Избранное трейдера Андрей Инютин
Представляю вашему вниманию контртрендового робота на основе индикатора Bollinger Bands. Данный робот позволит вам торговать в промежутки боковика и высоковолатильной ситуации на рынке.
Робот анализирует цену относительно индикатора и принимает на основе этого торговые решения, позволяя тем самым автоматизировать торговлю.В этой статье расскажу, как запустить робота и опишу торговый алгоритм, реализованный в механической торговой системе (МТС).
План:
1) Как установить робота на основе Bollinger Bands под Quik;1) Как установить робота
Ошибки входа и выхода из позиций – обычное дело при торговле на фондовом рынке. Ошибка входа приводят к стопам и фиксации убытков, ошибки выхода «съедают» накопленную прибыль.
Существует несколько методов снижения отрицательно эффекта от этих ошибок.
Математик будет преодолевать эти ошибки поиском экстремумов на графике цены. Для этого ему придется задать описывающую изменение цены функцию и, применяя математические методы, определять значения максимума и минимума графика.
Однако такой подход сложно применить для нестационарных процессов, а изменение цены актива является именно таким.
Другие подходы стремятся следовать за трендом, снижая среднюю цену входа. Их главный недостаток — быстрое нарастание инвестированного капитала для снижения средней цены входа.
Мы предлагаем способ автоматической адаптации к текущей волатильности на фондовом рынке на базе метода Хука-Дживса. Это позволит не только следовать за трендом, но и извлекать прибыль на боковике.
Первую часть интервью смотрите здесь.
Что нужно учесть при запуске стратегии в производство?
Новичкам нужно обратить внимание на соответствие «реальному миру» — на нюансы типа дней экспирации и праздников. Когда вы калибруете систему на исторических данных, можно допускать аппроксимацию без таких дней. Но когда вы переходите к реальной торговле, то не можете быть небрежным, все должно быть максимально точно.
Другой аспект заключается в том, что скорость критична. Я не могу рассчитывать модель в реальном времени (градиентный поиск очень медленный), поэтому нужно все сократить до линейных аппроксимаций изменений. Все это влечет за собой много матричных манипуляций.
Обычно создается исполнительный прототип, который делает все правильно, но не очень эффективно. Затем я поручаю моим сотрудникам-инженерам сделать производительную версию стратегии на языке Python или даже С, используя библиотеки для реального рынка, которые они создавали и совершенствовали годами. И эта версия подключается к моей торговой системе, для запуска данной стратегии «в бой».