торговые роботы

В этом видео поговорим о быстром переносе Ваших скриптов в новую версию OsEngine. Это актуально для тех пользователей, у которых роботы и индикаторы хранятся в папке Custom, т.е. вынесены в отдельные файлы.

VK Видео:


RuTube:

( Читать дальше )

( Читать дальше )

В этом видео мы с Вами посмотрим на то, как можно торговать пары в Os Engine. Для этого у нас там есть очень удобные визуальные интерфейсы.

VK Видео:


RuTube:


( Читать дальше )

В прошлом году своим VIP клиентам мы начали активно предлагать нашу комбинированную стратегию AITRUST, которая на 85% включает в себя портфельную стратегию с динамическим управлением ABTRUST под моим управлением, и на 15% -алгоритмическую стратегию на ликвидных фьючерсах ABIGTRUST под управлением моего хорошего друга и партнёра Ильи Гадаскина. Надо сказать, что из вновь пришедших клиентов в прошлом году AITRUST выбрало 2/3 инвесторов.

В этом году, после перезапуска в 2024 АЛЬФА СКАКУНОВ, мы видим смысл предложить улучшенный вариант комбинированной стратегии — AITRUST 2.0! Она включает в себя уже три базовые стратегии в следующем соотношении:
✅ 70% — портфельная стратегия с динамическим управлением ABTRUST
✅ 15% — портфельная стратегия на акциях АЛЬФА СКАКУНАХ AHTRUST
✅ 15% — алгоритмическая стратегия на ликвидных фьючерсах ABIGTRUST

По сути мои основные собственные вложения уже близки к данному распределению и я верю, что на сегодняшний день это одно из лучших наших решений! А с учётом того, что я оптимистично смотрю на этот год, как инвестор, считаю, что такая комбинация принесёт очень хороший результат в 2025 году!

( Читать дальше )

Сегодня посмотрим на довольно сложный индикатор – индикатор Bollinger. В нём несколько серий данных и встроенный индикатор. Поговорим о том, что у него там внутри.

 

1. Где исходники?

Посмотреть исходный код индикатора Bollinger на ГитХаб можно здесь:

https://github.com/AlexWan/OsEngine/blob/master/project/OsEngine/bin/Debug/Custom/Indicators/Scripts/Bollinger.cs

В скриптах проекта вот этот файл:

( Читать дальше )

( Читать дальше )

Мы не знаем, какое распределение заложить основу нашей модели. На картинке тест на нормальность. Очень похоже на плотность бета-распределения. Первое, наверное, что делают, это приводят ее к нормальности, ну и там уже будет куча способов для анализа, от кокса-бокса, до хи квадратов, наверное самое распространенное. Эконометристы выводят непонимание в «ошибку», давая еще один свободный кэф в виде переменной, ну и собственно наверное ничего лучше не придумали, кроме этого подхода. 

Дальше что хочется сделать — мы же можем установить некую свою собственную переменную, ограничив наблюдаемое изменение с уже подгонкой к нормальности, заложив в основе толстые хвосты (дефолты например) или например бета распределение. 

Ну и поскольку в долгосрок прогнозировать сложнее, работать будем на 5 минутных данных, если работать на дневном таймфрейме, то добавляется непредсказуемое поведение, например, досрочные выплаты, мошенничество или макроэкономика, изменение ставки фондирования. 

( Читать дальше )

Доходность стратегии Alfa-Quant за 2024 год — 64,8%.
Доходность стратегии за 4-й квартал — 31,6%.
Доходность за 2,5 года с учетом реинвестирования — 190,8%.
Доходность за последние 12 месяцев — 64,8%.
Средняя доходность за весь период — 51% годовых.
Максимальная просадка — 15,5%.
Кальмар — 3,3.

Этот год был трудный для нас, но прибыльный! Несмотря на то, что рынок акций за прошлый год упал на 10% и проседал в моменте на 30%, наши алгоритмы на Мосбирже заработали 64,8% за год. Весной перед падением рынка было удачным решение сократить долю акций в инвестиционном портфеле и долю роботов на акции, это позволило не потерять на падении акций. В то же время была увеличена доля ОФЗ, целый год они конечно немного сползали вниз, но в любом случае, они падали меньше, чем акции. В итогах 2 квартала я писал, что сейчас выгоднее сидеть в облигациях, а не в акциях, так и получилось. Плюс в декабре удалось дополнительно заработать на отскоке длинных и коротких ОФЗ.

Основной профит в итоге всё равно показали роботы на фьючерсах. Заработали везде понемногу: на фьючерсе РТС, на девальвации рубля и на золоте. В том числе неплохой профит был на падении рынка благодаря шортам на акции и РТС.

( Читать дальше )

Прежде чем запускать калибровку на реальных данных цен, сделал простейший тест — а можно ли его вообще использовать, насколько хорошо он работает?

Калибровка — определение неизвестных параметров для известного распределения, двумя методами — Maximum Likelihood и Bayesian.

а) задал простейшую модель, с известными параметрами, б) сгенерировал с нее огромный сэмпл 10000 точек, в) затем фиттинг на полученном сэмпле и г) сравнение полученных резуьтатов с исходными параметрами.

Тестовая модель, Гауссовский Микс:

weights = [0.5, 0.5], means = [0, 0], sigmas = [1, 2]

Результат, точнее его отсутствие, картина ниже (питоновский код):

Параметры определяются совершенно неверно. Причем случай идеальный, простейшая модель, огромный сэмпл.

Также попробовал другой подход, байесовский метод, и он также дает совершенно неверный результат.

П.С.

Гиперболическое Распределение

Результат пока непонятный (питоновский код) визуально график получaется достаточно похожим, но полученные параметры модели не совпадают с исходными. 

( Читать дальше )