торговые роботы

Поговорим сегодня про модуль «Показатели нагрузки на систему». Зачем он нужен и что там можно увидеть.

Открывается окно модуля по кнопке «Нагрузка на систему» вот здесь:

( Читать дальше )

Снова вернулся к алготрейдингу, посмотрел на парный трейдинг свежим взглядом — и получил что-то интересное.

Идея простая:
   Если пара ведёт себя «правильно» с точки зрения статистики, она неизбежно будет прибыльной на большой выборке.

Что значит «правильно»:
   1. Наличие возврата к среднему (mean reversion)
   2. Адекватный half-life у спреда, максимум несколько дней
   3. Стабильные коэффициенты регрессии

Алгоритм:
    — Использую фильтр Калмана для нахождения коэффициентов регрессии. 
    — Сначала подбираю параметры в фильтре Калмана так, чтобы соблюдались все условия выше.
    — И только потом оптимизирую вход и выход по коэффициенту Шарпа.

Реализовал этот алгоритм на C#, с вызовом Python-процедуры для выполнения ADF-теста.

Тестировал на BIST (Турция):

25 случайных large-cap, все пары с одинаковым сектором
    — Средний CAGR: 2% на out-of-sample 
    — По всей видимости, в крупных бумагах сидят роботы, которые высасывают арбитраж.

( Читать дальше )

Торговые роботы — ленивый способ заработать или рискованный эксперимент?
Представьте, что ваш сосед Вова купил робота-пылесоса, а теперь хвастается, что у него еще и деньги зарабатывает робот-трейдер. Давайте разберемся, стоит ли вам бежать за таким же или это ловушка для ленивых.

Что такое торговый робот и как он работает?
(Простое объяснение: Это программа, которая торгует за вас, как автопилот в самолете, только вместо облаков — графики цен.)

Какие бывают торговые роботы?
Выбираем характер для вашего цифрового трейдера

1. Скальперы — спринтеры рынка
— Делают десятки (а то и сотни) сделок в день, выхватывая копеечные прибыли. Как таксист, который зарабатывает на коротких поездках, а не дальних рейсах.
— Минус: комиссии брокера могут съесть всю прибыль, если робот слишком увлечется.

2. Трендовые роботы — серферы финансовых волн
— Ждут, пока цена начнёт уверенно расти или падать, и прыгают в тренд. Как сёрфер, который не лезет в воду, пока не увидит хорошую волну.

( Читать дальше )

Результаты июнь

Итог общий/год/месяц 2098%/-5%/ -2%
среднегодовая 50%
Итоги с начала года по конец месяца:
Доходность за год -5%.
Просадка максимальная за год – -23%
Итог за месяц -2%, просадка максимальная за месяц -2,6%
Общая доходность за 6 лет 2098%

( Читать дальше )

Продолжаем разбираться с сетками в скринерах. Учимся маркетить инструменты не по одному, а пачками. Сегодня посмотрим пример, который выбрасывает сетки в тренд по ускорению рынка относительно усреднённой внутридневной волатильности.

Сегодняшний пример: GridScreenerAdaptiveSoldiers.

Тип сетки: MarketMaking.

Логика: Сигналом для выброса сетки служит паттерн «Три солдата», т.е. три расположенные в одну сторону свечи (растущие или падающие). Три свечи вместе должны соответствовать размеру в N % от усреднённой внутридневной волатильности, которая считается внутри робота.

Закрытие сетки происходит по двум условиям: 1) Кол-во отработанных позиций. 2) Кол-во времени жизни сетки в секундах.

1. Пример в проекте.

Для начала Вам следует открыть исходный код робота GridScreenerAdaptiveSoldiers. Внутри проекта это здесь:

( Читать дальше )

Наконец-то запустили свой алгоритмический ИПИФ «Альфа квант» на базе УК «Финам менеджмент». Это интервальный закрытый паевой инвестиционной фонд для квалифицированных инвесторов.

Алгоритмы зарабатывают до 60% годовых как на росте, так и на падении рынка. Это антикризисная стратегия, которая помогает защитить ваш капитал от кризиса, инфляции и девальвации рубля.



Доходность за 3 года — 266%
Максимальная просадка — 15,53%
Средняя доходность в год — 54%
Кальмар — 3,5

Стратегия

• Стратегия Евгения Ворончихина, которая объединяет в себе два подхода: Алгоритмическая торговля + Инвестиционный портфель
• В фонде ведётся алгоритмическая трендовая торговля роботами на ликвидных фьючерсах и акциях как от лонга, так и от шорта. А также развернут пассивный инвестиционный портфель с регулярной ребалансировкой, который состоит из акций, облигаций, фондов и золота.
• В активной алгоритмической стратегии может быть использовано маржинальное кредитование и шорты, поэтому она выполняет функцию хеджа для пассивной инвестиционной стратегии.

( Читать дальше )

Прошло 16 месяцев как я начал торговать по своей стратегии и пишу очередной промежуточный результат своей торговли. Как по мне — негативные результаты тоже полезны, чтобы у читателей смартлаба не складывалось ложное ощущение, что кругом успех за успехом.

Растерял почти всю полученную ранее доходность и почти все преимущество над рынком.

Кратко по стратегии: только акции из индекса Мосбиржи, только в лонг и без плечей. Алгоритм на Python: технический анализ, пара секретных формул и аккуратная валидация на исторических данных.
Детали по стратегии были в этом посте: smart-lab.ru/mobile/topic/1100097/

До недавнего времени системы в портфеле робота тусовал руками. В одних случаях менял величину позиции, в других удалял отжившие, добавлял новые. Сделал попытку формализовать этот процесс.
Идея такая — что если переводить работу системы в демо режим при достижении определенного уровня просадки XX%, и возвращать в торги при
1. возврате в допустимый уровень, либо
2. при достижении нового хая по эквити.
Тестер показал, что оба подхода лучше, чем торги портфелем без управления. Однако, вариант 1 лучше.
Теперь системы сами отключаются от торгов при достижении ХХ% уровня просадки и возвращаются к торгам при меньшем значении просадки, чем ХХ%.

Наверняка есть более продвинутые способы управления портфелем, но пока так.

Сегодня посмотрим на работу с сетками в источнике BotTabScreener. Учимся маркетить инструменты не по одному, а пачками.

Сегодняшний пример: GridBollingerScreener.

Тип сетки: MarketMaking.

Логика: Сигналом для выброса сетки служит индикатор Bollinger. Выше верхней линии – выброс сетки в Short. Ниже нижней линии – выброс сетки в Long. По обратному сигналу – закрытие сетки. Кроме того, у нас есть фильтр по ADX для выброса сетки, чтобы она выбрасывалась только под определённую волатильность. Всё это смотрится по нескольким или десяткам инструментов одновременно, с ограничением максимального кол-ва сеток в рынке.

Из интересного, сразу стоит выделить неторговые периоды для сетки, которые настраиваются из робота напрямую.

 

1. Пример в проекте.

Для начала Вам следует открыть исходный код робота GridBollingerScreener. Внутри проекта это здесь:

( Читать дальше )

Прошло ровно 12 месяцев Форвард теста нашего флагманского портфеля. Можно оценить эффективность разработки и сравнить статистические показатели Форвардного периода с общими показателями Бектеста за 15 лет:

Общая прибыль за 12 месяцев = $76 000 (средняя по портфелю = $106 000), что составляет чуть больше 100% от расчетного рискового капитала под этот портфель.

Средний месяц = $6 333 (против $8 643 по портфелю)

Avg %WIN = 36,4% (против 44,4% по портфелю), вот здесь заметный провал в показателе прибыльных сделок. НО! Зато мы видим насколько стабилен алгоритм при провале в основополагающем показателе. Такая стабильность стала возможной благодаря грамотной работе с параметром волатильности рынка. Алгоритм имеет на форвардном периоде соотношение средней прибыльной сделки к средней убыточной (avgRR) = 2.3 против 2.05 у портфеля. Отсюда становится понятной причина падения % прибыльных сделок на форвардном периоде — общий рост волатильности рынков+неудачный для алгоритма период 2025-го года: выбивает чаще, но в прибыльных сделках при этом RR больше из-за волатильности. В этой области мы сейчас дополнительно работаем над управляемостью динамичного стопа в сделках. В новой итерации алгоритма, которая выйдет осенью мы уйдем от жесткого рабочего стопа.

( Читать дальше )