Избранное трейдера Anatole
Спасибо всем моим читателям, поддерживающим и критикующим!
Надеюсь что я принес пользу сообществу трейдеров, рассказав про практику работы с опционами.
Мой вклад можно посмотреть здесь: №1, №2, №3, №4, и пример.
Подведу итог: всего 1 пост с попыткой конструктивной критики.
Много несогласных, но всё несогласие сводится к заявлениям типа «ты сольешься потому что я считаю что это ерунда, потому что я думаю что все до тебя тоже сливались».
За исключением того единственного поста, ни одного факта, расчетов, хотя бы логически обоснованных доводов об убыточности описанной методики торговли.
А примеры, факты и расчеты это вот, например, посторонний публичный трейдер:
Всем привет!
Решил поделиться сигналами своей количественной модели ротации секторов американского рынка, золота и трежерей. А почему бы и нет — сигналы, которые я здесь выкладываю — для самых ликвидных ETF'ов, с емкостью миллиарды долларов, самому мне столько точно не надо. Торгует модель раз в месяц — я делаю это в начале каждого нового месяца.
Модель может использоваться как неплохая альтернатива долгосрочному (3-5 лет) банковскому вкладу в валюте. При условии, если вы умеете соблюдать дисциплину и не лезть в модель грязными лапами, чтобы улучшить ее «своим видением рынка» =) Если надоело сливать депозиты и хочется уже куда-то вложить валюту под неплохой процент и с умеренными рисками — велкам!
Модель торгует ETF'ы на секторы американского рынка (XLY, XLP, XLE, XLF, XLV, XLI, XLB, XLK, XLU, IYZ, VNQ), долгосрочные трежеря (TLT), золото (GLD), в качестве безрискового актива, в который модель иногда выходит, используется SHY. На первом шаге производится фильтрация торгуемых тикеров по моментум-логике, на втором — их смешивание с учетом статистических взаимосвязей между ними. Более подробно логику описывать не стану, поскольку, в отличие от других квантов на этом ресурсе, я не считаю, что количественные модели работают вечно. Они умирают — более того, в последнее время они умирают косяками.
Окончание цикла статей. Начало и другие алгоритмы биржевой торговли смотрите в моем блоге и на сайте.
В прошлой части мы продемонстрировали обучение модели Маркова на данных, полученных с помощью симуляции. В данной статье рассмотрим производительность модели на реальных данных. Будем тестировать трендследящую стратегию на индексе S&P500.
В большинстве задач с использованием машинного обучения требуются обучающие данные с разметкой классов (состояний). В нашем случае такой разметки нет, поэтому сначала сгенерируем классы для обучающей выборки.
Мы хотим создать трендследящую стратегию, поэтому должны выбрать участки на выборке цен S&P500, которые соответствуют восходящему и нисходящему трендам ( также можно отметить участки, где тренды отсутствуют). Можно это сделать вручную, а можно применить программу, которая автоматически расставит метки в соответствии с вашими определениями тренда.