Br

( Читать дальше )

Сегодня все инструменты находятся на экстремумах года, нет уровней ограничивающих прибыль, соответственно цели выставляем по ATR. Расчет производится следующим образом:

значение цели= (ATR-ход инструмента с утра)* 0,8

Значения ATR для торгуемых инструментов

RI — 3639
BR — 2.23
SR — 404
GZ — 827
SI- 1.43

лучше все свести в таблицу и при входе просто подставлять значение предполагаемого входа. Ниже все значения актуальны на сегодня кроме значений входа))



Картинки сегодня не привожу. 
Понятно что самые надежные входы будут при ретесте вчерашних уровней. Но есть ощущение что день будет истеричный, а откаты не глубокие. При таком сценарии входы при проторговках от  круглых уровней.

Признаю свою неправоту по нефти. Упорно ждал вниз.
Похоже пока пойдет наверх. Первая цель 50, вторая 54.

Думаю, что раз пошла такая пьянка, то вторую цель увидим.

( Читать дальше )

По-прежнему считаю, что сейчас идет вынос шортистов в нефти и фиксация поз и открытие хеджей.
Мы пойдем по BR на 39 для начала.

Сегодня и завтра стата амерская. Она ускорит погружение. Нарисуют все как надо.

P.S. хоть там и тепло было, Доха не греет абсолютно…

( Читать дальше )

Я бы сказал, что нефть пока ведет себя, как будто бы в Дохе подписали соглашение о заморозке добычи.
Фиксация прибыли и все. Ну и по стопам на фиксации вынесли бычков слегка.

Ближайшая цель вниз по брент примерно 39. Это нижняя граница восходящего канала с низов.
Сегодня я ее не ожидаю но за пару следующих дней, да на амерской стате по нефти вполне можем туда придти.

P.S. а еще всем пугалку напишу. Нам легко могут рейтинг понизить еще раз, т.к. соглашения по нефти нет, прогнозы для экономики негативные, бла-бла-бла. Черного Лебедя ждать надо с этой стороны…

( Читать дальше )

Копался в статьях по алготрейдингу, решил присмотреться в сторону машинного обучения. Но это в моем случае не про какой-то искусственный интеллект с нейросетями, в нейросети пока не хочу лезть, слишком сложно. Для начала хочу использовать простые алгоритмы для классификации и оценки хороших точек входа на основе обучения модели на истории.

Я исходил из того, как сам разрабатываю обычно торговую систему: ищу хорошие точки входа на истории и классифицирую их. Но так как человеческие возможности ограничены, использую только 3 таймфрейма и около 10 индикаторов в сумме. Кроме этого, история в точности никогда не повторяется и нужна какая-то более умная модель, которая не просто сравнивает индикаторы, как делают сейчас мои роботы, а дает оценку данной рыночной ситуации на основе всей совокупности индикаторов.

С помощью машинного обучения можно создать и обучить много моделей по разным алгоритмам, эта область уже хорошо развита (Logistic regression, Linear discriminate analysis, Stochastic gradient boosting, Decision trees, Support Vector Machine, KNN и другие). Можно быстро попробовать разные модели (Spot-checking algorithms). Модели могут работать вместе и делать предсказания. Можно улучшать точность моделей (Algorithm parameter tuning, Ensemble methods). Можно посчитать точность предсказаний по модели, обучив сначала модель на части выборки, а затем протестировав ее на другой части выборки (resampling). 

Как я понял, R для машинного обучения идеально подходит. Сделал первые шаги сегодня: cоздал модель по туториалу, которая определяет по размеру чашелистиков и лепестков растения ирис точный вид (всего 4 вида) какого-то одного растения(особи) на основе обучения по выборке из 500 других растений(особей). 

Код: 

# Скачивание и инициализация библиотек mlbench(используется для machine learning), caret (используется для нормализации данных)
install.packages("mlbench") 
library(mlbench)
install.packages("caret") 
library(caret)

# Краткая информация про базу данных iris
data(iris)
summary(iris)

# Определение тренировочной выборки
trainControl <- trainControl(method="cv", number=10)

# Оценка точности алгоритма Naive Bayes на данном dataset
fit <- train(Species~., data=iris, trControl=trainControl, method="nb")

# Вывод оценки точности
print(fit)

Сейчас я точно так же хочу сделать модель, которая на основе 30-300 хороших точек входа на истории определяет, насколько хороша данная пятиминутка для входа в лонг или шорт. 

Что скажете? Есть ли там грааль? Есть ли у кого-то опыт использования машинного обучения для торговли? Что посоветуете? 

Также представляю вашему вниманию грубую оценку того, на сколько в среднем ходят нефть Brent и Si за час и 1 день. Посчитал с использованием библиотеки rusquant на R. Также делюсь элементарным кодом. 

Я взял данные за последние 15 дней для BRK6 и 30 дней для SiM6. Затем посчитал доходности и их среднеквадратичное отклонение. Затем отклонение умножил на среднюю цену. 

Получилось:

Brent
за час: 0.25$
за день: 1.15$

Si
за час: 235 руб.
за день: 757 руб. 

Код на R: 

# Инициализация библиотеки rusquant (русская версия от quantmod, поддерживает все функции quantmod)
library(rusquant)

# Получение исторических данных с Финама
getSymbols("SiM6", from=Sys.Date()-30, src="Finam", period="day")

# Рисуем график, чтобы увидеть данные
candleChart(SIM6)

# Расчет доходностей встроенной функцией библиотеки rusquant (унаследована от quantmod)
rr <- OpCl(SIM6)

# Цены закрытия
p <- Cl(SIM6)

# Получение абсолютного значения среднеквадратичного отклонения доходности
sd(rr)*mean(p)

[1] 757.7013

# Аналогично для часовика
getSymbols("SiM6", from=Sys.Date()-30, src="Finam", period="hour")
candleChart(SIM6)
rr <- OpCl(SIM6)
p <- Cl(SIM6)
sd(rr)*mean(p)

[1] 234.9929

#Аналогично для BRK6.