Путь к ГРААЛЮ или как стать ГУРУ алготрейдинга

а как вы торгуете одновременно несколько стратегий?
quik по dde только одно подключение идет.
и не трогая 1-й робот, поправить что-то в другом почти невозможно.

копипаста
Существует еще одна проблема: каждый раз, когда вы делите систему на два или более состояния, вы по определению сокращаете количество наблюдений в каждом состоянии. Чтобы проиллюстрировать это, представьте, что каждый из 37 классификаторов в моей IWM-системе имеет лишь 2 состояния – лонг или кэш. Тогда существует 2^37 = 137 млрд. возможных состояний системы. Напомним, что статистическая значимость зависит от числа наблюдений, таким образом, уменьшение количества наблюдений на состояние в системе снижает статистическую значимость наблюдаемых результатов для каждого состояния, а также для системы в целом. Например, возьмем дневную торговую систему с 20-летней историей тестирования. Если вы разделите 20 лет (~5000 дней) на 137 млрд. возможных состояний, каждое состояние будет иметь в среднем всего 5000/137 млрд. = 0,00000004 наблюдения на состояние! Очевидно, что 20 лет истории не достаточно, чтобы быть уверенным в этой системе; вам потребуется период тестирования более 3 млн. лет, чтобы получить статистический уровень значимости.

Как правило, чем больше степеней свободы имеет ваша модель, тем больше должен быть размер выборки, чтобы доказать статистическую значимость. Верно и обратное: при одинаковом размере выборки модель с меньшим числом степеней свободы, скорее всего, будет иметь более высокую статистическую значимость. В мире инвестирования, если вы смотрите на результаты бэктестирования двух инвестиционных моделей с аналогичными результатами, как правило, следует отдать предпочтение модели с меньшим числом степеней свободы. По крайней мере, можно сказать, что результаты этой модели будут иметь большую статистическую значимость, и большую вероятность того, что результаты при работе будут согласоваться с тем, что наблюдалось при тестировании.

Мои принципы

1. Отбор оптимизируемых параметров исключительно на анализе динамики эквити (отдельно «только лонг» и «только шорт») на ближайшем таймфрейме меньше среднего времени в позиции.

2. Указанная в п 1. эквити при отобранных параметрах должна быть устойчива либо относительно цен (спотовые и фьючерстыне стратегии), либо сама по себе (арбитражные и опционные стратегии). Параметры, при которых эквити не удовлетворяет условиям устойчивости вообще не рассматриваются.

3. Анализ просадок методом Монте-Карло.

4. Решение портфельной задачи при диверсификации по системам.

П. 1 более, чем подробен. Просто строим эквити по указанному таймфрейму (ближайший меньше среднего времени в позиции) для все наборов параметров. Никакие другие характеристики систем не смотрим.

Вот в п. 2 надо пояснять, что я понимаю под устойчивостью, но это долгий разговор, тем более в открытых записях моих вебинаров все это есть.

В алготрейдинге есть два уровня оптимизации — на макроуровне и на микроуровне. Это мало кто понимает и пишет об этом. На макро практически никто этого не делает — все работают в рамках только своих знаний и опыта. Оптимизацию делают только в основном на микроуровне. Практически это соответствует такой ситуации: это как жениться на Новодворской и каждый день ее водить в салон красоты (оптимизировать на микроуровне), или жениться на Анжелине Джоли и клонировать ее, каждая из этих Джоли обрабатывает часть депозита с высокой эффективностью.