Снова погряз в R. Чем больше забираюсь в дебри, тем быстрее хочется вылезти оттуда. Найти что-то ценное в море цифр оказывается очень сложно. 

По ходу получилась пара наглдяных картинок на тему движений SPY внутри дня и с учетом гэпа. Просто статистика, ничего особенного. 


Картинка 1: путь SPY за два годя с гэпом (наверху) и без гэпа (внизу). Ось Y — изменение цены в долларах.

Гистограмма внутридневных движений. Ось Y — количество дней, ось X — изменение цены за день в долларах.



Гистограмма движений с гэпом. Перекос сильнее.

( Читать дальше )

Продолжая тему, затронутую в  предыдущей публикации хочу поделиться некоторыми наблюдениями.

И так, возьмем 1000 дней AAPL, 20 внутридневных метрик и попробуем обучить алгоритмы случайного леса и ближайших соседей и прогнать его на последних 120 днях. 

Результат для числовых значений результата:
 

( Читать дальше )

Все больше и больше нравится использовать R для поиска идей и анализа. 
Сегодня я хочу рассказать о небольшом исследовании и сравнении системы прогнозирования на основе алгоритма случайного леса и  алгоритма ближайшего соседа. 

Вопросы, которые я себе ставил были следующими:
— на сколько алгоритм Random Fores (RF) продуктивнее чем Nearest Neighbor (NN) или наоборот;
— каково влияние параметров количества случайных соседей на работу алгоритма и на сколько оно может оказаться простой подгонкой данных;
— получится ли эффективно сочетать результаты NN для маленькой и большой выборки, избавляясь тем самым от ошибки переоптимизации;
— как оценить надежность обучения;
— какой метод работает лучше, регрессионный или с формализованными ответами;
— когда проводить переобучение;

Данное исследование помогло мне ответить на некоторые вопросы. 

В качестве предикторов были использованы некоторые внутридневные метрики (10 штук) акции AAPL за один год, результатом я считал изменение цены акции от Close первой пятиминутной свечи до конца дня. Сразу скажу, предикторы мне показались неэффективными, но суть исследования, все же, была в оценке методов прогнозирования прежде всего. Я надеялся, что алгоритмы смогут выявить определенные паттерны внутри многомерного пространства и использовать их. 

( Читать дальше )

Сегодня я не пожалел время и посмотрел, что можно сделать с HAR моделью. 

HAR — это Heterogeneous Autoregressive Model for Realized Volatility  (простите, перевести не могу, а если и переведу, то толку мне от этого не будет)

Суть модели в том, что она оценивает три периода, заданых параметрами и строит линейную модель зависимости волатильности на следующий день, подгоняя коэффициенты модели.

Подробное описание модели с формулами и прочим можно найти в описании библиотеки Highfrequency.

Приведу два графика: 

Первый — работа модели на SPY с 2007, второй — 2014 год. 



( Читать дальше )

Сегодня я посмотрел модель внутридневной волатильности, которая считается функцией  spotVol пакета highfrequency. 
Эта модель показывает отношение волатильности в каждый заданный момент времени к среднедневной волатильности.


Возьмем пятиминутные данные по акции CAT. Здесь представлены два графика, отражающие данные за два периода. По оси X показан индекс свечи внутри дня, по оси Y — отношение волатильности данной свечи к среднедневной волатильности. 




( Читать дальше )

Сегодня еще смотрел на R применительно к высокочастотным данным. Кружочный метод мне, в общем нравится. 

Вот пара скриншотов:

1) Фейсбук. Пять минут торговли после открытия.

 

Если я ошибаюсь или у кого-то есть какие-то идеи относительно подписей — буду рад выслушать! 
 




2) 25 минут торговли, со склеенными и усредненными данными, фактически, по одной секунде. Тоже что-то есть.. 

( Читать дальше )

Визуализация пяти минут торговли Facebook в пятницу. Красиво получилось!



Экспорт данных из ActiveTick собственным приложением, загрузка в R — библиотека highfrequency. 

Изучая возможности языка R, наткнулся недавно на интересный сайт Quandl.com. Изначально увидел там возможность выгрузки данных по акциям, но приглядевшись, нашел там такое количество различных данных, что  голова реально идет кругом.  Никогда, особенно, не интересовался фундаментальными данными, однако, решил посмотреть, как можно с ними работать. 

Для примера я взял данные по производству, экспорту и импорту нефти от министерства энергетики США и данные цен фьючерсов на американскую нефть. 

Задача стояла в поиске зависимости этих параметров. 

Приведу несколько графиков, расчет коффициентов корреляции и код. 



( Читать дальше )

Сегодня немного не про трейдинг, хотя, бытует мнение, что хорошии игроки в покер часто становятся успешными трейдерами и наоборот.
 
Возможно этим постом ни для кого Америку я не открою, однако я начинаю открывать ее для себя. Я имею ввиду даже несколько Америку: язык R, статистику и теорию вероятностей и покер. Ожидая машину на станции с севшим через три часа Макбуком, что-то толкнуло меня загрузить PokerStars. Я сразу испытал странное ощущения, что я пытаюсь воспринимать игру с точки зрения вероятностей. А вчера я решил немного играться с этим всем. 

Первое, что мне пришло в голову — воспользоваться языком R. И Бинго! Я нашел отличную библиотеку оценки карт на руках. Точнее, это адаптированная под R версия библиотеки SpecialK. Прочитать про нее и скачать по ссылкам можно здесь.

И так, что мы имеем: Лимит холдэм. Две карты каждому игроку, потом три, потом еще два раза по одной.

( Читать дальше )