Эта обучающая заметка призвана раскрыть некоторые элементы технологии производства торговых систем. Существует два основных подхода к созданию биржевых алгоритмов. Первый стартует с некой идеи, например--25-го числа уплачивается НДПИ, что может влиять на курс рубля. Далее эта идея проверяется и находит/не находит подтверждения. Это неплохой подход, но у него есть недостаток--число идей, приходящих в голову, ограничено. Кроме того, опыт построения систем показывает, что зачастую логика происходящего такова, что чистой силой ума допереть до нее тяжело. Поэтому более плодотворным (хотя и не приносящим такого удовольствия, как сила ума) является второй подход, связанный на начальном этапе с чистым майнингом. То есть никаких особых идей вначале нет--просто берется некий алгоритм, в принципе, почти любой. Но надо, чтоб он не был перегружен правилами--иначе на следующих этапах будет сложно. И смотрится, что получается. В результате таких действий рано или поздно получится хорошая кривулька эквити (эта стадия может занимать значительное время). И тут вопрос--это просто такая реализация броуновского движения, или там что-то есть? И вот здесь надо хорошенько поработать. Изучать сделки, менять параметры, менять правила--и смотреть, что получается, анализировать. Этот процесс во многом напоминает эволюцию в живой природе, фактически это генетическая оптимизация, понимаемая в широком смысле. И иногда оказывается, что в рынке действительно есть отклонения от СБ, а что еще нужно для счастья? :)

( Читать дальше )

Ровно год исполняется с момента как мы начали это путешествие, сев в автомобиль и взяв курс на юг.Этому предшествовала подготовка: машина, не новая «Субару», с особым пристрастием осмотрена на сервисе, заменено кой-чего; составлен подробный маршрут с запасными вариантами; навигация с платными картами «Навител» — Россия, Грузия, Турция; карты «Виза» и «Мастер» разных банков. В самой южной точке маршрута, турецком прибрежном городке Авсалар забронирована квартира в кондо на два месяца.
Ну и конечно о нелегком (но местами приятном) бизнесе нашем… Я оставил работать своего нового робота (тут ничего не рекламирую), который за три месяца работы-отладки показал неплохие результаты. Без реинвестирования, чтобы не рушил мозг на отдыхе возможными просадками. Дал ему денег на ГО 25 Си, чтоб оправдать сервак, где он «вкалывает», ну и заработать/потерять без эмоций. Статистику покажу понедельно, в пунктах на контракт, как и вел.

Поехали втроем: я, жена, сын десяти лет. Первый город остановки и ночевки – Волгоград, выбрали этот маршрут в честь юбилея Победы, чтобы посетить Мамаев курган. По дороге один раз пытались развести гаишники, мол обгон через сплошную, у нас есть запись, сотрем за три тыщи.

( Читать дальше )

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']

( Читать дальше )

Часто вижу как люди изобретают велосипеды в Excel, хотя все уже давно написано. Сам по себе Excel для анализа данных на мой взгляд не удобен.

Хочу поделится с вами базой с огромной коллекцией примеров анализа рыночной информации в Excel.
Корреляции, хеджирование, шорт интерес, моделирование портфеля, Монте Карло, бонды, опционы и еще много много всего.


www.gummy-stuff.org/Excel/

В последней передаче Тимофей Мартынов на Медиаметрикс как то указал про Мовчана Андрея(он к нему прислышиватеся). Есть хорошее видео данного автора и много интересных экономических суеверий он показывает и объясняет… Плюс он был у Тинькова в Бизнес-Секреты 2.0 Вообщем советую с целью расширения познаний и нового взгляда на вещи рекомендую...

Экономика – это наука, не менее сложная чем медицина или квантовая физика. Её предмет – миллиарды людей, объединенных экономическими отношениями – несравнимо сложнее, чем даже человеческий организм. Тем не менее, экономические рассуждения – это модно, а анализ, оценки, прогнозы и выводы принято делать не только в кругу политиков и журналистов, но и за кухонным столом, вне зависимости от профессии участников. В медиапространстве рождаются (и проникают всюду, включая Белый Дом и Кремль) невероятные предрассудки и суеверия на экономическую тему. Между тем, разоблачить их очень легко – достаточно посмотреть на мир под правильным углом. Штук пятнадцать суеверий за время лекции мы успеем разоблачить.


Бизнес-Секреты 2.0

Если кому-то интересно, мои статьи на тему R, машинное обучение, количественный анализ:

1. Мои шаги в сторону машинного обучения на R и немного про Si, Brent
2. Расчет ожидаемого количества убыточных сделок подряд на R
3. Применение логарифмов для расчетов со сложным процентом
4. Построение модели для парной торговли акциями Google и Apple на R
5. Анализ Brent с использованием языка R
6. Количественный анализ графика нефти с применением R (продолжение)
7. Гистограммы доходностей разных активов
8. Применение наивного байесовского классификатора на R для поиска закономерностей и прогнозирования

В следующей статье расскажу про наивный байесовский классификатор и нейронные сети в трейдинге. 

В перерывах между ТСЛабом и голым кодингом копаюсь в разного рода онлайн сервисах по роботобилдингу. Пока вот очередной перерыв, решил опубликовать список из онлайн-сервисов, которые предоставляют разные возможности для бектестов и деплоймента алгоритмов. Т.к. большинство смартлабовцев сидят на иглах ТСЛаба и WL, делать детальное описание не буду, хотя покопался там изрядно. Может как-нибудь за следующим перерывом...

RIZM — прикольный конструктор. Недавно вроде гугл показал подобный кодогенератор. Суть — Вы не пишете коды, а складываете кубики. Только не такие, как в ТСЛабе или еще где-то, а более близкие к программированию. Т.е., если Вы умеете читать код, но не умеете его писать (аки покорный Ваш слуга), то это для Вас.

QUANTOPIAN — упоминался несколько раз тут на СЛ. Quantopian стал центром для выпускников математических и научных дисциплин, которые обладают навыками программирования. Для кодеров. Python. Многие говорят, что соскочили с квантконнекта в квантопиан именно по причине простоты питона. Легендарный

( Читать дальше )

Наткнулся тут на свой трейдерский дневник старый. Какой стиль, какой слог :) Осторожно, ненормативная лексика на картинках. 

( Читать дальше )

Посчитал на R спред между акциями Google и Apple с учётом соотношения (hedge ratio). И нанёс среднюю линию с двумя среднеквадратичными отклонениями сверху и снизу. Красота. 



Делается на R это очень просто, код ниже. 

require(quantmod)
> startT <- «2015-01-01»
> endT <- «2016-01-01»
> rangeT <- paste(startT, "::", endT, sep="")
> symbols <- c(«AAPL», «GOOG»)
> getSymbols(symbols)
[1] «AAPL» «GOOG»
> tGOOG <- GOOG[,6][rangeT]
> pdtGOOG <- diff(tGOOG)[-1]
> tAAPL <- AAPL[,6][rangeT]
> pdtAAPL <- diff(tAAPL)[-1]
> model <- lm(pdtAAPL ~ pdtGOOG)
> hr <- as.numeric(model$coefficients[1])
> spreadT <- tAAPL — hr * tGOOG
> meanT <- as.numeric(mean(spreadT, na.rm=TRUE))
> sdT <- as.numeric(sd(spreadT, na.rm=TRUE))
> par(mfrow = c(2,1))
> hist(spreadT, col=«blue», breaks = 100, main = «Spread Histogram (AAPL vs GOOG)»)
> plot(spreadT, main=«AAPL vs GOOG spread (in-sample period)»)
> abline(h = meanT, col = «red», lwd = 2)
> abline(h = meanT + 1 * sdT, col = «blue», lwd = 2)
> abline(h = meanT — 1 * sdT, col = «blue», lwd = 2)

Здесь: 

meanT — среднее
sdT — среднекв. отклонение
spreadT — спред
par — график с двумя секциями
plot — график
hist — гистограмма
abline — линия поверх графика
model — линейная зависимость модель, МНК
quantmod — библиотека для получения исторических данных
rangeT — временной диапазон

Хотите попросить сделать количественный анализ чего-нибудь? Пишите в личку или в комментариях.

Начинаю разработку бесплатного майнера паттернов — второй версии. Пока собираюсь с мыслями и готовлю возможную архитектуру. К лету начну работы.

За последние пару лет его скачали больше 10 к. человек. Уважаемые пользователи, пишите, что бы Вы хотели ещё в нём увидеть. В пост, мне на почту, на домашний форум программы. Буду расширять список изменений.

Для всех остальных, небольшой обзор программы. С чего всё начиналось и что есть сегодня.




Stock Pattern Viewer — Уникальная программа для автоматического анализа котировок на предмет формализуемых паттернов и сбора статистики по ним. Data Mining с человеческим лицом.
Программа полезна в качестве станции поиска формаций для системного трейдинга.

( Читать дальше )