Начало здесь.

Формулы 101 альфа сигнала

В этом разделе мы опишем некоторые общие особенности наших 101 сигналов. Эти сигналыявляются собственностью WorldQuant LLC и используются с его разрешения. Мы даем столько информации, насколько возможно в рамках ограничений, накладываемых правом собственности.Формулы выражений, которые также представляют собой компьютерный код – приведены в приложении А (в следующей части).

Очень приближенно можно сказать, что альфа-сигналы основаны либо на возврате к среднему, либо импульсе. Сигналы возврата к среднему имеют знак, противоположный приращению цены за период, лежащий в основе расчета. Пример простого сигнала возврата к среднему:

−ln(today`s open / yesterday`s close) (2)

Здесь в значении вчерашнего закрытия учтены любые сплиты и дивиденды, до момента текущей даты. Идея  состоит в том, что значение цены актива  вернется к среднему значению, чтобы вернуть часть прибыли (если сегодняшнее открытие выше вчерашнего закрытия) или возместить часть убытков (если сегодняшнее открытие ниже вчерашнего закрытия). Это так называемый сигнал с «задержкой-0». “Задержка-0” означает, что время определенных данных (например, цены), используемых в сигнале, совпадает со временем, в течение которого сигнал применяется для торговли. То есть, по сигналу (2) в идеале должны выставляться ордера в момент, или, более реалистично, максимально приближено к, сегодняшней цене открытия. В более широком смысле, это может быть какое-то другое время, например, закрытия дня.

( Читать дальше )

Представляю интересную, но, возможно спорную, статью, написанную авторами Zura Kakushadze, Geoffrey Lauprete  and Igor Tulchinsky — "101 Formulaic Alphas". Подходы к торговле, описанные в этой статье, применяются многими трейдерами на практике, а насколько прибыльны представленные сигналы, вы можете проверить сами.

Введение

Мы приводим явные формулы,  также являющиеся и компьютерным кодом, по 101 сигналу для реальной торговли — так называемых альфа-сигналов. Среднее время удержания позиции по ним варьируется от 0.6 до 6.4 дней. Средняя величина парных корреляций этих сигналов довольно низкая, 15.9%. Прибыльность сильно коррелирует с волатильностью, но не имеет значительной зависимости от оборота, что напрямую подтверждает  раннее полученный нами результат на основе косвенного эмпирического анализа. Также мы эмпирически установили, что оборачиваемость мало влияет на корреляцию альфа-сигналов.

( Читать дальше )

  

Статья из блога www.jonathankinlay.com поможет лучше понять работу вашей торговой стратегии и повысить ее производительность в будущем.

Построение прибыльной стратегии только половина успеха, трейдеру еще необходимо понимание так называемой альфы стратегии и риска. Это значит, что нужно определить факторы, обуславливающие прибыльность алгоритма и, в идеале, создать модель так, что их относительный вклад может быть вычислен. Более продвинутый путь — это конструирование мета-модели, которая будет предсказывать прибыльность и давать рекомендации, каким образом должна торговать стратегия в следующий период.

Производительность стратегии

Давайте посмотрим, как это работает на практике. В нашем случае будем использовать следующую внутридневную стратегию на фьючерсах E-mini:

Общая производительность стратегии довольна высока. Среднемесячная прибыль за период с апреля по октябрь 2015 года почти 8 000 долларов на контракт, за вычетом комиссии, со стандартным отклонением всего 5 500 долларов. Годовой коэффициент Шарпа около 5.0. На платформе с хорошим исполнением стратегия может масштабироваться до 10-15 контрактов, с годовой прибылью от 1 до 1.5 миллионов долларов.

( Читать дальше )

Предлагаю перевод интересной статьи с сайта www.inovancetech.com о нетрадиционном применение техник машинного обучения: Machine Learning Techniques to Improve Your Strategy.

Машинное обучение это мощный инструмент не только для создания новых стратегий, но и для повышения эффективности уже существующих.

В этой статье мы осветим вопрос управления размером позиции с использованием алгоритма Random Forest (RF)  и включения/выключения торговли на основе модели скрытых состояний Маркова (HMM). Мы предполагаем, что у вас уже есть торговая стратегия.

Как улучшить управление позицией

Управление позицией — это очень важный аспект трейдинга, которому часто не уделяется должное внимание. Многие трейдеры смотрят на управление позиции с точки зрения уменьшения риска убытков, но не инструмента увеличения прибыльности стратегии. Конечно важно избегать большого риска, используя небольшую часть торгового счета ( не более 2%) в каждой сделке, но лучший способ — это применение фиксированного лота или фиксированного процента от вашей максимальной позиции для каждого трейда.

( Читать дальше )

Окончание.Начало здесь.

Проверка эффективности индикаторов на реальных данных

В качестве проверки верности результатов на симуляционных данных мы использовали два реальных набора данных для исследования производительности индикаторов. Эти тесты требовали уровня 6 данных, для того, чтобы мы смогли точно воссоздать книгу заявок, отслеживая каждый лимитный ордер в моменты его поступления, изменения и удаления из очереди заявок, так же как и исполнение различных ордеров для точной реконструкции событий. В дополнение, мы присвоили каждому ордеру идентификатор, который классифицировал этот ордер как автоматический или ручной. Последней задачей был поиск событий, происходящих на отдельных рынках для изучения их влияния на происхождение мини обвалов цены.

Мы использовали два отдельных набора данных для исследования предсказательной способности индикаторов:

1. Сентябрь 19,2012. Падение фьючерсов WTI Crude Oil, когда цена снизилась более 4$ за четыре минуты ( большая часть падения была в интервале 30 сек этого периода), и достигла минимума в 12:55 дня.
2. Обвал цен 6 мая 2010. Обвал произошел на фьючерсах E-mini S&P500, когда цена упала на 3% за четыре минуты. В 1:45 дня она достигла минимума, когда биржа CME остановила торги (планка), затем цена начала свое восстановление.

( Читать дальше )

Начало здесь.

Индикаторы стабильности книги лимитных ордеров

Традиционно стабильность, или эластичность рынка, представляется термином ликвидность, которая является возможностью трансформации одного вида актива в другой за короткий временной период без потерь. Легкость такой трансформации, в смысле требующегося времени и воздействия на цену, видится как мера здорового состояния рынка. К сожалению, ликвидность — это многомерное явление, делающее трудным сведение его к единому значению. Можно определить ликвидность в 4-х измерениях:

Время между сделками. Определяет возможность исполнить транзакцию немедленно по текущей цене. Время ожидания между сделками характеризует данную меру.

Плотность. Возможность купить или продать актив около одной цены и одно и тоже время, обычно трактуется как спред между лучшими бидом и аском.

( Читать дальше )

Начало здесь.

Агентская модель очереди лимитных заявок

Переход к электронной книге заявок и автоматической торговле стал толчком к более тщательному изучению микроструктуры рынка. Симуляция рыночных заявок является экспериментальной средой для исследования особенностей и характеристик рынка учеными и регуляторами путем контролируемого создания репрезентативной маркет даты, используемой для анализа. Из-за малой доступности уровней 4,5 и 6 очереди заявок исследователям, симуляция служит необходимым инструментом.

Агентское моделирование заявок позволяет воспроизвести функционирование биржи и процесс торговли, а также гетерогенность участников рынка, и является мощным методом анализа финансовых рынков. Агентские модели (АВМ) упрощают сложные системы путем включения набора отдельных агентов, топологии и среды.

( Читать дальше )

По просьбе одного из читателей блога прогнал тесты инструмента SPY в моей программе, использующей модель Маркова для предсказания направления рынка. SPY- это биржевой символ фонда, повторяющего движения индекса S&P500, торгуется на бирже NYSE. Тестирование производилось на периоде от 01 июня 2015 года до 25 ноября 2015 года. Размер тренировочной выборки — 70%, выборки out-of-sample — 30%.  Вот что получилось в итоге, для различных интервалов дискретизации:

1. 60- минутные бары:

( Читать дальше )

Представляю перевод статьи Mark Paddrik, Roy Hayes, William Scherer, Peter Beling — Effects of Limit Order Book Information Level on Market Stability Metrics, в которой есть много полезных сведений об электронной очереди заявок.

6 мая 2010 года американский рынок пережил одно из самых больших падений цен в его истории. Индекс Доу-Джонса упал на 5 процентов менее, чем за 5 минут. Цепь падений произошла в следующие 15 минут торгов. Это падение поставило вопрос о стабильности рынков капитала и привело к расследованию SEC.

Падение 6 мая было особенным в смысле того, что не было похожих по глубине, объему и скорости падений цены. Обвалы меньших масштабов, тем не менее, случаются часто. Между 2006 и 2012 годами было около 18 520 случаев мини-обвалов, в которых отдельные активы испытывали резкое снижение и несколько обновлений цены за короткий период времени. Хотя случаи таких падений отличаются один от другого, они несут определенные единые стрессовые маркеры, которые, если их распознать заранее, могут быть основой для воздействия на рынок с целью увеличения его стабильности.

( Читать дальше )

Окончание. Начало здесь.

В соответствии со смоделированным спредом, мы предполагаем покупать (продавать) пять контрактов по одному активу, одновременно продавая (покупая) количество, равное [β×5], где [x] — целая часть х, по другому активу, так как число контрактов должно быть целым.

Мы моделируем торговлю с 500 000$ и наше гарантийное обеспечение будет примерно равным 20%. Мы не используем какую-либо технику манименеджмента, ГО 20% будет только в начале периода бэктестинга и будет снижаться по мере получения прибыли.

Итоговые результаты анализируются с помощью распространенных индикаторов, применяемых на практике: годовой коэффициент Шарпа, годовая доходность, максимальная просадка, доли дней с положительной и отрицательной доходностью, доля дней без сделок, коэффициент отношения среднего значения (в долларах) дней с положительной доходностью к дням с отрицательной доходностью, корреляция портфеля с индексом S&P500. Во всех случаях мы указываем чистый результат, принимая во внимание 3$ комиссии и один тик проскальзывания на сделку.

( Читать дальше )