Мальчик buybuy
Мальчик buybuy личный блог
14 сентября 2020, 20:16

Оптимизация эквити (незаконченная дискуссия с А.Г.)

Добрый вечер, коллеги!

Есть желание устроить нетривиальную математическую дискуссию.
Приглашаются все желающие, но, в качестве дисклеймера, могу сразу заявить, что лохам ловить здесь нечего.

Обычно я вообще не пишу на подобные темы, но 2 выпитые бутылки Borie-Manoux, Chateau Beau-Site, Saint-Estephe, 2013, настроили меня на лирический лад )))

Поэтому предлагаю начать (неначатую) дискуссию с А.Г.

ВВОДНАЯ:
Мы работаем с ценовым рядом x(i). Приращения цен — это d(i)=x(i)-x(i-1)
Мы хотим заработать все деньги мира построить оптимальный линейный индикатор. Он представляет из себя массив коэффициентов a(i).
Таким образом, мы покупаем, когда sign(summ(a(i)*d(n-i))) >=0 и продаем в противном случае.

Эквити ТС при этом будет выглядеть так: приращение Eq(i) = d(i)*sign(summ(a(j)*d(n-j-1)))
Если мы захотим максимизировать рост эквити — у нас есть 2 варианта:
1. (классическая максимизация) — ищем минимуи summ((d(i) — summ(a(j)*d(n-j-1))))^2)
2. (максимизация по Горчакову) — ищем минимум summ((sign(d(i)) — sign(summ(a(j)*d(n-j-1)))))^2)

Первая задача решается элементарно. Но приводит к некомфортному ответу (прогноз часто промахивается мимо нужного знака приращения и дает в итоге некрасивый результат).
Вторая задача кажется нерешаемой, поскольку sign(X) — уж больно корявая функция.

Предлагаю всем желающим высказываться относительно максимизации эквити по Горчакову. Если умных мыслей не будет — завтра в течение дня приведу простое, красивое готовое решение). Ну, или намекну, как его получить)

С уважением
51 Комментарий
  • 2020
    14 сентября 2020, 20:27
    Для начала надо уравнять шансы. Выпить примерно столько же и того же.)))
  • 3Qu
    14 сентября 2020, 20:31
    Имхо, работа с приращениями — это ни о чем. Приращения зависят от цены и положения цены относительно линии регрессии или чего-то кореллированного с ней. При работе с приращениями цена теряется.
    Таким образом, выражения для линейного прогнозирования будет:
    Y(i+1) = summ(a(k)*x(i-k)). Можно сказать, типичный прогнозирующий фильтр.
    Кроме этого для прогнозирования еще что-то нужно, типа относительного положения цены, дающего вероятности верх/низ, но это уже развитие вопроса.
    Выражения проверялось на нейросетях и получалось вполне неплохое вытянутое облако прогноза. Не уверен, но можно попробовать найти картинку на компе.
    На сем прощаюсь, т.к. по самим приращениям мне сказать нечего, не занимаюсь.
  • Volahub
    14 сентября 2020, 20:53
    без лоха и жизнь плоха
  • А. Г.
    14 сентября 2020, 20:57
    Ну неизменность a(i) — это, ИМХО, не вариант в условиях нестационарности. Но решение было бы интересно увидеть. Я, правда, брал бы относительные приращения.

    И, кстати, «максимизация» 2 не моего имени, а просто максимизация эквити Eq(i).

Активные форумы
Что сейчас обсуждают

Старый дизайн
Старый
дизайн