Избранное трейдера korn
При написании данного обзора мы сравнивали тарифы каждого брокера и выбирали те решения, которые подойдут большинству трейдеров. Поэтому какие- то специфические тарифы (возможно выгодные), но подходящие для счетов с крупными суммами или, например, алготрейдеров, совершающих по 100 сделок в день, мы могли не учесть. У некоторых брокеров, тарифы построены таким образом, чтобы угодить разным инвесторам, поэтому у них посчитали нужным выделить несколько тарифов. У большинства есть одно хорошее предложение, которое подойдет многим трейдерам.
Что касается ИИС, то тарифы брокеров, для этих счетов такие же как и для обычных, по-крайней мере, мы не видели такой ситуации, чтобы брокер на инвестиционном счете предлагал дорогой тариф и не давал вариантов перейти с него.
Прошлая часть — см. в моем блоге.
В этой части разберем технику улучшения производительности стратегии, использующую множество моделей.
Одним из наиболее мощных методов улучшения прибыльности вашей модели является объединение нескольких алгоритмов в так называемое «множество». Теория состоит в том, что комбинируя разные модели и их предсказания, мы получаем более робастные результаты. Тесты показывают, что даже объединение простых моделей может быть производительнее более сложной, но единственной стратегии.
Существует три основных техники объединения:
Смешивание:
Смешивание основано на создании моделей, прогоняемых на немного различных тренировочных наборах и усреднения их результатов для получения одного предсказания. Тренировочный набор переделывается путем повторения или удаления вхождений данных, в результате чего получается несколько разных наборов. Этот процесс работает хорошо для нестабильных алгоритмов (например, деревья решений) или, если присутствует определенная степень случайности в процессе создания моделей ( как, например, начальные веса в нейронных сетях). Получив усредненное предсказание для коллекции моделей с высоким значением подгонки, мы можем уменьшить результирующую подгонку без увеличения недооценки, что приведет к лучшим результатам.
В прошлый раз, рассматривая подбор наилучшей позы на примере продажи волатильности, сделал неверный вывод о том, что оптимальная позиция должна походить на форму распределения P. Cделал его под влиянием книги: Опционы: Системный подход к инвестициям. С. Израйлевич, В. Цудикман (см. скриншот 103 стр. из книги). Но Михаил, спасибо, поправил и подсказал, что лучшая комбинация зависит не столько от собственного прогноза P, а скорее от разности своего прогноза и рыночного. Проверим это предположение и рассмотрим несколько стратегий, для каждой найдем оптимальную позицию и сравним ее с разностью (P-Q). Стратегии предлагаю такие: продажа и покупка волатильности, направленная торговля БА и сценарный подход.
Начнем с продажи волатильности. Берем рыночное распределение Q и сжимаем его (поскольку считаем, что рынок ошибается, и волатильность на самом деле меньше):
Сплошная серая заливка у распределения P (наш прогноз), тонкая сплошная линия — распределение Q (прогноз рынка), пунктирная линия — разница между нашим прогнозом и рынком.
Посмотрим, какую оптимальную позицию для такого случая находит геналгоритм:
Видно, что профиль на экспирацию у найденной позы имеет положительный PnL как раз там, где P-Q > 0.
— И вот у меня на руках появился аттестат. Конечно, я стал думать, как заработать на жизнь, — признается мальчик-мужчина. — Хотелось обеспечить не только себя, но и маму, которая «подняла» меня в одиночку (Татьяна работает в полиции – прим. ред.).
Рома потягивает чай через трубочку. Взять кружку в руки он не может – уронит. Зато с ноутбуком управляется ловко, поэтому работу стал искать в Интернете.