Добрый день,

Хочу поинтересоваться у тех у кого крутятся одновременно большое количество стратегий с пересекающимися инструментами.

Каким образом реализовано, технически, сведение позиций между стратегиями?

Ведь возникает масса проблем с таймингом и типом исполнения. Как пример лимитный и маркет ордер, не говоря уже о алгоритмах исполнения брокера.

В целом я вижу только один более менее простой и разумный вариант это группировки стратегий по типу исполнения, используемого тайм фрейма и тд. Только в таком случае можно как то гарантировать внутренние перекрытие и не потерять в скорости выставления заявок.

Поделитесь опытом, коллеги.

Всем доброго дня! 

Продолжаем рассматривать различные метрики помогающие в оптисизации и выборе алгоритмических торговых стратегий.
Сегодня у нас Deflated Sharpe Ratio. 

📈 Понимание этого коэфициета становится неотъемлемым элементом при разработке и использовании автоматических торговых стратегий. Этот уникальный инструмент может быть ключом к оптимизации алгоритмов и моделей!

Наше последнее видео посвящено Deflated Sharpe Ratio и его преимуществам:

1️⃣ Реалистичная оценка производительности: Deflated Sharpe Ration корректирует оригинальный коэффициент Шарпа, учитывая количество проведенных испытаний, предлагая более реалистичную оценку производительности стратегии.

2️⃣ Защита от переобучения: Учитывая множественное тестирование, он помогает инвесторам избежать подводных камней переобучения и добычи данных, которые часто упускаются из виду в традиционных мерах.

3️⃣ Улучшенная оценка риска: Учитывая асимметрию и эксцесс ваших стратегических доходов, он предлагает более полную оценку риска.

( Читать дальше )

Привет!

Кто уже знаком в Probabilistic Sharpe Ratio отзовись! :) 

А кто еще не знаком, тоого приглашаем к прочтению...

🎥 Наше последнее видео посвящено PSR, инструменту, который расширяет границы обычного коэффициента Шарпа, учитывая исторические доходы, продолжительность деятельности и количество испытаний стратегии.

🔎 PSR оценивает вероятность того, что истинный коэффициент Шарпа превышает заданный порог. Он помогает отсеивать ложные срабатывания и определять стратегии, которые соответствуют нашим ожиданиям, учитывая риски.

Чем же он хорош и где нап пригодится:

• Объективный анализ: По сравнению с традиционным коэффициентом Шарпа, который измеряет прошлую производительность, PSR предоставляет более объективный анализ, т.к. он учитывает не только прошлые данные, но и количество испытаний, которые были выполнены для поиска стратегии.

• Избегание переобучения: PSR может помочь избежать «переобучения», ситуации, когда стратегия торговли, кажется, работает хорошо на исторических данных, но плохо справляется с новыми данными. Это происходит потому, что PSR учитывает число испытаний при оценке производительности стратегии.

( Читать дальше )

И так, в прошлом посте был представлен небольшой фреймворк на питоне для тестирования портфелей, а в этом посмотрим как же простейшая стратегия на базе импульса может сохранить нам нервы и деньги. 

И так,

• Возмем 500 бумаг которые на данный момент находятся в индексе snp500.
• Каждый месяц будем отбирать 10 бумаг по принципу силы импульса за последний год. Имеется ввиду процентное изменение.
• Вторая стратегия будем отбирать 10 бумаг, но импульс будем считать как разницу цены и скользящей стредней с периодом 252.
• Ребалансировка портфеля через каждые 22 дня.
• Только лонг.

Протестируем за 10 лет начиная с 2005, и получим вот такой прекрасный результат: 


Общая доходность в 10 раз выше индекса, годовая в 5. Однако видим что и просадка у нас повыше. 

Но мы же все делаем на питоне, где полно всяких полезных пакетов. Воспользуемся библиотекой PyPortfolioOpt, и добавим попробуем эти же две стратегии с импользованием следующих методов оптимизации портфелей: CLA, HRP, CVaR, DVaR

( Читать дальше )

Всем добрый вечер,

Давненько ничего я не писал. Потихонечку мой ютубчик набирает подписчиков, и большинство судя по всему индусы… так вот многие из них посмотрев видео про методы оптимизации стали спрашивать как же можно потестить другие идеи. Ну я немного подкрутил свой не самый оптимальный код, и родился у меня аж целый фреймворк, в котором очень легко тестить различного рода портфельные стратегии. 

Итак выглядит это все следующим образом:



Как основа это Backtrader (хороший питоновский движок для тестирования торговли, но в целом очень медленный при загрузке данных, да и есть там некоторые вещи в которых мне лениво разбираться).
Далее реализуем простенькую стратегию которая будет крутиться в бэктрейдере, но ее структура такова, что можно любые спецефические действия делать в привычной для каждого человека форме. Я там использую pandas dataframe.

Структура стратегии:

( Читать дальше )

Смотрю некоторые люди интересуются темой как же скрестить питон и с++.

Так получилось что у меня есть ответ на этот вопрос. Не так давно я тут даже видео по этому поводу замутил, для примера был взят практический пример расчета ожидаемой максимальной просадки при условии что рынок будет обладать похожими характеристиками.



( Читать дальше )

Всем привет, 

Не смотря на то, что многие люди довольно скептически отнеслись к китайской идее напрямую оптимизировать значение шарпа и подберать веса для активов используя LSTM сеть (А что так можно было?), я решил все же этот метод протестировать. 

Я не люблю всякого рода сложные подходы, поэтому я пошел в лоб, написал простую стратегию для динамической ребалансировки портфеля (только лонг) и протестировал на ней различные методы.

Для тестов были взяты следующие методы оптимизации финасового портфеля:

Классические:

• Mean-Variance
• Hierarchical Risk Parity (созданный Маркусом Лопезом де Прадо)
• Critical Line Algorithm (говаривают метод специально для оптимизации портфелей придуман)
• Efficient Frontier with nonconvex optimizer (нашел в примерах питоновского пакета, добавил для кучи)

Экзотические:

• LSTM (модель предложенная китайцами, из предыдущего поста)
• Trained LSTM (обученная модель на истории, предсказывает распределение на следующие 22 дня)

( Читать дальше )