Избранное трейдера VictorGromov
Что отличает трейдеров друг от друга?
Ну помимо вида функции эквити и ее параметров. Эта функция на первый взгляд кажется объективной. Но часто она может свидетельствовать только о попадании трейдера в удачную для него фазу рынка. Сменится фаза рынка и настанет «пичалька».
На самом деле важнейшей объективной характеристкой торговой системы и ее ядром является математически четко формализованная модель рынка.
Покажем влияние эффекта Даннинга-Крюгера на выбор моделей.
Как известно, эффект Даннинга-Крюгера заключается в том, что люди, имеющие низкий уровень квалификации, делают ошибочные выводы, принимают неудачные решения и при этом не способны осознавать свои ошибки и уровень некомпетентности (ВИКИ).
Кривая, отражающая этот эффект, показана на рис.1.
Почти все трейдеры начинают свой путь с моделей классического ТА (скользяшки, волны, свечи, паттерны, уровни и т.п.) или интуитивных моделей.
(информационно-просветительский текст о трейдинге – очень краткое теоретическое обоснованиеи указание на его тайный механизм, о котором многие не догадываются, а те, кто догадываются, часто неправильно понимают его сущность.
Но от степени понимания этого механизма и умения его использовать некоторые трейдеры, инвесторы, фонды зарабатывают очень прилично, другие - просто прилично, большинство — неприлично и основная масса торгующих организмов (кто не в теме) теряют депозит)
Если вам показалось, что вы меня поняли, то это значит, что вы поняли меня неправильно.
А.Гринспен
Честно говоря, не хотел это писать, но ведь все равно найдется «спиноза», который рано или поздно слегка просветит понимающую эту тему общественность.
Поэтому кратко только обозначим проблему
Сложился стереотип, что теория вероятностей – это человеческая наука о случайности. На самом деле это не совсем точно. Это математическая дисциплина, изучающая свойства вероятностных пространств. Что такое вероятностное пространство? Это человеческая математическая модель для случая, когда пока ненаблюдаемое является набором событий с некоторыми шансами их появления, как минимум, два из которых ненулевые. А что такое случайность? Это когда наше лучшее знание о пока ненаблюдаемом является набором событий с некоторыми шансами их появления, как минимум, два из которых ненулевые. Т. е. теория вероятностей занимается лишь изучением второй части из определения случайности и никак не доказывает и не опровергает гипотезу о нашем лучшем знании о пока ненаблюдаемом. Т. е. в основе теории вероятности лежит гипотеза об объективном существовании случайности.
И как определяется вероятностное пространство? А определяется оно исключительно в виде частного случая теории множеств, лежащей в основе всей современной математики. Откажитесь от теории множеств и вся современная математика рассыпается в прах.
Доклад «Оптимизация портфеля алгоритмических стратегий»
1. Введение
В чем состоит цель подобной оптимизации? Представим, что у нас есть набор алгоритмов, каждый из которых обладает некоторыми статистическими свойствами, из которых наиболее важными для нас являются доходность и максимальная величина просадки. В основе каждого из алгоритмов лежат разные стратегии, которые, тем не менее, могут быть коррелированы между собой в разной степени, торговля также может вестись на разных инструментах. В качестве примера приведу характеристики стратегий, которые были разработаны нашей командой и применяются в боевых торгах в настоящее время:
Так как свойства каждого из алгоритмов отличаются, возникает проблема: каким образом распределить между ними доступный капитал для того чтобы:
1. Максимизировать доход при заданном уровне риска ( то есть максимальной величине просадки)
2. Минимизировать риск при заданной доходности
Если дать, например равные доли капитала каждому алгоритму, то, очевидно, что такое распределение не будет оптимальным, так как мы не учитываем характеристики, присущие стратегиям. Не будет оптимальным и тот случай, когда мы, например, выделяем капитал пропорционально относительной доходности каждого алгоритма, здесь мы игнорируем значения волатильности, то есть риска, стратегий.
2. Модель Марковица
Задачу оптимизации попробуем решить, применив теорию оптимального портфеля, разработанную Марковицем, точнее некоторые последующие ее модификации. Обычно данная теория применяется для долгосрочного инвестиционного портфеля, состоящего из различных активов, например акций. Кратко суть теории.
Небольшая статья с ресурса http://www.talaikis.com/ о построении простой стратегии, использующую наивный байесовский классификатор при создании процесса возврата к среднему. Весь код в статье приведен на языке Python.
Это достаточно большая область исследований, но расскажем все очень кратко. Мы попытаемся найти взаимоотношение между временными сериями (в данном случае возьмем в качестве сигнала взаимный фонд XLF из финансового сектора, сдвинутый по времени на 1 день назад), а нашей целью будет фьючерс S&P500 в форме CFD. Будем входить в длинную позицию по этой бумаге при нулевой вероятности приращения. Логически нулевая вероятность ни о чем не говорит, другими словами, будем покупать возврат к среднему.
1. Получение данных
Y = read_mongo(dbase, "S&P5001440") X = read_mongo(dbase, syms[s]).shift() #готовим набор данных res = pd.concat([X.CLOSE, Y.CLOSE], axis=1, join_axes=[X.index]).pct_change().dropna() res.columns = ['X', 'Y']