ТОРГОВЫЕ РОБОТЫ

В этом посте (лонгрид):

1. Как я управляю капиталом сейчас
2. Какие варианты управления капиталом я собираюсь тестировать/применять

 Термины и определения

• ТА — торговый алгоритм. Кусок кода или набор правил, по которым определяется точка входа в сделку / выхода из сделки
• ИД — идеальная доходность с методикой расчёта, варианты описаны в моём посте, в посте Sprite или в посте Buybuy. Эту идею я уже публиковал больше года назад, но прошлое забыто.
• ДТА — доходность торгового алгоритма

Простейший способ

До последнего времени я не усложнял себе жизнь распределением капитала. В соответствии с моими правилами, риск на позицию должен быть меньше 3% от депозита, и это означает, что я должен иметь как минимум 33 позиции с разными ТА на разных инструментах. Поскольку я всегда использую таймфрейм M1, то акцентирую на этом внимание и дальше упоминать про таймфрейм не буду. Ещё раз скажу, что я использую M1 по той причине, что он даёт наиболее высокую доходность и теоретически меньшие просадки. Доходность выше достигается, похоже, только HFT-техниками внутри стакана.

( Читать дальше )

В контексте активного развития криптовалютного рынка, применение автоматизированных торговых систем, часто именуемых «ботами», выступает как неотъемлемый элемент торгового процесса. Эти сложные ИИ-ориентированные системы могут совершать торговые операции, основываясь на предустановленных критериях, минимизируя необходимость постоянного человеческого вмешательства. В данной статье блога мы рассмотрим увлекательный мир криптоботов и алгоритмической торговли.

Обзор криптоботов и алгоритмической торговли

Криптобот — это специализированная программа, которая взаимодействует с финансовыми биржами через API для сбора и анализа актуальных рыночных данных. Основываясь на этих данных, бот осуществляет торговые сделки в соответствии с заранее определенными и запрограммированными правилами, учитывая такие факторы, как объем рынка, время, цена и даже сложные прогнозы, созданные с использованием моделей машинного обучения.

Эти системы были разработаны на основе традиционных алгоритмов рыночной торговли, но с учетом специфики волатильного крипторынка. Они предоставляют ряд преимуществ, способных оптимизировать торговый процесс, делая их привлекательными инструментами как для опытных, так и для новичков в торговле.

( Читать дальше )

В этом посте:

• как рассчитать максимальную теоретическую прибыль по инструменту (оптимальный торговый путь)
• как оценить устойчивость индикаторов к шуму
• как оценить приведённую эффективность своей стратегии и её слабые места
• как оценить устойчивость стратегии к шуму

1 Оптимальный торговый путь
Я торгую разными инструментами на разных рынках и часто задавался вопросом, имеющим и некоторое прикладное значение: если бы мне были известны цены заранее, сколько бы я смог заработать? Тут мне видится два подхода: простой и топорный, и чуть более сложный, который я реализовал.

Простой подход заключается в том, что нужно взять [high-low] каждой свечи и отнять комиссию (другой вариант abs[open-close] минус комиссия). Сумма за период и даст максимально возможную доходность по инструменту на данном таймфрейме за рассматриваемый период. Однако, понятно, что так в реальности никто не торгует, поэтому применимость такого варианта, на мой взгляд, сомнительная.

Более того, это вопрос для меня комплексный, и среди основных ценностей, которые я хотел получить — это не только теоретическая возможная доходность. Мне нужно было найти лучшие точки входа и выхода на истории.

( Читать дальше )

Subj

По результатам обсуждений последних дней увидел непонимание, цель этого текста — прояснить, расставить точки над й.

Непонимание касается того, каким образом я обновляю торговые алгоритмы и почему попытки повторить не увенчиваются успехом.

Напишу последовательность шагов ниже в виде скрипта.

1. Создаём много разных стратегий, они же торговые алгоритмы. Если у вас меняются параметры, это один и тот же алгоритм. Я же имею ввиду, что они должны быть принципиально разные. Например: открываемся по пересечению МА, закрываемся по стохастику. Открываемся по RSI, закрываемся скользящим стопом. Открываемся по MACD, закрываемся по пересечению Close AMA и т.д.
2. Тестируем их на разных инструментах и разных периодах. Дискретность можно выбрать месяц.
3. Успешные запоминаем, даже если они были успешными только на одном инструменте и в одном месяце.
4. Далее тестируем скользящим окном. Определяем дату начала, пусть 01.01.2023
5. Определяем шаг (7 дн) и размеры окна (14 дн)
6. Тестируем всё, что получилось в (3), на периоде в 14 дн до даты из (4), отбираем топ нужного количества по, например, прибыли (у меня сейчас так, и на графике ниже так).

( Читать дальше )

ТОРГОВЫЙ СИГНАЛ: ПОКУПКА MTLR, РОБОТ AVP

ВРЕМЯ ДЕЙСТВИЯ: ДО ЗАКРЫТИЯ ТОРГОВ

УСЛОВИЕ: ЦЕНА >= 200.98

СТОП-ЛОСС: ЦЕНА ВАШЕЙ ПОКУПКИ — 4.3

ТЭЙК-ПРОФИТ: ЦЕНА ВАШЕЙ ПОКУПКИ + 4.3

ТОРГОВЫЙ СИГНАЛ: ПОКУПКА UPRO, РОБОТ AVP

ВРЕМЯ ДЕЙСТВИЯ: ДО ЗАКРЫТИЯ ТОРГОВ

УСЛОВИЕ: ЦЕНА >= 2.005

СТОП-ЛОСС: ЦЕНА ВАШЕЙ ПОКУПКИ — 0.04

ТЭЙК-ПРОФИТ: ЦЕНА ВАШЕЙ ПОКУПКИ + 0.04

ТОРГОВЫЙ СИГНАЛ: ПОКУПКА OZON, РОБОТ AVP

ВРЕМЯ ДЕЙСТВИЯ: ДО ЗАКРЫТИЯ ТОРГОВ

УСЛОВИЕ: ЦЕНА >= 2405

СТОП-ЛОСС: ЦЕНА ВАШЕЙ ПОКУПКИ — 75

ТЭЙК-ПРОФИТ: ЦЕНА ВАШЕЙ ПОКУПКИ + 75

ТОРГОВЫЙ СИГНАЛ: ПОКУПКА LSRG, РОБОТ AVP

ВРЕМЯ ДЕЙСТВИЯ: ДО ЗАКРЫТИЯ ТОРГОВ

УСЛОВИЕ: ЦЕНА >= 768

СТОП-ЛОСС: ЦЕНА ВАШЕЙ ПОКУПКИ — 16

ТЭЙК-ПРОФИТ: ЦЕНА ВАШЕЙ ПОКУПКИ + 16

СТАТИСТИКА С 22.09.1997 ПО 29.12.2018: 442/248

(ЧИСЛО ПРИБЫЛЬНЫХ СДЕЛОК/ЧИСЛО УБЫТОЧНЫХ)

Добрый вечер, коллеги!

Как можно понять из моего блога, я люблю изучать разнообразные линейные и нелинейные индикаторы, равно как связанные с ними ТС.
Линейный индикатор — это линейная функция приращений цен. Если она положительна — покупаем, если нет — продаем.
С полиномиальными (квадратичными, кубическими etc.) индикаторами все устроено ровно так же.

К примеру — моментум, пересечение МА с ценой, пересечение двух и более МА — это все линейные индикаторы.
Пересечение курсом полос Боллинджера — это квадратичный индикатор.

Индикаторы можно комбинировать.
Например, трендовый индикатор (МАшки?), совмещенный с полосами Боллинджера, это кубический полином от приращений цен.

Теперь вопрос к уважаемому А. Г.

1. С одной стороны, А. Г., ссылаясь на ЦПТ (центральную предельную теорему), принимает за разумную модель процесс с нормальными приращениями цен (возможно зависимыми) и нестационарными МО и дисперсией.

В рамках этой модели он учит нас, что не следует уделять внимание высоким степеням приращений цен (кубическим и т.д.) и изучать более, чем квадратичные статистики, т.к. для задач прогноза это не особо нужно.

( Читать дальше )

Дмитрий Овчинников написал пост про системы, которые регулярно оптимизируют параметры. Такую идею ранее описывал Коля Московский лоссбой, когда предлагал оптимизировать систему на интервале год, месяц, неделя,… (перечень интервалов могу путать)
Год назад я решил протестировать похожую идею. Сделал тестер, который в начале каждого месяца оптимизировал параметры системы на пересечении двух МА, затем месяц торговал, затем опять оптимизировал и месяц торговал. И прогнал такой бэктест на истории 8 лет.
Цифр сейчас нет, но такой подход не смог обыграть портфель такой же системы с постоянным облаком параметров. По крайней мере держался на уровне средней системы из портфеля.
Причина, как мне кажется, заключается в том, что, когда рынок внезапно менялся (например на СВО), система еще месяц продолжала торговать старую формацию.Также, возможно были ошибки в моем тестере и мои выводы неверны.

ТОРГОВЫЙ СИГНАЛ: ПОКУПКА DSKY, РОБОТ AVP

ВРЕМЯ ДЕЙСТВИЯ: ДО ЗАКРЫТИЯ ТОРГОВ

УСЛОВИЕ: ЦЕНА >= 71.84

СТОП-ЛОСС: ЦЕНА ВАШЕЙ ПОКУПКИ — 0.2

ТЭЙК-ПРОФИТ: ЦЕНА ВАШЕЙ ПОКУПКИ + 0.2

ТОРГОВЫЙ СИГНАЛ: ПОКУПКА SGZH, РОБОТ AVP

ВРЕМЯ ДЕЙСТВИЯ: ДО ЗАКРЫТИЯ ТОРГОВ

УСЛОВИЕ: ЦЕНА >= 6.303

СТОП-ЛОСС: ЦЕНА ВАШЕЙ ПОКУПКИ — 0.15

ТЭЙК-ПРОФИТ: ЦЕНА ВАШЕЙ ПОКУПКИ + 0.15

СТАТИСТИКА С 22.09.1997 ПО 29.12.2018: 442/248

(ЧИСЛО ПРИБЫЛЬНЫХ СДЕЛОК/ЧИСЛО УБЫТОЧНЫХ)

Коллега @Ho_Chu при каждом удобном случае говорит мне, что необходимо пересчитывать системы на основе последних данных. Коллега @bascomo, наверное единственный известный мне алго, эксплуатирующий этот механизм в промышленном варианте, написал в последнее время пару статей, чем подогрел мое любопытство. 

Мое отношение к подстройке под последние данные отрицательное, но оно основывается скорее на отсутствии доступных результатов трейдеров, использующих адаптирующиеся системы. Тем не менее такая стоящая гипотеза достойна проверки. Так как такая работа не подразумевает повторяемости, делается все вручную, а значит долго, дорого и плохо. И возможно с ошибками.

Для лабораторной работы взял одну из рабочих систем с тремя параметрами для оптимизации, определил диапазон параметров и периоды IS и OOS 

1. Разбил  OOS на интервалы с длительностью в 1 месяц. Проводил оптимизацию IS для каждого из интервалов OOS на периоде в 6 месяцев до этого периода и использовал лучшие параметры IS, различные для каждого из соответствующих периодов OOS.

( Читать дальше )

Продолжаю блуждать в направлении цели по тропе алготрейдинга — разрабатываю для себя очередной велосипед для автоматизированной торговли.

На данном этапе увлекло меня создание транзитного сервера для данных. Что подразумевается под транзитным сервером?
Допустим, есть сторонний датафид. И мы хотим логически (а при необходимости и физически) разнести инфраструктуру для торговли.
Наш сервер будет получать Live-данные от датафида, кэшировать, сохранять на диск и в то же время ретранслировать видоизмененный поток данных клиенту, где бы тот ни находился — на той же машине или на удаленной.

Что это нам дает?
Будем исходить из того, что, даже если датафид позволяет запрашивать исторические данные, их содержимое может существенно уступать по детализации Live-данным, поставляемым тем же датафидом.
К примеру, IQFeed в виде тиков дает историю трейдов с лучшими Ask и Bid только на момент сделки, в то время как Live-данные транслируют весь поток L1. Если торговая система L1 не использует, то разница для нас значения не имеет.

( Читать дальше )