Всем привет. Я немного вынырнул из небытия. Извиняюсь, что прервал тему про опционы, просто к ней охладел. 

А так — презентую новый проект, Калькулятор доходности портфелей по Марковицу.  Многие видели подобные картинки и знают, что это такое:


Для тех, кто не знает — это кривая риск-доходность портфеля, составленного из 2 инструментов. Марковиц доказал (за что получил Нобеля по экономике), что эта кривая всегда выгнута влево-вверх, и никогда вправо-вниз. То есть, добавление в портфель рисковых высокодоходных инструментов может уменьшить риск портфеля при увеличении прибыльности. Отсюда пошла быть современная портфельная теория.

А теперь можно считать и рисовать на дому! И совершенно бесплатно, в смысле даром! 

Давайте по-порядку.

1. Качаем версию с Гитхаба (ссылка в конце поста), распаковываем. Проверяем на вирусы или читаем исходный код, убеждаемся, что все безопасно. Разблокируем calcaa.cmd через свойства файла и запускаем программу. Да, работает под Виндой и Линуксом. На Маках тоже должно, но не проверял из-за наличия отсутствия.

( Читать дальше )

MetaTrader 5 позволяет разрабатывать и тестировать роботов, торгующих одновременно на нескольких инструментах.

Встроенный в платформу тестер стратегий автоматически скачивает с торгового сервера брокера тиковую историю и учитывает спецификацию контрактов  —  разработчику ничего не нужно делать руками.

Это позволяет легко и максимально достоверно воспроизводить все условия торгового окружения — вплоть до миллисекундных интервалов между поступлениями тиков на разных символах.

Сейчас мы покажем, как провести разработку и тестирование спредовой стратегии на двух фьючерсах Московской биржи.

 

Обратная корреляция символов Si и RTS

На Московской бирже торгуются фьючерсы вида Si-M.Y и RTS-M.Y, которые достаточно тесно между собой связаны. Здесь M.Y обозначают дату истечения контракта:

• M — номер месяца
• Y — две последние цифры годв

Si  —  это фьючерсный контракт на курс доллар США/российский рубль, RTS  —  фьючерсный контракт на Индекс РТС, выраженный в долларах США.  Так как в Индекс РТС входят акции российских компаний, цены на которые выражены в рублях, то колебания курса USD/RUR отражаются также и на колебаниях индекса, выраженного в долларах США.

На графиках этих инструментов видно, что при росте одного актива второй, как правило, падает.

( Читать дальше )

Статья из блога Robot Wealth.

Продолжая мои исследования в области моделирования временных серий, я решил изучить авторегрессивные и условные гетероскедатичные модели. В частности, я взял авторегрессивную модель ARIMA и общую авторегрессивную гетероскедатичную модель GARCH, так как на них часто сылаются в финансовой литературе. Далее следует описание того, что я узнал об этих моделях и основной процесс нахождения их параметров, а также простая торговая стратегия, основанная на предсказаниях полученной модели.

Сначала дадим несколько необходимых определений. Я не хочу воспроизводить всю теорию целиком, ниже дан краткий обзор моделирования временных серий, в частности ARIMA и GARCH моделей:

В первую очередь, вычисление ARIMA и GARCH моделей это способ узнать, при каких прошлых наблюдениях, шуме и дисперсии временной серии возможно предсказать следующее значения этой серии. Такие модели, параметры которых правильно установлены, имеют некоторую предсказательную способность, предполагая, конечно, что эти параметры остаются постоянными на некоторое время для данного процесса.

( Читать дальше )

Тимофей Мартынов Если ты не победил основы, посмотри.

Доклад «Оптимизация портфеля алгоритмических стратегий»

1. Введение

В чем состоит цель подобной оптимизации? Представим, что у нас есть набор алгоритмов, каждый из которых обладает некоторыми статистическими свойствами, из которых наиболее важными для нас являются доходность и максимальная величина просадки. В основе каждого из алгоритмов лежат разные стратегии, которые, тем не менее, могут быть коррелированы между собой в разной степени, торговля также может вестись на разных инструментах. В качестве примера приведу характеристики стратегий, которые были разработаны нашей командой и применяются в боевых торгах в настоящее время:

Так как свойства каждого из алгоритмов отличаются, возникает проблема: каким образом распределить между ними доступный капитал для того чтобы:

1. Максимизировать доход при заданном уровне риска ( то есть максимальной величине просадки)

2. Минимизировать риск при заданной доходности

Если дать, например равные доли капитала каждому алгоритму, то, очевидно, что такое распределение не будет оптимальным, так как мы не учитываем характеристики, присущие стратегиям. Не будет оптимальным и тот случай, когда мы, например, выделяем капитал пропорционально относительной доходности каждого алгоритма, здесь мы игнорируем значения волатильности, то есть риска, стратегий.

2. Модель Марковица

Задачу оптимизации попробуем решить, применив теорию оптимального портфеля, разработанную Марковицем, точнее некоторые последующие ее модификации. Обычно данная теория применяется для долгосрочного инвестиционного портфеля, состоящего из различных активов, например акций. Кратко  суть теории.

( Читать дальше )

( Читать дальше )

Трейдеру не обязательно быть программистом, но общие знания и основы желательны.
Более 30 лет существует суперпопулярный курс основ программирования переведен на многие языки, рассчитанный на слушателей от 12 лет)) и непрофильных студентов. На русском не было.
На хабре нашел статью, ребята из javarush занялись переводом на русский( не просто субтитры, а качественный перевод). В комментах пишут, что даже жена Сергея Брина прослушав этот курс, переехала в Кремниевую  долину и стала исполнительным директором Ютюба.
25  бесплатных лекций по 45 минут — рекоммендую

По мотивам поста Применение ARIMA для предсказания цены на RIM6 на R

Итак, я добавил в ARIMA для RIM6 внешний регрессор — цену на нефть BRN6. И проверил — действительно ли это улучшает модель. Теоретически, должно, так как цена на нефть должна опережать РТС. Сначала меняется мировой спрос на нефть — затем уже меняется спрос на рос. активы.

И действительно — это улучшило модель. Критерий AIC, характеризующий качество модели, уменьшился, несмотря на то, что 1 параметром в модели стало больше. Кроме этого, ошибки модели стали меньше. В усовершенствованной версии диапазон (-100, 100), а в простой — (-200, 200).  

Гистограммы остатков моделей



Здесь на верхнем графике ошибки (остатки) модели с дополнительным регрессором fit.arima.reg, а на нижнем — обычной ARIMA fit.arima.

( Читать дальше )

Решил копнуть чуть глубже в ARIMA и другие подобные модели. Попробовал предсказывать цену, а точнее, диапазон цен на ближайшую минуту и 5 минут и на этом сделать какие-то деньги. И что интересно, получилось. Хотя, возможно, это случайность отчасти, не тестировал на большом горизонте времени.

В комментариях к коду все есть.

ARIMA (англ. autoregressive integrated moving average, иногда модель Бокса — Дженкинса, методология Бокса — Дженкинса) — интегрированная модель авторегрессии — скользящего среднего — модель и методология анализа временных рядов. 

Основная идея этой модели в том, что цена в будущем зависит от цен в прошлом (авторегрессионная часть AR) и возврата к среднему (MA часть). А интегрированность означает то, что предварительно определяется порядок интегрированности для временного ряда. К примеру, порядок 1 означает, что разности 1 порядка являются стационарными. Для самой цены порядок интегрированности должен получаться равным 1, а для доходностей — 0. 

( Читать дальше )