Python

Добрый день, SmartLab!

Этот пост пишу скорее для себя, чем для кого-то, чтобы зафиксировать свои намерения в виде конкретных действий и плана и идти к ним. Фиксирование этих целей письменно — само по себе полезное занятия, но заодно и публичное заявление вешает на меня чувство ответственности за собственные слова. Я говорю чувство, так как по факту, конечно, никто никому ничего не должен.

Сначала немного вводной и лирики.
Меня зовут Павел. У меня хорошее математическое образование (МГУ ВМК). Есть достаточно большой опыт в ETL, последние несколько лет активно развиваюсь и работаю в области Data Science, той самой, вокруг которой много хайпа сейчас.

Не так давно, а именно около 3-4 месяцев назад начал интересоваться инвестициями. Почему не раньше? Потому что финансовая грамотность у нас страдает, я не стал исключением.
Толчком ко всему стало прочтение небезызвестной книги «Богатый папа, бедный папа». После — недельные курсы по трейдингу и инвестированию, которые дали самые основы и базовое представление о том, как вообще работает рынок, как организованы торги, шорты-лонги-маржа и прочее и прочее. Переварив немного происходящее, я понял, что надо что-то делать дальше, иначе все как было, так и останется на месте. Как мне кажется, биржа — отличное место приложения существующих знаний. Полная самостоятельность в принятии решений и полная независимость от окружающих.

В статье мы рассмотрим, как улучшить результаты автоматического поиска пар для стратегии «Парного трейдинга». А также выясним, как решить проблему, когда пара перестает работать и сразу начинает приносить убытки. Дополнительно, получим полноценный автоматический поиск, чтобы не приходилось отсматривать пары вручную.

Найденные пары проверим на дневной истории. А в следующий раз на часовой.

В этой статье мы проведем тестирование стратегии «Парного трейдинга» на платформе Quantopian. В тестах будут использованы пары, найденные с помощью автоматических алгоритмов, описанных в предыдущих статьях. Код будет написан на Python.

Это заключительная статья по автоматическому поиску пар для «Парного трейдинга» с помощью Python. Способ самый быстрый и самый эффективный. Хотя эффективность достигается уже благодаря анализу полученного набора пар.

В прошлой статье мы рассмотрели первый способ поиска пар для стратегии «Парного трейдинга», который работал относительно быстро, но результаты требовали тщательной обработки напильником. То есть дополнительной визуальной проверки графиков для выбора подходящих кандидатов.

В этот раз мы рассмотрим метод поиска коинтеграции (подробнее здесь) по методу Дики-Фуллера.

Первый из трех способов автоматического поиска пар на Python для торговли по стратегии «Парного трейдинга». Исходя из результатов предыдущей статьи, во всех примерах мы будем использовать только поиск коинтеграции.

Кратко о «Парном трейдинге»: в основе стратегии лежит предположение, что есть две акции, которые имеют глубокую экономическую связь друг с другом, и их цена движется в одном направлении с разной скоростью. Когда отстает акция А, мы ее покупаем и одновременно продаем в короткую акцию Б. И наоборот.

Используем дневные цены закрытия, отрегулированные на дивиденды и сплиты. Вы можете скачать бесплатную историю дневных цен с Quandl.

Стратегия парного трейдинга очень популярна на рынке. Она основана на чистой статистике, что делает ее привлекательной для алгоритмической торговли. Общий смысл сводится к нескольким шагам: найти пару, проверить ее поведение, определить границы входа в позицию и направление (лонг/шорт).

Пары ищут с помощью корреляции, но корреляция в чистом виде может сослужить плохую службу. Спред пар должен быть стационарным и обладать коинтегрированностью. Весь представленный код на Python.

В статье рассмотрены:

• Введение в корреляцию/коинтеграцию на простом примере.
• Корреляция без коинтеграции.
• Коинтеграция без корреляции. 

Индикатор ATR (Average True Range) показывает среднюю величину изменения цены внутри дня за указанный период. Отлично подходит для выбора уровней стопов. Также индикатор показывает рост волатильности в активе, когда сохраняет высокие значения.

Работаем на Quantopian (см. сюда), код пишем на Python. Проверяем стратегии:

• Как есть.
• Фильтр по SMA200.
• Торговля в двух направлениях.
• Аналог стоп-приказа.
• Фильтр по объему.

Индикатор MACD широко известен среди трейдеров. Мне его сигналы помогают находить развороты и предупреждения о коррекциях. Много написано, как использовать его сигналы для открытия позиций, а мы сегодня рассмотрим прикладное применение в алготрейдинге.

Все будет тестироваться на Quantopian (см. сюда), писать код будем на Python. Рассмотрим следующие стратегии:

• Что надо знать и как не надо делать.
• Как есть: гистограмма, линия MACD, сигнальная.
• Добавим стоп-лосс.
• Торгуем в двух направлениях.
• Отфильтруем боковики и волатильность.

В этот раз «подкрутим» стратегию «купи и держи» с помощью скользящих средних на основе этой статьи. Там говорится, что при входе выше 200-дневной средней и выходе под ней, мы можем получить аналогичную доходность и сократить просадки. Дополнительно появляется возможность припарковать свободный капитал, например, в банк.

Будет приведено несколько алгоритмов:

• пересечение SMA200 и цены;
• пересечение SMA200 и SMA10;
• пересечение SMA200 и SMA50;
• пересечение EMA200 и EMA50;
• пересечение EMA200 и EMA50 плюс покупка облигаций.