Избранное трейдера Denis StrJ
Решил начать писать небольшие заметки по алгоритмической торговле и всему что с ней связано. Возможно, когда-нибудь расширю, склею и опубликую в виде книжки. Пока же это просто наброски заметок, сделанные на скорую руку.
Можно часто слышать от тех, кто торгует алгоритмически, да и просто систематически, такие понятия как «оверфиттинг», «курвафиттинг», «зафит» и прочие ругательства с корнем «фит». Что все это значит?
На самом деле, все эти слова, как правило, используются для описания одного и того же явления, являющегося врагом всех трейдеров, торгующих систематически и пытающихся оценить исторический перформанс своих торговых логик — а именно, что «живой» аут-оф-сампл перформанс на реальном счете, как правило, хуже ожиданий, полученных ими при проверке своих идей на истории. Например, при тестировании торговой логики на истории трейдер с помощью своей модели «зарабатывал» 30% годовых, а в реале может в среднем иметь 10% годовых. Разница 20% годовых — может объясняться именно оверфиттингом (если нет других факторов — например, некорректный учет комиссионных и проскальзываний, или ошибка в торговом коде; но прочие факторы легко устранить, в отличие от оверфиттинга). На картинке в начале статьи — пример перформанса некоторого фонда в бэктесте и в реальности, наглядно иллюстрирующий написанное выше.
Оверфиттинг является следствием комбинации одного или нескольких из следующих факторов, положительно влияющих на бэктест (результаты прогонки модели на истории), что и создает у трейдера завышенные ожидания от своей модели. В этой части мы рассмотрим основные источники оверфиттинга, в следующей — поговорим о способах избежания или минимизации оверфиттинга при историческом тестировании моделей.
Поделюсь алгоритмом первичного отбора акций компаний российского фондового рынка для формирования долгосрочного портфеля частного инвестора. Способ достаточно прост и всем по карману, ибо ничего не стоит в плане существенных энергозатрат. Несколько упражнений, и первичный перечень акций для покупки готов. Либо поработать с ним дальше, проведя более глубокие исследования выбранных эмитентов.
Итак,
Здравствуйте. Думаю, многие из Вас читали статью Сергея Спирина про «портфель лежебоки» опубликованную в уже далеком 2010 году. (если нет, просто набираете в гугле – портфель лежебоки и открываете первую же ссылку). Ну или возможно сталкивались с этой стратегией в других источниках, много кто её перепечатывает, дорабатывает, пересчитывает на сегодняшний день и т.д. Но зачастую приводятся просто расчеты на истории, а вот историй о реальных вложениях по этой схеме на протяжении скольки то лет не так много.
Итак, Портфель Лежебоки по сути представляет из себя распределение активов на части (как правило 3-4), в определенной пропорции, и не частую (как правило раз в год) ребалансировку портфеля, с приведением долей активов к первоначальной пропорции.
И вот год назад решил и я попробовать инвестировать часть денег по этой стратегии (но с ежегодным пополнением счета).
Пока собирал новый пул роботов, пришла мысль сделать алгоритм на баскетах. Давно думал о портфеле исключительно из маркет-нейтральных стратегий, но руки все никак не доходили.
Начал, конечно с небольшого рисерча, как вообще собирать корзины. Единственный годный материал по этой теме, который удалось найти, — это брошюра Давида Серебренникова. Прочитал статью несколько раз, представил идеальный спред и уже начал искать счетчик банкнот, но сперва, подумал я, надо потестить…
На первом же шаге меня ожидала неприятная новость: выбирать инструменты особо не из чего…