Приветствую публику смартлаба!

Для проверки автоматических систем и вообще для расширения кругозора бывает необходимость в случайных котировках.

Но дело в том, что не все случайные данные так уж случайны.

Чтобы получить истинно случайные котировки (насколько это возможно) я обратился к ресурсу random.org. Как утверждают эти ребята их данные получены из атмосферных колебаний, которые являются абсолютно случайными.

Для наглядности пример с ихнего ресурса.

Далее эти данные были приведены к формату биржевых котировок (как это было сделано описано ниже).

Строим графики в NT7, ниже пример как все получилось (Daily, 60m, 5m, 2Range).

( Читать дальше )

Начну с фейсбука: был неожиданно удивлен, как крепко сбита трейдерская тусовка. Добавляются люди, имеющие 150 и более (!) общих друзей. Все всех знают :) Круто. PS: меня можно найти и добавить тут: https://www.facebook.com/profile.php?id=100009744075159

Итак, про грааль. Несколько лет назад эта тема работала отменно. Сейчас — работает с примочками, и не всегда. Но как базис для размышления считаю ее отличной. Строится система на простом принципе — угол наклона между страйками варьируется в определенном диапазоне. (это аксиома первая) и последовательность этих углов должна иметь определенную логику (аксиома вторая).

Начнем с первого. Углом здесь и далее я буду называть отношение волы на страйке Х и Х+1. (в тот момент, когда писался алгоритм это было 5000 по Ри.). То есть вола 35 и 33 имеет угол 35/33-1 = 6%. Проведя большие статистические тесты по путовой части (как наиболее прогнозируемой, ибо она не опускается вниз от АТМ, как может делать коловая), был выявлен диапазон наклонов. Различные сценарии дают различные углы. Например обвал и вола 80, или резкий рост рынка и обвал волы итд. Все можно описать грубо пятью базовыми сценариями. Кто хочет — может заморочиться сильнее.

( Читать дальше )

Продолжая  тему тестирования алгоритма Маркет Мэйкера, поделюсь своими результатами и мыслями по его работе:
1. Основной режим работы алгоритма — это маркетмэйкинг (он же арбитраж ликвидности, он же торговля спредом). И конечно же, прибыльность этой стратегии сильно зависит от рыночных условий, скорости получения данных и работы системы исполнения. Средняя прибыль на сделку даже и при идеальном исполнении не будет превышать значение спреда (2-5 пунктов по Si в среднем). А в период сильной волатильности, когда стакан бросает из стороны в сторону на 10-30 пунктов, несмотря на большое количество положительных сделок ( около 70%), алгоритм становится убыточным. В основном из-за комиссий, конечно.

2. Да, математические формулы сильно ограничили многих желание понять, как устроен алгоритм. Но на самом деле, если вдумчиво посмотреть картинки (карты политик), получается все ясно и просто. А будет еще проще, если посмотреть картинки графиков из других статей, лежащих в основе алгоритма (например Guilbaud, Fabien, and Huyen Pham, 2013, Optimal high-frequency trading with limit and market orders). Забудем на минутку про дисбаланс бид/акс объемов и построим карту политик для открытой позиции при разных значениях спреда:

( Читать дальше )

Начинаем трансляцию реальной торговли на реальном счете опционами с помощью TSLab 2.0 (бета) (продолжение тут).

Идея состоит в том, чтобы запустить стандартные торговые скрипты из поставки и посмотреть, что они сумеют сделать с рынком до июньской экспирации. Торговать будем опционы на доллар (фьючерс SiM5).

Стартовая сумма: 71 818 рублей (брокер Финам, подключение через Транзак).


( Читать дальше )

Здравствуйте!

                  На почту часто поступают вопросы по поводу распределения капитала между стратегиями. Как добиться стабильных и устойчивых результатов на продолжительном временном интервале? Как эффективно объединить разные торговые роботы в единую систему?
                  Ниже будет описан собственный подход к данному вопросу. На абсолютную истину он не претендует, но подход вполне логичен, достаточно прост и проверен на собственном опыте. Надеюсь для кого-то это будет полезно.
                  Затрагивать тонкости построения и оценку качества работы отдельных стратегий не будем. Допустим, в арсенале уже есть несколько торговых стратегий (например 3), основанных на надежных идеях и приносящих вам уже какой-никакой профит. Системы полностью формализованы, оттестированы на исторических данных, имеют достаточный период реальной торговли. Это позволяет уже иметь какие-то ожидания в плане будущего поведения данных торговых стратегий.

( Читать дальше )

Продолжаем разбирать численное решение уравнения Хамильтона-Якоби-Беллмана. В прошлой части мы составили выражение для оператора , в котором есть слагаемые, получить значение которых можно из реальных данных. Во-первых, что из себя представляют дифференциальные матрицы D1,D2. Это матрицы размерностью , где, для D1(согласно определению в части 4) в ячейках [j,j] стоят -1, если fj<0 и 1 в остальных случаях,  в ячейках [j,j+1] стоят 1, если fj<0 и 0 в остальных случаях, и в ячейках [j,j-1] стоят -1, если fj≥0 и 0 — в остальных случаях. Как составить матрицу D2, я думаю, вы догадаетесь сами, взглянув на ее определение в

( Читать дальше )

Продолжаем разбирать работу JIANGMIN XU «Optimal Strategies of High Frequency Traders». Чтобы составить уравнение оптимального контроля, сначала сформулируем проблему оптимизации алгоритма при используемых стратегиях θ,  как достижение максимума следующего матожидания:

,

( Читать дальше )

В прошлой части мы рассмотрели оптимальное управление inventory risk в маркетмейкерском алгоритме. Напомню, что формулы для нейтральной цены и оптимального спреда между лимитными ордерами были получены при допущении, что цена следует геометрическому броуновскому движению. Управление inventory risk для моделей цены, более приближенными к реальности, рассматривается, например, в статье Pietro Fodra & Mauricio Labadie «High-frequency market-making with inventory constraints and directional bets» . Однако, применить напрямую на практике алгоритмы из этих статей вряд ли получится, так как в них  не учитывается действие adverse selection risk. Поэтому в данной части рассмотрим работу JIANGMIN XU «Optimal Strategies of High Frequency Traders», в которой автор делает попытку учесть этот вид риска, конечно, наряду с inventory risk.

( Читать дальше )

В биржевой торговле существует ряд алгоритмов, которые можно отнести к маркетмейкерским. Как правило, это означает выставление лимитных ордеров по обе стороны стакана, то есть как на покупку, так и на продажу, и целью такого алгоритма является получение прибыли от спреда - разницы между этими лимитными ордерами. Простейшая стратегия подобного рода — постановка ордеров одновременно на лучший бид и лучший аск — будет убыточной из-за действия следующих факторов:

1. Вероятность взятия ордера на стороне, противоположной движению цены в большинстве случаев выше, чем на стороне по направлению движения. То есть, если цена актива растет, то чаще будут исполняться ордера, выставленные на продажу, а ордера на покупку, соответственно — реже, в результате возникает убыточная позиция. В англоязычной литературе этот эффект называется

( Читать дальше )

Для того, чтобы понимать о чем пойдет речь ниже отсылаю Вас к своему посту про PortfolioOptimizer на базе Wealth-lab.

PortfolioOptimizer — это оптимизатор с функцией автоматического сохранением TWR/HPR топа лучших результатов оптимизации. Термины TWR и HPR заимствованы из портфельной теории Ральфа Винса, к адептом которой я себя причисляю.
Для того, чтобы получить базовое понимание того, чем отличается теория Винса от классической портфельной теории, я также понятия TWR и HPR отсылаю Вас к книгам автора, или курсам на тему.
 

( Читать дальше )