vos amis imaginaires.
Le critère que j'écris était si le swing actuel se met en place, ma navette jouerait la note entière et sa tonalité +- 12cents, c'était le spectacle, mais la vraie décision venait d'un modèle ARMIA qui prévoyait le HOLTma. Et alors qu'il prévoyait avec précision que la vitesse du commerce causerait une anomalie de prix, hors du graphique dans un sens ou dans l'autre, puis une reprise. Il y avait 70% de chance d'un mouvement significatif pour tout. C'est tout ce dont vous avez besoin. Mais parce que j'ai appris au fil des ans que toutes les relations entre les événements n'ont pas de sens, ou même n'ont pas à avoir de sens. Tout ce que j'ai à faire est de mesurer statistiquement son efficacité.
Le bruit qui énervait tout le monde ce jour-là était en clé, plus en marche qu'en arrêt, qui a tiré cette stat à 90%. La musique Price Action et une MA autorégressive, m'ont fait gagner assez d'argent pour sortir du centre-ville de Manhattan. Obtenir un bureau à China Town et apprendre la science des données pour les 4 prochaines années.
Pendant ce hiatus, je quilt ER Charting Platform pour Mayo, et et machine à sous IOS. C'est de l'ingénierie logicielle. Fun. Merde, j'ai suivi le chirurgien (ceo du logiciel que je construisais) pendant deux semaines car je devais connaître intimement les flux er. Id que le code était bogué, quelqu'un pouvait mourir. non seulement il a fait des graphiques, est aidé à diagnostiquer et a commandé des médicaments de façon autonome.
C'est la différence entre vraiment savoir comment écrire du code et vraiment savoir comment prévoir analyser des données.
Sur cette note. Il est temps de prendre un café. J'espère que vous avez bien ri et que vous connaissez la différence subtile.
Désolé, trop tôt et trop de mots à relire et à vérifier l'orthographe.
mike
.