Весь дьявол в деталях, конечно.
Но я-то считал для себя, для понимания, сколько я могу вогнать в свои торговые алгоритмы.
Спойлер: был разочарован. Ещё два года назад это были сотни М.

Вводные ограничения: размер позиции не должен быть больше 10% объёма минутной свечи и не меньше 30к руб.

Вот что у меня получилось:

Часть 1:


Часть 2:


( Читать дальше )

Доброй ночи.

После отпуска я много размышлял о том, почему же я, при таких отличных результатах на тестах, да ещё и с кучей перекрёстных проверок, никак не решусь запустить торговлю на всю котлету. А потому что не хочу быть слившим :) далее — подробнее.

Собрал в кучку мысли об этом, и фиксирую их для моей истории.



Граница между уверенностью и самоуверенностью
В том, что разработанный мною подход работает в краткосрочной перспективе — у меня нет сомнений, это было проверено на живом рынке и живыми торгами. Однако, тут самое время собирать камни вспомнить о моей цели: абсолютно автономная торговая система, за которой не нужно присматривать месяцами или даже годами. И вот в том, что я этой цели достиг — я вовсе не уверен. Ибо подход слишком сложен, и как бы хорошо выдуманная мной система ни зарабатывала на тестах и даже в первое время реальной торговли — сливать она будет ещё быстрее, если звёзды (ха-ха-ха, и тут астрология) образуют, скажем так, новую конфигурацию. Эта самая ситуация регулярно происходит и с трейдерами, и, тем более, алготрейдерами, которые тем более не имеют возможности так же оперативно подстроиться под изменения в окружающей действительности, как и человеческий мозг.

( Читать дальше )

@Дмитрий Овчинников одним из комментариев последнего поста натолкнул меня на самоочевидную мысль, и я вспомнил анекдот.

Поймал мужик золотую рыбку. Та ему, естественно, предлагает ему загадать желание и отпустить её в синее море. Мужик сгоряча выпаливает: «Хочу, чтобы у меня всё было!» «Ладно, мужик, — удивлённо отвечает золотая рыбка. — У тебя всё было».

Из всех моих упражнений, которые я совершал на протяжении последних трёх лет, похоже, нет таких, которые не совершались до меня и уже описаны ранее. Надо было просто почитать форум от рождества его.

Каждый делал их, конечно, в силу своей сообразительности и способностей, и не все дошли до того, до чего дошёл я.

Но тусовочка алготрейдеров напомнила мне градиентный спуск в обучении нейронной сети: если параметры примерно подобраны правильно, результаты получаются примерно одинаковыми. Все достаточно умные люди приходят к одному и тому же, даже если и пути разные, а именно:

• граалей нет
• доходность не гарантирована

( Читать дальше )

Привет.

О теме поста
Мне задали вопрос в личной переписке, как я пришёл к тому, к чему пришёл.
Я ответил, а потом подумал, что это может быть интересно тем, кто начинает, как когда-то начинал я.
Да и сравнить с собой всегда интересно.
В этом мире нет ничего абсолютного, вот и получается, что единственный способ оценки своего состояния — сравнивать с бенчмарками.
Да только вот психологи говорят, что если вы себя и хотите сравнить, то сравнивать нужно только с собой самим, в прошлом.
В этом смысле я на недосягаемой высоте :)
И вам так рекомендую делать. И изучать новое и опыт других. Узнавать о новых возможностях, о которых вы, возможно, и не подозревали. Помните это — а что, так можно было? :)
Не потому, что это защитит вас от ошибок — я в это не верю, а потому, что это даст больше вариантов выбора — в каком направлении идти и куда развиваться дальше.



Итак, мой путь

1. Сначала я придумывал свои индикаторы и писал код, чтобы торговать по ним, подстраивая параметры полным перебором.
2. Потом я обнаружил, что если у меня будет 3-4 индикатора, то сплошной перебор всех параметров и эмуляция торговли с каждой комбинацией займёт несколько лет машинного времени. Несколько лет только лишь на исследования!!!

( Читать дальше )

Привет! Новая интересная тема в ночь, как я люблю, а так же ликбез для тех, кто хочет достичь больше большинства (и стать успешным меньшинством), и стремится к новым свершениям.

Размышляя и говоря о самообучающихся торговых системах, невозможно пройти мимо Machine Learning / Deep Learning (ML / DL), и это — пост, который посвящён этой теме.



О технологиях ИИ и областях их применения в алготрейдинге
Я бы разделил применение ML в трейдинге на три части:

1. Классический ML, который представлен, например, библиотекой scikit-learn. Она позволяет обрабатывать данные статистически, а так же предоставляет простые модели классификации, кластеризации и регрессии. Функций этой библиотеки достаточно, чтобы несколькими строчками кода выявить наличие или отсутствие зависимостей/корреляций в данных, разбить данные на кластера и выполнить другие типовые задачи, в том числе, препроцессинг данных (предварительную обработку) — стандартизацию, нормализацию, очистку и т.п. Кроме того, её можно использовать для уменьшения размерности, что может пригодиться, например, для выявления значимых метрик торговых стратегий для дальнейшей фильтрации и отбора по существенным. И это только одна библиотека, а их теперь существует множество.

( Читать дальше )

Привет.

Это продолжение темы, которая была затронута в этом посте: Адаптивные алгоритмы торговли (smart-lab.ru)



Вводная часть
Мою мысль тогда не так поняли, как мне кажется, решив, что адаптивная торговая система в моём понимании — это система, которую нужно периодически выключать и подстраивать/оптимизировать, и запускать заново.
Я имел ввиду, однако, совсем не это.
Я имел ввиду, что система является самоподстраиваемой, изменяя свои настройки или логику прямо в ходе торговли.
Топорно это можно сделать элементарно, используя в качестве параметра торговой системы не константу, как обычно, а динамическое значение некого индикатора, так или иначе описывающего поведение цены или других рыночных данных. Это верное направление, но, если его реализовать, как описано, ничего хорошего не получится, поскольку влияние значения настроечного параметра на результат торговой системы практически всегда нелинейно, и поэтому между выходом индикатора и входом торговой системы со значением нужно будет произвести некоторые преобразования, а какие именно — это вопрос исследований для конкретного кейса.

( Читать дальше )

Пока я продумываю архитектуру адаптивных торговых систем, изучаю разные источники, экспериментирую, решил поинтересоваться и у самой нашумевшей технологии, что она думает по поводу всего этого.





Эта штука (Bing GPT Chat и Chat GPT) рассказала мне удивительные вещи.

Вот, например:



( Читать дальше )

Доброй ночи вам.

Тематика этого поста — про подход и способ выявления торговых систем, которые с наибольшей вероятностью будут работать в будущем, на неизвестных им прежде данных, а так же про понятие кросс-валидации в ML и его адаптации к трейдингу.

Итак, начнём.

Само понятие кросс-валидации пришло к нам из машинного обучения.





В классике, в машинном обучении, определение звучит так: кросс-валидация — это метод проверки качества модели, при котором данные разбиваются на несколько частей. Одна из частей используется как тестовый набор данных, а остальные части используются для обучения модели. После этого процесс повторяется несколько раз, каждый раз выбирается новый тестовый набор данных, пока все части данных не будут использованы как тестовый набор.

Давайте рассмотрим пример для ML, где мы используем 12-кратную кросс-валидацию для оценки качества модели. У нас есть набор данных, который мы разбиваем на 12 частей. Затем мы проводим обучение модели на 11 частях данных и тестируем на 1 части данных. Далее мы меняем тестовую часть и повторяем процесс обучения и тестирования. После завершения всех итераций у нас есть 12 наборов результатов (один для каждой части данных).

( Читать дальше )