Начнем с традиционной таблицы
По традиции приведем и таблицу без 3-х дней (22, 24 и 25 февраля)
В бизнесе для оценки эффективности используется показатель рентабельности. В трейдинге тоже можно оценить эффективность торговли разными фьючерсами примерно аналогичным способом и выбрать более эффективный для торговли. Такой подход может быть одним из возможных критериев выбора рабочих фьючерсов и не исключает иные критерии, такие как ликвидность, «понятность» для трейдера и проч.
В нашем случае поток денежных ресурсов, обеспечивающих формирование прибыли – это гарантийное обеспечение (ГО), возможные просадки учитывать не будем.
Со значением прибыли – гораздо сложнее и неопределеннее. Кроме того, у фьючерсов разные волатильность, ГО, шаг цены и стоимость шага цены. А следовательно, к примеру, тейки в 10 пунктов цены на нефти и Сбере – это как минимум разные суммы прибыли, поэтому сравнивать по пунктам цены разные фьючерсы бессмысленно. Необходимо привести показатели прибыли разных фьючерсов в сопоставимый вид или сравнить их другим способом.
Дальнейшие рассуждения и расчеты сделаны для торговли внутри дня одной сделкой, использованы данные дневных интервалов, волатильность усреднена за 10 дней, выбраны только те фьючерсы, которыми я торгую. Волатильность или торговый диапазон (ТД) расчитывается: ТД = High — Low.
Сижу как-то раз за рюмкой чая (это было за год, два или три до моего прихода на Smart-Lab} и приходит мне в голову мысль — а почему бы не попробовать прогнозировать котировки.
Прогноз, естественно, на ТФ 1м, который я использую. Время прогноза пусть будет — 5 минут — вполне достаточное для моих сделок, а недостаточно, так прогноз можно и повторить на следующие 5 минут. Архивы котировок по фьючерсам SBRF и GAZR тоже имеются, минимум за год-два за последние 3 месяца перед экспирацией — хватит и на отладку и на проверку.
Все есть, только как реализовать прогнозирование? — ни одной мысли.
Собственно, не особо мне это было и нужно, рабочая система у меня уже была и меня она вполне устраивала, но мысль о прогнозировании засела, и я время от времени ее думал.
Ничего сколь-нибудь конструктивного в голову не приходило, и было решено для прогнозирования использовать нейросеть, тем более, незадолго до того я немного занимался машинным обучением и нейросетями в том числе.
От использования каких-либо предикторов сразу отказался. Плюс 2-3 слоя к нейросети, и если в данных есть какие-либо взаимосвязи, НС сама внутри себя построит нужные ей предикторы. В общем, подаем на НС поток цен 15-20 отсчетов Vc={C(t0-20),C(t0-19),...C(t0)}, нормируем их к динам диапазону НС — Vcn={c(t0-20),c(t0-19,… c(t0-1), 0} — c(t0) у нас всегда = 0, и пусть НС сама мучается с прогнозированием и поиском c(t0+5). И еще, у всякого метода есть область применимости, потому нельзя учить чему попало. Для этого из обучающей и проверочных последовательностей по возможности исключаем области истории, где прогнозирование невозможно. Иначе получим нечто такое.