В комментариях к своим предыдущим постам увидел довольно много скептических мыслей насчет бэктестинга (тестирования на исторических данных), в духе «на бэктестинге всегда всё хорошо, а в боевом режиме слив».

Я, конечно, на 100% согласен, что
Если на бэктестинге хорошие результаты, то это еще ничего не гарантирует в боевом режиме.

Но ведь основная крутость бэктестинга не в этом, а в том, что
Если на бэктестинге фигня, то и в боевом режиме скорее всего будет фигня.

Это позволяет отсекать плохие идеи, которые интуитивно кажутся перспективными. 

Нашел еще две книги по алго, конкретно про парному трейдингу и статистическому арбитражу:

Ganapathy Vidyamurthy — Pairs Trading: Quantitative Methods and Analysis
Andrew Pole — Statistical Arbitrage: Algorithmic Trading Insights and Techniques 

В дополнение к той, что я уже прочитал:
Ernie Chan — Algorithmic Trading: Winning Strategies and Their Rationale

(Все находятся в интернете в PDF).

Также хочу освоить методы алготрейдинга с производными инструментами (фьючерсами, опционами), и применение машинного обучения. По машинному обучению вот эта книжка выглядит круто:
Stefan Jansen — Machine Learning for Algorithmic Trading

Но блин, где взять столько времени, чтобы всё это прочитать и применить… Не знаю, стоит ли сделать ставку на одно направление (например арбитраж), и ковырять его до победного конца, или попробовать несколько направлений, в надежде, что что-то быстро даст отдачу. 

В прошлом посте я писал про свой алгоритм для pair trading, который показал очень хорошие результаты на бэктесте на паре BTC — ETH.

За прошедшие две недели я смог проверить его на других парах. Результаты не такие впечатляющие, но в целом стабильные.
На всех графиках я подбирал оптимальные параметры для периода 2022-2023, а 2024 год использовался как проверочный (out of sample).



В рабочем режиме я хочу запускать алгоритм не на одной паре, а одновременно на 10-15 парах, чтобы сгладить Equity. Пока буду экспериментировать с самим алгоритмом, пробовать разные его вариации. В основе оставлю фильтр Калмана: он показывает лучшие результаты, чем метод наименьших квадратов.

С мая 2024 начал заниматься алготрейдингом. 

Прочитал четыре книжки:
1) Halls-Moore — Successful Algorithmic Trading
2) Chan — Quantitative Trading
3) Chan — Algorithmic Trading
4) Chan — Machine Trading 

Сейчас читаю:
5) Davey — Building Winning Algorithmic Trading Systems.

Реализовал Pair Trading на 1-минутных данных, как описано в книге #1, долго и упорно тестил на разных парах (BTC — ETH, золото — серебро, Google — Microsoft, S&P — EU 50, ...)  — но ничего не получилось. В лучшем случае получался плюс без торговых издержек, но добавление спрэда и комиссий сразу же уводило Equity в минус.

Перешел на 1-дневные данные — сразу получил хороший результат на паре BTC — ETH. Считаю коэффициенты линейной регрессии с помощью фильтра Кальмана (как описано в книге #3). В алгоритме два параметра: z-score входа и z-score выхода. Тренировал на 2022-2023 году, и вот Equity за 2020-2024 (с учетом спреда и коммиссий).

Я нашёл Грааль?.. Поскольку мало сделок для утверждения о робастности (109 сделок за почти 5 лет), буду обязательно тестить на других парах и инструментах, но эта Equity меня очень возбудила.

( Читать дальше )