Избранное трейдера Oblitus
Основные этапы создания автоматических торговых систем сформулировал Michael Halls-Moore на своем сайте www.quantstart.com. Я присоединяюсь к его советам и рекомендациям — по текстам на сайте видно, что автор действительно занимается практической работой по алготрейдингу.
Автоматическая торговля это чрезвычайно сложная область биржевых финансов. Значительное время может занять получение необходимых знаний для создания вашей собственной стратегии. Также потребуется неплохие навыки в программировании, как минимум на таких языках, как MATLAB, R или Python. В связи с постоянным ростом частоты сделок технологические аспекты торговли тоже становятся очень важны. Это требует изучения языков программирования C/C++.
Автоматическая торговая система состоит из следующих основных компонентов:
Своим опытом в построении высокопроизводительных торговых систем с использованием генетического программирования делится Dr Jonathan Kinlay в своем блоге.
Увеличение времени, стоимости и риска разработки стратегий заставило трейдинговые компании исследовать возможности итенсификации процессов разработки. Одним из таких подходов является генетическое программирование.
Генетическое программирование (ГП) это эволюционная методология разработки, которая может быть использована для идентификации паттернов или зависимостей в структурах данных. ГП это набор инструкций ( обычно простые операторы, сложение и вычитание) для исходных данных и функция соответствия для определения, насколько хорошо система способна комбинировать функции и данные для достижения определенной цели.
if (pr > max) { max = pr; ind = 1; } // — если обновляем максимум то в лонг
if (pr < min) { min = pr; ind = -1; } // — если обновляем минимум то в шорт
max -= k2; // максимум плавно опускаем каждую 5-минутку
min += k3; // минимум плавно поднимаем каждую 5-минутку
if ((ind == 1) && (pr < max- stop_long)) ind = 0; // если цена ниже максимума на размер стопа и мы лонге — выход кеш
В прошлой части мы рассмотрели теоретическую модель, лежащую в основе вычисления вероятности присутствия на рынке информированных трейдеров PIN. Продолжим с эмпирической реализации этой модели.
Для уменьшения пространства параметров модели, обычно предполагают, что частоты прихода ордеров на продажу ϵs и на покупку ϵb равны. В день «хорошей новости» вероятность наблюдения последовательности сделок купли и продажи соответствует:
, где B и S — число сделок купли и продажи соответственно.
Сегодня я начну раскрывать некоторые свои наработки в области стопов, про которые я нигде больше не видел, поэтому с моей точки зрения они авторские.
Я работаю со статистикой, а не с интуицией. При таком подходе очень полезно, да и просто интересно смотреть на максимумы и минимумы, разворотные паттерны и прочие экстремумы, а также на расстояние, пройденное ценой между ними. Данные точки описаны массой авторов, но наиболее распространенные их вариации известны широкому кругу, как Фракталы (простейшая форма определения экстремумов) и Точки ДеМарка(более сложная версия). Для простоты, я буду называть и те и другие точками ДеМарка, так как фрактал, на мой взгляд — это всего лишь разновидность паттерна на 3-х свечах. Точки ДеМарка в оригинале — это тоже паттерн(почти тот же фрактал, только на 5 свечках), но для дальнейшей нашей с вами работы нужно сделать первый разрыв шаблона и представить данный разворотный паттерн в виде полноценного индикатора. Для такой трансформации следует допустить возможность, что данный паттерн может строится на произвольном количестве свечек. Другими словами, создадим индикатор, параметром которого является количество свечек паттерна. В результате чего Фрактал — станет вариацией нашего индикатора с параметром 3 (с 1-ой свечей ниже/выше экстремума), а точка ДеМарка -станет вариацией нашего индикатора с параметром 5 (с 2-мя свечками ниже/выше экстремума) и так далее.