تجارت کمی چیست؟

به تلاش خود برای شکار برای دوره های فارکس یا مربیان پایان دهید ، هر هفته دیگر یک مورد جدید وجود خواهد داشت. اگر به دنبال "گورو گورو" هستید "بهترین در صنعت" "یکی از بهترین تاجر فارکس جهان" - همانطور که توسط دانشجویان من شهادت داده است.

پیمایش ناوبری 5 استراتژی معاملاتی کمی

فهرست

• تجارت کمی چیست؟
• تاریخچه
• جوانب مثبت و منفی تجارت کمی
• شناسایی استراتژی
• استراتژی های معاملاتی کمی
• استراتژی پشتی
• سیستم های اعدام
• مدیریت ریسک
• تجارت کمی در مقابل الگوریتمی
• تجارت کمی ، توسعه سیستم های معاملاتی خودکار
• نتیجه
• متداول

تجارت کمی چیست؟

تجارت کمی ، همچنین به آن به عنوان تجارت کمی گفته می شود ، نوعی استراتژی بازاریابی است که بر استفاده از تجزیه و تحلیل کمی برای شناسایی فرصت های معاملاتی متمرکز است. این استفاده از تجزیه و تحلیل کمی به سادگی بدان معنی است که فرصت های تجارت باید با استفاده از مدلهای تحقیق ، اندازه گیری ، آماری و ریاضی شناسایی شوند.

به عنوان یک معامله گر ، داشتن دانش خوبی در مورد تجارت کمی که به آن منجر می شود ضروری است. بارها در حال تغییر است از این رو تغییر از استفاده از استراتژی های تجاری کمی توسط موسسات مالی و صندوق های تامینی به افراد خصوصی که به عنوان معامله گران کمی گفته می شود ، تغییر یافته است.

برای داشتن یک تجارت تجاری کمی موفق ، همیشه به یاد داشته باشید که چهار مؤلفه اساسی مورد نیاز است. این مؤلفه ها شامل شناسایی استراتژی ، پشتکار استراتژی ، سیستم های اجرای و مدیریت ریسک است. این مؤلفه ها گام به گام هستند ، بنابراین شخص نمی تواند بدون دیگری کار کند.

تاریخچه

برای درک کامل هر مدل ، همیشه یادگیری داده های تاریخی آنچه در مورد استراتژی و همچنین نحوه توسعه آن به وجود آمده است ، مهم است. تاریخ تجارت کمی به دهه 1970 باز می گردد. این دوره ای بود که سرمایه گذاران در بازار مالی با استفاده از مدل های تجارت الگوریتمی و مدلهای ریاضی برای خرید سهام و اوراق قرضه که به دلیل پایان نامه تهیه شده توسط هری مارکوویتز قابل دستیابی بود ، آغاز کردند.

هری مارکوویتز پایان نامه دکتری را در مجله مالی منتشر کرد که در آن وی از استفاده از مدلهای آماری و محاسبات ریاضی استفاده کرد تا نشان دهد چگونه می توان متغیرها را برای یک سبد سهام محاسبه کرد. این مقاله توسط Markowitz در سال 1952 نوشته شده است ، اما تا دهه 1970 بازرگانان کوانتین شروع به استفاده از این استراتژی ها در شرکت های سرمایه گذاری خود کردند. به همین دلیل است که بیشتر معامله گران کمی اغلب از هری مارکوویتز به عنوان پدر تجارت کمی یاد می کنند.

سیستم تعیین شده Tuaround (DOT) که در دهه 70 توسعه یافته است نیز بخش قابل توجهی از معاملات کمی است زیرا این امکان را برای بورس اوراق بهادار نیویورک (NYSE) برای اولین بار سفارشات به صورت الکترونیکی انجام می دهد ، و این پیشرفت نیز واقعی استداده های بازار زمان برای معامله گران با استفاده از پایانه های بلومبرگ.

استفاده از سیستم های تجاری کمی که سالها می گذرد و در سال 2009 افزایش می یابد ، 60 ٪ از معاملات سهام ایالات متحده توسط شرکت های HFT اجرا شد ، که به تکنیک های معاملاتی کمی و مدلهای ریاضی برای حمایت از استراتژی های خود اعتماد داشتند.

با این حال توجه به این نکته حائز اهمیت است که اگرچه شرکت های کارگزاری و بانک های سرمایه گذاری از مدل های کمی استفاده می کردند ، اما تجارت کمی هنوز توسط موسسات بزرگ مالی مورد انتقاد قرار گرفت زیرا برخی گفتند که استفاده از سیستم های خودکار در خرید سهام 100 ٪ دقیق نبود.

با وجود این ، معاملات کمی همچنان به رشد خود ادامه داده است. سرمایه گذاران نهادی و صندوق های پرچین هنوز هم برای تصمیم گیری های تجاری به استراتژی های کمی تجارت متکی هستند.

جوانب مثبت و منفی تجارت کمی

هیچ استراتژی بازاریابی بدون منفی جوانب مثبت ندارد. تجارت کمی از این قاعده مستثنی نیست. یکی از مهمترین مزایای تجارت کمی این است که شامل استفاده از مدلهای کاملاً ریاضی است و در نتیجه تعصب و تصمیم گیری عاطفی را از بین می برد و در عوض روی داده های موجود تمرکز می کند.

علاوه بر این ، معاملات کمی سریعتر است. این مشکل زمان صرف شده برای تجزیه و تحلیل تعداد داده های بازار مالی موجود را محدود می کند. این امر به این دلیل است که بدون تجارت کمی ، معامله گر کمی مغرضانه می شود و تصمیم گیری بدون در نظر گرفتن احساسات دشوار است اما با کمک کار کمی تجارت ، این مشکل را می توان به راحتی حل کرد.

تجارت کمی یک سیستم معاملاتی کامل و بدون خطرات نیست. یک نقطه ضعف مهم یا استفاده از تجارت کمی این است که محدودیت هایی دارد زیرا وقتی سایر معامله گران کمی نمی دانند این استراتژی را نمی دانند ، بهترین کار را انجام می دهد زیرا اگر این کار را انجام دهند ، استراتژی تجارت اثربخشی خود را از دست می دهد.

علاوه بر این ، معامله گر کمی به طور مداوم باید با شرایط بازارهای مالی در حال تغییر روبرو شود. یک استراتژی تجاری سودآور امروز می تواند منجر به از دست دادن سریع پول روز بعد شود. بسیار غیرقابل پیش بینی است.

برای اینکه یک معامله گر موفق باشید ، به دانش مفصلی در مورد داوری آماری و مدل و استراتژی های کمی تجارت نیاز دارید.

شناسایی استراتژی

تجارت کمی از چهار مؤلفه اصلی تشکیل شده است. یکی از مؤلفه های اصلی شناسایی استراتژی است. در اینجا ، معامله گر به دنبال شناسایی فرصت های تجارت با بهره برداری از پرچین و همچنین فهمیدن چگونگی تصمیم گیری در مورد بهترین فرکانس معاملات است.

روند شناسایی بهترین استراتژی برای تجارت کمی با تحقیق آغاز می شود. فقط از طریق تحقیقات می توان برخی ملاحظات کلیدی را مورد بررسی قرار داد. این ملاحظات کلیدی شامل یافتن یک استراتژی ، گروه بندی استراتژی در نمونه کارها مناسب ، استفاده از داده کاوی برای آزمایش استراتژی های انتخاب شده و بهینه سازی چنین استراتژی برای به دست آوردن بازده بالاتر است.

یک روش خوب برای یافتن استراتژی ها با بازده بالا یا سود خوب از طریق منابع متعدد است. مجله تجارت نمونه خوبی از این امر است زیرا آنها حاوی استراتژی های معاملاتی هستند که توسط یک محقق کمی مورد نیاز است. محبوب ترین استراتژی ها شامل میانگین برگشت ، داوری آماری در میان دیگران است.

با این وجود توجه به بخش اساسی تجارت کمی مهم است و این به عنوان فرکانس تجارت شناخته می شود. فرکانس بسته به خطر فناوری می تواند زیاد یا پایین باشد. معاملات با فرکانس بالا بر نگه داشتن دارایی های داخلی متمرکز است در حالی که تجارت با فرکانس پایین به نگه داشتن دارایی های طولانی تر از یک روز معاملاتی وابسته است.

از طرف دیگر استراتژی های معاملاتی با فرکانس فوق العاده بالا شامل نگه داشتن دارایی برای ثانیه یا میلی ثانیه است. پس از شناسایی یک استراتژی ، برای اطمینان از سودآوری باید پایگاه داده های تاریخی آزمایش شود. روند انجام این کار به عنوان backtesting شناخته می شود ،

استراتژی های معاملاتی کمی

چندین استراتژی کمی وجود دارد که هر معامله گر کمی باید از آن آگاه باشد اما توضیح همه آنها غیرممکن است. در اینجا پنج استراتژی کمی برای اتخاذ برای راهنمایی تصمیمات تجاری خود آورده شده است.

1. میانگین استراتژی برگشت

میانگین استراتژی برگشت با استفاده از مزیت تغییرات پویا که هنگام قیمت گذاری سهام یا امنیت رخ می دهد ، ارتباط دارد. این استراتژی معاملاتی از این تئوری سود می برد که قیمت دارایی ها همیشه به سطح متوسط باز می گردند در هر زمان که یک حرکت شدید قیمت وجود داشته باشد.

این نام خود را از نوسان قیمت در حدود میانگین قیمت دریافت می کند اما با وجود نوسانات ، قیمت همیشه به قیمت متوسط آن باز می گردد. این استراتژی مؤثر است زیرا به معامله گر کوانتین اجازه می دهد تا هر زمان که قیمت بالا برود سود کسب کند و همچنین در صورت پایین بودن قیمت ، پس انداز کند. تنها نکته منفی این استراتژی این است که در همه بازارهای مالی کار نمی کند.

نحوه کار آن این است که معامله گر کمی کدهایی را می نویسد که باعث می شود بازارهایی پیدا کنید که دارای میانگین دیرینه باشند. پس از یافتن ، آن را در هر زمان که از آن جدا شود ، برجسته می کند. در صورت واگرایی ، سیستم احتمال تجارت کوتاه سودآور را محاسبه می کند. اگر به پایین بیاید ، همین کار را برای یک مثبت طولانی انجام می دهد

2. داوری آماری

این یک استراتژی معاملاتی مبتنی بر میانگین استراتژی برگشت است. این یک استراتژی سودآور است که به این واقعیت متکی است که هر زمان گروهی از سهام مشابه هستند ، آنها همیشه در بازارهای مالی عملکرد مشابهی خواهند داشت و بنابراین وقتی سهام وجود دارد که مانند این گروه از سهام عمل نمی کند ، نشان می دهد که این نشان می دهداحتمال سود زیادی وجود دارد.

برای کار این استراتژی ، میانگین قیمت هر سهام در گروه سهام مشمول شرایط مشابه بازار باید محاسبه شود. پس از این ، یک جدول باید ایجاد شود که سهام را نشان می دهد که میانگین قیمت و سهام را که بیش از قیمت متوسط عمل می کنند ، کمتری داشته باشند. هر زمان که هر یک از این سهام به قیمت متوسط برگردد ، پس این بدان معنی است که هر دو موقعیت برای سود بسته هستند.

مانند هر استراتژی ، نقطه ضعف داوری آماری این است که گاهی اوقات ، عواملی وجود دارد که می تواند برای یک دارایی فردی اعمال شود که نمی تواند برای بقیه گروه اعمال شود. به همین دلیل ، انحرافات بلند مدت رخ می دهد که مانع از برگشت متوسط قیمت می شود. به عنوان یک استراتژی مدیریت ریسک ، معامله گر باید از الگوریتم های HFT برای بهره برداری از ناکارآمدی های بسیار کوتاه مدت بازار استفاده کند.

3. روند زیر

همچنین از آن به عنوان تجارت حرکت یاد می شود ، یک استراتژی بسیار ساده است. همانطور که از نام آن پیداست ، از روندهای عاطفی برای شناسایی یک حرکت قابل توجه در بازار پس از شروع کار استفاده می کند و سوار آن می شود تا پایان یابد. مثال بسیار خوبی که این استراتژی را نشان می دهد ، نظارت بر احساسات در بین بازرگانان در یک موسسه بزرگ مالی است. از طریق این نظارت ، پس از آن می توان یک مدل را برای پیش بینی دوره سرمایه گذاران نهادی به احتمال زیاد خریداری یا فروش سهام به مقدار زیادی تهیه کرد.

4- تشخیص الگوریتمی الگوی

ارتباط با ایجاد یک مودل است که می تواند مشخص کند که شرکت های بزرگ نهادی یا معامله گران نهادی قصد دارند تجارت بزرگی را انجام دهند ، تنها با هدف تجارت علیه آنها. همچنین می توان از آن به عنوان جبهه با تکنولوژی بالا استفاده کرد. تجارت نهادی معمولاً از طریق الگوریتم ها انجام می شود و با این استراتژی ، الگوهای اجرای سفارشی سرمایه گذاران نهادی به راحتی شناخته می شوند و منزوی می شوند.

توجه به این نکته حائز اهمیت است که استراتژی تشخیص الگوریتم الگوریتم اغلب توسط شرکت های HFT استفاده می شود و آنها به سازندگان بازار کمک می کنند تا از فروش جلوتر شوند.

5. استراتژی تجارت قانون ETF.

ETF مخفف مخفف صندوق های معامله شده است. استراتژی تجارت قانون ETF مبتنی بر سودآوری از رابطه بین یک فهرست و ETF هایی است که آن را ردیابی می کنند. در هر زمان سهام جدیدی به یک شاخص اضافه می شود ، ETF ها که نمایانگر آن شاخص است ، اغلب باید آن سهام را نیز خریداری کنند. با درک قوانین افزودنیها و تفریق شاخص و استفاده از سیستم های اجرای فوق العاده سریع ، صندوق های کم می توانند از این قانون سرمایه گذاری کنند و قبل از خرید اجباری تجارت کنند.

استراتژی پشتی

Backtesting استراتژی دومین مؤلفه تجارت کمی است. این بسیار ضروری است زیرا شامل این است که استراتژی شناسایی شده با داده های تاریخی و غیر مطالعه سودآور است. پس از شناسایی بهترین استراتژی در سیستم تجارت کمی ، معامله گر دانش از استراتژی های استفاده را بر اساس داده های تاریخی و خارج از نمونه کسب می کند ، با این حال ، نیاز به بررسی چگونگی عملکرد این استراتژی ها در دنیای واقعی وجود دارد. بشراین جایی است که پشتی استراتژی به جای خود به وجود می آید.

برای موفقیت آمیز بودن پس زمینه ، موارد زیر ضروری است: در دسترس بودن و پاکیزگی داده های تاریخی ، تحمیل هزینه های معامله واقع گرایانه و تصمیم گیری در مورد بهترین پلت فرم کارآمد پس زمینه. هر روش پشتی از یک بستر نرم افزاری استفاده می کند. نمونه های خوب این موارد شامل اکسل ، پلتفرم ، ایستگاه تجاری ، پایتون در میان دیگران است.

به دست آوردن داده های تاریخی می تواند هزینه های گاه به کیفیت ، عمق و به موقع بودن داده ها بستگی داشته باشد ، بنابراین برای معامله گران جدید برای تجارت کمی (به ویژه سرمایه گذاران خرده فروشی) ، توصیه می شود از مجموعه داده های رایگان ارائه شده توسط Yahoo Finance استفاده کنید.

هنگامی که یک استراتژی از بین رفته و به نظر می رسد که عاری از تعصب باشد (اگرچه پشت پرده نمی تواند موفقیت آمیز باشد زیرا این امر باعث تعصب زیادی می شود حتی اگر این تعصبات تا حد امکان از بین برود) و شارپ خوبی دارد (این است. میانگین بازده های اضافی که بر اساس انحراف استاندارد بازده اضافی تقسیم می شود که بازده استراتژی بالاتر از معیار از پیش تعیین شده است) ، با کمبودهای به حداقل رساندن (بزرگترین افت اوج به پیشرو در منحنی سهام حساب در یک زمان خاص) ، دوره بعدی عمل ساخت یک سیستم اجرای است.

سیستم های اعدام

اجرای وسیله ای برای عمل بنابراین یک سیستم اعدام شامل وسیله ای است که کارگزاران برای ارسال و انجام لیستی از معاملات پس از تدوین و تهیه استراتژی استفاده می کنند. این یک مؤلفه اساسی تجارت کمی است.

سیستم های اجرای نیاز به شاخص های فنی دارند که معامله گران باید از آنها توجه کنند. این شاخص های فنی شامل رابط کارگزاری ، به حداقل رساندن هزینه های معامله و واگرایی عملکرد سیستم زنده از عملکرد پشتی است. سیستم اجرای تنها راهی است که کارگزاران لیست معاملات تولید شده توسط استراتژی را ارسال و اجرا می کنند. این می تواند به صورت دستی ، نیمه اتوماتیک یا کاملاً اتوماتیک انجام شود. بیشترین تکنیک های معاملات با فرکانس پایین (LFT) از تکنیک های دستی یا semimanual استفاده می کنند.

در سیستم اجرای ، در نظر گرفتن به حداقل رساندن هزینه معاملات مهم است و این شامل کمیته ها (مالیات جمع آوری شده توسط کارگزاری) ، لغزش (تفاوت بین سفارش پر شده در نظر گرفته شده در مقابل سفارش پر شده واقعی) و گسترش (تفاوت بین قیمت درخواست کننده از این است. امنیتی که معامله می شود).

با این حال ، واگرایی عملکرد استراتژی از عملکرد پشتی می تواند به عنوان موضوعی باشد که به دلیل تعصب در هنگام پشتوانه در بین دلایل دیگر ، بر سیستم اعدام تأثیر می گذارد. همچنین ، مانع دیگر این واقعیت است که ممکن است اشکالات موجود در سیستم و همچنین استراتژی های معاملاتی وجود داشته باشد که در هنگام پشتکار نشان داده نمی شوند اما در طول تجارت زنده ظاهر می شوند.

مدیریت ریسک

مدیریت ریسک یک مؤلفه اساسی در تجارت کمی است زیرا به وزن گیری عواملی که می تواند بر موفقیت تجارت تأثیر بگذارد ، کمک می کند. یکی از این خطرات که ممکن است رخ دهد ، تعصب در هنگام پشتی است ، و همچنین خطرات ناشی از نقص سیستم رایانه ای به دلیل آفلاین بودن. همچنین ، خطر کارگزاران وجود دارد که کارگزاران می توانند ورشکسته شوند.

علاوه بر این ، معامله گر کمی نیز باید در معرض خطر فن آوری دیسک های سخت در مؤلفه نهایی تجارت کمی باشد. عوامل دیگری که باید مورد توجه قرار گیرد شامل تخصیص سرمایه بهینه و برخورد با مشخصات روانشناختی شخص است.

تجارت کمی در مقابل الگوریتمی

بیشتر اوقات ، افراد تمایل دارند تجارت کمی را با تجارت الگوریتمی مخلوط کنند. این دو بسیار مشابه هستند اما هر دو دارای ویژگی های متمایز هستند. تفاوت عمده بین این دو در این است که تکنیک های کمی تجارت شامل استفاده از یک مدل ریاضی برای شناسایی فرصت های تجارت است.

در حالی که یک تجارت تجارت الگوریتمی شامل استفاده از سیستم های تجاری خودکار یا تجزیه و تحلیل فنی سنتی برای تجزیه و تحلیل الگوهای نمودار و یافتن موقعیت های جدید است. به همین دلیل ، معاملات الگوریتمی می تواند تصمیمات تجاری و تجارت را به صورت خودکار سریعتر و دقیق تر از مقدار انجام دهد.

تجارت کمی ، توسعه سیستم های معاملاتی خودکار

تجارت کمی با سیستم های خودکار ارتباط دارد ، بنابراین معامله گران کمی موظفند ایده ای از عناصر سیستم های تجاری خودکار داشته باشند که شامل موارد زیر است:

1 یافتن بازار مناسب برای تجارت. این مربوط به انتخاب بازارها و ابزارهای مناسب برای تجارت است. پس از تصمیم گیری ، شما باید داده های تاریخی را برای سازهای انتخاب شده پیدا کنید. برخی از این ابزارها شامل سهام ، گزینه ها و آینده هستند.

2 ساخت ویژگی های مورد نیاز و سیگنال معاملاتی. این دو با هم کار می کنند زیرا برای اینکه بتوانند یک سیگنال تجاری را شناسایی کنند ، ویژگی های مورد نیاز باید ساخته شود. ویژگی ها در اینجا به معنای میانگین حرکت یا نسبت قیمت داده ها است.

سیگنال ها می توانند باز ، بسته ، زیاد یا کم باشند و می توانند برای ساخت ویژگی های جدید ترکیب شوند. همچنین برای ساختن موفقیت آمیز این ویژگی های مورد نیاز و سیگنال های معاملاتی ، به دانش استراتژی های معاملاتی که در بالا گفته شد ، نیاز دارید.

3 تصمیم گیری در مورد بهترین استراتژی اجرای تجارت و همچنین هزینه های معاملاتی زیرا هزینه های تجارت و استراتژی می تواند تعیین کند که آیا این یک استراتژی سودآور خواهد بود یا خیر.

4 معیارهای پشتی و عملکرد برای مشاهده داده های تاریخی در مورد نحوه کار این استراتژی در گذشته. Backtesting همچنین به بهینه سازی سیستم ها برای تجارت کمک می کند. مخفی

نتیجه

تجارت کمی جالب است اما برای یادگیری بسیار پیچیده است. برای موفقیت ، معامله گران کمی موظفند دانش خوبی از محاسبات ریاضی داشته باشند. شما همچنین باید دانش برنامه نویسی خود را گسترش دهید و همچنین یادگیری ماشین زیادی را انجام دهید. اکنون که ایده ای در مورد تجارت کمی دارید ، باید کتاب های بیشتری را بخوانید و قبل از شروع تجارت زنده ، اگر مبتدی هستید ، دوره های بیشتری را در مورد تجارت کمی بگذرانید.

پس از داشتن پیشینه خوب در آمار و اقتصاد سنجی ، می توانید قبل از آماده شدن برای داشتن مشاغل تجاری کمی ، جمع آوری داده ها ، پس زمینه و سایر مؤلفه ها و استراتژی های تجارت کمی را شروع کنید.

بازارهای مالی می توانند بسیار غیرقابل پیش بینی باشند ، معامله گران و سرمایه گذاران باید هنگام استفاده از تکنیک های کمی تجارت ، از مدیریت ریسک مناسب استفاده کنند. تحمل ریسک و مدیریت ریسک باید به درستی اجرا شود.

متداول

تجارت کمی از نظر ساده چیست؟

تجارت کمی به سادگی به معنای استفاده از الگوریتم های رایانه ، آمار و برنامه نویسی برای شناسایی بهترین و فرصت های تجاری موجود است. این شامل کار تحقیقاتی گسترده در مورد داده های تاریخی است تا بتوانید این فرصت های سودآور را شناسایی کنیم.

پشتی در تجارت چیست؟

Backtesting جزء تجارت کمی است که شامل بررسی میزان چگونگی عملکرد یک استراتژی می تواند پست سابق را انجام دهد. این کار را با ارزیابی زنده ماندن یک استراتژی تجارت با استفاده از داده های تاریخی و خارج از نمونه انجام می دهد.

آیا بین تجارت کمی و تجارت الگوریتم تفاوت وجود دارد؟

تفاوت عمده بین تجارت کمی و تجارت الگوریتمی در این است که تجارت کمی از روشهای پیشرفته ریاضی استفاده می کند در حالی که تجارت الگوریتمی به تجزیه و تحلیل سنتی تر به عنوان مثال تجزیه و تحلیل نمودار متکی است.

برای شروع تجارت کمی باید بدانم؟

شما به دانش گسترده ای در مورد برنامه نویسی ، آمار ، نحوه عملکرد یک سیستم معاملاتی خودکار ، مؤلفه های تجارت کمی و استراتژی های کمی موجود که می توانید یاد بگیرید ، نیاز دارید. کتاب ها را بخوانید و دوره های آنلاین را در مورد تجارت کمی طی کنید و در مورد سیستم مدیریت ریسک و اجرای بیشتر اطلاعات بیشتری کسب کنید

درباره جویدن حزقیال

Ezekiel بنیانگذار و رئیس آموزش در آسیا فارکس مربی معمولی فارکس شما نیست. او یک متخصص شناخته شده در صنعت فارکس است که در آن اغلب از او دعوت می شود تا در رویدادهای اصلی فارکس و پنل های معاملاتی صحبت کند. بینش وی در مورد بازار زنده مورد توجه معامله گران خرده فروشی است.

حزقیال به عنوان یکی از بهترین بازرگانان فارکس در اطراف شناخته می شود که در واقع به بازگشت به جامعه اهمیت می دهند. او شش رقم را در تجارت خود و در پشت صحنه تجارت می کند ، حزقیال معامله گران را که در بانک ها کار می کنند ، شرکت های مدیریت صندوق و شرکت های بازرگانی PROP آموزش می دهد.