Алготрейдинг

Если кому-то интересно, мои статьи на тему R, машинное обучение, количественный анализ:

1. Мои шаги в сторону машинного обучения на R и немного про Si, Brent
2. Расчет ожидаемого количества убыточных сделок подряд на R
3. Применение логарифмов для расчетов со сложным процентом
4. Построение модели для парной торговли акциями Google и Apple на R
5. Анализ Brent с использованием языка R
6. Количественный анализ графика нефти с применением R (продолжение)
7. Гистограммы доходностей разных активов
8. Применение наивного байесовского классификатора на R для поиска закономерностей и прогнозирования

В следующей статье расскажу про наивный байесовский классификатор и нейронные сети в трейдинге. 

Лирическое отступление (особо занятым алготрейдерам можно пропустить):
Всё чаще ловлю себя на мысли (и думаю не я один), что большинство постов на смартлабе в виде общеполитического срача, местечково-внутрисмартовских разборок и большинства торговых сигналов ничем, кроме ЧСВ и «интуиции», не обоснованных, носят достаточно мусорное содержание (этакий интеллектуальный фастфуд) и грубо говоря названию ресурса не соответствуют;) Весь этот мусор весьма напрягает и всё меньше становится желание даже просматривать основную ленту. Соответственно всё самое нужное нахожу в Алготрейдинге (Торговых роботах) и блогах смартовцев активно туда пишуших и комментирующих. Это как глоток свежего воздуха, спасибо всем активистам системной торговли!)

Основная часть:
Как опять же ;) думаю не я один заметил следующую тенденцию: при оптимизации стратегий на бэктестах на достаточно длительных периодах (несколько лет) более выгодно по доходности часто смотрятся параметры, при которых в начале периода стратегия колебалась в районе нулевой доходности, а ближе к концу тестируемого периода начала резко соответствовать рынку):

( Читать дальше )

Возьмем за основу исходный результат продажи месячных путов на SPY c доходностью 24% годовых и попробуем выжать максимум.
Изначально результаты теста были следующие:

Теперь оставим только входы на высокой волатильности:

( Читать дальше )

Доброе утро, коллеги!
Прямая трансляция торговли на сегодня: 06.05.2016
Начало проекта тут. 


( Читать дальше )

Мне, и думаю многим другим, нужны качественные исторические данные за максимальный промежуток времени — для изучения рынка, построения и тестирование торговых систем. Такие данные по фьючерсам, торгуемым на западе, в частности на CME, в свободном доступе (кроме дневок) практически не найти. Несколько месяцев назад я купил исторические данные по следующим фьючерсам CME: ES (фьючерс на индекс S&P), CL (фьючерс на нефть WTI), GC (фьючерс на золото), NQ (фьючерс на индекс NASDQ). Спецификацию по ним вы можете посмотреть тут: http://smart-lab.ru/blog/320021.php

Но осталась потребность в данных по многим другим интересным инструментам. И пару недель назад у меня появилась идея – т.к. исторические данные нужные не только мне, то вполне возможно приобретать их совместно (в складчину) (http://smart-lab.ru/blog/317451.php)

( Читать дальше )

Доброе утро, коллеги!
Прямая трансляция торговли на сегодня: 05.05.2016
Начало проекта тут. 


( Читать дальше )

Концентрация фиолетового цвета означает, что паузы между сделками в ленте становятся большие.





( Читать дальше )

Применим R для того, чтобы быстро посчитать, каково должно быть ожидаемое количество убыточных сделок подряд при совершении 1000 сделок.

Я написал функцию runUnluck(n) которая выдает, сколько раз мы получим n убыточных сделок подряд, если совершим 10000 экспериментов по 1000 сделок в виде подбрасывания монетки, то есть с отношением риска к доходности 1 к 1.

# Created by SciFi, 2016

runUnluck <- function(n) {
        runArray <- numeric(10000)
        for(i in 1:10000) {
                runArray[i] <- sum(rle(sample(c(-1, 1), 1000, TRUE))$lengths == n)
        }
        hist(runArray, main="Гистограмма")
        mean(runArray)
}

Здесь подробнее про функцию rle. Она как раз считает количество одинаковых исходов подряд. 

Результаты:

> source("D:\\Dropbox\\R\\RunUnluck.r")
> runUnluck(6)
[1] 7.8161
> runUnluck(2)
[1] 125.2208
> runUnluck(3)
[1] 62.4047
> runUnluck(4)
[1] 31.179
> runUnluck(5)
[1] 15.6559
> runUnluck(6)
[1] 7.7635
> runUnluck(7)
[1] 3.8831
> runUnluck(8)
[1] 1.9382
> runUnluck(9)
[1] 0.9738
> runUnluck(10)
[1] 0.4922

( Читать дальше )

Итак, настало время подвести итоги апреля. Торговые роботы начали выходить потихоньку из просадки и за этот месяц заработали +3%. А по итогам 29 месяцев публичной торговли портфель ботов заработал +178,6% по данным трансляции счета на comon.ru. В этом году реальная просадка капитала была на уровне 15%. Напомню, что максимально допустимый расчетный уровень риска по этому счету составляет 25%, за всю историю публичных торгов этот лимит превышен не был. Тем не менее, несмотря на просадки в этом году, накопленная доходность за последние 12 месяцев держится в районе 61%. На сей день в портфеле торгуется 27 стратегий (агентов) и 12 различных алгоритмов, преимущественно трендовых. Волатильность на российском рынке остается низкой, сильные тренды отсутствуют, что пока не дает зарабатывать сверхприбыль. Думаю, май-июнь в этом плане будут более интересными:)



Источник: http://www.alfa-quant.ru/

Доброе утро, коллеги!
Прямая трансляция торговли на сегодня: 04.05.2016
Начало проекта тут.


( Читать дальше )