Избранное трейдера ch5oh
Для тех, кто не знает что такое баскет-трейдинг можно почитать здесь, я хочу написать об успешной алгоритмизации данной стратегии для криптовалют. Так как работа “руками” по этой стратегии фактически не возможна, и крайне не эффективная – для этого был создан торговый робот. Бот установлен на удалённом сервере и работает на полном автомате, что обеспечивает:
Бот служит для торговли возможностей, которые возникают между высоко коррелированными активами. Данный алгоритм в автоматическом режиме рассчитывает расхождения между валютами парной сделки, и на полном автомате торгует все торговые возможности. Работа бота ведётся на бирже BITMEX.
Коллеги, всем добра! В сегодняшней нашей уже ставшей традиционной рубрике вопросов участникам конкурсант kolinkor. Участник заявлен в номинации БОТ. На первый взгляд участие данного участника в опционном конкурсе может показаться нелогичным, т.к. он, если я правильно понимаю, работает только на фьючерсах не используя опционы. Но! Наш конкурс не ограничен строгими жёстко формализованными рамками и предполагает практически полную свободу действий, посему для отдельных педантов-критиков можно сказать, что участник моделирует опционные конструкции через фьючерс, а остальным будет просто интересно посмотреть на работу.
Рис. 1. Общий график изменений суммы на счете. Дополнительного ввода/вывода средств не проводилось.
Наш традиционный типовой опросник:
1. О себе. Произвольно, можете дать ту информацию, которую посчитаете нужной – возраст, образование, сфера деятельности, как и когда попали в трейдинг, как проходило обучение, опыт работы, на каких рынках работаете, рабочий инструментарий, программное обеспечение, любая другая информация по желанию.
Лосизм крепчал, но было всё неважно. (трейдеры мы!)
И рост на сорок центов – ни о чём. (ваще!)
В лонгах лежат рогатые отважно, (смелые, бл*)
Зарыв в песок всю «морду кирпичом». (страшно)
В руках у нас – отскоки и подскоки. (см. соотв. граф-фик)
Мы тащим нефть на финишный наш страйк (63-й).
Зажаты мёртво оба наши коки. (в простонародье – яйца)
А сдохнем — ставьте погребальный лайк! (и поделом!)
Бабочка моя 59/63/67 уже не летает, как Великий Кондор Стерх, а лишь подпрыгивает, как полупридавленная мандавошка. Поделом ей. Нехрен крылушки растопырчивать.
Игра близится к экспирации. Вот тама цыплятосов всех и сосчитаем. И это будет пока ещё осень (26 ноября). Последняя (шутка) осень…
Не я… Не он… Не мы...
Так как насчет практического применения ML? Как вообще это выглядит?!
А выглядит это так, что 80% времени data scientist тратит на работу с данными, чтобы потом загнав их в модельку мобильно получить прогноз. Вообще, предполагалось что такой мощный инструмент как нейросети сможет работать с сырыми данными, то есть загонишь в нейросеть обычную котировку, а дальше могучие нейроны похимичат, сгенерируют кучу фичей и найдут нужную их комбинацию (на самом деле никаких фичей нейросети на создают, но можно представить). Ну вот например такое явление как большой ГЭП, важный показатель? Еще какой! В сырых данных он содержится, то есть можно помечтать что если мы создадим очень сложную нейросеть, то она сможет вытащить это значение самостоятельно. Что такое ГЭП нейросеть конечно не знает, но путем манипуляций с весами она найдет, что когда меняется циферка в дате то образовавшийся большой разрыв в цене имеет большое влияние для хорошей аппроксимации.
Мечты, мечты. Пока все что я видел в результате скармливания нейросети сырах данных-это слезы, боль и убожество. В общем мы пойдет другим путем. Мы не будет скармливать модели сырятину и мусор, мы постараемся кормить его качественно чтобы удои увеличивались и все такое.
Есть такое понятие как в ML как feature engenering. Наверно единственное более менее креативное что остается человеку в этом бездушном мире машинного обучения. А уж коли мы ведем речь о RF, то сам бог велел заняться этим, RF знаете ли не нейросети, там даже теоретически сырятина в данных не приветствуется. Вот этим мы и займемся.
Откуда же нам взять эти фичи и главное как? Тут каждому воля вольная. Например можно сдув пыль с WealthLab использовать старичка как генератора фичей. Кто не знает в него вшито около полусотни известных индексов и еще столько же, но с неизвестным кодом. А еще можно запрограммировать свои фичи. По своему «знанию и разумению», своих «знаний и разумений» я накопил много, но почти все они из разряда «все эти технические индикаторы не стоят ничего». Зато кое что из своего показали свою небезнадежность. В общем на первый случай я сгенерировал около 17 своих фичей, затем ранжировал их для каждой стоки, итого 34 фичи. Стоки брал из числа 20 самых ликвидных отечественных фишек с 2010 года по март 2018, что дало 50 тысяч дневных наблюдений. Прямо сказать не густо, но что есть. Тем более речь идет о демонстрации силушки RF.
Вот набор моих фичей:
Week 49303 non-null int64 GEP 49303 non-null float64 Min10 49303 non-null float64 Cl/High 49303 non-null float64 Cl/Low 49303 non-null float64 Cl/w_High 49303 non-null float64 Cl/w_Low 49303 non-null float64 wdif 49303 non-null float64 dif 49303 non-null float64 Vol20/Vol200 49303 non-null float64 tHigh% 49303 non-null float64 tLow% 49303 non-null float64 tHigh%-tLow% 49303 non-null float64 Cl/SMA21 49303 non-null float64 Cl/SMA5 49303 non-null float64 SMA5-SMA21 49303 non-null float64 Cl/(minSMA) 49303 non-null float64 Cl/(maxSMA) 49303 non-null float64 l_Min10 49303 non-null int64 s_Min10 49303 non-null int64 l_gep 49303 non-null int64 s_gep 49303 non-null int64 l_cl/high 49303 non-null int64 s_cl/high 49303 non-null int64 l_cl/low 49303 non-null int64 s_cl/low 49303 non-null int64 l_wdif 49303 non-null int64 s_wdif 49303 non-null int64 l_SMA5-SMA21 49303 non-null int64 S_SMA5-SMA21 49303 non-null int64 L_Cl/(maxSMA) 49303 non-null int64 S_Cl/(maxSMA) 49303 non-null int64 L-tHigh%-tLow% 49303 non-null int64 S_tHigh%-tLow% 49303 non-null int64
Как учили «знающие» люди – торгуй график, на графике видны все действия игроков. Вот я и торговал график. И, если в моменте я был практически миллионером, то на дистанции утрачивал почти все преимущество. Что не так? Торгуя график, я полагался только на свои зрительные ощущения, а это влекло за собой досадные ошибки.
Поэтому я решил разобраться, а что я, собственно, торгую. Попытался сделать так, чтобы моей торговой системой мог управлять человек, который понятие не имел о трейдинге. Для этого пришлось препарировать бары и извлечь из них полезную, на мой взгляд, информацию, чтобы выявить закономерности. А уже эти закономерности представить в виде алгоритма, понятного всем.
Торговал я в то время фьючерсными контрактами на часовом и пятиминутном тайм-фреймах. Для примера, давайте разберем фьючерс на акции Сбербанка — часовик. Я заметил, что на рынке время от времени, возникают моменты, когда происходит жор. В это время игроки покупают актив прямо по рынку, по любой цене – лишь бы купить. Кто-то говорит, что это крупный игрок разгоняет цену, но я, больше, чем уверен, что крупный игрок так рынок не разгоняет, а делает это через новости. А жор – это пир спекулянтов, которые узнали о чем-то самыми последними.
Коллеги, всем добра!
К статье Ильи https://smart-lab.ru/blog/573630.php#comments. Голое мат. моделирование в опционных аналитиках, только скучная математика, без лишних эмоций. Нечто подобное я уже делал тут: https://smart-lab.ru/blog/546369.php, но можно и повторить, на текущих цифрах, раз уж опять всплывает этот вопрос
Берем в качестве модели некоего условного продавца краев с условным 1 млн. на счете опционов и моделируем продажу краев на мартовском квартальнике 2020 года с полной загрузгой ГО.
В качестве опционных аналитиков будут использованы параллельно две программы — Option Workshop (OW) и OptionFVV (OFW), дабы иметь возможность соблюсти некую подтверждаемость результатов разными методами. ГО определяем по данным OW, в этой программе оно показывается более достоверно и примерно равно реальным значениям при торговле.
Текущее значение б/а мартовского опциона 145, продаем на марте 110-е путы(25% от центра) и 170 колы (17,5% от центра). Профили получившихся конструкций: