Алготрейдинг. База. Лекция 4. Введение в оптимизацию алгоритмов
Друзья, привет!
Создание торгового бота в нынешних реалиях выглядит не сложнее, чем поиграть в LEGO: различные конструкторы на кубиках, нейросети, да и просто сотни встроенных в OsEngine роботов позволяют запуститься в рынок с пол-оборота. Однако, несмотря на доступность инструментария, зарабатывают далеко не все. В четвертой лекции нашего цикла мы разберем одну из главных причин неудач начинающих — отсутствие робастности у используемых алгоритмов. Я объясню, почему стратегия, показывающая идеальный график доходности в тестере, может начать стабильно терять деньги сразу после включения на реальном счете, и как не попасть в ловушку самообмана при подборе параметров.
В этом видео я перечислю основные подходы к оптимизации: от ее полного отсутствия и опасного «наивного» тестирования до профессиональных методов, таких как walk-forward и кросс-тесты. Расскажу, как существенно улучшить этот процесс с помощью разделения исторических данных на участки «обучения» и «проверки» и группировки бумаг по стадиям волатильности — одних из самых эффективных методик в алготрейдинге. Эта лекция закладывает фундамент для нашей будущей практики: вы подготовитесь к тому, чтобы статистически обосновывать каждый параметр своих роботов. Переходите по ссылкам ниже, смотрите урок и учитесь создавать алгоритмы, которые выдержат проверку реальным рынком!
Лекция на канале «Т-Алго» — rutube.ru/video/bd87e640f933b672e94630494fa5cd5e/
Лекция на портале разработчиков — developer.tbank.ru/invest/intro/intro/integr_examples/ose/base_algo#алготрейдинг-база-лекция-4-введение-в-оптимизацию-алгоритмов
Удачных алгоритмов!
Комментарии открыты для друзей
https://smart-lab.ru/company/os_engine/blog/1024149.php
OsEngine: https://github.com/AlexWan/OsEngine
Поддержка OsEngine: https://t.me/osengine_official_support
Канал Научный трейдинг (Bad Quant): https://t.me/bad_quant
