Backtesting Excel Forex ซื้อขาย

การใช้ Excel เพื่อย้อนกลับกลยุทธ์การซื้อขายการทดสอบวิธีการทดสอบย้อนกลับด้วย Excel Ive ทำจำนวนเงินที่ยุติธรรมของการทดสอบกลยุทธ์การซื้อขายกลับ Ive ใช้ภาษาโปรแกรมที่ซับซ้อนและขั้นตอนวิธีและ Ive ยังทำมันด้วยดินสอและกระดาษ คุณไม่จำเป็นต้องเป็นนักวิทยาศาสตร์จรวดหรือโปรแกรมเมอร์เพื่อทดสอบกลยุทธ์การซื้อขายจำนวนมาก หากคุณสามารถใช้งานโปรแกรมสเปรดชีตเช่น Excel ได้คุณสามารถทดสอบกลยุทธ์ได้หลายวิธี วัตถุประสงค์ของบทความนี้เพื่อแสดงวิธีย้อนกลับทดสอบกลยุทธ์การซื้อขายโดยใช้ Excel และแหล่งข้อมูลที่เปิดเผยต่อสาธารณะ นี้ไม่ควรค่าคุณมากขึ้นกว่าเวลาที่ใช้ในการทำแบบทดสอบ ก่อนที่คุณจะเริ่มทดสอบกลยุทธ์ใด ๆ คุณต้องมีชุดข้อมูล อย่างน้อยนี้เป็นชุดข้อมูลและราคา คุณสมจริงมากขึ้นคุณต้องเปิดใช้งาน datetime เปิดสูงต่ำราคาปิด คุณมักจะต้องใช้องค์ประกอบเวลาของชุดข้อมูลถ้าคุณกำลังทดสอบกลยุทธ์การซื้อขายในวันที่ ถ้าคุณต้องการทำงานพร้อมและเรียนรู้วิธีกลับการทดสอบกับ Excel ในขณะที่คุณกำลังอ่านข้อความนี้จากนั้นทำตามขั้นตอนที่ฉันสรุปในแต่ละส่วน เราจำเป็นต้องได้รับข้อมูลสำหรับสัญลักษณ์ที่เรากำลังจะกลับการทดสอบ ไปที่: Yahoo Finance ในช่อง Enter Symbol (s) ให้ป้อน: IBM และคลิก GO ภายใต้ Quotes ที่ด้านซ้ายมือคลิก History Prices และป้อนช่วงวันที่ที่คุณต้องการ ฉันเลือกตั้งแต่ 1 มกราคม 2547 ถึง 31 ธันวาคม 2004 เลื่อนลงไปที่ด้านล่างของหน้าและคลิกดาวน์โหลดลงในสเปรดชีตบันทึกไฟล์ด้วยชื่อ (เช่น ibm. csv) และไปยังที่ที่คุณสามารถค้นหาได้ในภายหลัง การเตรียมข้อมูลเปิดไฟล์ (ที่คุณดาวน์โหลดมาด้านบน) โดยใช้ Excel เนื่องจากลักษณะพลวัตของอินเทอร์เน็ตคำแนะนำที่คุณอ่านข้างต้นและไฟล์ที่คุณเปิดอาจมีการเปลี่ยนแปลงเมื่อถึงเวลาที่คุณอ่านข้อความนี้ เมื่อดาวน์โหลดไฟล์นี้ไม่กี่บรรทัดแรกนี้มีลักษณะดังนี้: ขณะนี้คุณสามารถลบคอลัมน์ที่คุณไม่ต้องการใช้ สำหรับการทดสอบที่ Im เกี่ยวกับการทำฉันจะใช้ค่าวันที่เปิดและปิดดังนั้นฉันได้ลบ High, Low, Volume และ Adj ปิด. ฉันยังจัดเรียงข้อมูลเพื่อให้วันที่เก่าแก่ที่สุดเป็นอันดับแรกและวันที่ล่าสุดอยู่ที่ด้านล่าง ใช้ตัวเลือกเมนูการจัดเรียงข้อมูล - gt เพื่อทำสิ่งนี้ แทนการทดสอบกลยุทธ์ต่อ se ฉันจะพยายามหาวันในสัปดาห์ซึ่งให้ผลตอบแทนที่ดีที่สุดถ้าคุณทำตามซื้อเปิดและขายกลยุทธ์ปิด โปรดจำไว้ว่าบทความนี้จะแนะนำคุณเกี่ยวกับวิธีใช้ Excel เพื่อย้อนกลับกลยุทธ์การทดสอบ เราอาจจะพัฒนาต่อไปเรื่อย ๆ นี่คือไฟล์ ibm. zip ซึ่งเก็บสเปรดชีตด้วยข้อมูลและสูตรสำหรับการทดสอบนี้ ข้อมูลของฉันอยู่ในคอลัมน์ A ถึง C (วันที่เปิดปิด) ในคอลัมน์ D ถึง H ฉันมีสูตรวางตำแหน่งเพื่อกำหนดผลตอบแทนในวันใดวันหนึ่ง การป้อนสูตรส่วนที่หากิน (เว้นแต่คุณจะเป็นผู้เชี่ยวชาญของ Excel) กำลังดำเนินการตามสูตรที่จะใช้ นี่เป็นเพียงเรื่องของการปฏิบัติและยิ่งคุณฝึกสูตรอื่น ๆ ที่คุณค้นพบมากเท่าใดและคุณจะมีความยืดหยุ่นมากขึ้นในการทดสอบของคุณ ถ้าคุณได้ดาวน์โหลดสเปรดชีตแล้วลองดูสูตรในเซลล์ D2 ดูเหมือนว่า: สูตรนี้จะถูกคัดลอกไปยังเซลล์อื่น ๆ ทั้งหมดในคอลัมน์ D ถึง H (ยกเว้นแถวแรก) และไม่จำเป็นต้องปรับเปลี่ยนเมื่อคัดลอกแล้ว อธิบายสั้น ๆ เกี่ยวกับสูตร สูตร IF มีเงื่อนไขเป็นความจริงและเป็นเท็จ เงื่อนไขคือ: ถ้าวันในสัปดาห์ (แปลงเป็นตัวเลขตั้งแต่ 1 ถึง 5 วันตรงกับวันจันทร์ถึงวันศุกร์) เป็นวันเดียวกับวันในสัปดาห์แรกของแถวแรกของคอลัมน์นี้ (D1) จากนั้น ส่วนที่แท้จริงของคำแถลง (C2-B2) ช่วยให้เราเห็นคุณค่าของ Close-Open นี่แสดงว่าเราซื้อ Open และขาย Close และนี่เป็นกำไรของเรา ส่วนที่เป็นเท็จของคำสั่งคือคู่ของเครื่องหมายคำพูดคู่ () ซึ่งไม่ได้ใส่อะไรลงในเซลล์หากไม่ได้จับคู่วันในสัปดาห์ เครื่องหมายทางด้านซ้ายของตัวอักษรคอลัมน์หรือหมายเลขแถวล็อกคอลัมน์หรือแถวเพื่อไม่ให้มีการเปลี่ยนแปลงส่วนของการอ้างอิงเซลล์ ดังนั้นในตัวอย่างของเราเมื่อสูตรถูกคัดลอกการอ้างอิงไปยังเซลล์วันที่ A2 จะเปลี่ยนหมายเลขแถวถ้าคัดลอกไปยังแถวใหม่ แต่คอลัมน์จะยังคงอยู่ที่คอลัมน์ A คุณสามารถทำสูตรและสร้างกฎที่มีประสิทธิภาพล้ำยุค และสำนวน ผลลัพธ์ที่ด้านล่างของคอลัมน์วันทำงานฉันได้วางฟังก์ชันสรุปแล้ว สะดุดตาเฉลี่ยและรวมฟังก์ชัน สิ่งเหล่านี้แสดงให้เราเห็นว่าในปี 2547 วันที่มีผลกำไรสูงสุดในการใช้กลยุทธ์นี้คือวันอังคารและตามด้วยวันพุธ เมื่อฉันทดสอบกลยุทธ์ Expiry Fridays - Bullish หรือ Bearish และเขียนบทความที่ฉันใช้วิธีการที่คล้ายกันมากกับสเปรดชีตและสูตรเช่นนี้ วัตถุประสงค์ของการทดสอบนั้นคือเพื่อดูว่าวันหมดอายุของวันศุกร์โดยทั่วไปรั้นหรือหยาบคาย ลองดูสิ. ดาวน์โหลดข้อมูลบางส่วนจาก Yahoo Finance โหลดลงใน Excel และลองใช้สูตรและดูสิ่งที่คุณสามารถเกิดขึ้นได้ โพสต์คำถามของคุณในฟอรัม โชคดีและการทำนายกลยุทธ์ที่ทำกำไรได้ใช้ Excel เพื่อทำ Backtest Strategy การซื้อขายโดยใช้ ATR Stop-loss โพสต์นี้ยังคงใช้ชุดบทความเกี่ยวกับวิดีโอเกี่ยวกับการใช้ Microsoft Excel เพื่อใช้กลยุทธ์การซื้อขาย ในบทความนี้ฉันจะแสดงวิธีการคำนวณการหยุดการขาดทุนโดยใช้ ATR และวิธีการ backtest กลยุทธ์การซื้อขาย True True Range ที่พัฒนาโดย J. Welles Wilder ATR เป็นที่นิยมอย่างมากกับผู้ค้า ด้วยตัวของมันเอง ATR สามารถใช้เพื่อวัดความผันผวนของตลาดและช่วงตลาด นอกจากนี้ยังใช้บ่อยในตัวบ่งชี้ทางเทคนิคอื่น ๆ เช่นตัวบ่งชี้ SuperTrend และ ADX หนึ่งในการใช้งานที่ได้รับความนิยมมากที่สุดสำหรับ ATR ได้รับการพัฒนาโดย Chuck LeBeau และเรียกว่า Chandelier Exit ทางออกโคมระย้ากำหนดระยะทางหยุดการขาดทุนเป็นหลาย ๆ ตัวของ ATR ATR ตอบสนองต่อสภาวะตลาดดังนั้นเมื่อความสงบนิ่งการหยุดยั้งการขาดทุนจะค่อนข้างใกล้เคียงและเมื่อสิ่งต่างๆมีความผันผวนการหยุดขาดทุนจะอยู่ไกลออกไป สูตรที่ใช้: HL High-Low H-PC Abs (สูงก่อนหน้าปิด) L-PC abs (ต่ำสุดก่อนหน้านี้) ช่วง True Range (สูงสุด) ATR average (range) SL ATRFactor Maxdown Weekly ต่ำสุดก่อนหน้านี้ปิดกลยุทธ์การซื้อขาย IF (Q34, Q34) แบ่งปันนี้: QSForex เป็นแบบเปิดแหล่งที่มาที่ขับเคลื่อนด้วย backtesting และแพลตฟอร์มการซื้อขายสดสำหรับการใช้งานในการแลกเปลี่ยนเงินตราต่างประเทศ (forex.) Q34, Q34, (F34 - M34) F34) Q34, (F35F34) ) ปัจจุบันอยู่ในสถานะอัลฟา ได้รับการสร้างขึ้นเป็นส่วนหนึ่งของชุด Forex Trading Diary ใน QuantStart เพื่อมอบชุมชนการค้าที่มีระบบด้วยเครื่องมือการซื้อขายที่มีประสิทธิภาพซึ่งช่วยให้สามารถใช้งานและทดสอบกลยุทธ์ forex แบบตรงไปตรงมาได้ ซอฟต์แวร์มีให้ภายใต้ใบอนุญาตของ MIT อนุญาต (ดูด้านล่าง) โอเพ่นซอร์ส - QSForex ได้รับการเผยแพร่ภายใต้ใบอนุญาต MIT แบบโอเพนซอร์สซึ่งอนุญาตให้ใช้งานได้เต็มรูปแบบทั้งในเชิงวิจัยและเชิงพาณิชย์โดยไม่มีข้อ จำกัด แต่ไม่มีการรับประกันใด ๆ ฟรี - QSForex เป็นบริการฟรีและไม่มีค่าใช้จ่ายใด ๆ ในการดาวน์โหลดหรือใช้งาน การทำงานร่วมกัน - เนื่องจาก QSForex เป็นนักพัฒนาซอฟต์แวร์โอเพนซอร์สหลายคนที่ทำงานร่วมกันเพื่อปรับปรุงซอฟต์แวร์ มีการเพิ่มคุณลักษณะใหม่ ๆ เป็นประจำ ข้อบกพร่องใด ๆ ได้รับการกำหนดอย่างรวดเร็วและคงที่ การพัฒนาซอฟต์แวร์ - QSForex ถูกเขียนขึ้นในภาษา Python สำหรับการสนับสนุนข้ามแพลตฟอร์มที่เรียบง่าย QSForex มีชุดทดสอบหน่วยสำหรับรหัสการคำนวณส่วนใหญ่และมีการเพิ่มการทดสอบใหม่ ๆ อย่างต่อเนื่องสำหรับคุณลักษณะใหม่ ๆ สถาปัตยกรรมที่ขับเคลื่อนด้วยกิจกรรม - QSForex เป็นเหตุการณ์ที่ขับเคลื่อนโดยสิ้นเชิงทั้งสำหรับการทำ backtesting และการซื้อขายสดซึ่งจะนำไปสู่การเปลี่ยนกลยุทธ์จากขั้นตอนการวิจัยไปสู่การดำเนินการซื้อขายแบบสด ต้นทุนการทำธุรกรรม - ค่าใช้จ่ายในการแพร่กระจายจะรวมอยู่ในค่าเริ่มต้นสำหรับกลยุทธ์ที่ได้รับการสนับสนุนทั้งหมด การทำ Backtesting - QSForex มีการทดสอบคู่แบบหลายวันแบบ multi-currency เทรดดิ้ง - QSForex สนับสนุนการค้าระหว่างวันโดยอาศัย API การเป็นตัวแทนซื้อขายสัญญาซื้อขายล่วงหน้า (OANDA Brokerage API) ในกลุ่มคู่ค้า เมตริกประสิทธิภาพ - ปัจจุบัน QSForex สนับสนุนการวัดผลการปฏิบัติงานพื้นฐานและการสร้างภาพข้อมูลส่วนทุนโดยใช้ไลบรารีการแสดงภาพ Matplotlib และ Seaborn การติดตั้งและการใช้งาน 1) ไปที่ oanda และตั้งค่าบัญชีเพื่อขอรับข้อมูลรับรองการตรวจสอบ API ซึ่งคุณจะต้องดำเนินการซื้อขายสด ฉันอธิบายวิธีดำเนินการนี้ในบทความนี้: quantstartarticlesForex-Trading-Diary-1-Automated-Forex-Trading-with-the-OANDA-API 2) โคลนพื้นที่เก็บข้อมูล git นี้ลงในตำแหน่งที่เหมาะสมบนเครื่องของคุณโดยใช้คำสั่งต่อไปนี้ในเทอร์มินัลของคุณ: git clone githubmhallsmooreqsforex. git ทางเลือกคุณสามารถดาวน์โหลดไฟล์ซิปของสาขาหลักปัจจุบันที่ githubmhallsmooreqsforexarchivemaster. zip 3) สร้างชุดตัวแปรสภาพแวดล้อมสำหรับการตั้งค่าทั้งหมดที่พบในไฟล์ settings. py ในไดเร็กทอรีรากของแอ็พพลิเคชัน หรือคุณสามารถกำหนดการตั้งค่าเฉพาะของคุณโดยเขียนทับ os. environ. get (.) สำหรับแต่ละการตั้งค่า: 4) สร้างสภาพแวดล้อมเสมือน (virtualenv) สำหรับโค้ด QSForex และใช้ pip เพื่อติดตั้งข้อกำหนด ตัวอย่างเช่นในระบบ Unix (Mac หรือ Linux) คุณอาจสร้างไดเร็กทอรีดังต่อไปนี้โดยการป้อนคำสั่งต่อไปนี้ในเทอร์มินัล: ซึ่งจะสร้างสภาพแวดล้อมเสมือนใหม่เพื่อติดตั้งแพคเกจลงใน สมมติว่าคุณดาวน์โหลดพื้นที่เก็บข้อมูล git QSForex ลงในไดเร็กทอรีตัวอย่างเช่น projectsqsforex (เปลี่ยนไดเร็กทอรีนี้ไปที่ใดก็ตามที่คุณติดตั้ง QSForex) จากนั้นเพื่อติดตั้งแพคเกจคุณจะต้องใช้คำสั่งต่อไปนี้: ใช้เวลาสักครู่เนื่องจาก NumPy, ต้องรวบรวม SciPy, Pandas, Scikit-Learn และ Matplotlib มีหลายแพคเกจที่จำเป็นสำหรับการทำงานนี้ดังนั้นโปรดดูที่บทความทั้งสองนี้สำหรับข้อมูลเพิ่มเติม: นอกจากนี้คุณจำเป็นต้องสร้างการเชื่อมโยงสัญลักษณ์จากไดเรกทอรีไซต์แพคเกจของคุณไปยังไดเรกทอรีการติดตั้ง QSForex ของคุณเพื่อที่จะสามารถโทร นำเข้า qsforex ภายในรหัส เมื่อต้องการทำเช่นนี้คุณจะต้องมีคำสั่งคล้ายกับต่อไปนี้: ตรวจสอบให้แน่ใจว่าได้เปลี่ยน projectqsforex ไปยังไดเร็กทอรีการติดตั้งและ venvqsforexlibpython2.7site-packages ของคุณไปยังไดเร็กทอรี packages virtualenv site ของคุณ ขณะนี้คุณสามารถเรียกใช้คำสั่งต่อไปได้อย่างถูกต้อง 5) ในขั้นตอนนี้หากคุณเพียงแค่ต้องการดำเนินการฝึกอบรมหรือซื้อขายหลักทรัพย์อยู่แล้วคุณสามารถเรียกใช้ python tradingtrading. py ซึ่งจะใช้กลยุทธ์การซื้อขาย TestStrategy เริ่มต้น นี้ก็ซื้อหรือขายสกุลเงินทุกคู่ที่ 5 เป็นการทดสอบอย่างหมดจด - อย่าใช้ในสภาพแวดล้อมการค้าขายสดหากคุณต้องการสร้างกลยุทธ์ที่มีประโยชน์มากขึ้นเพียงแค่สร้างชั้นเรียนใหม่ด้วยชื่อที่สื่อความหมายเช่น MeanReversionMultiPairStrategy และตรวจสอบให้แน่ใจว่ามีเมธอด calculatesignals คุณจะต้องผ่านรายการชั้นคู่นี้เช่นเดียวกับคิวกิจกรรมเช่นใน tradingtrading. py โปรดดูรายละเอียดที่ strategystrategy. py 6) ในการดำเนินการทดสอบย้อนหลังใด ๆ จำเป็นต้องสร้างข้อมูลอัตราแลกเปลี่ยนจำลองหรือดาวน์โหลดข้อมูลประวัติที่ผ่านมา หากคุณต้องการลองใช้ซอฟต์แวร์นี้วิธีที่เร็วที่สุดในการสร้างตัวอย่างข้อมูลคือการสร้างข้อมูลจำลองบางอย่าง รูปแบบข้อมูลปัจจุบันที่ใช้โดย QSForex เหมือนกับข้อมูลที่ได้รับจาก DukasCopy Historical Data Feed ที่ dukascopyswissenglishmarketwatchhistorical ในการสร้างข้อมูลที่ผ่านมาโปรดตรวจสอบว่าการตั้งค่า CSVDATADIR ใน settings. py คือการตั้งค่าไปยังไดเรกทอรีที่คุณต้องการให้ข้อมูลที่ผ่านมาอยู่ จากนั้นคุณต้องใช้ generatesimulatedpair. py ซึ่งอยู่ภายใต้ไดเร็กทอรีสคริปต์ คาดว่าอาร์กิวเมนต์บรรทัดคำสั่งเดียวซึ่งในกรณีนี้คือสกุลเงินคู่ในรูปแบบ BBBQQQ ตัวอย่างเช่นในขั้นตอนนี้สคริปต์จะถูกเข้ารหัสเป็นฮาร์ดคอดเพื่อสร้างข้อมูลเดือนเดียวสำหรับเดือนมกราคม 2014 นั่นคือคุณจะเห็นไฟล์แต่ละรูปแบบของรูปแบบ BBBQQQYYYMMDD. csv (เช่น GBPUSD20140112.csv) ปรากฏใน CSVDATADIR ของคุณทุกวันทำการ เดือนนั้น ถ้าคุณต้องการเปลี่ยนเดือนของการส่งออกข้อมูลเพียงแค่แก้ไขไฟล์และเรียกใช้อีกครั้ง 7) ตอนนี้ข้อมูลย้อนหลังได้รับการสร้างขึ้นแล้วคุณจะสามารถทำ backtest ได้ ไฟล์ backtest จัดเก็บไว้ใน backtestbacktest. py แต่จะมีเฉพาะ Backtest เท่านั้น หากต้องการใช้งานแบบทดสอบจริงคุณจำเป็นต้องสร้างคลาสนี้ใหม่และจัดเตรียมโมดูลที่จำเป็น วิธีที่ดีที่สุดในการดูวิธีดำเนินการนี้คือดูตัวอย่างการย้าย Crossover ของ Moving Average ในไฟล์ examplesmac. py และใช้เป็นเทมเพลต ใช้ MovingAverageCrossStrategy ซึ่งพบใน strategystrategy. py นี่เป็นค่าเริ่มต้นในการซื้อขายทั้ง GBPUSD และ EURUSD เพื่อแสดงให้เห็นถึงการใช้สกุลเงินหลายสกุล ใช้ข้อมูลที่พบใน CSVDATADIR ในการรันตัวอย่าง backtest ตัวอย่างให้ทำตามขั้นตอนต่อไปนี้: จะใช้เวลาสักครู่ ในระบบเดสก์ทอปอูบุนตูของฉันที่บ้านพร้อมกับข้อมูลทางประวัติศาสตร์ที่สร้างขึ้นผ่าน generatesimulatedpair. py ใช้เวลาประมาณ 5-10 นาทีในการวิ่ง ส่วนใหญ่ของการคำนวณนี้จะเกิดขึ้นเมื่อสิ้นสุดการทดสอบจริงในขณะที่คำนวณเบ็ดเตล็ดดังนั้นโปรดจำไว้ว่าโค้ดไม่ได้แขวนไว้โปรดทิ้งไว้จนกว่าจะเสร็จสิ้น 8) หากคุณต้องการดูผลการดำเนินงานของชุดทดสอบหลังการขาย (backtest) คุณสามารถใช้ output. py เพื่อดูเส้นโค้งส่วนได้เสีย (return return) และเส้นโค้งเบี้ยว (drawdown curve): และ thats it ในขั้นตอนนี้คุณพร้อมแล้ว เพื่อเริ่มต้นสร้าง backtests ของคุณเองโดยการปรับเปลี่ยนหรือผนวกกลยุทธ์ใน strategystrategy. py และใช้ข้อมูลจริงที่ดาวน์โหลดมาจาก DukasCopy (dukascopyswissenglishmarketwatchhistorical) หากคุณมีคำถามใด ๆ เกี่ยวกับการติดตั้งโปรดอย่าลังเลที่จะส่งอีเมลมาที่ mikequantstart หากคุณมีข้อบกพร่องใด ๆ หรือปัญหาอื่น ๆ ที่คุณคิดว่าอาจเป็นเพราะโค้ดเบสโดยเฉพาะคุณสามารถเปิดประเด็น Github ได้ที่นี่: githubmhallsmooreqsforexissues ลิขสิทธิ์ (c) 2015 Michael Halls-Moore ได้รับอนุญาตจากบุคคลอื่นโดยไม่มีค่าใช้จ่ายใด ๆ ได้รับสำเนาซอฟต์แวร์นี้และไฟล์เอกสารที่เกี่ยวข้อง ("ซอฟต์แวร์") เพื่อจัดการกับซอฟต์แวร์โดยไม่มีข้อ จำกัด รวมถึง แต่ไม่ จำกัด เพียงสิทธิในการใช้คัดลอกแก้ไขรวมผสานเผยแพร่แจกจ่าย sublicense และหรือขายสำเนาซอฟต์แวร์, และอนุญาตให้บุคคลที่ซอฟต์แวร์ได้รับมอบให้ทำเช่นนั้นภายใต้เงื่อนไขดังต่อไปนี้ประกาศเกี่ยวกับลิขสิทธิ์และประกาศการอนุญาตนี้จะรวมอยู่ในสำเนาทั้งหมดหรือส่วนสำคัญของซอฟต์แวร์ ซอฟต์แวร์จะได้รับการจัดหาโดยไม่ได้รับการรับประกันใด ๆ โดยชัดแจ้งหรือโดยนัยรวมถึง แต่ไม่ จำกัด เพียงการรับประกันความสามารถในการทำกำไรความเหมาะสมสำหรับวัตถุประสงค์เฉพาะและการไม่ใช้การไม่ละเมิดลิขสิทธิ์ ไม่ว่าในกรณีใด ๆ ผู้แต่งหรือผู้ถือลิขสิทธิ์จะไม่รับผิดต่อการเรียกร้องความเสียหายหรือความรับผิดอื่น ๆ ไม่ว่าจะในการดำเนินการของสัญญาการละเมิดลิขสิทธิ์หรือการกระทำโดยมิชอบจากการใช้งานหรือการเชื่อมต่อกับซอฟต์แวร์หรือการใช้หรือการบริการอื่น ๆ ซอฟต์แวร์. Forex Trading ข้อจำกัดความรับผิดชอบในการซื้อขายอัตราแลกเปลี่ยนเงินตราต่างประเทศมีความเสี่ยงสูงและอาจไม่เหมาะสำหรับนักลงทุนทุกราย ผลการดำเนินงานที่ผ่านมาไม่ได้บ่งบอกถึงผลการดำเนินงานในอนาคต ระดับการยกระดับสูงสามารถทำงานได้ดีกับคุณและคุณ ก่อนตัดสินใจลงทุนในตลาดหลักทรัพย์ต่างประเทศคุณควรพิจารณาวัตถุประสงค์การลงทุนระดับประสบการณ์และความกระหายที่มีความเสี่ยงอย่างรอบคอบ ความเป็นไปได้ที่จะทำให้คุณสูญเสียบางส่วนหรือทั้งหมดของการลงทุนครั้งแรกของคุณดังนั้นคุณจึงไม่ควรลงทุนเงินที่คุณไม่สามารถจะเสียได้ คุณควรตระหนักถึงความเสี่ยงทั้งหมดที่เกี่ยวข้องกับการซื้อขายเงินตราต่างประเทศและขอคำแนะนำจากที่ปรึกษาทางการเงินอิสระหากคุณมีข้อสงสัยใด ๆ