У Facebook есть библиотека Prophet для анализа временных рядов, подробно можно посмотреть тут https://research.fb.com/prophet-forecasting-at-scale/ а также тут https://facebookincubator.github.io/prophet/docs/quick_start.html

Потестил библиотечку для анализа котировок к примеру акций Газпром. 

Обучал модель на данных 2012/2017-02 тестировал на участке 2017-03/2017-06

График дневных доходностей и предсказанные значения


Стратегия простая, если предсказанное значение выше нуля то покупаем, если ниже то продаем.



( Читать дальше )

По мотивам поста http://smart-lab.ru/blog/404975.php

Стратегия на американском рынке, портфель из ETF с балансировкой раз в квартал, емкость точно выше 100 миллионов долларов, среднегодовая доходность почти 30% в долларах с учетом инфляции, корреляция с SP500 всего 0.2. Так же подробно объясню риски стратегии и ее фундаментал, почему это работает, и почему сработает в будущем. 

Можем сторговаться, выйдет дешевле чем нанимать С++ программиста что бы он шортил SP500. 




( Читать дальше )

Этот человек почти не дает интервью, а что бы он хоть что-то говорил о стратегиях это вообще не реально, тем не менее, ниже довольно интересное интервью каналу TED. 



( Читать дальше )

Компания Yahoo отказался от этого сервиса. Пакеты для R, MatLab, Python которые позволяли скачивать данные с Yahoo finance больше не работают. И нет, они не вернуться. Возможность скачать через Web интерфейс пока вроде бы остается.

http://stackoverflow.com/questions/44048671/alternative-for-yahoo-finance-api

Есть такой сервис http://sentdex.com который анализирует сентимент по таким вещям как акции SP500, политика и страны. Про то как это работает они пишут тут http://sentdex.com/sentiment-analysis/. 

Они продают доступ к WebAPI. Потестил их сервис в с бесплатными данными, бесплатно они раздают свои данные за 2013-2015 год. Довольно забавная штука.


Использовать в лоб конечно как-то опрометчиво, однако в качестве признака для модели может и неплохо. Единственное конечно не понятно что за источники они анализируют, и от того что это по сути черный ящик в продакшн такое страшно отправлять.

Код для тестирования.

sentdex_csv <- read.csv("http://sentdex.com/api/finance/sentiment-signals/sample/")
sentdex_appl <- sentdex_csv[sentdex_csv$symbol == 'AAPL',][,c(1,3)]
sentdex_appl <- xts(sentdex_appl[,2], order.by = as.Date(sentdex_appl[,1]))
getSymbols("AAPL", from = "2012-01-01")

tmp <- na.omit(cbind(sentdex_appl, Delt(Ad(AAPL)) ))
names(tmp) <- c("Sentdex Sentiment AAPL","AAPL")

signal <- ifelse(tmp[,1] > 5, 1,0 )
signal <- ifelse(tmp[,1] < -2, -1,signal)
chart.CumReturns( cbind(lag(signal) * tmp[,2], tmp[,2]), main = "Sentdex Sentiment AAPL",legend.loc = 'topleft')

( Читать дальше )

Добрый день. Сегодня про то как использовать этот метод для предсказания направления движения рынка на день, на основе той информации что у нас есть перед открытием торгов. 

Описание самого пакета и примеры можно посмотреть тут http://cran.r-project.org/web/packages/gbm/gbm.pdf

Я покажу каких результатов добился тестируя этот метод совершая всего 2 сделки в день, на открытии и закрытии дня.

График доходности Out-of-Sample в сравнении с индексом ММВБ:



( Читать дальше )

«Рынок движется от уровня к уровню, поиск крупного игрока, крупный игрок набирает позицию, психология трейдина, хитрые каналы, японские модели, поддержка/сопротивление». Россия 2017

«Саймонс нанимает в свой фонд  Rerenaissance technologies Ленни Баума для исследования и использования в финансах математического феномена русского математика под названием Марковский процесс». США 80ые года. 

Хотел бы рекомендовать к прочтению книгу как по мне так наиболее современную и интересную про про трейдинг. Почему-то большинство книг про трейдинг описывают то время когда трейдеры были похожи на Гордона Гекко. На мой взгляд это лучшая книга про фондовый рынок. Вы узнаете что гипотеза эффектного рынка возникла еще аж в 60ые года, когда и кем был создан статистический арбитраж и сколько миллионов долларов заработали на нем крупнейшие фонды. Что основатели крупнейших фондов(Rerenaissance technologies, Citadel, PDT) все как один математические гении с докторскими степенями в 20 лет, криптоаналитики, шахматные гроссмейстеры. 

( Читать дальше )

Хочу поделится некоторой инфой по этой теме. Если у вас был подобный опыт с удовольствием бы прочел!

Тема довольна интересная, тем более что крупнейшие букмекерские конторы предоставляют API для ставок. У меня была пару подходов к этому. Сначала я наверно как и все решил что буду арбитражить на разных площадках ставки, подобные ставки называются «вилки», написал бота и попробовал. Однако Букмекеры подобных деятелей сильно не любят, и довольно легко вычисляют, после пары сделок мне на «Марафоне» порезали лимиты до 20 рублей на ставку.

После мне пришла идея попытаться использовать машинное обучение для направленной стратегии угадывания победителя в матче. Погулил и пришел сюда https://habrahabr.ru/post/306944/. Решил что с приемлемыми трудозатратами сделать это быстро не получится, решил воспользоваться готовым сервисом, который дает прогнозы на предстоящие матчи. Остановился на этом 

( Читать дальше )

Скоро ( в апреле) состоится ежегодная конференция R-Finance в Чикаго. На которую съезжаются управляющие, трейдеры и аналитики со всего мира. Предлагаю вам посмотреть темы выступления в 2016 и сравнить с тем что вас ждет на конференции СмартЛаб.

Вот только некоторые темы которые обсуждались на прошлой конференции 2016 года:

Feasible Space Analysis and Hierarchical Optimization with PortfolioAnalytics

Modeling Divergence Swap Rates

Exploring Higher Order Risk Premia Using High Frequency Data

Simulation of Leveraged ETF Volatility Using Nonparametric Density Estimation

The causal impact of algorithmic trading on market quality

Liquidity provision in a high-frequency environment

Monitoring the US Economy: a System of Timely (Real-Time Daily Mixed-Frequency) Indicators

Do Mutual Funds Exploit Information from Option Prices for Equity Investment?

Implementation of Value Strategies using R 

Portfolio Selection with Multiple Criteria Objectives

Portfolio Optimization Modeling

Portfolio Selection with Support Vector Regression

Seasonally-Adjusted Value-at-Risk

Deep learning in R using MxNe

Flexible Asset Allocation With Stepwise Correlation Rank

Nonparametric vs Parametric Shortfall: What are the Differences?

The informational role of algorithmic traders in the option market 

( Читать дальше )

Последние пол года занимался тем что создавал и тестировал стратегии. Так как мощностей для реализации высокочастотных алгоритмов у меня не было( и пока нет), то основные идеи которые я пытался реализовать в стратегию предполагали 1-2 сделки в день. Получилось даже создать пару доходных( на истории) стратегии, которые сейчас торгую руками. Параллельно начал разработку HFT стратегии, так как такой пласт HFT стратегий как арбитраж мне не доступен, в силу высокой стоимости инфраструктуры то пытался придумать что-нибудь используя численные методы, эконометрические методы и машинное обучение. Получилось следующее:

Доходность стратегии на одном из самых ликвидных инструментах на ММВБ, и она же в лог шкале.



( Читать дальше )