Торговые роботы

С 1 по 12 апреля прошел «Полигон для новичка» №17. Победителем в нем стала ТС «Ротор» с результатом +4.79%. За ней идут: ТС «Стрелка» (+4.16%) и ТС «Ракета» (+1.75%).
В алгоритме ТС «Ротор», победителе Полигона есть условие «Одна сделка в день». Хорошо это или не очень? В данном видео я рассматриваю ТС «Ротор» и делюсь своими соображениями о том, как его можно улучшить.
Что такое «Полезные мелочи» можно посмотреть здесь https://smart-lab.ru/blog/473161.php

Введение

1. CandleMax
2. PVVI
3. AVP

Описание и тестирование в программе Wealth-Lab первых двух роботов я уже приводил. Вот соответствующие ссылки:

Тестирование рабочей свечной модели на исторических данных

Тестирование модели CandleMax в программе Wealth-Lab

Индикатор PVV (price/volume/volatility)

Тестирование робота PVVI в программе Wealth-Lab

Сейчас настало время дать краткое описание и привести тестирование в программе Wealth-Lab третьей торговой системы, которая у меня сейчас в работе.

Торговая система AVP (average volume/price) не является свечной моделью, как CandleMax, и не основана на красивой математической формуле, как система PVVI. Из трех моих спекулятивных роботов, робот AVP выдает сигналы реже всех. Тем не менее, результативность этого робота практически совпадает с результативностью робота PVVI, лишь совсем немного ей уступая.

Книга содержит 11 глав.
Первые 9 глав являются историческим повествованием различных событий в мире политики и финансов и отражение этих событий в ценах тех или иных активов.
Интерес представляют последние 2 главы: 10-ая в большей степени и 11-ая на закуску.
Основной вывод автора — контролировать на рынке можно только риски и построить рабочую торговую систему можно лишь обуздав риск. С этим сложно спорить.
Понятие риска Юрий связывает с просадкой капитала. Формула просадки на стр.203. С этим также сложно спорить, поскольку...
Здесь следует сделать упоминание первоисточника, который лег в основу 10-й главы — это диссертация на соискание ученой степени к.э.н. Киселева Дмитрия Ивановича «Моделирование, оценка и снижение рисков финансовых инвестиций в условиях развивающегося фондового рынка» от 2004 года.
Поэтому тем, кто бы хотел узнать детали, лучше обратиться к этой диссертации. Хотя в ней и присутствуют определенные косяки, но их не увидел не торгующий на бирже научный руководитель.
Следующие важные выводы 10-й главы: это диверсификация портфеля торговой системы по эмитентам и тайм-фреймам. Тут также не поспоришь.

• Использование отдельных классических видов анализа (фундаментальный, технический, сентимент, статистика)- это рудимент. Настоящее и будущее это использование комплесных методов машинного обучения
• Современные методы используемые квантами и data scientistами в хэдж фондах.
• Градиентный бустинг и рекурентные нейроные сети, их характеристики, преимущества и отличия
• Использование данных методов в HFT и алготрейдинге
• Искусственный интеллект ближайшая перспектива? Рекомендации для начинающих в изучении методов машинного обучения. Языки программирования, сервера, видеокарты и прочее.