алготрейдинг

Привет.

О теме поста
Мне задали вопрос в личной переписке, как я пришёл к тому, к чему пришёл.
Я ответил, а потом подумал, что это может быть интересно тем, кто начинает, как когда-то начинал я.
Да и сравнить с собой всегда интересно.
В этом мире нет ничего абсолютного, вот и получается, что единственный способ оценки своего состояния — сравнивать с бенчмарками.
Да только вот психологи говорят, что если вы себя и хотите сравнить, то сравнивать нужно только с собой самим, в прошлом.
В этом смысле я на недосягаемой высоте :)
И вам так рекомендую делать. И изучать новое и опыт других. Узнавать о новых возможностях, о которых вы, возможно, и не подозревали. Помните это — а что, так можно было? :)
Не потому, что это защитит вас от ошибок — я в это не верю, а потому, что это даст больше вариантов выбора — в каком направлении идти и куда развиваться дальше.



Итак, мой путь

1. Сначала я придумывал свои индикаторы и писал код, чтобы торговать по ним, подстраивая параметры полным перебором.
2. Потом я обнаружил, что если у меня будет 3-4 индикатора, то сплошной перебор всех параметров и эмуляция торговли с каждой комбинацией займёт несколько лет машинного времени. Несколько лет только лишь на исследования!!!

( Читать дальше )

Привет! Новая интересная тема в ночь, как я люблю, а так же ликбез для тех, кто хочет достичь больше большинства (и стать успешным меньшинством), и стремится к новым свершениям.

Размышляя и говоря о самообучающихся торговых системах, невозможно пройти мимо Machine Learning / Deep Learning (ML / DL), и это — пост, который посвящён этой теме.



О технологиях ИИ и областях их применения в алготрейдинге
Я бы разделил применение ML в трейдинге на три части:

1. Классический ML, который представлен, например, библиотекой scikit-learn. Она позволяет обрабатывать данные статистически, а так же предоставляет простые модели классификации, кластеризации и регрессии. Функций этой библиотеки достаточно, чтобы несколькими строчками кода выявить наличие или отсутствие зависимостей/корреляций в данных, разбить данные на кластера и выполнить другие типовые задачи, в том числе, препроцессинг данных (предварительную обработку) — стандартизацию, нормализацию, очистку и т.п. Кроме того, её можно использовать для уменьшения размерности, что может пригодиться, например, для выявления значимых метрик торговых стратегий для дальнейшей фильтрации и отбора по существенным. И это только одна библиотека, а их теперь существует множество.

( Читать дальше )

Привет.

Это продолжение темы, которая была затронута в этом посте: Адаптивные алгоритмы торговли (smart-lab.ru)



Вводная часть
Мою мысль тогда не так поняли, как мне кажется, решив, что адаптивная торговая система в моём понимании — это система, которую нужно периодически выключать и подстраивать/оптимизировать, и запускать заново.
Я имел ввиду, однако, совсем не это.
Я имел ввиду, что система является самоподстраиваемой, изменяя свои настройки или логику прямо в ходе торговли.
Топорно это можно сделать элементарно, используя в качестве параметра торговой системы не константу, как обычно, а динамическое значение некого индикатора, так или иначе описывающего поведение цены или других рыночных данных. Это верное направление, но, если его реализовать, как описано, ничего хорошего не получится, поскольку влияние значения настроечного параметра на результат торговой системы практически всегда нелинейно, и поэтому между выходом индикатора и входом торговой системы со значением нужно будет произвести некоторые преобразования, а какие именно — это вопрос исследований для конкретного кейса.

( Читать дальше )

Чем трейдер опытнее, тем меньше мыслей о Граале. Так уж сложилось!
Я трейдер опытный (не вижу причин отрицать очевидное))). Поэтому к концепту Грааля, бывает, возвращаюсь как к умозрительной концепции, зарядке для ума. Сегодня был повод вернуться) И вот, что надумал.

Граалем что называют? Некую безубыточную стратегию. В которой что ни вход – то профит!
Единственная загвоздка – в масштабировании. Если есть стратегия, КАЖДОЙ сделкой берущая 0,1%, – логично ли предположить, что увеличение риска даст пропорциональный икс? Из «0,1% профита, 10% годовых», например – в «10% профита, 1000% годовых». Всё же сходится?)
Не совсем.

Искренне надеюсь, даже ярые сторонники «кнопки бабло» понимают: нет, магия происходит между открытием сделки и закрытием в +0,1%. В заветном промежутке немало дичи может произойти! Незафиксированная просадка в -1% мгновенно рушит фактор восстановления. Кредитное плечо становится токсичным (чем оно больше, тем опаснее). Приходится учитывать комиссии.

( Читать дальше )

Пока я продумываю архитектуру адаптивных торговых систем, изучаю разные источники, экспериментирую, решил поинтересоваться и у самой нашумевшей технологии, что она думает по поводу всего этого.





Эта штука (Bing GPT Chat и Chat GPT) рассказала мне удивительные вещи.

Вот, например:



( Читать дальше )

Доброй ночи вам.

Тематика этого поста — про подход и способ выявления торговых систем, которые с наибольшей вероятностью будут работать в будущем, на неизвестных им прежде данных, а так же про понятие кросс-валидации в ML и его адаптации к трейдингу.

Итак, начнём.

Само понятие кросс-валидации пришло к нам из машинного обучения.





В классике, в машинном обучении, определение звучит так: кросс-валидация — это метод проверки качества модели, при котором данные разбиваются на несколько частей. Одна из частей используется как тестовый набор данных, а остальные части используются для обучения модели. После этого процесс повторяется несколько раз, каждый раз выбирается новый тестовый набор данных, пока все части данных не будут использованы как тестовый набор.

Давайте рассмотрим пример для ML, где мы используем 12-кратную кросс-валидацию для оценки качества модели. У нас есть набор данных, который мы разбиваем на 12 частей. Затем мы проводим обучение модели на 11 частях данных и тестируем на 1 части данных. Далее мы меняем тестовую часть и повторяем процесс обучения и тестирования. После завершения всех итераций у нас есть 12 наборов результатов (один для каждой части данных).

( Читать дальше )

Предлагаю обмен знаниями по машинному обучению Python
Всем, кто пришлет примеры построения графиков / обучения моделей машинного обучения, предлагаю на 3 месяца свой программный продукт (Биржевой Спекулянт Инвестор) по инвестированию на Московской бирже на платформе 1С Предприятие 8+Python бесплатно на 3 месяца с кодом открытым на 25%.Подробное описание продукта в профиле или пишите в личку.
Свои примеры я выложил. Желательно присылать такие, которых ранее не было в системе.

Как говорится  без шума  и  пыли,  Мосбиржа запускает крайне долгожданный  сервис.

www.moex.com/ru/algopack/doc

Можно получать:

• Исторические данные — для тестирования торговых стратегий, проверки гипотез и бэктестов
• Онлайн данные — для алгоритмической торговли

ОПИСАНИЕ НАБОРА ДАННЫХ

Class	Metrics	Des (все метрики считаются за период 5 мин)
reference	secid	код инструмента
reference	ts	дата и время
trades	pr_open	цена открытия
trades	pr_high	максимальная цена за период
trades	pr_low	минимальная цена за период
trades	pr_close	последняя цена за период
trades	pr_vwap	средневзвешенная цена
trades	pr_change	изменение цены за период, %
trades	trades	кол-во сделок
trades	vol	объем в лотах
trades	val	объем в рублях
trades	disb	соотношение объема покупок и продаж
trades	pr_std	стандартное отклонение цены
trades	pr_vwap_b	средневзвеш

( Читать дальше )

📈 У меня есть ровно два бота, торгующих лонг-онли.

Всё! А так-то ботов под десяток.

Остальные прилежно торгуют в обе стороны, не делая различий для коротких и длинных позиций. Такой подход всегда казался мне более фундаментальным. Основательным, что ли… Да, крипта в многолетнем растущем тренде (я крипто-трейдер, на других рынках не торгую с 2017).
Но в 2022 крипта только ПАДАЛА. Вот бы накануне этой медвежки отключить всё, кроме шортов!
А в 2023 – только РОСЛА. Ничего не надо, кроме лонгов!
Как вы понимаете: заработать в каждый из этих годов было очень легко, – всего-то требовалось знать направление года заранее 😅 Есть машина времени – вообще плёвое дело.

ИМЕЕМ: 80% моих ботов торгуют дуал-сайд (двусторонне). 20% – лонг-онли (без шортов).
ВОПРОС: Верно ли, однако, отдавать лонгам и шортам одинаковый риск, когда на 3 бычьих года приходится 1 медвежий?

Данное распределение может поменяться в любой момент в будущем, бесспорно; сейчас имеем то, что имеем.
Я приступил к проверке способа, который поможет избежать испытания прокрустовым ложем. Это третий подход к вечному выбору: лонг-онли или дуал-сайд?! Звучит возмутительно очевидно:

( Читать дальше )

Болею, простуда, температуры почти нет — думаю, что в адеквате.) Чем-то серьезным заниматься явно не хочется, а писать посты на СЛ легко и приятно.
Последнее время на СЛ стало много постов об искусственном интеллекте (ИИ) и нейросетям (НС). Про ИИ я ничего не знаю, от слова совсем — мне это не по погонам, а в НС простой структуры что-то понимаю. Даже прочитал одну книгу — читал аж 3 месяца. А что вы хотите, почти 1000 страниц, сплошная математика, описаны перцептроны, SVM, машины Больцмана, рекуррентные, сверточные НС и пр. «простой» структуры. «Простой», в смысле без наворотов и вывертов. Сама такая «простая» НС может содержать хоть бесконечное число элементов. Саму книгу рекомендовать не буду — оч много математики и, чтобы разобраться, нужно как минимум 3-4 курса ВУЗа.
Но что написано в книге — «НС, как правило не применяется самостоятельно и хорошо решает узкоспециализированные конкретные задачи в составе сложных систем». © Цитирую по памяти.
Т.е., в дополнение к НС, нам еще нужно неплохо разбираться в смежных областях для построения системы, а также уметь выделить и сформулировать задачу для самой НС в составе системы и подготовить для НС данные. М… да, нехило так получается. Никому не рекомендую таким заниматься.) Мне можно, мне это интересно.)

( Читать дальше )