Forex Trading Diário 6 - Multi-Day Trading e Plotting Resultados Foi um tempo desde a minha última Forex Trading Diário atualização. Fui ocupado trabalhando na nova placa do Jobs QuantStart e, portanto, não tive tanto tempo como de costume para trabalhar no QSForex. Embora eu tenha feito alguns progressos Em particular, eu tenho sido capaz de adicionar algumas novas funcionalidades, incluindo: Documentação - Ive agora criou uma subseção QSForex no site, que inclui todas as entradas do Forex Trading Diary e documentação para QSForex. Em particular, inclui instruções de instalação detalhadas e um guia de uso para backtesting e negociação ao vivo. Geração de Dados de Tick Simulado - Uma vez que é um desafio para baixar dados de carrapato de forex em massa (ou pelo menos tem sido de certos fornecedores que eu uso) eu decidi que seria mais simples para gerar apenas alguns dados aleatórios para testar o sistema. Multi-Day Backtesting - Uma solicitação de recurso de longa data no QSForex é a capacidade de backtest durante vários dias de dados de carrapatos. Na versão mais recente, o QSForex agora oferece suporte ao backtesting multi-dia e multi-par, tornando-o substancialmente mais útil. Plotting Backtesting Results - Enquanto a saída do console é útil, nada bate ser capaz de visualizar uma curva de equidade ou redução histórica. Ive fez uso da biblioteca Seaborn para traçar os vários gráficos de desempenho. Nesta entrada Ill descrever todos os novos recursos em detalhes abaixo. Se você não tiver sido capaz de seguir a série até à data, você pode ir para a seção QSForex, a fim de recuperar o atraso em entradas anteriores. Simulado Tick Data Script Um recurso extremamente importante solicitado para QSForex foi a capacidade de backtest durante vários dias. Anteriormente, o sistema só suportava backtesting através de um único arquivo. Esta não era uma solução escalável como tal um arquivo deve ser lido na memória e posteriormente em um Pandas DataFrame. Enquanto os arquivos de dados de tiros produzidos não são enormes (aproximadamente 3.5Mb cada), eles se somam rapidamente se considerarmos vários pares ao longo de períodos de meses ou mais. Para começar a criar uma capacidade de arquivo multi-daymulti, comecei a tentar baixar mais arquivos do feed de ticks histórico do DukasCopy. Infelizmente, encontrei alguns problemas e não consegui baixar os arquivos necessários para testar o sistema. Como não estava muito preocupado com a própria série de tempo real, senti que seria mais simples escrever um script para gerar dados simulados de forex. Coloquei este script no arquivo scriptsgeneratesimulatedpair. py. O código atual pode ser encontrado aqui. A idéia básica do script é gerar uma lista de timestamps distribuídos aleatoriamente, cada um possuindo valores de bidask e valores de volume de bidask. O spread entre a oferta e a pergunta é constante, enquanto os próprios valores de bidask são gerados como uma caminhada aleatória. Desde que eu costumo realmente nunca ser testando todas as estratégias reais sobre estes dados eu não estava muito incomodado sobre suas propriedades estatísticas ou seus valores absolutos em relação aos pares de moeda estrangeira real. Contanto que tivesse o formato correto e comprimento aproximado, eu poderia usá-lo para testar o sistema de backtesting de vários dias. O script está atualmente codificado para gerar dados de forex para todo o mês de janeiro de 2017. Ele usa a biblioteca de calendário Python para determinar dias úteis (embora eu ainda não tenha excluído feriados) e, em seguida, gera um conjunto de arquivos do formato BBBQQQYYYYMMDD. csv . Onde BBBQQQ será o par de moedas especificado (por exemplo, GBPUSD) e YYYYMMDD é a data especificada (por exemplo, 20170112). Esses arquivos são colocados no diretório CSVDATADIR, que é especificado nas configurações. py na raiz da aplicação. Para gerar os dados, o seguinte comando deve ser executado, onde BBBQQQ deve ser substituído com o nome de moeda particular de interesse, p. GBPUSD: O arquivo exigirá modificação para gerar vários meses ou anos de dados. Cada lima do tiquetaque diário é na ordem de 3.2Mb no tamanho. No futuro, vou modificar este script para gerar vários meses ou anos de dados com base em uma lista de pares de moedas fornecidos, em vez de os valores serem codificados. No entanto, por enquanto, isso deve ajudá-lo a começar. Tenha em atenção que o formato coincide exactamente com o dos dados históricos da DukasCopy, que é o conjunto de dados que estou a utilizar actualmente. Multi-Day Backtesting Implementado Seguir diretamente a partir da geração de dados de carrapatos simulados é a implementação de backtesting de vários dias. Enquanto meu plano de longo prazo é usar um sistema de armazenamento histórico mais robusto, como PyTables com HDF5. Por enquanto, eu vou fazer uso de um conjunto de arquivos CSV, um arquivo por dia por par de moedas. Esta é uma solução escalável à medida que aumenta o número de dias. A natureza orientada a eventos do sistema requer apenas alguma necessidade de arquivos N na memória ao mesmo tempo, onde N é o número de pares de moeda que são negociados em um determinado dia. A idéia básica do sistema é que o atual HistoricCSVPriceHandler continue a usar o método streamnexttick, mas com uma modificação para contabilizar vários dias de dados através do carregamento de cada dia de dados seqüencialmente. A implementação atual sai do backtest após o recebimento da exceção StopIteration lançada pela próxima (..) chamada para self. allpairs como mostrado neste snippet pseudocode: Na nova implementação, este snippet é modificado para o seguinte: Neste snippet, Quando StopIteration é gerado, o código verifica o resultado de self. updatecsvforday (). Se o resultado for True, o backtest continuará (em self. curdatepairs., Que poderia ter sido alterado para os dados dos dias subsequentes). Se o resultado for False. O backtest termina. Esta abordagem é muito eficiente na memória, pois apenas um determinado dia de dados é carregado em qualquer ponto. Isso significa que podemos realizar meses de backtesting e que são limitados apenas pela velocidade de processamento da CPU e pela quantidade de dados que podemos gerar ou adquirir. Atualizei a documentação para refletir o fato de que o sistema agora espera vários dias de dados em um formato específico, em um diretório particular que deve ser especificado. Traçar resultados de backtesting com Seaborn Library Um backtest é relativamente inútil se não pudermos visualizar o desempenho da estratégia ao longo do tempo. Embora o sistema tenha sido principalmente baseada em console até à data, eu comecei a transição para uma interface gráfica do usuário (GUI) com esta versão. Em particular, criei o habitual painel de três gráficos que muitas vezes acompanham métricas de desempenho para sistemas de negociação quantitativa, nomeadamente a curva de capitais próprios, o perfil de rendimentos ea curva de redução. Todos os três são calculados para cada tick e são enviados para um arquivo chamado equity. csv no OUTPUTRESULTSDIR encontrado em settings. py. Para ver os dados, fazemos uso de uma biblioteca chamada Seaborn. Que produz gráficos de qualidade de publicação (sim, qualidade de publicação REAL) que parecem substancialmente melhores que os gráficos padrão produzidos pela Matplotlib. Os gráficos parecem muito próximos dos produzidos pelo pacote R ggplot2. Além disso Seaborn realmente usa Matplotlib embaixo, assim você ainda pode usar a API Matplotlib. Para permitir a saída Ive escrito o script output. py que vive no diretório backtest. A listagem para o script é a seguinte: Como você pode ver o script importa Seaborn e abre o arquivo equity. csv como um Pandas DataFrame, em seguida, simplesmente cria três subtramas, um cada para a curva de equidade, retornos e levantamento. Observe que o gráfico de retirada em si é realmente calculado a partir de uma função auxiliar que vive em performanceperformance. py. Que é chamado a partir da classe Portfolio no final de um backtest. Um exemplo da saída para a estratégia incluída MovingAverageCrossStrategy, em um conjunto gerado aleatoriamente de dados de GBPUSD para o mês de janeiro de 2017, é dado como segue: Em particular, você pode ver as seções planas da curva de equidade nos fins de semana onde nenhum dado Está presente (pelo menos, para este conjunto de dados simulado). Além disso, você pode ver que a estratégia simplesmente perde dinheiro de forma bastante previsível nesse conjunto de dados simulados aleatoriamente. Esta é uma boa prova do sistema. Estamos simplesmente tentando seguir uma tendência em uma série de tempo gerada aleatoriamente. As perdas ocorrem devido ao spread fixo introduzido no processo de simulação. Isso deixa bem claro que, se quisermos fazer um lucro consistente na negociação forex de maior freqüência, precisaremos de uma borda quantificável específica que gere retornos positivos além dos custos de transação, como o spread e o deslizamento. Teremos muito mais a dizer sobre este ponto extremamente importante nas subseqüentes inscrições do Forex Trading Diary. Próximos passos Cálculos de posição de fixação Ive recentemente tiveram muita correspondência extremamente útil com os usuários do QSForex através dos comentários da Disqus e da página QSForex Issues sobre a correção dos cálculos dentro da classe Position. Alguns observaram que os cálculos podem não refletir exatamente como o OANDA (o corretor que é usado para o sistema trading. py) calcula os negócios de moeda cruzada. Portanto, um dos passos mais importantes é realmente fazer e testar essas modificações sugeridas em position. py e também atualizar os testes de unidade que vivem em positiontest. py. Isso terá um efeito knock-on com portfolio. py e também portfoliotest. py. Medição de desempenho Embora tenhamos agora um conjunto básico de indicadores de desempenho visual através da curva de equidade, retorna perfil e séries de redução, precisamos de medidas de desempenho mais quantificadas. Em particular, precisaremos de métricas de nível estratégico, incluindo rácios comuns de risco, como Ratio Sharpe, Relação de Informações e Razão Sortino. Também precisamos de estatísticas de levantamento, incluindo a distribuição dos levantamentos, bem como estatísticas descritivas, como a redução máxima. Outras métricas úteis incluem a taxa de crescimento anual composto (CAGR) e o retorno total. No nível do tradeposition nós queremos ver métricas como o profitloss do avg, o profitloss máximo, a relação de lucro ea relação do winloss. Uma vez que construímos a classe Position como parte fundamental do software desde o início, isso não deve ser muito problemático para gerar essas métricas através de alguns métodos adicionais. Mais sobre isso na próxima entrada, no entanto Just Getting Started com Quantitative TradingForex Trading Diary 5 - Negociação de várias moedas pares Ontem eu publiquei algumas mudanças importantes para o software QSForex. Essas mudanças aumentaram a utilidade do sistema significativamente para o ponto onde ele está quase pronto para backtesting de dados de vários dias em um intervalo de pares de moedas. As seguintes mudanças foram postadas no Github: modificação adicional tanto para os objetos de Posição quanto para Portfolio, a fim de permitir a negociação de múltiplos pares de moedas e as moedas que não estão denominadas na moeda da conta. Assim, uma conta em GBP pode agora negociar EURUSD, por exemplo. Revisão completa de como a posição e carteira de cálculo abre, fecha, adições e remoções de unidades. O objeto Position realiza agora o levantamento pesado deixando um objeto Portfolio relativamente magro. Adição da primeira estratégia não-trivial, ou seja, a conhecida estratégia Crossover média móvel com um par de médias móveis simples (SMA). Modificação para backtest. py para torná-lo single-threaded e determinista. Apesar do meu otimismo de que uma abordagem multi-threaded wouldnt ser muito prejudicial para a precisão de simulação, achei difícil obter resultados backtesting satisfatória com uma abordagem multi-threaded. Introduziu um script de saída muito básico baseado em Matplotlib para visualizar a curva de equidade do portfólio. A geração da curva de equidade está numa fase inicial e ainda requer muito trabalho. Como mencionei na entrada anterior. Para aqueles de vocês que não estão familiarizados com QSForex e estão vindo para esta série diário forex pela primeira vez, eu sugiro fortemente ter uma leitura das seguintes entradas diário para chegar até a velocidade com o software: Bem como a página Github para QSForex : Suporte a Moedas Múltiplas Um recurso que eu tenho continuamente discutido nessas entradas de diário é a capacidade de suportar vários pares de moedas. Nesta fase Ive agora modificado o software para permitir diferentes denominações de conta, uma vez que anteriormente GBP era a moeda codificada. Também é possível negociar em outros pares de moedas, exceto aqueles que consistem em uma base ou cotação em ienes japoneses (JPY). O último é devido a como carrapato tamanhos são caclulated em JPY moedas. Para conseguir isso, modifiquei como o lucro é calculado quando as unidades são removidas ou a posição é fechada. Aqui está o trecho atual para o cálculo de pips, no arquivo de posição. py: Se fecharmos a posição para realizar um ganho ou perda, precisamos usar o seguinte trecho para fechar a posição. Também no arquivo position. py: Em primeiro lugar, obtemos os preços de lances e pedidos tanto para o par de moedas como para o par de moedas. Por exemplo, para uma conta denominada em GBP, onde estamos a negociar EURUSD, devemos obter preços para USDGBP, uma vez que EUR é a moeda base e USD é a cotação. Nesta fase, verificamos se a posição em si é uma posição longa ou curta e, em seguida, calcular o preço apropriado remover e citar remover preço, que são dadas por removeprice e qhclose, respectivamente. Nós então atualizamos os preços atuais e médios dentro da posição e finalmente calculamos o PampL multiplicando os pips, o preço de remoção do quotehome e então o número de unidades estava se fechando. Eliminamos completamente a necessidade de discutir a exposição, que era uma variável redundante. Esta fórmula então corretamente fornece a PampL contra qualquer (não-JPY denominado) par de moedas. Reestruturação da Posição e Manejo da Carteira Além da capacidade de trocar vários pares de moeda, também aperfeiçoei como a Posição e a Carteira compartilham a responsabilidade de abrir e fechar posições, bem como adicionar e subtrair unidades. Em particular, Ive mudou muito do código de manipulação de posição que estava no portfolio. py para position. py. Isso é mais natural, pois a posição deve ser cuidar de si mesmo e não delegá-lo para o portfólio Em particular, o addunits. Removeunits e métodos de closeposition foram criados ou aprimorados: Nos dois últimos você pode ver como a nova fórmula para cálculo de lucro é implementada. Grande parte da funcionalidade da classe Portfolio foi assim reduzida de forma correspondente. Em particular os métodos addnewposition. Addpositionunits. As unidades de posicionamento de remoção e a posição de fechamento foram modificadas para levar em conta o fato de que o trabalho de cálculo está sendo feito no objeto Posição: Essencialmente, todos (além da adição) simplesmente verificam se a posição existe para esse par de moedas e então chamam o método de Posição correspondente , Tendo em conta os lucros, se necessário. Estratégia de Crossover Média em Movimento Nós discutimos a estratégia de Crossover Médio em Movimento antes no QuantStart. No contexto do comércio de acções. É uma estratégia de indicador de cama de teste muito útil porque é fácil replicar os cálculos manualmente (pelo menos em freqüências mais baixas), para verificar se o backtester se comporta como deveria. A idéia básica da estratégia é a seguinte: São criados dois filtros separados de média móvel simples, com períodos de retrocesso variáveis, de uma série temporal específica. Os sinais para comprar o ativo ocorrem quando a média móvel de retrocesso mais curta excede a média móvel de retrocesso mais longa. Se a média mais longa subseqüentemente exceder a média mais curta, o ativo é vendido de volta. A estratégia funciona bem quando uma série de tempo entra em um período de forte tendência e, em seguida, lentamente inverte a tendência. A implementação é simples. Em primeiro lugar, fornecemos um método calcrollingsma que nos permite utilizar de forma mais eficiente o cálculo de SMA do período de tempo anterior para gerar o novo, sem precisar recalcular completamente o SMA em cada etapa. Em segundo lugar, geramos sinais em dois casos. No primeiro caso geramos um sinal se o SMA curto excede o SMA longo e não foram longos o par de moedas. No segundo caso geramos um sinal se o SMA longo exceder o SMA curto e já estamos longos. Eu configurei a janela padrão para ser 500 carrapatos para o SMA curto e 2.000 carrapatos para o SMA longo. Obviamente, em uma configuração de produção esses parâmetros seriam otimizados, mas eles funcionam bem para nossos propósitos de teste. Single-Threaded Backtester Outra alteração importante foi modificar o backtesting componente a ser single-threaded, em vez de multi-threaded. Eu fiz essa alteração porque eu estava tendo um tempo muito difícil sincronizar os segmentos para executar de uma maneira que iria ocorrer em um ambiente ao vivo. Ele basicamente significava que os preços de entrada e saída eram muito irreal, muitas vezes ocorrendo (virtual) horas após o tiquetaque real tinha sido recebido. Por isso, eu incorporei a transmissão de objetos do TickEvent para o loop backtesting, como você pode ver no seguinte fragmento de backtest. py: observe a linha ticker. streamnexttick (). Isso é chamado antes de uma sondagem da fila de eventos e, como tal, sempre garante que um novo evento tick terá chegado antes da fila é pesquisada novamente. Em particular, isso significa que um sinal é executado à medida que chegam novos dados de mercado, mesmo que haja algum atraso no processo de pedido devido ao deslizamento. Ive também definir um valor maxiters que controla quanto tempo o backtesting loop continua. Na prática, este terá de ser bastante grande quando se lida com várias moedas ao longo de vários dias, mas Ive configurá-lo para um valor padrão que permite a um único dias dados de um par de moedas. O método streamnexttick da classe manipulador de preço é semelhante ao streamtoqueue, exceto que ele chama o iterador next () método manualmente, em vez de executar o ticking streaming em um loop for: Observe que ele pára após a recepção de uma exceção StopIteration. Isso permite que o código para continuar em vez de falhar na exceção. Matplotlib Output Ive também criou um script de saída Matplotlib muito básico para exibir a curva de equidade. Output. py atualmente vive no diretório backtest do QSForex e é dado abaixo: Observe que há uma nova variável settings. py agora chamada OUTPUTRESULTSDIR. Que deve ser definido em suas configurações. Eu tenho que apontar para um diretório temporário em outro lugar no meu sistema de arquivos como eu não quero acidentalmente adicionar qualquer equity backtest resultados para a base de código A curva de equidade funciona com um valor de equilíbrio adicionado a uma lista de dicionários, com um dicionário correspondente a um Horário. Uma vez concluído o back-test, a lista de dicionários é convertida em um Pandas DataFrame eo método tocsv é usado para produzir o arquivo equity. csv. Este script de saída, em seguida, lê no arquivo e traça a coluna de saldo do subsequente DataFrame. Você pode ver o snippet para os métodos appendequityrow e outputresults da classe Portfolio abaixo: Cada vez que executesignal é chamado, o método anterior é chamado e acrescenta o valor do timestampbalance ao membro equity. No final do backtest é chamado outputresults que simplesmente converte a lista de dicionários para um DataFrame e, em seguida, saídas para o diretório OUTPUTRESULTSDIR especificado. Infelizmente, esta não é uma forma particularmente adequada de criar uma curva de equidade, uma vez que só ocorre quando um sinal é gerado. Isso significa que não leva em consideração o PampL não realizado. Enquanto isso é como ocorre a negociação real (você havent realmente fez algum dinheiro até que você fechar uma posição) isso significa que a curva de equidade permanecerá completamente plana entre as atualizações de saldo. Pior, o Matplotlib irá padronizar a interpolação linear entre esses pontos, proporcionando assim a falsa impressão do PampL não realizado. A solução para este problema é criar um rastreador PampL não realizado para a classe Position que actualiza correctamente em cada tick. Isso é um pouco mais computacionalmente caro, mas permite uma curva de capital mais útil. Este recurso está planejado para uma data posterior Próximas etapas A próxima grande tarefa para QSForex é permitir backtesting de vários dias. Atualmente, o objeto HistoricCSVPriceHandler apenas carrega um único dia de dados do tiquetaque DukasCopy para qualquer par de moeda especificado. Para permitir testes de vários dias, será necessário carregar e transmitir cada dia de forma sequencial para evitar o preenchimento de RAM com todo o histórico de dados de marca. Isso exigirá uma modificação de como funciona o método streamnexttick. Uma vez que isso seja concluído, isso permitirá long-term backtesting de estratégia em vários pares. Outra tarefa é melhorar o resultado da curva de equidade. Para calcular qualquer das métricas de desempenho usuais (como a Ratio de Sharpe), precisaremos calcular os retornos percentuais em um período de tempo específico. No entanto, isso requer que nós bin os dados de carrapatos em barras, a fim de calcular um retorno para um determinado período de tempo. Esse binning deve ocorrer em uma freqüência de amostragem que é semelhante à freqüência de negociação ou o Índice de Sharpe não será reflexo do verdadeiro risco da estratégia. Este binning não é um exercício trivial porque há lotes das suposições que vão em gerar um preço para cada bin. Uma vez que estas duas tarefas estão completas, e dados suficientes foram adquiridos, estaremos em uma posição para backtest uma ampla gama de tick-data com base em estratégias de forex e produzir curvas de equidade líquida da maioria dos custos de transação. Além disso, será extremamente simples para testar essas estratégias na prática papel-trading conta fornecida pela OANDA. Isso deve permitir que você tome decisões muito melhores sobre se deve executar uma estratégia em comparação com um sistema de backtesting mais orientado para pesquisa. Apenas Começando com Quantitative TradingScalping, negociação intraday e multi dias de negociação: quale conviene sul Forex xml feed xml feed xml feed xml feed xml feed xml feed xml feed xml feed xml feed xml feed xml feed multidões. Cerco semper una via di mezzo por não ritrovarmi con delle perdite eccessive o con un grado di stress emotivo troppo alto. Trata-se de escalar infatti comporta uno stress emotivo molto elevato, mentar a negociação de posdões ou multiday comporta delle eventuali perdite troppo alte per il mio modo di fare trading. Tuttavia, mentre nel primo caso i guadagni sono molto contenuti, um trote do volte, e nel lungo periodo potrebbe e são um tuo sfavore. Nel secondo caso gli eventi profitti sono davvero allettanti, ma le perdite Meglio non pensarci. Todos os direitos reservados a strada intraprendere Io ho scelto uma via intermedia, quella del trading intraday. Almenagem para a parte superior de quase todos os tipos de varianti. Cosa significa Se hai seguito qualche mia operazione, hai visto che prendo um primo profitto abbastanza ravvicinato por poi lasciar correre il resto della posizione senza pi rischio, spostando lo stop al livello della mia entrata. A questo punto possono presentarsi 2 circostanze: lo stop proft viene toccato senza conseguenze, em quanto ho gi preso un piccolo profitto em scalping il prezzo continua ad andare verso la mia direzione e sposto lo stop ogni volta che si forma una barra dinversione su un determinato Time frame, fino a quando lo stop profit não vem toccato o fino a quando não é decido di chiudere il trade. Em questultimo caso pu significare che lascio aperto il trade anche per pi giorni infrasettimanali, trasformando quindi il trading intraday na negociação multiday o di posizione. Ci comporta molti benefici, sia a livello emotivo che di lucrati e puoi guadagnare molti punti senza pi entrare in posizione, ma semplicemente spostando o lucro para parar na base al movimento del prezzo. Ti faccio un esempio pratico. Studio semper i grafici um quadro de tempo pi ampio per fare unanalisi tecnica di pi lungo periodo. Questo perch poi posso trovare meglio una direzione profittevole filtrando le mie entrate su time frame intraday. Em modo de rischiare molto meno em termini di stop loss. Qualche giorno fa ho notato - con una tecnica di trading di lungo periodo che ti mostrador pi avanti - uma possibilit di andare a rialzo sul cambio euro dollaro. Quindi provoc ad anticipar o movimento do tempo intraday. Ho fatto un tentativo di entrata a rialzo il 26 febbraio. Ho raggiunto il primo profitto ma poi sono stata stoppata nella notte senza alcuna perdita. Il mio secondo tentativo di andare a rialzo avviene il 27 febbraio. O mio primo obiettivo stato raggiunto e il prezzo finalmente continuate ad andare verso la mia direzione. Sono stata molto fortunata perch ieri 27 febbraio c stato a disservizio di circa 2 ore del broker che utilizzavo, Oanda. Avevo Insertion Un ordine di vendita per il mio primo profitto e fortunatamente ha funzionato, ao contrário dello stop che, quando sono riuscita a rientrare, era stato cancellato. Quindi oggi 28 febbraio cerco di mediare ancora il trade perch avevo visto unulteriore possibilit di rialzo e chiudo tutta la posizione in mattinata. Avrei potuto lasciarla aperta Não, por 2 motivos: não voglio pi rischiare che il mio parar lucro venga cancelato per un disservizio del broker oggi venerd e non consigliabile lasciare aperti comércio durante o fim de semana sul Forex, perca allapertura potrebbero verificarsi dei gap. Perch conviene avere un approccio di questo genere Se guardi bene il grafico che ti ho postato ti rendi conto di quanto pode essere conveniente avere un approccio di lungo periodo, pur facendo trading intraday. Recupere em uma posição no lucro por perigo com base na dieta no meio de cura e relaxe mentale. Da luned si riparte con un altro broker com MT4. Ti far comunque vedere lultimo video che ho effettuato com Oanda em settimana. Per il momento ti auguro un sereno week endSlideshare usa cookies para melhorar a funcionalidade e o desempenho, e para lhe fornecer publicidade relevante. Se você continuar navegando no site, você concorda com o uso de cookies neste site. Veja nosso Contrato de Usuário e Política de Privacidade. O Slideshare usa cookies para melhorar a funcionalidade e o desempenho e para fornecer publicidade relevante. Se você continuar navegando no site, você concorda com o uso de cookies neste site. Consulte nossa Política de Privacidade e o Contrato do Usuário para obter detalhes. Explore todos os seus tópicos favoritos no aplicativo SlideShare Obtenha o aplicativo SlideShare para Salvar para mais tarde, mesmo em off-line. Continuar para o site do celular. Fazer o upload de login. Inscreva-se. Toque para diminuir o zoom Trading Multiday. Compartilhe este SlideShare LinkedIn Corporation copy 2017
No comments:
Post a Comment