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 )

Правильно ли я понимаю, что биржевые аукционы (которые проводятся в конце и в начале торговой сессии) принципиально не годятся для реализации трейдерами стоп-стратегии (и, в частности, в них — аукционах — не участвуют стоп-ордера)?

В самом деле, пусть у меня есть лонг позиция, и текущая цена выше 100, и у меня стоит стоп-ордер на 100. Если попытаться реализовать этот стоп в виде заявки (на продажу, естественно) по 100 в очередном аукционе, то эта заявка сработает при любой итоговой цене аукциона, большей 100. А при аукционной цене меньше 100 она как раз не сработает!

Вам дали историю за 10 лет акций некоторого рынка (очень похожего на американский) в дневных барах OHLCV — пусть это будет 10000 тикеров (10лет*10000тикеров*250торговых_дней_в_году/2 = ~12 миллионов баров, пополам потому что многие акции моложе 10 лет).

Это все акции, то есть от хороших до мусорных (и даже скамерских).

Вопрос: какие формальные критерии вы примените именно к этим данным самим по себе для отбора тех акций, с которыми «стоит работать» — не в смысле обязательно сразу торговать, но в смысле разбираться, как на них работают ваши методы?

Или, для простоты, — какой критерий вы примените первым?

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!