Запускаю первого робота на реале

 

Давно не писал.

Уже было почти разочаровался в своей способности придумать удовлетворяющую меня систему, но где-то в ноябре 17 решил попробовать еще раз с начала, иии вот...

Немного технической части.

Был написан API для метатрейдера. «Советник» общается со внешним миром используя JSON HTTP, с обратной стороны находится питоновый скрипт который делает все самое основное. По сути советник только сообщает текущие цены и выполняет торговые операции от имени скрипта. Из-за того, что скрипт который всё решает написан на питоне, существенно увеличилась продуктивность исследования и разработки. Так же пришлось арендовать VPS, потому что домашний интернет consumer grade и иногда отваливается. Несмотря на то, что uptime SLA на VPS около 99.95%, отваливание интернета там я ни разу не заметил.

Немного об исследовании.

Идеи мне приходят в голову обычно рано утром после того как я просыпаюсь, да и вообще максимальная продуктивность у меня до 12 дня, после этого стараюсь не работать, а заниматься другими делами. Тестирование идей происходит в питоновом ноутбуке, что-то вроде такого:





Весь процесс довольно простой. Есть нулевая гипотеза о том, что цены на рынке изменяются случайно, соответственно из этого нельзя извлечь alpha. Альтернативная гипотеза утверждает, что иногда случаюся аномалии, делающие рынок предсказуемым. Задача сводится к доказательству того, что возможно выявлять аномалии с достаточной статистической значимостью. Дополнительные требования к разрабатываемы ситемам: торговля внутри дня без переносов позиций, применимость к широкому количеству инструментов, около 10-30 сделок в неделю по инструменту, строгая маркет-нейтральность (beta меньше 0.05), примерно одинаковое количество лонгов и шортов, торговля во время медианного недельного спреда (никакой экзотики) и еще немного условий для минимизаций рисков.

Немного о первой стратегии.

Стратегия mean reversion, пытается жадным методом найти эпизоды аномальных всплесков волатильности. Далее наблюдает за поведением рынка после всплеска по секретным параметрам и входит по окончанию движения. Пока остается вопрос выхода, но учитывая что бэк-тест показал около 75% правильных предсказаний, пока выход будет по TP или SL одинакового размера. Размер устанавлиается в зависимости от секретных параметров..

Knowledge domains которые я использую при исследовании и разработке:
1. Программирование (в основном python)
2. Теория вероятности
3. Статистика
4. Нечеткая логика
5. Финансовые рынки (совсем немного)
6. Машинное обучение (непосредственно алгоритмы не используются, но используются другие методы оптимизации вроде cross-validation, regularization, etc)

Отпишусь как будут результаты, а пока пойду придумывать momentum стратегию.