Всего лишь неделю нужно для того, чтобы каждый из вас смог сам научиться программировать сверточные нейронные сети, которые торгуют не хуже этой*:

Основное отличие машинного обучения от традиционного программирования состоит в том, что в задачах классического программирования вы знаете некие правила и жестко программируете их в поведении программы; в задачах машинного обучения вы не знаете по каким конкретно правилам должна работать программа и позволяете моделям машинного обучения самим найти их. Если вы хотите создать торгового робота, обычно, вы сами ищете некоторые правила (например, пересечение скользяшек, MACD>80 при убывающей луне — покупаю 2 лота) и жестко задаете такое поведения в роботе, тестируете и, возможно, оптимизируете некоторые параметры, но почему бы не поручить само придумывание правил машине? Методы машинного обучения, в теории, могут сами выбрать индикаторы, разработать правила входа, выхода и оптимальный размер позиций. Да чего уж… они могут сами придумать индикаторы, паттерны, которые могут быть гораздо лучше чем то, что придумали до этого люди. Ведь так и случилось в сфере обработки изображений, нейронные сети научились выделять значимые признаки из изображений гораздо лучше, чем алгоритмы, придуманные людьми. Компьютер обыгрывает людей в шахматы — игру, знания для которой люди накапливали ни одну сотню лет. Станет ли алготрейдинг следующей сферой, где будет господствовать нейронные сети или какой другой метод машинного обучения?

( Читать дальше )

Всем привет,

В последнее время, все больше и больше, то тут то там, люди поднимают тему машинного обучения и нейронных сетей примениельно к торговле на рынке. На фоне всего этого, я решил начать лайв эксперемент по созданию торговой стратегии на базе нейронных сетей, ну и заодно всеже попробовать полностью tfx pipeline в домашних условиях для выкатывания моделей. :)

В общем вот видюшка для затравки



( Читать дальше )

Периодически читаю про мучения с определением точки входа/выхода торгующих акциями на фондовом рынке. Для индексов наверное тоже будет справедливо.
Сразу скажу, что речь не внутридневной торговле. И не для тех, кто все знает и умеет.
Если у вас нет никаких правил, ничего кроме интуиции и любое действие доставляет вам пытки при принятии решения, что мешает вам использовать простейшие формализованные правила системы Turtle (Черепашек). На монотонно растущем рынке они дают эффект. 

Об авторе системы Turtle.

Система Turtle исторически неразрывно связана с именем Ричада Денниса и одним из самых известных и удачных случаев применения механических торговых стратегий (МТС), основанных на жестких, оттестированных на исторических данных, правилах поведения на рынке.
Ричард Деннис является примером успешного трейдера, за 16 лет торговли (в начала 70-х годов) он увеличил свое состояние с $400 до $200 млн. (Отметим, что $400 в начале 70-х — это примерно $20000 сегодня — инфляция однако.)

( Читать дальше )

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

( Читать дальше )

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.

( Читать дальше )

Всем привет. 

Как уже повелось, продолжаем тему околорыночников, и сегодня хотелось бы представить на ваш суд, и возможно обсудить, дизайн алгоритмического окружения. 
Все началось с того, что я задумался обновить свою доморощенную систему, ибо некоторые компоненты заменять становится все сложнее с ростом функциональности и вот сложилась такая идея как все можно переделать.



думаю картинка сама себя хорошо описывает. 

Конечно же, ничего не делается в нашем мире бескорыстно, поэтому все рассуждения были изложены в видео:



( Читать дальше )

На американском рынке торгуется более 18000 эмитентов. Когда матёрым русским инвесторам задают вопрос почему они смотрят только на наш рынок, то обычно получают следующий ответ:

Там слишком много компаний. Чтобы их изучить, уйдут столетия.

Не поспоришь. У меня на беглый анализ одного годового отчета уходит не меньше часа. А тут их надо отсматривать тысячами. И делать какие-то выводы. Где взять столько времени?

Я задал себе вопрос, а можно ли сузить этот круг до нескольких десятков компаний? И как это сделать?

Как оказалось, рецепты есть. Вам понадобятся:

• Google поиск
• Google Translate
• Коллективный разум

Давайте послушаем, что говорят нам опытные инвесторы. У Баффета есть такой термин как “Широкий экономический ров” (Wide Moat). 

( Читать дальше )

Одними из самых простых, и, в тоже время, эффективных рабочих стратегий на рынке, является торговля внутренних и внешних баров. Найти и идентифицировать внутренний и внешний бар на графике цены очень просто. В этом посте, я постараюсь развернуто дать ответ, как можно выстраивать свою стратегию торговли по этим паттернам.



Начну с определений. Во-первых, стоит заметить, что не важно, в каком виде отображается ваш график цены. В статье я буду использовать график в виде баров, но все нижесказанное будет применимо и к свечному графику. Т.к., для того, чтобы определить внутренний бар на графике или внешний, достаточно сравнить диапазон текущего бара с предыдущим.

Ну что ж, ближе к делу. В классической теории технического анализа, внутренние и внешние бары относят к разворотным формациям, которые находятся на экстремумах графика цены. Если вы слепо будете следовать этой концепции, то потерпите фиаско. Я торгую пробои внутренних и внешних баров, не уделяя особого значения, в какой точке движения они находятся. И это получается наиболее эффективно.

( Читать дальше )

 В данном топике опишу, те методики, которые я использую просто текстово без картинок и тд. То есть просто то, что есть в голове, если тема будет интересна ставьте плюс, запишу подробный видос. Так же жду ваших комментариев, и если возникнут вопросы, как и что использовать сейчас, пишите всем отвечу. 

Я для дельта хеджа использую option workshop, но каждый может использовать свое ПО.
Как пользоваться софтом записал видосы тут

Итак начнем.

Вариант номер 1.

Этот вариант самый безопасный, главное не переборщить с ГО. 
Использовать его лучше, когда до экспирации остается мало времени и дельта меняется быстро, я использую его на недельках. 

Тут все просто покупаем пут и колл центрального страйка. И запускаем дельтахэдж. Если цена улетает нам приносит прибыль купленные опционы, если цену пилит и колбасит, нам приносит дельтахэдж. Тут рисков особых нет, только если резко и сильно упадет цена опционов, а дельта хэдж не успеет наколбасить прибыль. Лучше запускать, когда резко упала вола и сильно в цене просели опцики, что часто бывает. 

( Читать дальше )

сам тренд это такая линия сумма квадратов расстояний до которой от каждой цены закрытия бара минимальны (метод наименьших квадратов)
дайте мне тимофейчиков:)

Settings={
Name="MNKHL",
period=200,
delta=0,
line=                                     
                {  
					{  
                        Name = "cur1",
                        Type =TYPE_LINE,
                        Width = 1,
                        Color = RGB(0,0, 0)
                    },
					{  
                        Name = "cur2",
                        Type =TYPE_LINE,
                        Width = 1,
                        Color = RGB(0,255, 0)
                    },
					{  
                        Name = "cur3",
                        Type =TYPE_LINE,
                        Width = 1,
                        Color = RGB(255,0, 0)
                    },
					{  
                        Name = "cur4",
                        Type =TYPE_LINE,
                        Width = 1,
                        Color = RGB(255,0, 0)
                    },
					{  
                        Name = "cur5",
                        Type =TYPE_LINE,
                        Width = 1,
                        Color = RGB(0,255, 0)
                    }

                }

}
--[[

описание свойств:
period - период, за каротрый делается расчет
delta - смещение назад 

назначение:
построение тенденции

использовался:
метод наименьших квадратов (аппроксимация линией)

--]]

function Init()
  
  return 5
end

function OnCalculate(index)
    
  sz = Size()
  n = Settings.period
  d = Settings.delta
       
  if (index ~= sz) then
    return nil, nil, nil, nil, nil
  else  	   
   y = nil  
   if index-n-d > 0 then
    a1 = 0
	a2 = 0
	a3 = 0
	a4 = 0
    for i=index-n+1-d, index-d do  

	  a1 = a1+i*C(i)
	  a2 = a2+i
	  a3 = a3+C(i)
	  a4 = a4+i*i
	
    end  
	
	if((n*a4 - a2*a2) ~= 0) then
	 a = (n*a1 - a2*a3)/(n*a4 - a2*a2)
	 b = (a3 - a*a2)/n
    
	 j = index-n+1-d
	 mh1 = H(j)
	 ml1 = L(j)
	 mh2 = H(j)
	 ml2 = L(j)
	 dmh1 = 0
	 dml1 = 0
	 dmh2 = 0
	 dml2 = 0
     for j=index-n+1-d, index-d do  
      y = a*j + b
      SetValue(j, 1, y) 
	  if H(j) < y and y - H(j) > dmh1 then
	    mh1 = H(j)
		dmh1 = y - H(j)
	  end
	  if L(j) < y and y - L(j) > dml1 then
	    ml1 = L(j)
		dml1 = y - L(j)
	  end
	  if H(j) > y and H(j) - y > dmh2 then
	    mh2 = H(j)
		dmh2 = H(j) - y
	  end
	  if L(j) > y and L(j) - y > dml2 then
	    ml2 = L(j)
		dml2 = L(j) - y
	  end
     end	
	 
     for j=index-n+1-d, index-d do  
      y = a*j + b
      SetValue(j, 2, y-dmh1) 
	  SetValue(j, 3, y-dml1) 
      SetValue(j, 4, y+dmh2) 
	  SetValue(j, 5, y+dml2) 	  
     end		 
	 
    end 
   end 	
   return y
  end
 
  
end