MAIN счёт (1.5 * тренд. 0.75 * арбитраж)
Месяц к месяцу: — 4.78 %
Год к году: + 7 %
С 2022: + 61.1 %
Тренд (1 плечо):
Месяц к месяцу: + 10 %
Год к году: + 15 %
Всего: + 12.21 %
Арбитраж (2 плеча):
Месяц к месяцу: — 22.68 %
Год к году: — 15 %
Всего: + 44 %
И попадали и поросли:
Трендовые роботы заработали сначала на падении, потом на росте.
Арбитражные так же безбожно сливали. Сначала на падении, потом на росте.
Арбитражи
Напоминаю, рыночно-нейтральности, в том что мы торгуем по этому направлению — НЕТ. Это медленный одноногий индексный арбитраж. В данный момент, на одно плечо просадка в районе 15%. Это много – но не максимум даже по тестам. Т.ч. можем и ещё попадать.
Запасаемся попкорном.
Удачных алгоритмов!
Видео:
Мы здесь: Глава 9.6 Исследования. Трендовость на Крипте и Московской бирже. Revers Adaptive Price Channel
Рис. 93. Робот на основе Revers Adaptive Price Channel
Суть стратегии
Риверсивная стратегия на одной из разновидностей адаптивного Price Channel.
Price Channel – ценовой канал. Адаптивным его можно делать через длину индикатора, привязав её к индикатору волатильности.
Результаты оптимизации на MOEX
Мы здесь: Глава 9.5 Исследования. Трендовость на Крипте и Московской бирже. Impulse Hma
Рис. 88. Робот на основе Impulse Hma
Суть стратегии
Импульсный робот на основе изменения скорости нескольких индикаторов HMA. Hull Moving Average.
Суть исследования: https://smart-lab.ru/blog/887798.php
Результаты оптимизации на MOEX
Мы здесь: Глава 9.4 Исследования. Трендовость на Крипте и Московской бирже. Parabolic Sar
Рис. 83. Робот на основе Parabolic Sar
Суть стратегии
Суть исследования: https://smart-lab.ru/blog/887798.php
Результаты оптимизации на MOEX
Мы здесь: Глава 9.3 Исследования. Трендовость на Крипте и Московской бирже. Bollinger Bands
Рис. 78. Робот на основе Bollinger Bands
Суть стратегии
Суть исследования: https://smart-lab.ru/blog/887798.php
Результаты оптимизации на MOEX
Мы здесь: Глава 9.2: Исследования. Трендовость на Крипте и Московской бирже. Linear Regression Channel
Рис. 73. Робот на основе Linear Regression Channel
Суть стратегии.
Результаты оптимизации на MOEX.
Мы здесь: Глава 9: Исследования. Трендовость на Крипте и Московской бирже
И: 9.1. Робот ZigZag Channel
В данной главе будут представлены результаты сравнительных тестов в оптимизаторе одних и тех же стратегий, с одними и теми же настройками, на разных рынках: Криптовалютном и Московской бирже.
Только переоптимизация. Никаких Walk-Forwards и Кросс-тестов. Только поиск лучших настроек брут-форсом.
Смысл данного исследования в том, чтобы ответить на вопрос:
А КАКОЙ МАКСИМАЛЬНО ПОДОГНАННЫЙ РЕЗУЛЬТАТ МОЖНО ПОЛУЧИТЬ НА ДАННОМ РЫНКЕ? ГДЕ ТРЕНД РАБОТАЕТ ЛУЧШЕ?
Для тестирования возьмём с MOEX и BINANCE по нескольку инструментов. Одни из самых трендовых.
MOEX:
1) Si, фьючерсный контракт на доллар/рубль.
2) Br, фьючерсный контракт на нефть марки Brent.
BINANCE:
1) BNBUSDT. BNB – монета экосистемы Binance.
2) ETHUSDT. ETH – монета экосистемы блок-чейна с одноимённым названием.
Мы здесь: Глава 5: Тестирование стратегий на истории. 5.4: О робастности
Термин «робастность» означает способность торговой стратегии повторять результаты своего тестирования в прошлом на других данных.
Пример 1.
Вы оттестировали какую-то стратегию в тестере и видите результат в красном квадрате. Супер! Вы включили стратегию в торги, и в реальном времени за следующие два месяца стратегия вам дала примерно такой же результат по прибыльности, как и в тестере:
Пример 2.
Вы оттестировали какую-то стратегию в тестере и видите результат в красном квадрате. Вы включили стратегию в торги, и в реальном времени за следующие два месяца (зелёный квадрат) стратегия вам дала убытки:
Мы здесь: Глава 5: Тестирование стратегий на истории. 5.3: Перебор параметров в оптимизаторе
Второе, что вам захочется сделать – перебирать параметры в автоматическом режиме и выбирать лучшие.
Для этого в большинстве торговых платформ для роботов есть оптимизаторы.
При этом:
1) Вся история свечек для тестов берётся целиком, не дробясь ни на какие отрезки.
2) Робот прогоняется по всей длине истории с различными параметрами.
3) В результате программа предоставляет нам таблицу с наилучшими результатами по прибыльности в зависимости от конкретных параметров.
Так выглядит настройка параметров для оптимизации в OsEngine:
Так выглядит итоговая сводная таблица результатов: