Доклад «Оптимизация портфеля алгоритмических стратегий»

1. Введение

В чем состоит цель подобной оптимизации? Представим, что у нас есть набор алгоритмов, каждый из которых обладает некоторыми статистическими свойствами, из которых наиболее важными для нас являются доходность и максимальная величина просадки. В основе каждого из алгоритмов лежат разные стратегии, которые, тем не менее, могут быть коррелированы между собой в разной степени, торговля также может вестись на разных инструментах. В качестве примера приведу характеристики стратегий, которые были разработаны нашей командой и применяются в боевых торгах в настоящее время:

Так как свойства каждого из алгоритмов отличаются, возникает проблема: каким образом распределить между ними доступный капитал для того чтобы:

1. Максимизировать доход при заданном уровне риска ( то есть максимальной величине просадки)

2. Минимизировать риск при заданной доходности

Если дать, например равные доли капитала каждому алгоритму, то, очевидно, что такое распределение не будет оптимальным, так как мы не учитываем характеристики, присущие стратегиям. Не будет оптимальным и тот случай, когда мы, например, выделяем капитал пропорционально относительной доходности каждого алгоритма, здесь мы игнорируем значения волатильности, то есть риска, стратегий.

2. Модель Марковица

Задачу оптимизации попробуем решить, применив теорию оптимального портфеля, разработанную Марковицем, точнее некоторые последующие ее модификации. Обычно данная теория применяется для долгосрочного инвестиционного портфеля, состоящего из различных активов, например акций. Кратко  суть теории.

( Читать дальше )

( Читать дальше )

Собака (т.е. SPY) рулит хвостом (т.е. DIA).

На картинке результат прогона простейшей системы — покупать, если в процентном соотношении цена изменилась (речь о (close — prev. close) / prev. close) SPY больше DIA, то DIA покупаем. Если меньше — то DIA продаем. Т.е. смотрим на SPY а оперируем DIA.



QQQ же менее вертлявая от SPY бумага ;)



( Читать дальше )

Йоу трейдеры и другая живность смарт-лаба! Несколько месяцев назад сделал для вас пост где собрал самые нужные (на мой скромный взгляд) ресурсы и медиа для комфортного и быстрого поглощения информации — smart-lab.ru/blog/317442.php

Сегодня в новой подборке годноты решил сделать упор на образовательные/научные источники. Именно пища для мозга, а не игра в танки или покемонов (ну разок можно), лучший отдых и переключение, а заодно и мальчишеская радость от новых знаний о мире и структуре вещей.

НО еще немного займу ваше внимание (перед самой подборкой), рассказав наблюдение о поведении аудитории в сети. Публика (ядро 25-35 лет) стала больше проникаться к всевозможным научным знаниям и новостям, на фоне громких открытий и прорывов в науке за последнее время. Тяга к знаниям дала рост для всевозможных научных СМИ, где приглашаются светила науки (в том числе и русские). Почему же по ТВ об это не говорят? Наша наука ушла в диджитал-подполье, и там дала ростки в брейнбизнесе. 

( Читать дальше )

Введение

Есть миф, что риск на сделку или максимальный убыток за день должен составлять не более 2% счета. Я долго думал, почему именно эта цифра, и, кажется, нашел ответ, изучая более глубоко критерий Келли. 

Критерий Келли — это формула маней-менеджмента, которая помогает вычислить оптимальный риск на 1 сделку / ставку / игру, так, чтобы счет в долгосроке рос максимально быстро.

Если брать слишком большие плечи, уйдем в минус. Если рисковать слишком мало, счет будет расти слишком медленно.





Вот симуляция, которая наглядно демонстрирует преимущества использования этой математики:



( Читать дальше )

Ты хорошо поработал весь год и на твоем брокерском счету  отображается значительное число, и ты к нему уже привык и тебя совсем не радует мысль о том, что у тебя от него откусят целых 13%. Есть законные способы избежать уплаты налога на доходы физических лиц от операций с ценными бумагами, хочу отметить налог на дивиденды сюда не относится, я не знаю ни одного способа, который бы позволил избежать его уплаты, поэтому советую перед дивидендной отсечкой продавать, а после нее опять покупать. В этом случае есть еще один плюс, вам не придется ждать своих денег 20 дней. Так поступает большинство и акции в 95% случаев, проваливаются на большее число, чем дивиденды. Даже есть выражение, «профессионалы на дивиденды продают, а новички покупают.» Данные способы относятся только к физлицам.

1)     Налоговый вычет. Можно купить квартиру, заплатить за обучение ребенка и тд., а потом на сумму затрат попросить у налоговой возврат налога. Недостатком данного способа является то, что купить квартиру можно только один раз и вернут налог с суммы не больше двух миллионов и не всегда тебе нужна эта квартира.

( Читать дальше )

Итак, однажды я все-таки пришел к выводу, повторюсь, лично я и лично к своему выводу (никому ничего навязывать не собираюсь), что все-таки должна быть какая-то система в торговле, иначе — провал. Решил я начать с простого просчета, сколько сделок мне нужно закрывать в плюс, чтобы на дистанции быть в профите. Уверен, многие здравомыслящие трейдеры сами таким занимались, итак, что же я для себя открыл, оказывается, действительно, если делать всего 30% профитных трейдов и в каждом из них держать минимум тейк в три раза больше стопа, то на дистанции эквити будет расти.

Я использовал для этого собственноручно созданный Excell файл, кому интересно, вот ссылка для скачивания (файл обновлен, окультурен и в явном виде добавлены параметры комиссии, количества лотов, цены одного лота и прочего), на досуге можете побаловаться. Я обновил таблицу 100 раз и во всех случаях график эквити показывал рост на дистанции. Я выбрал 10 случайных ситуаций и сделал скрины.

( Читать дальше )

Вчера написал пост Применение ARIMA для предсказания цены на RIM6 на R

Но в нем было всего 2 сделки. Непрезентативно. 

Попробовал сегодня еще раз руками поскальпить, предсказывая цену с помощью R на ближайшие 5 минут. В принципе, заработал 500 р за 17 сделок (34 операции) 1 лотом RIM6.  



Выводы

1. ARIMA работает как я ожидал в том плане, что когда цена сильно падает, модель предсказывает цену ниже, когда цена стоит — предсказание примерно как цена закрытия. Спред считается хорошо — заявки исполняются. Когда модель предсказывает цену ниже текущей, нужно ставить заявку только на шорт. А то я ловил ножи и выходил с убытком несколько раз. 

2. Я закрывал сделку по цели, не давал прибыли течь. Может быть стоит сначала предсказывать цену на следующие 5 минут и если цена ниже, то шорт не закрывать, а держать дальше, двигая заявку на выкуп. Тогда будет экономия на комиссии и может быть удастся ловить крупные движения. 

( Читать дальше )

Решил копнуть чуть глубже в ARIMA и другие подобные модели. Попробовал предсказывать цену, а точнее, диапазон цен на ближайшую минуту и 5 минут и на этом сделать какие-то деньги. И что интересно, получилось. Хотя, возможно, это случайность отчасти, не тестировал на большом горизонте времени.

В комментариях к коду все есть.

ARIMA (англ. autoregressive integrated moving average, иногда модель Бокса — Дженкинса, методология Бокса — Дженкинса) — интегрированная модель авторегрессии — скользящего среднего — модель и методология анализа временных рядов. 

Основная идея этой модели в том, что цена в будущем зависит от цен в прошлом (авторегрессионная часть AR) и возврата к среднему (MA часть). А интегрированность означает то, что предварительно определяется порядок интегрированности для временного ряда. К примеру, порядок 1 означает, что разности 1 порядка являются стационарными. Для самой цены порядок интегрированности должен получаться равным 1, а для доходностей — 0. 

( Читать дальше )

В предыдущем посте smart-lab.ru/blog/328182.php я пытался применять метод автокорреляции т.е. анализа смещенного временного ряда, пытаясь использовать его для вычисления смещения вероятности продолжения тренда от среднего значения. Наиболее продвинутые могли заметить, что выборка, которую мы там анализировали, содержала все формально соответствующие условию отрезки, что скорее всего, далеко от того, что себе представляло большинство читателей. Дело в том, что по критерию «изменения за период» программа отбирала примерно следующее:


т.е. результаты коротких периодов были многократно усилены за счет длинных, в которые они входили. Иными словами, была допущена систематическая ошибка исследования. Попробуем исправить её, добавив дополнительную «ногу» в паттерн, перейдя от \/ к /\/ паттерну. Два периода будут описывать условия вхождения(разворот тренда), один — результирующий. Порог прежний — минимальное изменение 2% в каждом из предыдущих периодов, 0.1% в результирующем. Результат для SPY:


( Читать дальше )