В чем едж и есть ли он — так и не написали.

Поделюсь своими мыслями на этот счет. Из текущих рыночных цен можно подобрать соответствующее им распределение вероятностей (о том, где будет цена БА на экспу). Так вот по этому распределению можно посчитать различные показатели у любой позы. Например, можно посчитать вероятность оказаться в прибыли на экспу. У проданного опциона (вне денег) или проданного стредла/стрэнгла эта вероятность будет большой (больше 50%). И чем дальше будут страйки от центра — тем вероятностью будет больше. Но грааля в этом нет — матожидание то любой позы будет 0 (спред и комис не учитываем). Да, несколько раз по немногу заработаем, но на гэпе все отдадим обратно.

Имхо, эдж может быть только если мы считаем, что рыночное распределение имеет слишком толстые хвосты. Тогда по нашему распределению (более сжатому, чем рыночное) проданная поза будет иметь положительное МО. Но это ведь нужно обосновать — почему рынок ошибается и дает слишком большую вероятность хвостам. Возможно, рынок иногда ошибается, но вряд-ли постоянно. Т.е. наверное продавать опционы можно в определенные моменты (когда рынок слишком испуган и неоправданно «утолщает» хвосты). Но продавать на постоянку, считая что рынок всегда неправ с хвостами — мне кажется, нельзя. Это если на свои деньги. Если на чужие, когда риск черного лебедя — на клиенте и брокере, то можно конечно всегда продавать, даже если ничего не понимаешь в рынке.

Программа курса вебинаров:

День 1 
Введение:

• случайность или детерминированность;
• торговый алгоритм, как статистический прогноз будущего приращения цены;
• бинарная модель приращений цен, тренд и контртренд, оптимальный алгоритм.

Основы теории вероятностей и математической статистики «за час»:

• вероятность, как мера числовой оценки шансов появления будущих событий;
• одномерные случайные величины: функция распределения, математическое ожидание функции от случайной величины, квантили (перцентили), стохастическое доминирование;
• многомерные случайные величины: независимость, условные распределения, задача статистического прогноза, регрессия;
• последовательности случайных величин: стационарность, автокорреляционная и спектральная функции, случайное блуждание, показатель Херста (критика);
• математическая статистика: выборка, выборочные статистики, достаточные статистики, различение гипотез, оценка параметров, параметрическая и непараметрическая статистика.

День 2 
Тестирование и оптимизация торговых алгоритмов, как проверка качества статистического прогноза будущего приращения цены:

• оценка доли «успехов»;
• приведение автокорреляционной функции динамики счета к нулевому виду;
• отсев параметров по:
  • устойчивости;
  • стохастическому доминированию;
  • взаимной корреляции;
  • превосходству «доходность-риск» пассивной стратегии;
  • построение оптимального портфеля из:
    • одного торгового алгоритма с разными параметрами,
    • нескольких торговых алгоритмов на одном активе,
    • портфелей торговых алгоритмов на разных активах;
    • оценка будущей просадки счета методом Монте-Карло.

День 3 

Принципы построения торговых алгоритмов:

• оптимальные алгоритмы при известном распределении будущего приращения цены;
• бинарная модель приращений цен, «кусочная» стационарность, оптимальные алгоритмы в условиях непредсказуемости точек смены отрезков стационарностей.

Модели цен:

• конкурентный рынок, условная нормальность, «кусочная» стационарность;
• кусочно-постоянная условно нормальная модель, тренды, минимаксная модель трендов;
• кусочно-марковская условно нормальная модель, тренды и контртренды;
• сильно «антиперсистентная» модель, ступенчатые тренды;

День 4 

Примеры трендовых торговых алгоритмов. Часть 1.

• для кусочно-постоянной условно нормальной модели;
• для сильно «антиперсистентной» модели.

День 5 

Примеры трендовых торговых алгоритмов. Часть 2.

• для минимаксной модели трендов;
• история реальной торговли и модификаций.

День 6 

Фильтрация трендовых торговых алгоритмов:

• кусочно-марковская условно нормальная модель, как основа построения «фильтра пилы»;
• «фильтры» шортов и плечей, принципы построения, особенности использования.

Примеры контртрендовых торговых алгоритмов:

• «фильтр пилы», как индикатор торговли контртренда в рамках бинарной модели приращений цен;
• maximum profit system для опционов.

День 7 

Практическое занятие.

 Ссылку на учебный центр не даю, чтобы не выглядело рекламой.

Sna777, тема сисек не раскрыта. 

1. За какой период считать регрессию?
2. На основе каких предположений выбирается пара?
3. Проводились ли статистические тесты на коинтеграцию/стационарность?
4. Какой спред лучше торговать и почему: разность цен, отношение цен или разность логарифмов цен?