В догонку к предыдущему посту...

Немного модифицировал эксперимент, чтобы захватить те случаи, когда прогноз начинает работать хуже монетки:

1) Оптимизируем параметры при случайном направлении сделок 20 раз и берём медианные значения параметров.
2) В замерах вместо реального прогноза направления сделки в зависимости от рандома и заданной вероятности угадывания берём либо случайное направление, либо наиболее выгодное(через подглядывание в будущее), либо наименее выгодное. При -1 — всегда ошибаемся. При 0 — случайное направление. При 1 — всегда угадываем.
3) Прогоняем цикл по вероятности угадывания от -1 до 1 при разных значениях лимита недельной просадки от 0.5% до 5%
4) Для каждой вероятности и лимита прогоняем 20 раз и усредняем результат.
5) Выводим на графике кривые для каждого лимита просадок.

Параметры симуляции: спот, интрадэй, без плечей, комиссия 0.05%, среднее проскальзывание 0.025%



При недельном лимите просадок в 1.5% наблюдается максимум cagr и отношение abs(max_cagr/min_cagr)  ~ 4.

( Читать дальше )

Продолжаю пытать свою торговую систему различными тестами на живучесть.

На этот раз такой эксперимент:
1) Вместо реального прогноза направления сделки в зависимости от рандома и заданной вероятности угадывания берём либо случайное направление, либо наиболее выгодное(через подглядывание в будущее).
2) Прогоняем цикл по вероятности угадывания от 0 до 1.
3) Для каждой вероятности прогоняем 20 раз оптимизацию параметров и усреднение результатов.
4) Выводим на графике.



Это на споте, интрадэй, без плечей.
MinCAGR > 0 при нулевой вероятности угадывания — это не случайность, а одна из фишек системы, — просто в зависимсти от прогноза направления дальше идёт ожидание наиболее выгодной точки входа.

Никто не знает будущего, но этого и не надо.

Где-то три месяца назад структура моего робота выглядела примерно так:

Т.е. был один прогноз и простой автомат с примитивным менеджером просадок. Даже при такой конфигурации оно может работать, если прогноз в среднем на длительном промежутке времени работает чуть лучше монетки. Но метрики страшные, например коэффициент вариации месячной прибыли может достигать 2 — это страшно, очень страшно. При этом CAGR/MaxDD на самых ликвидных фишках был в среднем 20%/10%, что тоже страшно. Такой робот не переживает тест на деградацию прогноза — когда прогноз начинает рандомить, то средняя прибыль около нуля.


На сегодняшний момент робот выглядит примерно так:


( Читать дальше )

Продолжаю допиливать торговую систему и одновременно тестирую робота, который будет по ней торговать...

До этого момента у меня были Out-Of-Sample тесты в виде чередования недель для оптимизации параметров и валидации, walk-forward расширяющимся и скольящим окном. Решил немного улучшить способ с чередованием недель:

1. Берем на всей истории случайных N% недель для оптимизации параметров.
2. Для валидации берём недели, не попавшие в первый список.
3. Оптимизируем параметры и снимаем метрики по первому и второму списку.
4. Повторяем 1-3 пункт 100 раз и записываем показания.
5. Выводим распределения метрик и их отношений в виде гистограмм.
6. Выводим распределения параметров в виде гистограмм.
7. Считаем коэффициент деградации метрик на Out-Of-Sample

Истории мало, только с 2025-01-27, — тогда появилась утренняя сессия. Убраны плечи и используется только одна прогнозная модель.

Если разделить недели 50% на 50%, то получается вот что:


Коэффициент деградации стратегии на Out-Of-Sample можно выразить как единица минус среднее геометрическое от отношений прибыли, просадки^-1, средней сделки: 1 — (0.65*(1/1.68)*0.67)^(1/3) = 0.36 = 36%. 

( Читать дальше )

Вот вроде бы ты нашёл новый источник альфы, но смотришь на графики и понимашь, что его больше нет, распался полгода назад:



А всё потому, что есть люди, которых очень печалит твоя прибыль:) Есть такие закономерности, которые легко обнаружить и замаскировать шумом, если у тебя хватает ликвидности.
В общем, придётся ещё и делать детекторы распада к каждому источнику, чтобы заранее перестать их использовать.

Допустим, у вас есть несколько прогнозных моделей, которые имеют разную точность и охват. Как организовать голосование при принятии решений при входе в позицию?

Например так. Вместо тысячи слов нарисовал коллажик:) 



P.S. Понятно, что модели должны иметь между собой низкую корреляцию и не являться линейными комбинациями друг друга.

Проскальзывание довольно сильно ухудшает доходность стратегий на больших объёмах. Я в симуляциях обычно ставлю 4 шага цены, но это от балды, а хочется чего-то более точного.

1) Берём обезличенные сделки с 2025-02-03(начало первой целой недели, когда появилась утренняя сессия).
2) Группируем их по микросекундам и направлению. (без группировки у нас будет куча мелких встречных заявок, а не то, что нужно).
3) Фильтруем сделки по объёму.
4) Считаем количество шагов цены в каждой сгруппированной сделке. 0 шагов — нет проскальзывания — минимальная и максимальная цена исполнения равны.
5) Вычисляем средние количества шагов в неделю для: всего дня, утренней, основной и вечерней сессии.
6) Заодно выводим суммарный объём торгов.

Вот что получилось на объёме от 2 до 4 млн:


На объёме от 16 до 32 млн совсем всё грустно:


( Читать дальше )

Продолжаю пилить армию роботов. Запустил на тесте с 16 марта на этот раз 10 роботов, наблюдаю. 6 из 10 роботов в плюсе, общий счёт в плюсе.

Небо не видело таких рукожопов. Очень расстраивает то, что иногда демо аккаунты в т-инвестиции пропадают, как например сейчас в аккаунт для VKCO, приходится создавать демо аккаунты заново.

Сами роботы сейчас используют только одну голую закономерность без улучшений, фильтров режимов и т. п. Соответственно, в последние недели они часто падают в защиту на внезапно изменившемся рынке из-за drawdown manager. Пока они работают, я тоже работаю над их улучшением.

Кстати, 10 роботов крутятся на апельсинке и весьма немного тратят электроэнергии:

( Читать дальше )

Любителям конкуренции и прочих либеральных ценностей посвящается.
Кому как, а мне не нужно 100500 видов дерьма, мне нужен один, но лучший брокер, который работает всегда и выдерживает пиковые нагрузки.

Мои роботы все ушли в ошибку. Работают на tinkoff-api через python. Ничего не потерял, потому что роботы работают на демосчетах, но осадочек остался.



Upd: 13:45 GMT — отлёг.

Старый советский анекдот. Сантехника посадили за антисоветчинну, за фразу в облисполкоме: «Тут всё сгнило, всю систему менять надо.»

 

Начнём анализ рынка с самого его дна, с компании VK, которая убыточна на операционном уровне уже много лет.

 

Захожу на vkvideo.ru/movies_serials и ввожу поисковый запрос из трёх слов, включаю сортировку по дате. Получаю кучу выдачи, где в названиях всех этих слов нет. Поиск работает неадекватно. А это, на минуточку, лицо сервиса! Другой пример: ввожу «винни пух 1977» — вижу 98 залитых роликов с этим названием. Т.е. эффективность использования дискового пространства около 1%. Зато рекламу крутят без ума. Появляется кнопка «Пропустить рекламу через N секунд», отсчёт заканчивается, но кнопку нажать нельзя, потому что после рекламы ещё показывается экран со ссылкой на рекламодателя и ещё одним обратным отсчётом.
Как, простите, с таким качеством и свинским отношением к аудитории можно получить операционную прибыль? Да никак. Путь на дно.

( Читать дальше )