Подготовил презентацию

drive.google.com/file/d/0BzRUUWXCOSO5QzVxUEFRUGdVWU0/view

Но скажу сразу, что есть сомнения, а не напугаю ли я аудиторию? Посмотрите, дайте обратную связь.

P. S. Поясню, чтобы не было недопонимания. Это не доклад о том, как строить торговые алгоритмы, а методика классификации рынка, которая дает ключ к пониманию:

— какие алгоритмы были эффективнее в прошлом;
— на каком рынке от построенного алгоритма ждать «подлянки»;
— как построить эффективный портфель из имеющихся алгоритмов;
— на каких задачах сосредоточить усилия с целью улучшения существующего портфеля.

Каждый трейдер, путем проб и ошибок, вырабатывает свой концепт и принципы торговли. Мой путь привел меня к следующему пониманию:

• Цены на рынке случайны
• Рынок имеет «память» и есть зависимость распределения новых цен от прошлых

Почему я так считаю? Случайность цен состоит именно в том, что мы не можем (по крайней мере на практике) установить четкие законы изменения и не можем с 100% вероятностью рассчитать, на основании t0 тика, значение t+1, t+2…t+n. А значит мы оперируем только вероятностями. А объяснение причины случайности в том, что на рынке участвуют множество трейдеров с разными подходами и в момент t0 каждый из них принимает свое решение, что и создает случайность (т.е. невозможность однозначного расчёта будущего). А наличие «памяти» и зависимости прошлых новых цен от прошлого объясняется очень просто – любое принятие решений на рынке, трейдеры основывают на имеющихся данных, т.е. опираясь на историю, это же касается и роботов. Какие из этого я делаю выводы?

• Рынок хоть стремиться к эффективности, но не является эффективным
• На рынке присутствуют периоды с большей «связанностью» будущего с прошедшим (т.е. более предсказуемые)
• Все, что у нас есть – это история. И в большей степени исторические данные по торгам. Ну, покрасней мере для простого трейдера. ИИ анализирующий другую историческую информацию нам не доступен J

( Читать дальше )

Предыстория:

Мне, и думаю многим другим, нужны качественные исторические данные за максимальный промежуток времени — для изучения рынка, построения и тестирование торговых систем. Такие данные по фьючерсам, торгуемым на западе, в частности на CME, в свободном доступе (кроме дневок) практически не найти. Несколько месяцев назад я купил исторические данные по следующим фьючерсам CME: ES (фьючерс на индекс S&P), CL (фьючерс на нефть WTI), GC (фьючерс на золото), NQ (фьючерс на индекс NASDQ). Спецификацию по ним вы можете посмотреть тут:http://www.cmegroup.com/trading/equity-index/us-index/e-mini-sandp500_contract_specifications.html

Но осталась потребность в данных по многим другим интересным инструментам. И пару недель назад у меня появилась идея – т.к. исторические данные нужные не только мне, то вполне возможно приобретать их совместно (в складчину) (http://smart-lab.ru/blog/317451.php)

( 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 )

Предыстория:

Мне, и думаю многим другим, нужны качественные исторические данные за максимальный промежуток времени — для изучения рынка, построения и тестирование торговых систем. Такие данные по фьючерсам, торгуемым на западе, в частности на CME, в свободном доступе (кроме дневок) практически не найти. Несколько месяцев назад я купил исторические данные по следующим фьючерсам CME: ES (фьючерс на индекс S&P), CL (фьючерс на нефть WTI), GC (фьючерс на золото), NQ (фьючерс на индекс NASDQ). Спецификацию по ним вы можете посмотреть тут: http://www.cmegroup.com/trading/equity-index/us-index/e-mini-sandp500_contract_specifications.html

Но осталась потребность в данных по многим другим интересным инструментам. И пару недель назад у меня появилась идея – т.к. исторические данные нужные не только мне, то вполне возможно приобретать их совместно (в складчину) (http://smart-lab.ru/blog/317451.php)

Суть идеи:

Для коллег, кто пользуется 5-минутками и выше, я решил выкладывать в свободный и бесплатный доступ 5 минутные OHLCV за всю историю и также выкладывать обновления по ним.

( Читать дальше )

три года тиков можно брать бесплатно, установив демку на две недели и качай пока не посинеешь — ДАРОМ

www.sierrachart.com/index.php?page=doc/setup.php

www.sierrachart.com/index.php?page=doc/SierraChartHistoricalData.php

• Historical Intraday Data: Yes. 1 minute.

• At least 3 years of tick by tick data for popular futures contracts on the CME, ICE, Eurex exchanges.

• 90 days of historical tick by tick data for US stocks.

• Historical Daily Data: Yes.

• Historical BidVolume and AskVolume: At least 3 years for popular futures contracts on the CME, ICE, Eurex exchanges.

• 90 days for US stocks. Accurate data is provided.

Начало здесь: smart-lab.ru/blog/316716.php

Выкладываю обновления по историческим данным в облако:

5 минутные OHLCV

Вся история по ES, GC, CL, NQ до 11.03.2016 cloud.mail.ru/public/JLrq/U3FoC9pSj
Обновление по ES, GC, CL, NQ до 18.03.2016 cloud.mail.ru/public/ECvR/57GcmhyP4

Тиковые данные
Кто скинулся на тики увидит обновления по полученной ссылке

P.S.
По поводу получения тиков обращаться в личку

P.P.S.
Несколько человек уже скинулись еще парочка и буду брать еще один контракт

P.P.P.
Достали агрессивно-поучительные товарищи, с такими заявлениями — На фига тиковые данные? На фига так париться, есть бесплатные данные за 3 года? и т.п.
Так-вот — каждому свое, и пусть каждый сам определяет необходимость и качество нужных ему данных. Мне нужны качественные данные и за много лет. Не конструктивные комментарии буду удалять…

Предыдущая тема здесь

smart-lab.ru/blog/316716.php

Обратили мое внимание на то, что выложенные архивы с 5 минутками не сжаты (фича скрипта)
Выложил все 5 минтутки по ES, GC, CL, NQ одним фалом сжатием, скачивайте тут:

turbobit.net/53tle0u1k2qn.html