5. Размышляю о том, что сказал Михаил в обсуждении первой части поста ( О различении понятий сигнал, индикатор и прогноз (smart-lab.ru) )

Получается так. У нас есть «прогноз-машинка», делающая прогноз Return (я называл его «одПрогноз») для некоторого инструмента (акции), который мы хотим торговать. На самом деле, для каждого из набора инструментов, но сейчас будет речь об одном (или о каждом из — по отдельности).

В эту прогноз-машинку, собственно, запихнута какая-то регрессия над как-то препарированной историей этого инструмента (и, возможно, чем-то ещё, хоть солнечной активностью, бог весть).

В процессе этого запихивания использованы какие-то параметры, для которых значения выбраны как-то умозрительно. Возьмем другие значения этих параметров — регрессия будет работать по-другому, выдавая другие прогнозы.

То есть у нас есть возможность просто за счет «расщепления» параметров построения регрессии получать много разных прогнозов одной и той же интересующей нас величины — Return или одПрогноз. Кроме того, у нас могут быть вообще по-разному построенные прогноз-машинки — не в смысле параметров, а по конструкции, по «топологии».

( Читать дальше )

1. Сигнал это бинарная величина, означающая «открывать ли позицию»: сигнал получает значение ИСТИНА, когда МТС «требует» открыть позицию. Мы, впрочем, не обязаны следовать указанию МТС: возможно, мы используем её как-то иначе, более сложно, чем просто торгуем её (её сигналы).

2. Индикатор это действительная (или «реальная») величина, логически (алгоритмически) «предшествующая» сигналу. Вообще, наши формулы (наша «арифметика») редко бывают строго бинарными, обычно, результаты расчетов это (действительные) числа, которые могут (должны) приводиться к логическим значениям путем сравнения их с некоторым порогом:

Сигнал = (Индикатор > Порог)

Таким образом, связь между сигналом и индикатором параметризовна: в тривиально случае Порог=0; можно также, казалось бы, всегда «привести» эту связь к нулевому порогу, введя в рассмотрение

Индикатор_0 = Индикатор — Порог,

однако по поводу любого Индикатора_0 («ноль-индикатора») всегда возможен вопрос: а что будет с МТС, если выдавать (забирать) из нее сигнал не по условию (Индикатор_0 > 0), а по некоторому порогу, да ещё этим порогом «поиграть». Понятно, что, увеличивая порог, мы, прежде всего, уменьшаем количество сигналов.

( Читать дальше )

Эпиграф: «Ничто не вечно под Луной»

1. Словом МТС я обозначаю набор правил, включая формулы и конкретные значения параметров в этих формулах, позволяющих  открывать и закрывать позиции — то есть принимать решения об открытии и закрытии. Принимать решения — на данных ценового ряда предшествующих точке (моменту) принятия этого решения.

1.1. Поскольку речь идет о принятии конкретных решений, то каждый набор параметров в формулах, входящих в МТС, порождает отдельную МТС, поскольку мы должны определиться со значениями этих параметров, чтобы получить это (эти) решение, и разные параметры будут — в составе МТС — выдавать сигналы на открытие и закрытие в разных точках ценового ряда.

1.2. Если речь о рынке, на котором торгуется много разных финансовых инструментов (буду дальше называть их акциями), то конкретный инструмент (акция), по поводу которого принимается МТС-решение (об открытии и закрытии позиции) тоже является своеобразным параметром МТС, поскольку мы должны выбрать одну из акций, к (ценовому ряду) которой применять правила и формулы МТС, и только так сигналы МТС могут быть практически реализованы.

( Читать дальше )

Задачка 

Про акцию А известно, что в её графике цены белых баров примерно в два раза больше, чем чёрных.
Дает ли это знание возможность зарабатывать на торговле этой акцией?

0. Дано: имеем модель торговой системы с некоторым набором свободных параметров, которая допускает «усреднение по параметрам», то есть для любой пары наборов Р1 и Р2 можно вычислить средне — (Р1+Р2)/2 — и это будет тоже набор параметров, с которым может запускаться используемая нами модель торговой системы.

1. Разбиваем исторические данные на три участка: оптимизационный, контрольный и супер-контрольный.

2. Генерируем огромное количество случайных наборов параметров Рi (отсюда «Монте-Карло») и для каждого вычисляем качество Qi работы системы на оптимизационном участке данных и, отдельно, QQi — на контрольном участке. Все результаты записываем.

3. Упорядочиваем Qi по убыванию — в ряд Qj (т.е. j — индекс в порядке убывания Q), и начинаем идти по этому списку, усредняя, Рj, Qj и QQj  — в Рk, Qk и QQk:

Рk = Среднее(Рj)
Qk = Среднее(Qj)
QQk = Среднее(QQj) — все усреднения — по j=1..k

4. Понятно, что Qk будет монотонно убывать (хорошо, хорошо, не убывать, а «не возрастать»), а Рk и QQk будут сначала скакать, а потом стабилизируются. Смотрим на поведение QQk и надеемся увидеть — после стабилизации — некоторый (локальный) максимум (при k равном некоторому m), после которого начнётся монотонное снижение. Также надеемся, что будет QQm ~ Qm.

5. Если всё так, то Pm — тот набор параметров, который нужно проверить на супер-конрольном участке данных и… да будет нам счастье!