Даю простую систему, которая опирается только на два важных уровня и на два математически рассчитанных уровня.

К данной системе я пришел благодаря  одному подкованному в трейдинге и математике  человеку.

Т.к. я так и не понял как обращаться с уровнями, и до сих пор считаю, что любой уровень это 50/50, но так или иначе есть важно-психологические точки от которых пляшут трейдеры. Такими точками являются минимум и максимумы предыдущего дня.

Многие технари знают, что пробитие экстремума и закрепления над/под ним это свидетельство начала/продолжения тенденции. Но в теханализе есть еще понятие как волатильность, данное понятие кто-то измеряет в АТР, но ее можно измерять с помощью среднеквадратичного отклонения цены. Которое рассчитывается по формуле «(Цена откр*Вола)/(Кв.корень252)» 252-рабочих дней в году.
Вот отсюда и будем плясать.

Суть стратегии: ждем пробития минимума, выставляем лимитник на лонг на нижней границе среднеквадратичного отклонения при пробитии минимума прошлого дня, тэйк на минимуме предыдущего дня, и наоборот для шорта.

( Читать дальше )

Интересные соображения по поводу вычисления правильной корреляции изложил в своем блоге Eran Raviv. По моему мнению данный подход можно попробовать использовать в статистическом арбитраже и парном трейдинге. Ниже даю полный перевод статьи с кодом на языке R.

В случае постоянной скорости, время и расстояние полностью коррелированы. Дайте мне одну переменную, я дам вам другую. Когда две переменные не имеют ничего общего между собой, мы говорим, что они не коррелированы.

Вы думаете, что это все, что можно сказать, но это не так. Как правило, ситуация более сложная. В большинстве обычных применений используется корреляция Пирсона. Коэффициент корреляции Пирсона отражает линейную зависимость. Поэтому мы говорим, что это параметрический показатель. На самом деле он может возвращать ноль даже если две переменные полностью зависимы ( наглядно показано здесь).

( Читать дальше )

Итак. Немного скучновато самому раскуривать тему быстрого доступа к бирже. Готов поделится информацией, которой владею на данный момент, а также последующим опытом написания реального торгового робота на этой платформе. Но для этого мне нужны ваши палюсики и хотя бы какая то активность в комментариях. Я не сомневаюсь, что уже давно имеется много людей, которые разобрались в технологии и успешно торгуют, однако на Смартлабе по прежнему достаточно участников, которые спрашивают с чего стоит начать программировать роботов и просят предложить им «что то посерьезнее» чем готовые платные фреймворки, оснащенные всеми необходимыми средствами интеграции как в инфраструктуру биржи так и в инфраструктуру брокера.

Прошу обратить внимание, что подобная работа требует от вас достаточно хорошей подготовки в программировании, во всяком случае выше базовой, иначе рискуете довольно быстро застрять на первых же плохо документированных или ошибочно описаных функциях и инструкциях.

( Читать дальше )

Итак, по результатам голосования на моем сайте в лидерах оказалась публикация Alvaro Cartea и Sebastian Jaimungal "Algorithmic Trading of Co-integrated Assets". Я тоже считаю эту работу очень интересной, так как она фактически расширяет понятие парного трейдинга до торговли произвольным количеством активов, с учетом их коинтеграционного взаимоотношения. Это сильно повышает устойчивость результирующего портфеля, в отличие от парного трейдинга, в связи с его диверсификацией.

Представляю здесь перевод этой статьи, которую я несколько сократил, убрав длинные математические выкладки и оставив только наиболее важные и окончательные формулировки. Думаю, это значительно облегчит понимание, без утраты основного смысла публикации.

Вступление

Успех многих торговых алгоритмов зависит от качества предсказаний движения цены актива. Предсказания цены отдельной акции в общем случае менее точно, чем предсказание значения портфеля активов. Классической стратегией, которая использует совместное поведение двух активов, является парный трейдинг, где портфель состоит из  линейной комбинации этих активов. Для примера, это могут быть две акции, чей спред, представляющий собой разницу их цен, демонстрирует особый паттерн, отклонения от которого носят временный характер. Алгоритм парного трейдинга получает прибыль от ставки на тот факт, что отклонения спреда возвратятся к их историческому или предсказуемому уровню.

( Читать дальше )

Статья теста стратегии №3 тут.

Исправил ошибку рассчета ГО. Протестировал заново. Вот результаты:

СУК №3:

Выходить если прыбыль более 25% от максимально возможного.
k=8,8
Доход получился 64,25%
Наибольшее задействованное ГО за всю историю примерно равно 21%
 
Прибыль немного упала, но и задействованное ГО упало в 2-3 раза.

Тест с завышенным риском:

( Читать дальше )

Продолжаю мучить нейросеть… Прошло месяца 2 с начала ознакомления с этим продуктом математической мысли. Весело, чем больше я начинаю ее понимать, тем хуже она торгует :) :) :) Но интерес не пропадает, пробую различные варианты. Наконец-то подал на выход зигзаг! И еще 2 других выхода по индикаторам, а на входе уже 11 штук :)

Пришло осознание того, что информация, подаваемая на входные нейроны, должна быть осмысленной. Например, простые осцилляторы, как мне кажется, будут работать так, как это сейчас на моем графике — то есть никак. Как минимум, ножно комбинировать осцилляторы с различных таймфреймов, что бы сетка имела бОльшее представления о различных тенденциях и комбинациях с разных тф. Выход тоже нужно делать весьма осмысленным, недостаточно просто получить на выходе 0 или 1 (-1;1) и поиметь с этого сигнал на продажу и покупку, сигналы нейросети также необходимо фильтровать и использовать не каждый. В общем, пожалуй, это одна из наиболее сложных и неоднозначных тем в робостроительстве. Постараюсь сделать, что бы она начала-таки колюасить в + ;)

 

Пусть есть некая опционная конструкция. Периодически (например, раз в сутки) происходит ее корректировка. За счет корректировки, держим в определенном диапазоне дельту, тетту, гамму и вегу. Как, исходя из греков, оценить оптимальное F?
Что-то внятное найти по теме нереально из-за чертовых бинарных опционов.

В прошлой части мы проводили симуляцию для одного определенного процесса — геометрического броуновского движения с положительным дрифтом. Можно сделать подобный же анализ для более сложных и более реалистичных наборов данных. Мы можем добавить толстые хвосты распределения, ассиметричность и т.п. Также можно сделать результат одной сделки зависимым от предыдущих. Во всех этих случаях результат будет одним и тем же — стоплоссы снижают средний доход и меняют его распределение на что-то подобное бимодальному. Но что произойдет на реальном рынке, где процесс приращения цен неизвестен и точно не соответствует нормальному? Давайте перенесем теорию в реальную торговлю.


Очевидно, многие инвесторы используют стопы. Некоторые настаивают, что стоплосс абсолютно естественнен и его правильное использование приводит, в общем, к долгосрочной успешной торговле. Не будем  принимать это утверждение на веру просто из-за его распространенности и проверим, так это или нет. Учитывая, что большинство тестов показывают — стопы стоят денег, что по этому поводу думают трейдеры?

( Читать дальше )

Здравствуйте дорогие друзья!

Разберем стратегию 3.

Честно говоря у меня был огромный соблазн применить всевозможные фильтры идентификации направления (так как стратегия то направленная), но удержался и решил её протестить в чистом виде.

Условия входа (немного модернизированные):
Покупка стратегии за 30 дней до экспирации.
+1 шт. CALL страйк 0
-2 шт. CALL страйк +4

Условия выхода:
— за 1 день до экспирации.
— или если прибыль превысила 25% от максимальновозможного, чего будет быстрее

Профиль:

Тест без применения СУК:

( Читать дальше )

Вот сам исходный топик  http://smart-lab.ru/blog/273554.php

И вот что получается в результате моделирования в Option-Lab.

Дабы не моделировать еще и изменение волатильности  предполагается, что позиции держатся до экспирации.

Продается стреддл на Ri 

 

Покупается (здесь есть некое отличие  от первоначального топика) стренгл на Si (пут и кол около денег), в количестве лотов в 2 раза больше, чем Ri.

( Читать дальше )