алготрейдинг

По предыдущим записям в блоге должно быть понятно, что торгует восемь различных вариантов одной и той же скальперской ТС. Для каждого варианта за более, чем два месяца активной торговли, накопилось уже несколько сотен переворотных сделок. Поэтому можно делать хотя бы примитивные стат. исследования на глаз.

В качестве эксперимента, ТС не перенастраивались с момента запуска. Так что появилась уникальная возможность посмотреть отличия Тестера на исторических данных и реальной торговли. Но это обычное дело. Уникальность — сравнение скольжения лимитных ордеров (только через них идет торговля) в потиковом тестере и на реале.

Для биржевиков положительное скольжение лимитных ордеров может звучать несколько необычно. Но для децентрализованных рынков это нормальное явление. Кратко, механизм таков.

Положительное проскальзывание — это отправка кратковременного лимитного ордера в момент акцепта его цены соответствующему провайдеру ликвидности. Это значит, что провайдеру приходит лимитник по цене хуже его текущей. И он исполняет его по текущей. В итоге получается положительное проскальзывание.

( Читать дальше )

К одной из восьми ТС прилетел черный лебедь. Ниже результат в пипсах и кажется, что немного.

Но за счет ММ в деньгах это выглядит обычной кочергой.

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за сентябрь (результаты за прошлый месяц: smart-lab.ru/blog/559544.php). Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

    weight monthly.ret
XLY  0.111        1.28
XLP  0.113        1.75
XLE  0.000        3.93
XLF  0.000        4.55
XLV  0.083       -0.11
XLI  0.137        3.01
XLB  0.000        3.18
XLK  0.000        1.58
XLU  0.178        4.25
IYZ  0.000        3.40
VNQ  0.033        1.93
SHY  0.000       -0.13
TLT  0.246       -2.68
GLD  0.099       -3.39

В сентябре индекс S&P не без приключений вырос, и модель, имевшая большую аллокацию в защитных активах (TLT, GLD) и недоинвестировавшая в «секторы роста» (XLE, XLF, XLB), существенно от него отстала: SPY +1.95% vs. LQI +0.57%, модель также отстала и от другого бенчмарка — EQW (equal-weighted портфель из торгуемых тикеров) +1.61%. При этом максимальная просадка у LQI оказалась на уровне индекса — 1.6%. Покупка защитного добра в этом месяце не оправдалась, но я уже совершенно потерялся в трэше последнего времени на рынках, поэтому жую попкорн и наблюдаю.

Вот позиции модели на начало октября (доли в итоговом портфеле). Если решите их торговать — лучше заходить в ближайшие 1-5 дней с даты публикации:
    weight
XLY  0.184
XLP  0.067
XLE  0.000
XLF  0.000
XLV  0.000
XLI  0.205
XLB  0.000
XLK  0.000
XLU  0.170
IYZ  0.000
VNQ  0.000
SHY  0.000
TLT  0.202
GLD  0.171

Рекомендуемая аллокация на следующий месяц получилась чуть менее консервативной, чем ранее: модель разместила примерно 60% капитала в защитных активах (XLP, XLU, TLT, GLD) и примерно 40% — в секторах, ориентированных на рост (XLY, XLI). Учитывая текущую неопределенность на рынках — не вижу причин, почему бы это не держать. Единственное, что смущает — это концентрация, фактически весь капитал оказался в 6-ти тикерах.

( Читать дальше )

Сегодня мы будем выступать в качестве поставщика бесконечной ликвидности по опционам. То есть мы будем безотказно играть в игру с нулевой суммой так, чтобы, как минимум, не проиграть, а это возможно только в том случае, если мы будем продавать и покупать волатильность по цене, соответствующей седловой точке в игре покупателя и продавца, то есть по цене GTO (game theory optimal). Иными словами, мы будем заниматься непосредственно pricing'ом опционов, назначая цены put'ам и call'ам, таким образом, чтобы ни одна стратегия и ни один набор случайных, стохастических стратегий не мог получить положительное преимущество при игре с нами.

Чтобы назначать цену волатильности, для начала, не плохо было бы принять какую-либо модель волатильности. Например, это может быть модель случайного процесса, подчинённого логистическому распределению:


Рис.1. Распределение логарифмических приращений цен акций ПАО Газпром и их аппроксимация логистическим распределением.


или распределению Лапласа:

( Читать дальше )

Всем привет! Продолжаю публикацию ежемесячных результатов системы на российском рынке (теперь без портфелей на следующий месяц, поскольку я жадный и ленивый ;). Начало здесь: smart-lab.ru/blog/412664.php, результаты августа: smart-lab.ru/blog/559247.php

Сентябрь оказался для модели не лучшим месяцем (на графике выше): модель проиграла как нулю (-0.6% за месяц), так и индексу ММВБ, не без приключений, но прибавившему по итогу сентября символические 0.26%, при этом просадка у модели на уровне индекса.



( Читать дальше )

Разбавление текста картинкой текущего результата.




Возникают вопросы по статье к данному мониторингу, поэтому отвечаю. Но сначала просьба

Просьба

Если у кого-то есть тиковая история с LMAX, Saxo-Prime и других серьезных институциональных источников, прошу поделиться ею за несколько месяцев.

Ну а теперь ответ.

Ответ

Перевод делался по инициативе MetaQuotes в очень короткие сроки. Предполагаю, что из-за мониторинга.

В конце текста есть немаленькое заключение, так что можете прочеcть. Сакральности там нет, все только по делу.

Пересказывать статью смысла нет. Кратко.

• Перед каким-либо исследованием нужно аргументировано подойти к выбору источника исторических данных. Критерий оценки дан, включая исходный код.
• Работать с тиковыми данными. Поскольку их очень много, можно применять фильтрацию. Один из вариантов предложен с исходным кодом.

( Читать дальше )

— Условия открытия:

1) Расчет цены идет от цены открытия сегодняшнего дня (Допустим в 10:00 утра биржа открылась по фьючерсу условно по цена 100руб)
2) Указываем при каком % отклонении от цены открытия покупать/продавать. (И нужно купить/продать при отклонении цены в 0.5%  по  100.5руб купить или по 99.5 руб продать)  
3) Указать Стоп лосс 
4) Автоматическое закрытие в конце дня 23:49, если не сработал SL, тогда снятие заявок (возможна ли реализация не от отложенных заявок, а чтобы робот сам отслеживал цену по стакану и входил по заданным параметрам, если это будет эффективнее отложенных заявок), если не открылись в течении дня

В итоге должен быть файл в котром самому можно указать: все выше перечисленные параметры)
Спасибо.

Мое выступление на Форуме трейдеров у Герчика, где я рассказываю о том, как пришел на фондовый рынок и про торговых роботов 

Если работаешь с криптой, создаешь алгоритмы, строишь фонд, приходи в мой маленький телеграмм бложиг, где пишу что делаю на пути создания алгоритмического фонда - https://t.me/drsombre ,  2 головы лучше 1 :)
------------------- 
Занимаясь вчера разработкой реверсивного алгоритма (при стопе, переворот позиции) для BTCUSD, понял что попасть на паник сел/бай теперь веротяность 100%, т.к выход из сделки может быть только по стоп лоссу и мы всегда в позиции.

Поэтому сделал для каждой сделки не среднее проскальзывание по активу, а конкретно к каждой, по логике что проскальзывание = (high/stoploss-1)*0,7 (Т.е. закрываемся «типо» по маркету во второй половине свечи).

Сделал это на 4ч свечах и офигел что пиковые значения достигали 20% пролета.

Но то 4ч, решил провести иследование более внимательно, изуча 1 минутки.

Сделал за 3 года минутную табличку и подставил к каждой минуте считать как цена гульнула до хая или лоу от точки открытия.

Пиковые значения достигают 18%! Проблема то не в 4ч, все происходит за 1 минуту.
Хлоп и маржин кол.
Или закрытый по маркету ордер в n-кратный превышающий риск.
Или не исполненый лимитник и бумажный убыток еще больше.

( Читать дальше )

Вопрос:

Проведена симуляция покупки опционов Call за день до экспирации по страйкам +0%, +2%, +5%, +8% от центрального  — по прогнозным ценам и в целях проверки модели справедливого ценообразования.





Ev[ +0%] и Ev[ +2%] располагаются на границе доверительного интервала, но по разные стороны.
Требуется ответить на вопрос IV=RV?  Уместен ли t-test?