Избранное трейдера Александр Дорош
Около месяца мы разговариваем в нашем блоге про теорию парных арбитражей и про то как удобно его торговать (исследовать) в OsEngine. Теперь вы это можете делать либо вообще без программирования, либо написав несколько десятков строк кода.
Это – большой прорыв относительно того, как это массово предлагалось делать мейнстримными блогерами с хабра. Когда тесты предлагается проводить с использованием R, MatLab, а исполнение надо отдельно прописывать самому в других программах для торговли. Теперь это всё не нужно. С интеграцией слоёв создания парных арбитражей в OsEngine – и тестирование и экзекюшен делаются в одной программе, в несколько десятков строк кода. С удобным и понятным визуалом.
Данный пост – оглавление для серии статей о парном арбитраже в нашем блоге.
https://smart-lab.ru/company/os_engine/blog/940378.php
В данном посте Вы узнаете о том, что такое корреляция и насколько она важна для парного трейдинга. Какие типы сигналов она способна давать сама. Когда и где её примеряют как фильтр.
Продолжаю сидеть на самоизоляции и учусь программировать на Python. Написал полноценный калькулятор для сравнения двух любых активов.
Считает такие показатели как:
✅ Ожидаемая доходность
✅ Волатильность
✅ Коэффициент Шарпа для каждого актива
✅ Корреляцию
✅ Бету
✅ Альфу
✅ Долю волатильности исследуемого актива в базовом (удобно для сравнения с индексными фондами или индексами, если их брать в качестве базового актива)
✅ Коэффициент Трейнора
✅ Альфу Дженсена
Можно задать период на котором необходимо произвести расчеты. Строить графики для сравнения.
void lua_pushnumber (lua_State *L, lua_Number n);
const char *lua_pushstring (lua_State *L, const char *s);
lua_Number lua_tonumber (lua_State *L, int index);
const char *lua_tostring (lua_State *L, int index);где L — указатель Lua-стэка, а index — абсолютный или относительный индекс переменной в стэке.
После всех вычислений, приведенных в этой и этой публикациях, можно углубиться в статистический анализ и рассмотреть метод наименьших квадратов. Для этой цели используется библиотека statsmodels, которая позволяет пользователям исследовать данные, оценивать статистические модели и выполнять статистические тесты. За основу были взяты эта статья и эта статья. Само описание используемой функции на английском доступно по следующей ссылке.
Сначала немного теории:
О линейной регрессии
Линейная регрессия используется в качестве прогнозирующей модели, когда предполагается линейная зависимость между зависимой переменной (переменная, которую мы пытаемся предсказать) и независимой переменной (переменная и/или переменные, используемые для предсказания).
Цель: создание баланса регулирования для банков в разным капиталом и операциями.
Основа: разделение лицензий на универсальную и базовую, установление различных требований о минимальном капитале (ф.123 ст. 000), введение пропорционального регулирования.
1. Базовая лицензия:
2.1.