Наверное, каждый трейдер сталкивался с проблемой выбора торговой системы. И каждый трейдер имеет свой взгляд на применимость тех или иных критериев сравнительной оценки их эффективности. Например, одни считают главным критерием «профит-фактор», другие – «скорректированную доходность», рассчитанную без учета нескольких наиболее результативных сделок, предположительно случайных, а некоторые отдают предпочтение коэффициенту Шарпа.

Некоторое время назад я уже писал о том, чем меня не устраивают традиционные и популярные у трейдеров критерии оценки эффективности торговли, и почему я предпочитаю использовать в этом качестве тангенс угла наклона прямой, аппроксимирующей кривую доходности, скорректированный на коэффициент корреляции между прибылью и временем, затраченным на ее получение (см. статью «О везучих дураках»).

Я по-прежнему считаю, что поскольку речь идет об оценке торговой системы, то важнейшим фактором ее работы является

Всего лишь неделю нужно для того, чтобы каждый из вас смог сам научиться программировать сверточные нейронные сети, которые торгуют не хуже этой*:

Основное отличие машинного обучения от традиционного программирования состоит в том, что в задачах классического программирования вы знаете некие правила и жестко программируете их в поведении программы; в задачах машинного обучения вы не знаете по каким конкретно правилам должна работать программа и позволяете моделям машинного обучения самим найти их. Если вы хотите создать торгового робота, обычно, вы сами ищете некоторые правила (например, пересечение скользяшек, MACD>80 при убывающей луне — покупаю 2 лота) и жестко задаете такое поведения в роботе, тестируете и, возможно, оптимизируете некоторые параметры, но почему бы не поручить само придумывание правил машине? Методы машинного обучения, в теории, могут сами выбрать индикаторы, разработать правила входа, выхода и оптимальный размер позиций. Да чего уж… они могут сами придумать индикаторы, паттерны, которые могут быть гораздо лучше чем то, что придумали до этого люди. Ведь так и случилось в сфере обработки изображений, нейронные сети научились выделять значимые признаки из изображений гораздо лучше, чем алгоритмы, придуманные людьми. Компьютер обыгрывает людей в шахматы — игру, знания для которой люди накапливали ни одну сотню лет. Станет ли алготрейдинг следующей сферой, где будет господствовать нейронные сети или какой другой метод машинного обучения?

Здравствуйте, дамы и господа!

Думаю, что всем хочется покупать финансовые инструменты подешевле, а продавать подороже. Реакция участников торгов на новости, как правило, непропорциональна и чрезмерна: пессимисты склонны недооценивать актив, а оптимисты, напротив, его переоценивают. В определении текущих «перекупленности» или «перепроданности» активов теханализ помогает мало. Предположим, что золото подорожало и его цена в USD на историческом максимуме. Означает ли это, что его цена «несправедливо» завышена? Совсем необязательно. Она может вырасти, например, если девальвировался доллар, и тогда самая высокая его цена остается справедливой и обоснованной. А если ВСЕ основные валюты постепенно теряют покупательскую способность? Тогда девальвация USD может быть незаметна, но цена золота (и многих других активов) «справедливо» вырастет из-за инфляции.

Несколько перефразируя Дядю Федора, можно сказать, что чтобы купить что-нибудь ненужное, инвесторам надо продать что-нибудь ненужное. Деньги «перетекают» из акций в золото и облигации, из драгметаллов в кеш, из одной валюты в другую (и обратно).  Поэтому для «справедливой» оценки актива его цену нужно сравнивать с ценами максимально широкого набора финансовых инструментов и построить математическую модель взаимных зависимостей их стоимости.

Здравствуйте, дамы и господа!

Общепринятой точкой зрения на проблему снижения риска потери капитала при инвестициях в различные финансовые инструменты является признание необходимости диверсификации вложений. «Не складывай все яйца в одну корзину!» — самый распространенный лозунг инвестора. Справедливость этой рекомендации принимается как аксиома, без доказательств. Используя в том числе и производные финансовые инструменты, такие как ПИФы, ДУ, ПАММ-счета и пр., инвесторы легко решают задачу диверсификации своих вложений. Однако, диверсификация сама по себе не является способом снижения рисков при инвестициях. Попробую эту свою «крамольную» мысль обосновать и проиллюстрировать примерами.

У сторонников «не складывать все яйца в ону корзину» абсолютным авторитетом пользуются американские экономисты Гарри Марковец (Harry Markowitz) и Роберт Мертон (Robert Merton), первый получил Нобелевскую премию по экономике в 1990-м году, а второй — в 1997-м. 
Мертон, совместно с другим нобелевским лауреатом Майроном Шоулзом (Myron Scholes), решили применить свои модели на практике и создали хедж-фонд «Long-Term Capital Management», который со скандалом обанкротился, оказавшись банальной пирамидой.

"Если хочешь зарабатывать — лучше строить торговые системы, а не прогнозы". Тимофей Мартынов.

Здравствуйте, дамы и господа!

Каким же требованиям должна отвечать торговая система (далее – ТС)? Напомню, что бессистемная, основанная на субъективных оценках торговля это игра с отрицательным математическим ожиданием выигрыша и потеря денег при использовании такого подхода – вопрос времени и количества совершенных сделок (смотрите статью "Опыт — мудрость глупцов!").

1. ТС должна быть алгоритмизирована в виде торгового робота – только такой подход дает возможность проверить гипотезу о поведении котировки, заложенную в ТС, смоделировав сделки по правилам ТС с использованием известной истории изменения котировок на длительных временных интервалах, включающих различные рыночные ситуации (продолжительные тренды, флэтовые периоды, резкие (новостные) изменения и пр.) Тестирование ТС торговлей в реальном времени практически неприменимо, так как из-за бесконечной вариативности торговых систем может просто не хватить жизни для проверки достаточного их количества, а действительно прибыльная ТС — золотой самородок в куче пустой породы. Кроме того, серия тестов на истории с различными параметрами ТС позволяет найти оптимальные их значения для различных финансовых инструментов, например, расстояния до уровней стоп-лосса и тейк-профита для инструментов с различной волатильностью.