Решил копнуть чуть глубже в ARIMA и другие подобные модели. Попробовал предсказывать цену, а точнее, диапазон цен на ближайшую минуту и 5 минут и на этом сделать какие-то деньги. И что интересно, получилось. Хотя, возможно, это случайность отчасти, не тестировал на большом горизонте времени.

В комментариях к коду все есть.

ARIMA (англ. autoregressive integrated moving average, иногда модель Бокса — Дженкинса, методология Бокса — Дженкинса) — интегрированная модель авторегрессии — скользящего среднего — модель и методология анализа временных рядов. 

Основная идея этой модели в том, что цена в будущем зависит от цен в прошлом (авторегрессионная часть AR) и возврата к среднему (MA часть). А интегрированность означает то, что предварительно определяется порядок интегрированности для временного ряда. К примеру, порядок 1 означает, что разности 1 порядка являются стационарными. Для самой цены порядок интегрированности должен получаться равным 1, а для доходностей — 0. 

( Читать дальше )

Окей, 100 плюсов есть. Обещанный способ угадывания гэпа.

Идем к сайлентбобу: smart-lab.ru/blog/206454.php
Что видим:
1) только лонг
2) работает с 2011 года, до этого времени нет
3) сделок с весны 2011 до сентября 2014 мало — 123 штуки — событие с одной стороны редкое, а с другой вполне себе равномерно распределено по году (смотрим эквити). Процент выигрыша 65, профит фактор 2,77.
4) паттерн достаточно очевидный чтобы его было не жалко отдать сматрлабовцам.

Какое у нас редкое равномерно распределенное очевидное событие? День недели. Строим простейший скрипт и смотрим есть ли закономерности в Си по дням недели.

Чего видим? в пятницу у нас гэп скорее вверх, причем профит фактор сразу 2,56. Смотрим на эквити:

 

Все красиво, похоже предположение верное. На следующем шаге добавляем фильтр в стиле «на момент входа снизились не более чем на определенную величину от закрытия предыдущего дня». Часть сделок отсеиваем, улучшаем ПФ на 0,39. Радуемся, исследуем дальше, встраиваем в свои системы.


А заодно начинаем думать почему так может происходить, и почему до 2011 было по-другому. До мая 2010 пятничный гэп в целом повторял движение самого Си, а с мая 2010 до начала 2011

( Читать дальше )

Хотел бы поделиться своими соображениями по поводу трейдинга. Думаю, индивидуальные (частные) трейдеры — это самый незащищенный слой на биржевом рынке, надеюсь, кому-то помогут мои советы.

1) Трейдинг (спекуляции) — это сложно. Биржевой рынок впитывает в себя лучшие умы планеты. Все хотят качать с него деньги. Поэтому благотворительностью здесь никто не будет заниматься. Это надо понимать каждый день торговли на бирже.

2) Простые (линейные) стратегии не работают. Мне жаль людей, которые верят в анализ японских свечей. Изучайте эконометрику (статистика временных рядов), читайте профессиональную литературу. Самые качественные мысли можно найти в англоязычной литературе. 

3) Я использую тиковые сделки и секундные агрегации тиковых сделок для выработки сигналов. Агрегации временных рядов на большем тайм-фрейме не позволяют видеть всей картинки рынка.

4) Общение с людьми из бизнеса очень помогло понять некоторые вещи (я делал серию интервью в рамках своего проекта Биржевые люди). Старайтесь найти настоящих профессионалов. Участвуйте в серьезных конференциях. 

( Читать дальше )

В последнее время изучаю R и машинное обучение. 

Мои статьи про R, машинное обучение, количественный анализ

В этом посте я расскажу о том, как применить машинное обучение для поиска закономерностей и прогнозирования.

Использовал эту статью: Применение машинного обучения в трейдинге

Начнем с проверки того, работают ли тренды и как влияет день недели на направление движения цены. И если работают, насколько они смещают вероятность в нашу сторону. Применим для этого наивный байесовский классификатор. 

Теорема Байеса в теории вероятностей, как теорема Пифагора в геометрии.

Байесовская вероятность — это интерпретация понятия вероятности, используемая в байесовской теории. Вероятность определяется как степень уверенности в истинности суждения. Для определения степени уверенности в истинности суждения при получении новой информации в байесовской теории используется теорема Байеса. 

( Читать дальше )

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. 

Здравствуйте дорогие друзья!

Сижу в командировке в лесу, кодить не охото, позиции править не надо, решил выложить следующую версию моего анализатора от нечего делать.

Вот какие изменения в версии 1.1:

Что нового:
1. Сделал возможность изменять волатильность разных опционных серий по разному.
2. Сделал возможность изменять цену фьючерса разных опционных серий у которых фьючерсы разные.
Пояснение к пунктам 1 и 2. Я торгую календарями и постоянно необходимо знать какие риски и какой профит будет если раздвижка по волатильности и цен фьючерсов изменяться. Для меня стало очень удобно, а то раньше мог прикидывать только приблизительно основываясь на своем опыте.
3. Добавил информацию по фьючерсу в портфель рядом с полями условия изменения цены. Теперь видно какой фьюч и его текущая цена является базовым активом опционов.

( Читать дальше )

Итак, как и было описано ранее, Si закрепился ниже 73000 и продолжил падение до вчерашнего минимума 69456. 
Ранее, на уровне 80000, были куплены #опционы put со страйком 75000 и call со страйком 83500. (эта покупка была частью стратегии, которая предполагает покупку разнонаправленных опционов равным объемом на равноудаленных страйках от цены в моменте). 
Не дожидаясь ранее спрогнозированного уровня падения 68000 #опцион 75000 был зафиксирован покупкой #фьючерсов на уровне 69951. После чего голосовым поручением брокер досрочно экспирировал позицию.

Таким образом потратив на открытие позиции около 27% от депозита + еще около 70% на фиксацию прибыли (покупку фьючерсов) сделка принесла 29% к депозиту менее чем за месяц (5050 пунктов).

Недавно был популярный пост про возможности языка R: http://smart-lab.ru/blog/314380.php

Нашел вот курс на курсере по этому языку: https://www.coursera.org/learn/r-programming

Может кому понадобится. 

Если не хотите платить 2300 руб. за сертификат, можете просто пройти обучение, материалы бесплатные. Платно только получение сертификата. 

Многие трейдеры при торговле раночно-нейтральными стратегиями задаются вопросом, а как совершать сделки покупки продажи спреда, на основании чего принимать решение о входе и выходе в позицию.

Сегодня мы рассмотрим вариант входа в сделку основываясь на регрессии акций.



Если откинуть все умные фразы и дать определение регрессии на простом языке, то получается следующее:

Регрессия — это зависимость переменной 1 (в нашем случае акции Газпрома) от независимой переменной 2 (акции ЛУКОЙЛа). Данное выражение будет иметь статическую значимость.

Формула регрессии:  

Yt=A+BX(t)+E(t)

Давайте с вами рассчитаем регрессию для акций Газпрома и Лукойла.

Алгоритм построения:
1. Скачиваем исторические дневные данные с финама.  www.finam.ru/profile/moex-akcii/gazprom/export/

2. Вставляем все скаченные данные в эксель



( Читать дальше )

Вчера на СмартЛабе  был размещен пост Как построить корреляционную матрицу (для парной торговли) в Excel, собравший аж 150 "+".
Решил тоже попрактиковаться и написать под эту задачу код в R. Важным преимуществом R является наличие пакета rusquant, который позволяет автоматически получать котировки с Финам в любом таймфрейме (в т.ч. в тиках), что существенно экономит время по сравнению с ручной обработкой в Excel.

Код на R приведен ниже:

• Файл c кодом можно скачать тут.
• Файл с названиями тикеров: для примера 1 тут, для примера 2 тут. Эти файлы используется для ввода тикеров в программу, т.к. прописывать тикеры вручную непосредственно в коде при их большом количестве не удобно. 
• Время загрузки данных с Финам по 79 тикерам составило 84 секунды, т.е. примерно по 1 сек. на тикер. А сколько бы ушло на ручную загрузку для Excel сложно представать.

 

Результаты:

( Читать дальше )