Как я делал осциллятор HandMade. Повествование с лирическим отступлением в прошлое. Часть 1
Путеводитель по содержанию: Часть 1 – побудительные мотивы и направления поиска метода разработки собственного индикатора; Часть 2 – описание и результаты расчетов по его сигналам на исторических данных; Часть 3 – итоги алготрейдинга по созданному индикатору.
В торговле я не использую ни стандартных индикаторов, ни разных средних скользящих и проч — у меня иной подход и методы. Конечно, на графиках в Quik в свое время я понастроил разных МА-шек и индикаторов (RSI, MACD, Stochastic и MoneyFlow), но по факту ими не пользуюсь. А удалять просто жалко – потратил все же на них достаточно времени, когда начинал торговать. Да и выглядят графики с ними более «симпатично и богато», короче взгляд уже привык к используемому виду и менять его не хочется. Зачем тогда связался с разработкой собственного осциллятора – резонный вопрос, вот про это и будет лирическое отступление в прошлое.
Модель «Обвал рынка МБ»
Данный алгоритм предсказания обвала на рынке МБ был мною разработан в январе 2022 года после резких колебаний РТС.
Идея заключалась в следующем: создать показатель, который бы сигнализировал о наступлении на рынке МБ резкого, обвального снижения цены фьючерса РТС. Естественно, не на новостном фоне, а на основании поведения цен некоторых основных фьючерсов.
Для этого был выбран дневной интервал, т.е. показатель сигнализирует о наступлении события в общем случае по итогам дневных торгов, хотя в принципе можно рассчитывать этот показатель и в ходе торгов в реальном времени. Суть алгоритма достаточно проста. Для критерия наступления обвала на рынке МБ выбрано условие одновременного существенного изменения цен на фьючерсы СБРФ, ГазПром, РТС (снижение) и доллар/рубль (рост). Расчет критерия делается каждый день по итогам торгов последних дней на дневном интервале. В результате определяется признак «обвала рынка» (в таблице столбец «обвал» = 1 – будет обвал, = 0 – все «ОК»).
Тезисы про математическое моделирование рыночной цены для трейдинга
Снова и снова наблюдаю, что статьи на отвлеченные темы имеют гораздо бОльшую популярность на сайте, чем статьи собственно на конкретные темы трейдинга. Писать на отвлеченные темы нет ни желания, ни планов. Эту статью я опубликую – я обещал нескольким уважаемым коллегам выложить данные расчетов и исследований, но, скорее всего, имеет смысл на этом остановиться – ответной реакции от читателей я практически не вижу.
Выскажу свое мнение на вопрос: как можно подходить к математическому моделированию поведения цены на бирже и каким образом это может помочь в трейдинге.
Сначала несколько исходных положений, в рамках которых, на мой взгляд, целесообразно смотреть на данный вопрос.
Как я рассматриваю процесс изменения цены. Нет смысла, да и не реально, предсказывать конкретную цену в конкретный момент времени. Но можно и нужно предсказывать интервал цен, в котором рыночная цена будет находиться в конкретный ИНТЕРВАЛ времени в будущем с бОльшей вероятностью. Ключевое слово здесь –
Меня, как трейдера, реально торгующего на бирже и решившего сделать результат этой деятельности одним из основных источников своего дохода, в первую очередь интересуют те аспекты упомянутой в названии темы, которые имеют отношение к ценообразованию на бирже и позволяют понять характер и закономерности поведения цены, и, в идеале, — осуществлять прогнозирование цены. С этой позиции я кратко остановлюсь на некоторых методологических аспектах понимания биржевой цены с точки зрения эконофизики. Сам термин эконофизика, честно говоря, мне, получившему когда то первое образование по специальности физик-теоретик, режет слух. Возможно, мы привыкнем к этому термину в будущем. На данную тему – эконофизика – я лично натолкнулся случайно, когда искал возможность обобщения полученных мною результатов исследований в области прогнозирования рыночной цены. Я нашел для себя общие моменты в некоторых своих взглядах и понимании биржевых процессов, а также результатов своих исследований, с теми выводами и положениями, которые делает эконофизика. Данная статья – это попытка систематизации моих взглядов, надеюсь, что и вам она даст определенную пищу для размышлений.
В экономической теории уже давно появилось и используется множество понятий, нетипичных для классической экономической теории, но характерных для других дисциплин: случайные процессы, фракталы, нелинейная динамика, теория сложных динамических систем, нечеткие множества и пр. Междисциплинарный подход к анализу экономических процессов на базе достижений разных наук дает возможность решать различные экономические задачи, используя наработанные ранее методы и подходы из других областей знаний. В частности, использование физико-математических методов математического моделирования процессов для решения экономических задач создало направление научных исследований, названное эконофизика (это направление еще называют экономическая физика или физическая экономика). Этот термин был введен американским физиком Г. Юджином Стэнли (Harry Stanley) в 1997 г. для объединения множества исследований, при проведении которых физико-математические методы и приемы использовались при решении экономических задач.
Целью настоящей работы является разработка математической торговой системы, прогнозирующей величину и направление изменения стоимости акций публичных компаний на определенном интервале времени. Исходными данными для модели служат данные из отчетов компаний и котировки их акций с биржевых площадок. Далее в статье речь пойдет об американском рынке акций в связи с текущими предпочтениями автора. Американский рынок является более привлекательным в связи с большим выбором эмитентов, широким спектром отраслей и доходом в долларах США.
В основе математической модели лежит классический многослойный перцептрон с количеством слоев равным двум, поскольку в процессе разработки было установлено, что значительное усложнение топологии нейронной сети приводит к явлению переобучения (overfitting) и сеть теряет свои обобщающие свойства. Проблема переобучения отдельно в данной статье не исследуется, а способы борьбы с ней будут освещены далее. Схема многослойного перцептрона представлена на рис. 1. Входные параметры в модели – “x” (данные по компании), а выходной параметр (output) – апсайд (upside), прогноз изменения стоимости акции.