Алгоритмическая торговля. Научный подход

Тема в разделе "Форекс, трейдинг и инвестиции", создана пользователем Next, 13.05.16.

  1. Next

    Next Администратор

    Сообщения:
    5.605
    Репутация:
    73
    Рейтинг:
    +564 / -0
    Программа курса вебинаров:

    День 1
    Введение:

    • случайность или детерминированность;
    • торговый алгоритм, как статистический прогноз будущего приращения цены;
    • бинарная модель приращений цен, тренд и контртренд, оптимальный алгоритм.
    Основы теории вероятностей и математической статистики «за час»:

    • вероятность, как мера числовой оценки шансов появления будущих событий;
    • одномерные случайные величины: функция распределения, математическое ожидание функции от случайной величины, квантили (перцентили) , стохастическое доминирование;
    • многомерные случайные величины: независимость, условные распределения, задача статистического прогноза, регрессия;
    • последовательности случайных величин: стационарность, автокорреляционная и спектральная функции, случайное блуждание, показатель Херста (критика);
    • математическая статистика: выборка, выборочные статистики, достаточные статистики, различение гипотез, оценка параметров, параметрическая и непараметрическая статистика.

    День 2
    Тестирование и оптимизация торговых алгоритмов, как проверка качества статистического прогноза будущего приращения цены:

    • оценка доли «успехов»;
    • приведение автокорреляционной функции динамики счета к нулевому виду;
    • отсев параметров по:
      • устойчивости;
      • стохастическому доминированию;
      • взаимной корреляции;
      • превосходству «доходность-риск» пассивной стратегии;
      • построение оптимального портфеля из:
        • одного торгового алгоритма с разными параметрами,
        • нескольких торговых алгоритмов на одном активе,
        • портфелей торговых алгоритмов на разных активах;
        • оценка будущей просадки счета методом Монте-Карло.


    День 3

    Принципы построения торговых алгоритмов:

    • оптимальные алгоритмы при известном распределении будущего приращения цены;
    • бинарная модель приращений цен, «кусочная» стационарность, оптимальные алгоритмы в условиях непредсказуемости точек смены отрезков стационарностей.
    Модели цен:

    • конкурентный рынок, условная нормальность, «кусочная» стационарность;
    • кусочно-постоянная условно нормальная модель, тренды, минимаксная модель трендов;
    • кусочно-марковская условно нормальная модель, тренды и контртренды;
    • сильно «антиперсистентная» модель, ступенчатые тренды;

    День 4

    Примеры трендовых торговых алгоритмов. Часть 1.

    • для кусочно-постоянной условно нормальной модели;
    • для сильно «антиперсистентной» модели.


    День 5

    Примеры трендовых торговых алгоритмов. Часть 2.

    • для минимаксной модели трендов;
    • для история реальной торговли и модификаций.

    День 6

    Фильтрация трендовых торговых алгоритмов:

    • кусочно-марковская условно нормальная модель, как основа построения «фильтра пилы»;
    • «фильтры» шортов и плечей, принципы построения, особенности использования.
    Примеры контртрендовых торговых алгоритмов:

    • «фильтр пилы», как индикатор торговли контртренда в рамках бинарной модели приращений цен;
    • maximum profit system для опционов.

    День 7

    Практическое занятие.



    Продажник

    Скачать