Язык хороший, для своей области применения, если пытаться натянуть его на не свою — будет неприятно), ну или не так приятно). Для анализа данных — самое оно — легко и быстро писать, куча специальных библиотек и т.д.
Чтобы пилить на нём торгующие алгоритмы есть сложности — 1) скорость — питон медленный, а если скорость критична для стратегии — это будет неприятно. 2) на большом проекте особенности языка способствуют накоплению большего кол-ва ошибок, чем на других языках, у которых нет таких особенностей. 3) Я не нативный кодер, но по-моему с Python могут возникать сложности с интеграцией с различного рода сервисами — с биржами, торговыми платофрмами и т.д., те же примеры на Python будет найти гораздо сложнее, мне кажется.
Так что если позволяют возможности — удобно знать пару языков, напримр, Python и C#.
Антон Иванов, Можно описать график и получить 99% выигрышных сделок, только зачем?) Задача же не найти набор параметров, который на истории даёт шикарный результат, а: найти набор параметров, который даёт приемелемый результат и стабилен. Это другая задача.
Ну и я бы не стал называть многопараметрические системы супернавороченными, да, вероятно, некоторые-многие из них можно назвать такими, но не все. Я, например, помню, описывал простейший графический паттерн большим числом параметров, это был простой паттерн)).
Более того! Сейчас озарение поймал) — надо вводить как можно больше параметров, с той идеей, что так выше вероятность, что ты найдёшь хорошо коррелирующие с фин. резом параметры, не коррелирующие просто убираешь, оставляешь коррелирующие. Ну и дальше из них, опять же не тупо бездумно курвфиттингом, лепишь торговую стратегию. И да, согласен, что наиболее робастные стратегии будут себя неплохо чувствовать на разных инструментах и таймфреймах, до того как перешел на фьючи — бэктестил стратегию одновременно на портфеле эдак из нескольких тысяч инструментов)). Хотя конечно, нахождение стратегии, когда ты её бэктестишь и оптимизируешь на портфеле это не то же самое, когда ты бэктестишь и оптимизируешь на одном инструменте, а в итоге работает стратегия хорошо на целом портфеле)
Мышкин, Почитал пост. Ну, во-первых, он на самом интересном месте обрывается)). Из полученных прогонов я вижу смысл убирать только разве что нерепрезентативные (где мало сделок или что-то аналогичное). А так, мне кажется надо смотреть значимость отдельных вводных параметров стратегии, их корреляцию с результатом. Но это лайт версия, более сложные варианты завязаны на то, что параметры могут вступать во взаимодействие друг с другом — на такое взаимодействие и выявление закономерностей в нём неплохо ложатся методы машинного обучения. Но я ищу менее наукоёмкие инструменты.
Ранжировать прогоны по красивости результатов не сложно, а вот оценить робастность прогона — в этом основная трабла. Взять красивый график, прогнать out of sample — этого мало. А вот взять красивый график, неким набором методов убедиться, что результат закономерен, затем out of samplom'ом удостовериться в корректности выводов — уже сложнее. Собственно сложность в этом самом наборе методов.