Мой путь в трейдинг

1. Сначала я придумывал свои индикаторы и писал код, чтобы торговать по ним, подстраивая параметры полным перебором.
2. Потом я обнаружил, что если у меня будет 3-4 индикатора, то сплошной перебор всех параметров и эмуляция торговли с каждой комбинацией займёт несколько лет машинного времени. Несколько лет только лишь на исследования!!!
3. Позже, сравнивая результаты кастомных и стандартных индикаторов, я выяснил, что если придумываешь и пишешь индикаторы сам, то они работают эффективнее, чем всякие стандартные RSI, стохастики и прочее. Видно, это потому, что в кастомные индикаторы ты вкладываешь своё ноу хау, и об этом больше никто не знает, а стандартные индикаторы используют все подряд в хвост и в гриву. Любую торговую стратегию можно свести к специфическим индикаторам и их сигналам, просто трейдеры не заморачиваются разработкой собственно индикаторов, а чаще просто оперируют непосредственно сырыми рыночными данными, им так проще. Особенно, если опыт большой и вычисления несложные.
4. Я потупил несколько месяцев и понял, что мне не хватает знаний, и пошёл учиться в университет искусственного интеллекта, думая, что ИИ поможет мне обойти ограничение, связанное с перебором всего, Университет искусственного интеллекта (neural-university.ru). Там мне попалась тема про генетический поиск и всё встало на свои места. Встало настолько, что доучиваться и писать диплом я не стал. Оптимальные параметры индикаторов стали находиться буквально влёт. Соответственно, далее я уже, доверяя этой технологии, использовал её в дальнейших решениях, которые возникали эволюционно.
5. Но я не хотел вручную писать код для торговых систем, я хотел, чтобы торговые системы придумывал код. Я не хотел смотреть на графики, набрасывать индикаторы, смотреть, где купить, где продать, какие сигналы нужны и потом их кодировать, потом тестировать, эмулируя торговлю и потом писать уже реальный торговый движок, который эти системы будет проторговывать на реальном рынке.
6. В размышлениях, как такое можно сделать, я проболтался годик — 22-й.
7. Идея размечать лучшие точки входа на ценовых данных пришла во время обучения ИИ. Это про оптимальный путь. Потому что ИИ нужно, чтобы его научить, явно ткнуть, какие свечи на истории подходят для buy, а какие для sell. Плюс я хотел понять, сколько можно заработать в идеальной ситуации, как если бы ты знал будущее и совершал лучшие сделки из возможных. Я совершенно не думал о том, что это поможет мне отсеивать глупые индикаторы, а это получилось само собой — бонусом.
8. Изначально я подозревал, что некоторые комбинации индикаторов с определёнными сигналами точно должны работать. Один и только один индикатор не будет работать никогда на всей истории, но вот их определённый комплект — вполне годное решение, чем подавляющая масса системных трейдеров и пользуется. Даже если сами называют это иначе.
9. Было сильное желание сделать некий инструмент, который не просто будет сам искать торговые системы, проверять их и по клику или вообще автоматом запускать в реальную торговлю, но и делать это на разных инструментах, биржах и рынках. Поэтому мне нужна была система, в которую я просто добавляю новый инструмент, она его обсчитает и придумает по нему торговые системы, протестирует всячески и отправит в торговлю.
10. Всё тестирование было изначально IS/OOS. Идея тестировать кусками пришла позже и интуитивно. Я как бы изобрёл кросс-валидацию для трейдинга, только в своей вариации, потому что та, которая создана для нейронных сетей, не подходит. Я никогда и ни у кого на сегодняшний день не видел такого же подхода к тестированию и отбору торговых систем, как у меня.
11. Сначала я отбирал годные системы руками, в несколько этапов, и тоже работало неплохо; по простому — каждый этап — отбор лучших, так что получилось несколько отборов лучших из лучших, но на каждом этапе по разным принципам. Первый отбор — системы, которые показали доходность на максимальном числе инструментов, потом — периодов, а из оставшихся — фильтры по прибыли, просадке, и прочим известным метрикам торговых систем. Это совершенно то же самое, что делает каждый алготрейдер. Моё отличие только в том, что я не по одной системе тестирую и отбираю, а свожу миллионы систем к нескольким тысячам или сотням на основании перекрёстных тестов.
12. Я долго ломал голову над тем, как из найденных систем отбирать системы с наибольшей вероятностью успеха в неизвестном будущем эффективнее и не руками. Решил попробовать это сделать с помощью ИИ — и получилось.
13. Теперь я размышляю, что и как ещё можно улучшить, но в голову уже ничего нового в смысле идей не приходит :) Зато пришло понимание, что всё, что люди делают, создавая торговые системы, — смотрят в прошлое и занимаются подгонкой под него, в надежде, что это будет работать и дальше. А потом кому как повезёт, кто сколько труда вложил и насколько серьёзно подошёл к вопросам тестирования и защиты капитала. Будущее неизвестно и нет технологий, чтобы в него заглянуть, поэтому нужно чётко осознавать, что такое трейдинг и спекуляции на финансовых рынках, прежде чем в это ввязываться. Если ты уверен, что окажешься умнее толпы — проверь себя. Если ты победишь стохастичность рынков — значит, ты лучше или, по меньшей мере, умнее 9/10 человечества.
14. Я хотел бы в момент своего старта найти какой-то блог вроде моего, чтобы на процесс достижения цели не ушло столько времени, и пишу так, как я писал бы себе прошлому. Пишу, представляя, что бы я сам хотел прочитать. Может, из-за этого чувства и пишу вообще.
15. Искать торговые системы оказалось легко. Самой сложной задачей, как выяснилось, было определить из них такие, которые с высокой вероятностью в неизвестном будущем будут приносить прибыль.

В заключение



Хочу тут ещё раз опубликовать результаты сегодняшних расчётов.
Я вернулся из отпуска в понедельник, но компьютер с БД и алгоритмами включил только сегодня :)
Устал, что ли :)

Я ещё раз пересчитал сеть, которая предсказывает вероятность успешности моих систем в следующем месяце.
Делюсь результатами.

Итак,

• общее число систем, отобранных жёсткими и постоянными фильтрами для анализа, оказалось = 382,865
• эти фильтры постоянны и их менять более я не собираюсь
• из них 42,010% на OOS были прибыльными, а остальные — убыточными
• это хороший баланс для нейронной сети, поскольку данные сбалансированы и нет сильного перекоса в сторону одного из предсказываемых классов — прибыльного или убыточного
• нейросеть предсказала верно 89,384% систем — что они будут прибыльными и нужно их вводить в торговлю

• 53,240 прибыльных на OOS систем были верно предсказаны, как прибыльные — 13,905%
• 215,700 убыточных на OOS систем были верно предсказаны, как убыточные — 56,338%
• 107,602 прибыльные на OOS системы были неверно предсказаны как убыточные — 28,104%
• 6,323 убыточные на OOS системы были неверно предсказаны как прибыльные — 1,653%