алгоритмическая торговля

Начнем с традиционной таблицы

Мой убыток в сентябре дали три дня: 12, 18 и 29. Почему? Потому что в предыдущие рабочие дни мы росли в ожидании чего-либо: 11-го ждали ставку ЦБ 16%, 17-го перед погашением квартальных фьючерсов, 26-го, наверное, перед окончанием месяца. И все эти росты вогнали меня в лонги и эти лонги отстопились с убытками на следующий день. И убыток счета этих трех дней и был на 15.7% больше минуса месяца, если последний взять за 100%. Увы, ростов на 2 и более дней сентябрь не показал нигде, кроме валют, а такой рынок «не мой». Поэтому RI-тренд и Спот у меня в минусе, а в плюсе смогли закончить месяц только фьючерс на юань и RI-контртренд. А так как Спот у меня 75% портфеля, то и максимум просадки года я обновил.

Трудно зарабатывать на такой «пиле», которую мы видим на нашем рынке с 18 марта (+13.4% на графике) 

Всем, Добрый день!

Меня зовут Андрей Счастливый. Пишу на Python. Месяц назад разбираясь с одним пакетом для бэктестинга торговых стратегий на C был очень разочарован в низкой скорости. А ведь в пакете для бэктестинга самое главное скорость и вообще возможность массово пакетами тестировать торговые стратегии. Решил написать на Python свой бэктестер с GPU.

За месяц написал пакет и вот ближе к делу, хочу рассказать о нём. Тянуть не буду сразу в лоб, цифры в факты.

WarpTrade — высокопроизводительный GPU-бэктестинг торговых стратегий, написанный на Python с использованием Taichi. Проект построен на модульной архитектуре с универсальным движком, способным запускать любые торговые стратегии через систему регистрации ядер. В основе лежит алгоритм собственной разработки.

Писал и тестировал пакет на следующем железе, цифры будут относиться к тестам на данном железе: рабочая станция Lenovo P15, процессор Xeon W-10885M 8/16 ядер, 64 Gb ram, видео Nvidia Quadro RTX5000 с 16 Gb видеопамяти.

Для чего на самом деле нужен торговый робот и кому он подойдёт?

Я представлял их как «волшебную кнопку», которую нажал и деньги сами текут на счёт. Но с опытом я понял: робот — это совсем не про «быстрый заработок», а про дисциплину, системность и контроль рисков.

Для чего нужен торговый робот

1. Чтобы убрать эмоции
   Лично для меня это стало главным. Когда я торговал руками, меня постоянно качало: то жадность, то страх. Робот же не думает, он просто исполняет алгоритм.
2. Для системности
   Робот не устает, не отвлекается и не «забывает поставить стоп». Он всегда торгует по правилам, которые я ему задал.
3. Для статистики и анализа
   Когда робот работает, я могу собирать большие массивы данных: сколько сделок, какой профит-фактор, какая просадка. Это помогает объективно оценивать стратегию, а не полагаться на ощущения.
4. Чтобы экономить время
   Я не сижу весь день у монитора. Робот берёт рутину на себя, а я могу заниматься анализом, доработкой стратегий и просто жить.

Все расчеты представлены с начала 2017 года и по END DATE

Сравнение стратегий сформировано по уровню риска, соответствующего общей классификации и обычно устанавливаемого на основании РИСК-ПРОФИЛЯ:

✅ УМЕРЕННЫЙ уровень риска — Основное внимание уделяется балансу между стабильностью портфеля и ростом его стоимости. Инвесторы должны быть готовы принять умеренный уровень волатильности и риск потери основных средств. Типовой портфель будет в основном сбалансирован между инвестициями в облигации, акции и, возможно, с небольшой долей в алгоритмических стратегиях.
Сюда отнесены стратегии — ABTRUST, AITRUST и AITRUST 2.0, которые сравниваются с бенчмарком RUSCLASSICBM*

Показатели стратегии ABTRUST (учитывает налоги и комиссии брокеров):
✅ За период с 2017 года, %: +116.5
✅ CAGR, %: +9.32
✅ Волатильность, % в год: 10.93
✅ Коэффициент Шарпа***: 0.24
✅ Максимальная просадка****,%: 16.41
✅ Коэффициент Калмара*****: 0.58

Показатели стратегии AITRUST (учитывает налоги и комиссии брокеров):
✅ За период с 2017 года, %: +237.3

Каждую неделю мы отбираем и разбираем десятки свежих препринтов научных работ по алгоритмической торговле. Вот что сейчас в фокусе исследований.

Генеративные модели для рыночных данных

Ученые активно работают над моделями, которые имитируют рыночные данные. Это нужно для стресс-тестирования и торговли в условиях неопределенности.

В работе «Nested Optimal Transport Distances» предлагают новый метод оценки таких моделей. Он помогает точнее предсказывать поведение рынка, что важно для хеджирования и алгоритмов на основе обучения с подкреплением.

Другое исследование «Painting the market: generative diffusion models for financial limit order book simulation and forecasting» использует диффузионные модели — технологию, похожую на ту, что создает изображения в нейросетях. Здесь ее применили к данным стакана заявок, чтобы лучше предсказывать его изменения.

Микроструктура рынка и влияние ордеров

Как отдельные заявки меняют цену? В статье «The Subtle Interplay between Square-root Impact, Order Imbalance & Volatility II: An Artificial Market Generator» показано, что волатильность можно объяснить через влияние крупных ордеров. Их эффект на цену часто подчиняется закону квадратного корня.

На этой неделе больше всего работ посвящено двум направлениям:

1. Машинное обучение (ML) для алгоритмической торговли
2. Анализ временных рядов с помощью глубокого обучения

1. ML в алгоритмическом трейдинге

Больше всего исследований — про обучение с подкреплением (RL). В них показывают, что RL и нейросети помогают делать торговые стратегии гибкими и устойчивыми.

— В работе QTMRL: An Agent for Quantitative Trading Decision-Making Based on Multi-Indicator Guided Reinforcement Learning предлагают торгового агента, который учитывает несколько технических индикаторов и адаптируется под рынок. Этот метод зарабатывает больше и лучше управляет рисками, чем классические подходы.

— Optimal Quoting under Adverse Selection and Price Reading — про оптимизацию котировок для маркет-мейкеров. Тут предлагают способ корректировать заявки, учитывая риски из-за информационного дисбаланса.

2. Глубокое обучение для прогнозирования рынков

Вторая группа работ — про анализ временных рядов. Акцент на предобученных моделях (foundation models), которые могут работать без дополнительной настройки.