Избранное трейдера Cassiopeia
Вот многие критикуют форекс из-за нерыночных рисков и больших плечей. Но ведь именно плечи могут сделать этот рынок безопасным. Например у вас есть 10.000$, на которые вы готовы торговать. Риск на сделку у вас 1%=100$, лимит потерь на месяц, например, 10%=1000$. Вы не хотите нести 10к$ в форексную контору из-за нерыночных рисков, но ведь этого и не надо. Положите 1000$ или 1500$ (с запасом) и из-за большого плеча сможете торговать объёмом, чтобы риск на сделку у вас был 100$
Сделаем ряд, на мой взгляд, естественных предположений о множестве всех трейдеров:
• Факторы, на которых основаны действия любого трейдера, случайны, т. е. их конкретные значения не могут быть предсказаны точно ДО их появления;
• Каждый тик является действием двух или нескольких трейдеров: трейдера, решившего купить по оферам или продать по бидам и трейдера (-ов), поставивших эти биды (офера);
• Два трейдера, пользующиеся полностью одинаковыми методами принятия решения – редкость;
• Группы трейдеров, использующих «близкие» методы принятия решения, представляют собой о-малое (как по количеству, так и по объему средств) от корня из общего числа трейдеров и их объемов средств;
Третья Силы сторона есть, юный падаван. И говорит и знает мало о ней кто. Ведь профессиональная деформация программистов скромность тех джедаев не позволяет выставлять себя идиотами, неся бред.
Наблюдая идеологические войны «Разумного Инвестора» с ордой фриков рисующих палочки «Спекулянтами» создаётся впечатление что никаких других способов трейдинга не существует. А это мягко говоря не так.
Давайте вместе попробуем разбить трейдеров на группы. А затем объективно и беспристрастно посмотрим на эти группы поближе.
План:
Статистика
1. Необходимо понимать, что основные показатели качественной торговли складываются от рентабельности в каждой сделке или серии сделок, этот показатель должен превышать 3к1, что при хорошей, прибыльной торговой стратегии показатель профит фактора превысить 2.
*Профит фактор – это соотношение прибыли к убытку.
В данном цикле статей начинаем рассматривать модель Маркова, которая находит применение в задачах классификации состояния рынка и используется во многих биржевых роботах. Статьи основаны на постах, опубликованных в блоге Gekko Quant. Также будет рассмотрены практические алгоритмы на финансовых рынках. Код в цикле приведен на языке R. Вначале будет много теории, ее надо хотя бы попробовать понять, затем разберем практические примеры.
Рабочая среда распознавания основных паттернов.
Рассмотрим набор признаков O, полученный из набора данных d и класс w, обозначающий наиболее подходящий класс для O: