Как я заметил, очень мало трейдеров задумываются о вероятностях процессов на рынке и еще меньше понимают саму суть случайности. Хотя, казалось бы, каждый трейдер имеет дело исключительно со случайными величинами.

Поэтому коротко и по сути)

Заблуждение 1: тренды не могут быть случайными. Почему-то если сказать большинству трейдеров о случайности рынка, он возмутиться: «Нет, какой же рынок случайный! Там же есть тренды!». В этом и состоит первое непонимание.
Многие считают, что если бы рынок был случайным, то выглядел бы примерно так:


На самом деле так выглядел бы, скорее, график доходности за равные промежутки времени. А вовсе не график движения цены...
 
Посмотрите на следующие 2 графика.

( Читать дальше )

Здравия коллеги, друзья, и недруги.

очень многие, видя, мою эквити, начинают спрашивать как такое возможно? 

Честно скажу сам не понимаю…  наверно жизнь слишком сильно била, и теперь, принимая решение, учитываешь больше факторов чем раньше..

Сегодня я хочу рассказать вам о небольшой части логики принятия решений которой пользуюсь. 

Конечно, все будет отталкиваться от моих индикаторов-алгоритмы рассчета уровней я есесно не дам, но дам сам подход, а он намного главнее чем какието алгоритмы!!!

итак, с начала  скрин: 

ГОЛДА 4 часа:

 
пояснение- на 4 часах видим касание верхней границы канала,  это тригер на краткосрочный шорт.

( Читать дальше )

Проблема с Exchange Traded Funds (ETFs), ставшими теперь популярным инвестиционным инструментом, в том что мы по свойственной нашему сознанию склонности все упрощать для структурирования информации, часто принимаем желаемое за действительное.
Красный флаг должен подниматься если мы имеем дело с ETFs на товарные инструменты или комодитиз.
Главное правило — внимательно читать проспекты.

Если ETF на S&P, так называемый спайдер (SPY) агрегирует в себе компании входящие в индекс, то UNG — ETF на газ, имеет другую структуру. Фонд покупает дальний контракт на газ и затем при приближении к экспирации, роллирует его, т.е. закрывает и покупает новый фьючерс на следующий месяц. 

Фьючерс фьючерсу рознь. Разные рынки торгуются по-разному. Газу свойственно контанго — дальний месяц торгуется дороже ближнего. С момента создания фьючерса на газ, он 80% торговался с контанго. Поэтому ETF на газ имеет врожденный порок — или потери на контанго. И если газ не трендится вверх с существенной скоростью, UNG будет терять. А если газ стоит на месте — терять еще быстрее.

( Читать дальше )

Так уж сложилось, что из всех видов торговли в трейдинге меня привлекает торговля по потоку ордеров.

Этой теме я посвятил довольно много времени и глубоко её исследовал. Писал свой терминал, собирал сырые данные, анализировал их, исследовал API различных датафидов и терминалов: Rithmic, CQG, Nanex, NYSE API's, NinjaTrader API, Sierrachart API, Takion API и др.

Но помимо сбора данных остро стоит проблема их корректной визуализации. Так вот с этим моментом все обстоит очень плохо. Когда человек говорит «Я читаю ленту» в голове представляется картина с сумасшедшим потоком бегущих цифр перед глазами, успеть рассмотреть и уж тем более как-то проанализировать которые практически невозможно. Большая часть из этого потока просто пролетает мимо. Безусловно с опытом наблюдения что-то начинает получаться, но это в лучшем случае 20-30% обработанной информации из всего потока. А если мы говорим о наблюдении за книгой ордеров (стакан, DOM, Depth of market), то здесь все еще хуже. Большая часть информации при наблюдении за стаканом просто не видна, т.к. частота его обновления в ядре биржи может достигать тысяч событий в секунду, а частота обновления стакана на экране вашего монитора в лучшем случае составит 1 раз в 50 миллисекунд (или 20 раз в секунду). Соответственно между двумя изменениями цифр в стакане на мониторе, могут произойти десятки изменений в реальности.

( Читать дальше )

Передача «Алготрейдер Кэп о теории вероятности в трейдинге» на видеопортале трейдеров YouTrade.TV от 14 мая 2015 г.

Презентация алготрейдера Кэп Вероятность на рынке 14 мая 2015 г.

В предыдущей статье мы говорили об эффективных алгоритмах, необходимых для вычисления вероятностей и стат. распределений модели Маркова, которыми являются форвардный алгоритм и алгоритм Витерби. Форвардный алгоритм вычисляет вероятность соответствия данных наблюдения полученным моделью всем возможным последовательностям состояний. Алгоритм Витерби вычисляет вероятность соответствия данных полученной моделью одной, наиболее вероятной, последовательности.

В этом посте будет много формул, но без этого не обойтись, чтобы создать хорошую стратегию, надо разбираться в математической модели, лежащей в ее основе. Следующие части будут более приближенными к практике.

Форвардный алгоритм.

Форвардный алгоритм позволяет эффективно рассчитать функцию вероятности p(O|λ). Форвардной переменной называется вероятность генерации моделью наблюдений до времени t, и состояние j в момент времени t определяется как:

( Читать дальше )

Динамика портфеля  облигаций за весь период инвестирования (1 год и 1,5 месяца) по настоящее время на 13.05.2015 года следующая:



( Читать дальше )

Любопытная статья пришла сегодня по рассылке от моего брокера. Не очередная абстрактная чепуха, а подборка реальных фейлов реальных трейдеров. Некоторые из этих ошибок и за собой замечаю. Борюсь. 

В течении нескольких лет работы, наблюдая за торговлей наших клиентов и их результатами, сформировалось представление о типовых ошибках трейдеров, которые совершаются во время биржевой торговли.  Ниже постараюсь описать некоторые из них.

Хочу обратить внимание, что это не абстрактные умозаключения, а результат систематизации наблюдений за реальной торговлей на реальных счетах. Большинство ошибок характерно для ВНУТРИДНЕВНОЙ ТОРГОВЛИ (intraday).

Большие торговые позиции

Часто трейдеры в погоне за быстрой и главное — большой прибылью открывают чересчур большие торговые позиции относительного своего счета. При этом используют весь свой счет, «загружая» его по максимуму.  Возникает огромное маржинальное плечо, которое в случае движения цены против трейдера уничтожает торговый депозит в течении короткого времени.

( Читать дальше )

По мотивам поста Светланы Орловской, я решил сравнить разницу между Time&Sales через CQG, которые перешли на новый протокол MDP 3.0, и старым протоколом FIX/FAST (провайдер данных - IQFeed).

Данные записывал в режиме реального времени через терминал NinjaTrader для CQG, и через IQFeed API напрямую.

В CQG тики действительно агрегированные.

Ниже представлен скриншот, на котором это хорошо видно:

 

Тоже самое озвучили в тех. поддержке IQFeed:

"As a high level summary, the change relates to how the exchange bundles trades within their messaging. Right now we are able to process each order for a trade independently. In the new protocol the exchange summarizes multiple orders under certain circumstances. For example, if you look at the current feed and see multiple trades at the same time and price (but different sizes), those will typically be bundled into a single trade going forward with MDP 3.0. So instead of multiple ticks such as [email protected], [email protected], [email protected], [email protected]… you will see a single tick of [email protected].

Since the middle of last year, our engineers have been trying to find ways to unbundle the data in the new protocol while still maintaining accuracy and reliability. Unfortunately we haven't found a good way to accomplish this with the data provided by the protocol. We continue to look at our data processing options in cooperation with the CME Exchange. In the mean time, we are happy to be able to continue providing our customers the accurate tick data they have come to expect.

( Читать дальше )

В данном цикле статей начинаем рассматривать модель Маркова, которая находит применение в задачах классификации состояния рынка и используется во многих биржевых роботах. Статьи основаны на постах, опубликованных в блоге Gekko Quant. Также будет рассмотрены практические алгоритмы на финансовых рынках. Код в цикле приведен на языке R. Вначале будет много теории, ее надо хотя бы попробовать понять, затем разберем практические примеры.

Рабочая среда распознавания основных паттернов.

Рассмотрим набор признаков O, полученный из набора данных d и класс w, обозначающий наиболее подходящий класс для O:

( Читать дальше )