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 )

Хорошо расставлены акценты, где навыки рисковика первые, а оценка финансовых коэффициентов далеко после оценки конкурентных преимуществ и недостатков, оценки маркетинговой ниши. По сути можно любую фирму прогнать через такой анализ и сделать выводы о ее перспективах независимо от рисованной финансовой отчетности. Пригодится может быть для тех кто торгует акции. 

1. Здравый смысл и опыт риск-менеджера — некоторую предварительную подготовку в этом направлении могут дать занятия в форме управленческих ситуаций и стажировки на фирмах, где риск-менеджмент хорошо развит. Кроме того, сбалансированное мышление, здравомыслие — это глубоко врожденные характеристики типов личности, которые, по-видимому, придется выявлять в рамках тестирования на профессиональную пригодность.

2. Наблюдение за работой — методика, связанная с умением открыто или скрыто наблюдать за фактическим ходом определенных работ и процессов, а также с умением вести хронометраж и проводить интервьюирование работников на местах.

( Читать дальше )

Интересные соображения по поводу вычисления правильной корреляции изложил в своем блоге Eran Raviv. По моему мнению данный подход можно попробовать использовать в статистическом арбитраже и парном трейдинге. Ниже даю полный перевод статьи с кодом на языке R.

В случае постоянной скорости, время и расстояние полностью коррелированы. Дайте мне одну переменную, я дам вам другую. Когда две переменные не имеют ничего общего между собой, мы говорим, что они не коррелированы.

Вы думаете, что это все, что можно сказать, но это не так. Как правило, ситуация более сложная. В большинстве обычных применений используется корреляция Пирсона. Коэффициент корреляции Пирсона отражает линейную зависимость. Поэтому мы говорим, что это параметрический показатель. На самом деле он может возвращать ноль даже если две переменные полностью зависимы ( наглядно показано здесь).

( Читать дальше )