Яндекс.Метрика

101 формула сигналов для трейдинга. Часть 2

7

Начало здесь.

Формулы 101 альфа сигнала

В этом разделе мы опишем некоторые общие особенности наших 101 сигналов. Эти сигналы являются собственностью WorldQuant LLC и используются с его разрешения. Мы даем столько информации, насколько возможно в рамках ограничений, накладываемых правом собственности. Формулы выражений, которые также представляют собой компьютерный кодприведены в приложении А (в следующей части).
(далее…)

101 формула сигналов для трейдинга. Часть 1

101_alpha

Представляю интересную, но, возможно спорную, статью, написанную авторами Zura Kakushadze, Geoffrey Lauprete  and Igor Tulchinsky - "101 Formulaic Alphas". Подходы к торговле, описанные в этой статье, применяются многими трейдерами на практике, а насколько прибыльны представленные сигналы, вы можете проверить сами.
(далее…)

Вопрос к практикующим роботостроителям по кросс сделкам

В настоящее время я разрабатываю собственное ПО для торговли роботами на ФОРТС по протоколу Plaza2.
Сейчас моя голова "болит" по поводу одной проблемы, которая скорее всего возникнет в дальнейшем. Предполагается, что большое число роботов будет работать на одном и том же инструменте и использовать один и тот же счет. В связи с этим возникает опасность возникновеня ситуаций кросс сделок. Собсвтенно в связи с этим, хочу спросить Вас, как к практика. Как Вы решаете проблемы кросс сделок для своих роботов ? Буду признателен Вам за любую информацию по этому вопросу.
(далее…)

Интервью с Эрни Чаном

ernie-chan-interview

На сайте chatwithtraders.com  опубликована аудио-версия интервью с Dr Ernie Chan: Как создаются, тестируются и выводятся на рынок алгостратегии.

Эрни Чан начинал свою деятельность в исследовательской программе IBM, где работал с алгоритмами машинного обучения, над искусственным интеллектом и обучением компьютеров пониманию языков, перед тем, как присоединиться к проп-трейдинговой команде.
(далее…)

Тестирование модели Маркова на SPY

price

По просьбе одного из читателей блога прогнал тесты инструмента SPY в моей программе, использующей модель Маркова для предсказания направления рынка. SPY- это биржевой символ фонда, повторяющего движения индекса S&P500, торгуется на бирже NYSE. Тестирование производилось на периоде от 01 июня 2015 года до 25 ноября 2015 года. Размер тренировочной выборки - 70%, выборки out-of-sample - 30%.  Вот что получилось в итоге, для различных интервалов дискретизации:
(далее…)

Определение факторов прибыльности стратегии

Fig3  

Статья из блога www.jonathankinlay.com поможет лучше понять работу вашей торговой стратегии и повысить ее производительность в будущем.

Построение прибыльной стратегии только половина успеха, трейдеру еще необходимо понимание так называемой альфы стратегии и риска. Это значит, что нужно определить факторы, обуславливающие прибыльность алгоритма и, в идеале, создать модель так, что их относительный вклад может быть вычислен. Более продвинутый путь - это конструирование мета-модели, которая будет предсказывать прибыльность и давать рекомендации, каким образом должна торговать стратегия в следующий период.
(далее…)

Машинное обучение для улучшения вашей стратегии

ml-strategy-techniques-1

Предлагаю перевод интересной статьи с сайта www.inovancetech.com о нетрадиционном применение техник машинного обучения: Machine Learning Techniques to Improve Your Strategy.

Машинное обучение это мощный инструмент не только для создания новых стратегий, но и для повышения эффективности уже существующих.
(далее…)

Проверка эффективности модели Маркова на фьючерсах

RTS-9.15_1

Ранее на этом сайте была опубликована статья по марковским моделям скрытых состояний (НММ) - часть 1, часть2, часть 3, часть 4. Мною разработана программа на основе этой публикации, с помощью которой была протестирована предсказательная способность HMM на некоторых инструментах рынка FORTS. Программа написана на языке C#, с применением сторонней библиотеки Accord.NET.
(далее…)

Влияние информации в книге заявок на метрики рынка. Часть 4

effLOB

Окончание.Начало здесь.

Проверка эффективности индикаторов на реальных данных

В качестве проверки верности результатов на симуляционных данных мы использовали два реальных набора данных для исследования производительности индикаторов. Эти тесты требовали уровня 6 данных, для того, чтобы мы смогли точно воссоздать книгу заявок, отслеживая каждый лимитный ордер в моменты его поступления, изменения и удаления из очереди заявок, так же как и исполнение различных ордеров для точной реконструкции событий. В дополнение, мы присвоили каждому ордеру идентификатор, который классифицировал этот ордер как автоматический или ручной. Последней задачей был поиск событий, происходящих на отдельных рынках для изучения их влияния на происхождение мини обвалов цены.
(далее…)

Влияние информации в книге заявок на метрики рынка. Часть 3

effLOBscheme

Начало здесь.

Индикаторы стабильности книги лимитных ордеров

Традиционно стабильность, или эластичность рынка, представляется термином ликвидность, которая является возможностью трансформации одного вида актива в другой за короткий временной период без потерь. Легкость такой трансформации, в смысле требующегося времени и воздействия на цену, видится как мера здорового состояния рынка. К сожалению, ликвидность - это многомерное явление, делающее трудным сведение его к единому значению. Можно определить ликвидность в 4-х измерениях:
(далее…)