алгоритмы торговли

  

Статья из блога www.jonathankinlay.com поможет лучше понять работу вашей торговой стратегии и повысить ее производительность в будущем.

Построение прибыльной стратегии только половина успеха, трейдеру еще необходимо понимание так называемой альфы стратегии и риска. Это значит, что нужно определить факторы, обуславливающие прибыльность алгоритма и, в идеале, создать модель так, что их относительный вклад может быть вычислен. Более продвинутый путь — это конструирование мета-модели, которая будет предсказывать прибыльность и давать рекомендации, каким образом должна торговать стратегия в следующий период.

Производительность стратегии

Давайте посмотрим, как это работает на практике. В нашем случае будем использовать следующую внутридневную стратегию на фьючерсах E-mini:

Общая производительность стратегии довольна высока. Среднемесячная прибыль за период с апреля по октябрь 2015 года почти 8 000 долларов на контракт, за вычетом комиссии, со стандартным отклонением всего 5 500 долларов. Годовой коэффициент Шарпа около 5.0. На платформе с хорошим исполнением стратегия может масштабироваться до 10-15 контрактов, с годовой прибылью от 1 до 1.5 миллионов долларов.

( Читать дальше )

Основные этапы создания автоматических торговых систем сформулировал Michael Halls-Moore на своем сайте www.quantstart.com. Я присоединяюсь к его советам и рекомендациям — по текстам на сайте видно, что автор действительно занимается практической работой по алготрейдингу.

Автоматическая торговля это чрезвычайно сложная область биржевых финансов. Значительное время может занять получение необходимых знаний для создания вашей собственной стратегии. Также потребуется неплохие навыки в программировании, как минимум на таких языках, как MATLAB, R или Python. В связи с постоянным ростом частоты сделок технологические аспекты торговли тоже становятся очень важны. Это требует изучения языков программирования C/C++.

Автоматическая торговая система состоит из следующих основных компонентов:

• Идентификация стратегии — нахождение стратегии, имеющей положительный потенциал прибыльности и решение о том, насколько она будет высокочастотной
• Бэктестирование стратегии — получение данных, анализ производительности и устранение недооценки/подгонки
• Система исполнения — связь с биржей, автоматизация торговли и минимизация транзакционных комиссий
• Риск-менеджмент — оптимальное размещение капитала, размер ставки/критерий Келли, и психология трейдинга

( Читать дальше )

Небольшое исследование стратегии «Гэп на открытии рынка» в блоге Pawel Lachowicz. Автор  случайным образом выбрал 10 акций из состава индекса Доу-Джонса, и провел бэктестирование вышеуказанной стратегии. Основные параметры алгоритма:

вход в позицию: если цена открытия актива в день t выше цены закрытия актива в день t-1, и если минимальная цена актива в день t выше максимальной цены актива в день t-1, акция покупается на следующий день, причем цена покупки устанавливается равной цене закрытия дня t;

 

выход из  позиции происходит просто по временному критерию — акция удерживается после входа от 1 до 21 дня, количество дней — это параметр оптимизации для бэктеста.

Сначала бэктест прогоняется на каждом активе отдельно на выборке длительностью 1 год. Пример для акции AXP — сколько в течение этого времени обнаружено условий для входа в позицию (обозначены кружками):

( Читать дальше )

Всем доброго вечера

      Возникло желание вынести не обсуждение вопрос о том, может ли кто-нибудь на данном ресурсе предложить стратегию, как ловить такие движения, как было за 2 недели по Ri (падение на 14 тыс пунктов), при условии обязательного короткого стопа в 300-400 пуктов. 

вот собственно график за пару недель:




Задача — опишите условия для открыия / закрытия позиции (можно и шорт и лонг), при обязательном наличии стопа на все сделки не более 400 пунков. 
При этом требуется поймать хотя бы половину от данного движения — т.е. хотябы 7 тыс. пунктов на каждый контракт Ri за прошедшие 2 недели.



 

Власть на финансовом рынке захватили роботы. Люди вынуждены учиться работать в экосистеме машин
 

Автор: Константин Бочарский
Опубликовано в журнале «Коммерсантъ Секрет Фирмы», №4 (320), 02.04.2012 www.kommersant.ru/doc/1903014

Биржевые роботы, биржевая игра

В феврале 2012 года группа ученых из Университета Майами совместно со специалистами компании Nanex, торгующей рыночной статистикой, опубликовали результаты анализа логов 600 американских биржевых площадок. Предметом изучения стали участившиеся просадки капитализации торгуемых компаний, которые случались на крайне короткое время, порой на несколько миллисекунд. За этот период стоимость акций могла просесть почти до нуля. Исследователи зафиксировали около 20 тыс. таких явлений. Апогеем стал Flash Crash 6 мая 2010 года, длившийся около шести минут, когда индекс Доу-Джонса упал почти на 1000 пунктов, что привело к потере фондовым рынком около $1 трлн. По мнению авторов, виновником Flash Crash, как и остальных микрокрахов, стали торговые роботы. Конкурируя за скорость, они совершают операции за порогом возможности человеческого контроля. В эти миллисекунды, становящиеся для сверхбыстрых роботов обычными торговыми сессиями, рынки были загнаны в микрокрахи. В России торговые роботы также прочно обосновались на фондовом рынке. По разным оценкам, на их долю приходится от 40% до 70% всех сделок и до 80% транзакций.


( Читать дальше )

Приветствую вас, коллеги!

Немного ранее, я опубликовал этот пост на другом ресурсе. Для донесения информации до большего числа трэйдеров, решил продублировать пост здесь.

В этом сообщении будет полезная информацией по технологии торговли.
Возможно, эта информация будет для вас не новой, тогда вы укрепите свое убеждение.

Для зарабатывания денег торговлей на бирже нужно комбинированное использование двух составляющих:
I. техника исполнения сделок;
II. торговая стратегия.

Причем с точки зрения важности, последовательность имеет такая.
По второму пункту рекомендовать что-то конкретное сложно, т.к. вариантов множество.
Каждый выбирает торговые инструменты, таймфреймы, критерии стратегии, которые ему комфортны. Хочу только обратить ваше внимание на необходимость наличие основных критериев торговой стратегии.


( Читать дальше )

Часть 2

Новая версия тестера-оптимизатора «Исследователь»
 

После реализации своего первого тестера-оптимизатора «Монте-Карло» и изучения его работы пришел к выводу, что он свою задачу выполняет, но не в том качестве, в каком мне хотелось.

В классических методах оптимизации в каждой новой итерации ищется лучшее значение и уже вокруг него проводятся дальнейшие исследования. В моем случае относительно него я обрезал матрицу вариантов стратегий.

Условная схема работы стохастического алгоритма поиска максимума по методу Монте-Карло:
 



( Читать дальше )

Первая версия тестера-оптимизатора «Монте-Карло».
Классический поиск максимума.
За основу своего первого тестера-оптимизатора решил взять логику из статьи «Нелинейная стохастическая оптимизация методом Монте-Карло»  из сборника Санкт-Петербургского Государственного Университета. Кого интересует это направление, советую почитать их сборники. Много интересных разноплановых статей про оптимизацию в самых разных областях.

Так вот. Суть метода в том, что мы создаем многомерную матрицу, состоящую из разновидностей стратегий с разными параметрами. Выбираем из этой матрицы случайным образом стратегии, тестируем их и определяем самую прибыльную стратегию. За критерий прибыльности взял мат ожидание. А так можно комплексный параметр составить. Принимаем точку с этой стратегий в матрице за эпицентр и режем края матрицы максимально удаленные от эпицентра на заданную нами глубину. Тем самым уменьшаем область выборки и по-новому тестируем из полученной уменьшенной области случайные стратегии, повторяем итерацию. Так продолжаем до тех пор, пока не сойдемся к экстремуму.

( Читать дальше )

                                                      Введение.

                                   Методы оптимизации стратегий

     Как вы уже поняли из предыдущей статьи, оптимизация методом перебора не эффективна. Учитывая скорости тестирования, нецелесообразно перебирать все возможные параметры.
     Есть, конечно, уже готовые производительные оптимизаторы стратегий в других программных продуктах. Но как в них перевести свои стратегии? Все ли может этот тестировщик, что нам нужно? Будут ли тесты отражать реальность? Как правило, к ним нужны всякие коннекторы, конверторы и др. костыли, не относящиеся к нашим задачам.

( Читать дальше )