Гипотеза автомодальности («подобие» процессов на всех тайм-фреймах) противоречит данным рынков. 

Почему? Очень просто. Если выбросить междневные гэпы и сравнить скользящие выборочные стандартные отклонения приращений логарифмов цен минуток S₁ и 15-ти минуток S₁₅, то, несмотря на нестационарность этих показателей, с вероятностью больше 0.9, первая величина, умноженная на корень из 15 больше второй (проверены SPY, DJI, IBM, индекс ММВБ, EESR, GAZP, SBER). Из этих данных следует, что в минутных приращениях преобладает (по времени) антиперсистентность (привет маркет-мейкерам — это ваш рынок ). Отсюда в рамках гипотезы автомодальности сразу получаем, что если убрать междневные гэпы, то в приращениях логарифмов новых «цен» дней должна преобладать антиперсистентность, которой в реальности нет, так как выборочная АКФ такого ряда близка к нулевой. 

Вывод. Рыночные процессы на разных таймфреймах имеют принципиально разные «структуры».

Это таблица объемов за сегодняшний день 07.02.2012г.
Здесь показано сколько объемов ушло в Лонг и в Шорт, по следующей схеме:
Если в период 1 минута цена открытия больше цены закрытия то ОБЪЕМ этой свечи уходит в минус(считаем, что этот объем акций продали), если цена открытия свечи меньше цены закрытия — то в плюс(значит идет покупка акций, на этот объем)*****
Далее, объемы распределяются по закону Бенфорда
Справка:
Закон Бенфорда, или закон первой цифры описывает вероятность появления определённой первой значащей цифры в распределениях величин, взятых из реальной жизни. Закон верен для многих таких распределений, но не для всех ^[1].
 
Когда число случайным образом берется из большого объема данных, например из котировок акций, данных переписи, или научных данных, то какова вероятность того что первой цифрой этого числа будет «1»? Исключив возможность появления нуля, логично предположить что вероятность будет 1/9, или около 11.1%.


( Читать дальше )

Долго не буду рассусоливать — дам ещё одну рабочию схему — оставлю так сказать для потомков ))

(Предыдущие посты из этой серии читать тут: )

Пробой + трейлинг по поддержке диапазона



Собственно:

1. Пробило предыдущий важный хай — лонг

2. После теста пробитого уровня в качестве поддержки — трейлинг стопа под подтверждённый уровень (перемещение стопа изобразил синим цветом)

3. После пробоя можно нарастить позицию в 2 раза (2 зелёные стрелки)

4. После подтверждения поддержки трейлинг стоп чуть ниже этого уровня передвигаем.

5. В итоге или по стопу выходим, или произвольно на росте — главное чтобы профит тейком брать не меньше Х3 от первоначального стопа.

________________________________

Надеюсь пригодится, ¡Adiós!

Доказав себе однажды, что ни один из индикаторов по отдельности или в совокупности с другими работают неудовлетворительно (по тестам от 3-х лет и более) я пришел к простейшим методам Data Mining, которые показали очень хорошие результаты. Пришла пора капнуть глубже, тут как раз и аккуратненькая подборочка, для поверхностного ознакомления, нашлась. 

А вы используете в своей торговле подобные штуки?

Метод опорных векторов
 



Метод опорных векторов был разработан Владимиром Вапником в 1995 году [86] и впервые применен к задаче классификации текстов Йоахимсом (Joachims) в 1998 году в работе. В своем первоначальном виде алгоритм решал задачу различения объектов двух классов. Метод приобрел огромную популярность благодаря своей высокой эффективности. Многие исследователи использовали его в своих работах, посвященных классификации текстов. Подход, предложенный Вапником для определения того, к какому из двух заранее определенных классов должен принадлежать анализируемый образец, основан на принципе структурной минимизации риска. Вероятность ошибки при классификации оценивается, как непрерывная убывающая функция, от расстояния между вектором и разделяющей плоскостью. Она равна 0,5 в нуле и стремится к 0 на бесконечности.




( Читать дальше )

Задача — сделать внутридневную стратегию спсособную проторговывать большие объемы на срочном рынке, приемущественно на RI.
Инструмент — фьючерс на индекс РТС
Есть ли индикаторы — нет
Какой метод лежит в основе системы — Data mining
Сколько оптимизируемых параметров — 2
Вместимость системы — прибыль на сделку — 0,7% что говорит о большом объеме, который можно протащить через эту стратегию 
Где тестировалась, конструировалась — Wealth Lab
Какой толк от топика — мотивация для тех у кого есть стремление сделать лучше и у кого подобного нет и тех кто пока еще не верит что можно сделать внутридневные системы у которых Sharp > 3, Recovery > 16 и более, Profit Factor > 2,4, среднегодовая доходность к максимальной просадке 8 к 1 и главное - прибыль на сделку > 0,7%, что является хорошим результатом для системы работающей только внутри дня

( Читать дальше )

Итак, в прошлом посте  http://smart-lab.ru/blog/37582.php   я предложил систему расчета лимитов при тоговле опционами.
В этом посте ставлю задачу объяснить что в этой системе и как устроено и что залимитировано. Первое – это лимит на дельту. Он рассчитывается исходя из максимального «плеча» которое мы можем себе позволить взять при направленной торговле. Для большинства «агрессивных» счетов данный приведенный к линейному параметр в пределе не должен превышать 1:0,5. То есть, если индекс стоит примерно 100 000 и у нас на счете есть 1 000 000, то направленная торговля с плечом 1:0,5 – это 1000000*0,5/100000 = 5. Здесь все просто и в точности совпадает с простым лимитированием при направленной торговле фьючерсом. Однако, рпционы – не фьючерсы, они могут изменяться на сотни процентов в течение торгов, и для них, кроме дельты есть и другие немаловажные параметры, которые также необходимо залимитировать.
 
Второй крайне важный параметр, это оценка модуля вариационной маржи, которая в пределе может поступить или списаться со счета. Вообще говоря, это оценка Var для совокупной позиции. Как я рассчитываю Var, — довольно просто, это оценка дисперсии волатильности по страйкам + оценка дисперсии по базовому активу. Берем 95% вероятность для обоих параметров и оцениваем отдельно каждый страйк по худшему сценарию. На сегодняшний день d(IV) = 3,4%, d(RI)=4600 пунктов (посление 30 торговых дней). Итак, по вариационке мы допускаем, что максимальное изменение не должно превышать 2% счета.



( Читать дальше )

Почему в мире не бывает равенства и почему ничего плохого в этом нет.
 
Схема эта видна повсюду: 1% богатейших людей контролирует 35% всего мирового богатства. 2% пользователей Twitter отправляют 60% сообщений. В системе здравоохранения наиболее дорогостоящее лечение, необходимое пятой части пациентов, составляет четыре пятых всех расходов. Эти цифры всегда преподносятся как шокирующие, нарушающие нормальный порядок вещей, будто ситуация, в которой деньги или сообщения не распределяются линейно, в наивысшей степени неожиданна. Но ничего неожиданного в этом нет. Вернее, не должно быть.
 
Итальянский экономист Вильфредо Парето столетие назад выяснил, что в разных странах мира наиболее состоятельные 25% населения контролировали большую часть богатства. Следствия феномена, обнаруженного Парето, известны под множеством имен: правило 80/20, закон Ципфа, распределение по степенному закону, принцип «победитель получает все» — но модель распределения всегда одна: самые богатые, деятельные, имеющие больше всего связей участники системы отвечают за состояния, действия или количество связей, в разы превышающие средние показатели.
 


( Читать дальше )

В предыдущих постах:

• На основании ПЕРВЫХ ТЕСТОВ было принято решение, что торговая система в принципе жизнеспособна, хотя еще сыровата и требует доработки.
• В ТЕСТАХ НА OUT-OF-SAMPLE была оценена робастность системы как удовлетворительная.
• Была сделана оценка реальных ПРОСКАЛЬЗЫВАНИЯ И КОМИССИИ.
• Для сравнения была протестирована КЛАССИЧЕСКАЯ CAMARILLA

С 3 января 2011 года под эту систему выделен отдельный субсчет и ведется автоматическая торговля. Начальная сумма 123000 рублей соответствует торговле с третьим плечем комплектом: 1fRTS + 5fGAZR + 5fLKOH + 11fSBRF. Результаты реальной торговли можно посмотреть на моем аккаунте.
_____________________________________________________________________

ТЕСТИРУЕМ ПРАВИЛА ОТСКОКА-ПРОБИТИЯ.

( Читать дальше )

В предыдущих постах:

• На основании ПЕРВЫХ ТЕСТОВ было принято решение, что торговая система в принципе жизнеспособна, хотя еще сыровата и требует доработки.
• В ТЕСТАХ НА OUT-OF-SAMPLE была оценена робастность системы как удовлетворительная.
• Была сделана оценка реальных ПРОСКАЛЬЗЫВАНИЯ И КОМИССИИ.

С 3 января 2011 года под эту систему выделен отдельный субсчет и ведется автоматическая торговля. Начальная сумма 123000 рублей соответствует торговле с третьим плечем комплектом: 1fRTS + 5fGAZR + 5fLKOH + 11fSBRF. Результаты реальной торговли можно посмотреть на моем аккаунте.
______________________________________________________________________

( Читать дальше )

Эта техника была впервые описана Джорджем Дугласом Тайлором (George Douglas Taylor) в «The Taylor Trading Technique», как техника, направленная на получение прибыли из естественных 3-5 дневных циклов рынка.
Стратегия "свинг — трейдинга" (англ. swing-trading) берет за основу циклическую динамику цен, выходя за пределы временных рамок. В эпоху глобальной ликвидности рынка свинг-трейдер может изыскать прекрасные возможности для осуществления сделок в самых разных временных диапазонах — как на 5-минутных графиках, так и позиционную торговлю на протяжении недель.
Свинг — трейдинг стал популярным в начале 1900-х. Он основывается на технической методологии определения длительности предыдущего рыночного свинга по отношению к общей технической структуре рынка и прогнозировании следующего свинга.
Одно из главных преимуществ этого направления в торговле заключается в том, что активный спекулянт может получить прибыль независимо от того, в каком направлении следует рынок. Но важно также знать при этом «правильную игру», видеть прибыль и искать «истинный тренд». Знать «правильную игру» — это знать, купить сначала или продать, выходить или держать. Сделки основаны на «объективных точках», которые являются просто максимумом и минимумом предыдущего дня. Движение между этими двумя точками определяет «истинный тренд».


( Читать дальше )