5 шагов к созданию собственного торгового алгоритма

Лучшие брокеры бинарных опционов за 2020 год, народный рейтинг:
  • Бинариум
    Бинариум

    1 место! Бинариум — самый лучший брокер бинарных опционов за 2020 год!
    Прекрасно подходит для новичков — предоставляют бесплатное обучение с демо-счетом!
    Получите свой бонус за регистрацию:

Торговые стратегии на рынке Форекс: как разработать собственную торговую систему?

Здравствуйте, уважаемые посетители форекс блога yavforex.ru!

В сегодняшней статье мы постараемся дать ответы на достаточно распространенные вопросылюбого начинающего трейдеру: «Что представляют собой торговые стратегии на рынке Форекс?» и «Как разработать собственную стратегию для торговли?».

Пожалуй, все новички на валютном рынке задавались подобнымы вопросами, соответственно мы постараемся максимально раскрыть эту тему, дадим определения торговым стратегиям и наглядные примеры того, как их можно использовать, а также приведем основные критерии построения собственной системы.

Данная статья является стартовой из цикла тем по торговым стратегиям, соответственно настоятельно рекомендую всем начинающих трейдерам ее прочитать, чтобы четко осознавать принципы и особенности работы с торговыми системами.

Итак, начнем. Торговая стратегия (или торговая система) представляет собой четкий свод правил торговли для открытия и закрытия позиций, которые определяет для себя сам трейдер. Другими словами любая стратегия на рынке Форекс должна отвечать на такие вопросы:

«Какая ситуация сейчас происходит на рынке?»

«Что может произойти в конкретныйпериод времени?»

«Что делать трейдеру в каждый отдельный момент?»

Как раз на вопрос «что делать трейдеру» и нужно составить и сформулировать для себя четкий план действий и правил перед входом на рынок, когда можно открывать и закрывать позиции, а когда их нужно игнорировать.

Для чего необходимы торговые стратегии на рынке Форекс?

Торговые стратегии на Форекс, в первую очередь, необходимы для того, чтобы систематизировать торговлю и снизить влияние психологического фактора на трейдера. Руководствуясь торговой системой, участник рынка предварительно планирует сделки, ставит для себя задачи и цели. Создание торговой стратегии подобно бизнес-плану, по которому развивается предприятие, соответственно к этому процессу нужно подходить с особым вниманием, как и к любому другому бизнесу.

Прежде чем приступать к созданию собственной торговой системы, необходимо изучить основные виды торговых стратегий, которые на сегодняшний день существуют на рынке, об этом Вы можете прочитать в отдельной статье про виды торговых стратегий.

Вполне справедливо распространенное мнение, что наличие торговой стратегии у успешного трейдера отличает его от неуспешного (как один из факторов). Ведь истинный знаток своего дела на рынке Форекс всегда придерживается выбранной торговой стратегии и не делает импульсивных, непродуманных шагов, он также не торопится с закрытием сделки, ожидая благоприятных условий, и ни в коем случае не руководствуется домыслами.

Как же всетаки разработать свою торговую систему? Выше мы уже говорили о том, что любая торговая система должна отвечать на 3 вопросы: какая ситуация на рынке (1), что может случится в этой ситуации (2), какие при этом действия должен выполнить трейдер (3).

При ответе на первый (1), если Вы обладая информацией о том, как развивается ситуация на рынке в данный момент, что вероятней произойдет в интересующий вас момент времени, вы будете знать куда совершать сделки.

Например: если вы работаете по тренду, вам необходимо определить направление тренда и его продолжительность. В этом Вам помогут элементарные инструменты, такие как скользящее среднее, линия тренда и другие. Кроме этого, торговая система должна подавать сигналы изменений тренда для вашей успешной торговли.

При ответе на второй вопрос (2), что может случится на рынке при сложившейся ситуации, это должно характеризовать тактику вашей торговой системы. То есть, разобравшись с направлением совершения сделок, вы должны знать условия, при которых их можно совершать (по принципу блок-схемы «если это, то…»).

Рейтинг лучших платформ для торговли бинарными опционами:
  • Бинариум
    Бинариум

    1 место! Бинариум — самый лучший брокер бинарных опционов за 2020 год!
    Прекрасно подходит для новичков — предоставляют бесплатное обучение с демо-счетом!
    Получите свой бонус за регистрацию:

Например: о подходящем времени совершение сделок, трейдеру может сообщить трендоследящая торговая система с использованием осцилляторов и трендовых линий, или внутрикоридорная торговая система должна показать границы коридора.

Ответом на последний вопрос (3), будет как раз принятие решения трейдером, каким образом нужно входить в сделку. Возможное завершение коррекции или нахождение около границы коридора не является достаточным условием для совершения сделок. Трейдер должен увидеть, что цена действительно идет в нужном направлении, используя визуальную информацию от инструментов (индикаторы \ осцилляторы) или графика цен (фигуры \ паттерны и т.д.), после чего на определенном уровне совершать сделку.

Тот или иной вид торговых систем не подскажет вам точное время закрытия сделки. Можно ориентироваться на определенное время перед выходом важных новостей, завершением торговой сессии, сигналов от индикаторов или других технических способов выхода из позиций.

Создание собственной торговой системы — сложный и многоуровневый процесс, который каждый трейдер должен продумывать самостоятельно. Торговую стратегию невозможно создать за один вечер, поскольку необходимо проанализировать статистику вашей торговли на предмет ошибок и соблюдения правил торговой системы.

Давайте подытожим, какие же основные критерии нужно учитывать при создания собственной торговой стратегии:

  • психологический портрет трейдера – в этот критерий может входить как стиль торговли, который больше подходит для трейдера, так и его эмоциональная составляющая по отношению к определенным торговым стратегиям;
  • система должна отвечать всем вышеописанным вопросам (1,2,3);
  • содержать простые, удобные и понятные для Вас правила;
  • стратегия должна базироваться на необходимом минимуме инструментов анализа;
  • сумма стартового капитала;
  • мани менеджмент и риск менеджмент (определиться с: размером лота, то есть сумма сделок не должна превышать, определенной доли от суммы депозита; максимально допустимый общий процент потерь по сделкам; а также лимит потерь по всем сделкам за определенный период – неделя, месяц, прочее – не должен превышать 2-5%);
  • торговый интервал (или таймфрейм), который более всего подойдет трейдеру для торговли и будет ему удобен;
  • предпочтительные торговые валютные пары. Опираясь на их волатильность (к примеру, Фунт/Доллар – проходит примерно 100-120 пунктов в день, Евро/Доллар – 70-100, и т.д.);
  • выбранный метод анализа (фундаментальный, технический или их комбинация);
  • область применения (трендовая, противотрендовая, фигуры, универсальная, флэтовая).

Безусловно, для создания своей лучшей торговой стратегии на рынке Форекс понадобятся знания и усилия, это довольно затянутая работа. Но оно того стоит и оправдает себя, когда первая прибыль упадет приятным «грузом» на Ваш депозит.

Вот, кстати, ссылка на начало 1-ую часть мануала (5 частей), где подробно на практических примерах будет показано весь процесс создания собственной торговой стратегии, а также ее тестирование и оптимизацию:

Друзья, на этом стартовый пост рубрики про торговые стратегии подходит к концу. Не забывайте подписаться на обновления блога, чтобы не пропустить в дальнейшем публикацию прибыльных авторских стратегий, а также много других интересных аспектов трейдинга с помощью торговых систем.

На завершение, видео-материал про торговые стратегии на валютном рынке Форекс:

Удачи и до встречи на страницах форекс блога!

Генетические алгоритмы

Генетический алгоритм — это итерационная процедура, которая обрабатывает группу хромосом (решений) называемую популяцией [8-13]. Число хромосом в популяции называется размером популяции М. Каждая хромосома состоит из генов. Гены размещены в определенных частях хромосомы, которые называются «лоци». Каждый ген-хромосом может быть в нескольких состояниях, называемых «аллелями». Терминология, использованная здесь, заимствована из естественной генетики.

Нейронные сети и генетические алгоритмы в настоящее время находят огромное число разнообразных применений. Действительно, в любой области человеческой деятельности есть плохо алгоритмизуемые задачи, для решения которых необходима либо постоянная работа группы квалифицированных экспертов, либо адаптивные системы автоматизации, каковыми являются нейронные сети. Разные компании выбирают разные варианты — одни предпочитают тратить деньги на оплату лучших специалистов и их обучение, другие покупают полностью готовые специализированные нейросетевые системы, а третьи комбинируют эти подходы, создавая собственные системы с нуля или на основе готовых коммерческих пакетов. Каждый из вариантов внедрения новых технологий имеет свои достоинства и недостатки.

Применение генетического алгоритма.

Генетический алгоритм обычно применяется в задачах поиска решения сложной, вычислительно трудоемкой задачи, чаще всего с огромным числом параметров. Например, поиск функции наилучшего приближения в виде полинома с наименьшим числом членов и достаточно большим числом независимых переменных при малом числе измерений.
В литературе встречаются и другие применения — для игры в покер, в сочетании с другими методами и более сложными задачами.

Описание общего генетического алгоритма.

1) Создание структуры решения искомой задачи в виде массива a[i], i=1. n, где n — максимальное число компонент структуры

Анализ потребительского рынка

Несколько лет назад фирма IBM Consulting выполнила заказ на создание нейросетевой системы, прогнозирующей свойства потребительского рынка. Заказчик — один из крупнейших производителей пищевых продуктов, имеющий огромные рынки сбыта. Одним из основных маркетинговых механизмов заказчика является распространение купонов, дающих право покупки определенного товара со скидкой. Так как затраты на рассылку купонов довольно велики, решающим фактором является эффективность рассылки, то есть доля клиентов, воспользовавшихся скидкой.

Для повышения эффективности купонной системы важно было провести предварительную сегментацию рынка, а затем адресовать клиентам каждого сегмента именно те купоны, которыми они с большей вероятностью воспользуются. В терминах анализа данных здесь требовалось решить задачу кластеризации, что и было успешно сделано с помощью сетей Кохонена. На втором этапе для потребителей каждого из кластеров подбирались подходящие коммерческие предложения, а затем строился прогноз объема продаж для каждого сегмента. http://www. /9701eds2.htm

Другой вариант решения этой же задачи избрала компания GoalAssist Corporation, исполняя заказ крупной маркетинговой фирмы. Требовалось исследовать стратегию поощрительных товаров (когда, например, присылая 5 этикеток от чипсов, клиент получает бесплатно футболку) для определенной компании, торгующей пищевыми продуктами. Обычные методы прогнозирования отклика потребителей оказались в данном случае недостаточно точны. В результате спрос на футболки оказался слишком велик и многим покупателям пришлось подолгу ждать получения приза, в то время как другие подарки остались невостребованными. Чтобы повысить точность прогнозирования, было решено использовать исторические данные и нейронные сети.

Компания GoalAssist Corporation построила две нейросети для решения этой задачи. Первая из них — это сеть с адаптивной архитектурой пакета NeuroShell Classifier компании Ward Systems Group, на входы которой подавались различные параметры товаров и рекламной политики. С помощью этой сети, предназначенной специально для классификации, было получено разделение входов на 4 класса, характеризующих отклик потребителей. Те же входы вместе с ответом первой сети подавались далее на вход пакета NeuroShell Predictor, который также содержит сложную самоорганизующуюся сеть, но приспособленную для задач количественного прогнозирования. Средняя ошибка предсказаний составила всего около 4%. Построение этой модели заняло около 120 часов, также потребовалось время на предобработку входных данных. Эксперты GoalAssist Corp. считают, что эта модель и далее будет успешно применяться для решения маркетинговых задач. http://www. /predconsum. htm

Компания Neural Innovation Ltd. использует при работе с маркетинговыми компаниями конкретную стратегию прямой рассылки. Вначале рассылается 25% от общего числа предложений и собирается информация об откликах потребителей. Затем эта информация поступает на вход нейрокомпьютера, который осуществляет поиск оптимального сегмента потребительского рынка для данного товара. Затем остальные 75% предложений рассылаются в указанный сегмент. При этом эффективность рассылки существенно возрастает.
http://www. neural. co. uk/marketing/mailshot. html

Прогнозирование объема продаж и управление закупками

Изложенные в предыдущем пункте методы хорошо зарекомендовали себя на устойчивых западных рынках. При создании подобных систем на российском рынке необходимо учитывать его нестабильность, а также особенности поведения российских потребителей (например, закупки в период высоких инфляционных ожиданий). В изменчивых условиях для торговых фирм особенно важно иметь прогноз спроса клиентов и дохода компании, чтобы осуществлять оптимальное управление закупками. В настоящее время компания «НейроПроект» совместно с маркетинговой фирмой «Конси» (Нижний Новгород) ведет разработку системы анализа потребительского рынка и прогнозирования спроса на основе российских исторических данных.
http://www. konsi. nnov. ru:8002/

Проектирование и оптимизация сетей связи

Одна из важнейших задач в области телекоммуникаций — нахождение оптимального пути пересылки трафика между узлами — может быть успешно решена с помощью нейронных сетей. В данном случае важны две особенности: во-первых, решение должно быть адаптивным, то есть учитывать текущее состояние сети связи и наличие сбойных участков, а во-вторых, найти оптимальное решение нужно очень быстро, в реальном времени. Нейросети прекрасно приспособлены для такого рода задач.

Кроме управления маршрутизацией потоков, нейросети используются и для проектирования новых телекоммуникационных сетей. При этом удается получить очень эффективные решения. http://www. cbu. edu/

Прогнозирование изменений котировок

Компания Alela Corp. занимается прогнозированием изменения биржевых индексов. Для предсказания знаков изменения индексов применяется нейронная сеть, использующая РБФ (радиальные базисные функции).

На сайте компании можно бесплатно получить прогнозы изменения индексов Dow Jones, S&P500 и Merval, а также убедиться, что доля верных предсказаний составляет не менее 80%. Создатели сайта предлагают всем желающим использовать эти прогнозы в качестве дополнительных индикаторов.

Управление ценами и производством

Руководители предприятий часто недооценивают потери от неоптимального планирования производства. Так как спрос и условия реализации зависят от времени, сезона, курсов валют и многих других факторов, то и объем производства следует гибко варьировать с целью оптимального использования ресурсов. Уже существуют примеры нейросетевых систем планирования, которые применяются совместно со стандартными методами исследования операций, динамического программирования, а также с методами нечеткой логики.
http://www. cbu. edu/

Крупное английское издательство, выпускающее газеты, приобрело у фирмы Neural Innovation Ltd. систему планирования цен и затрат, основанную на нейросети с использованием генетических алгоритмов. На основе исторических данных система обнаруживает сложные зависимости между затратами на рекламу, объемом продаж, ценой газеты, ценами конкурентов, днем недели, сезоном и т. д. После этого возможен подбор оптимальной стратегии с точки зрения максимизации объема продаж или прибыли.
http://www. neural. co. uk/marketing/news. html

Исследование факторов спроса

Для увеличения прибыльности бизнеса в условиях конкуренции компании необходимо поддерживать постоянный контакт с потребителями — обратную связь. В частности, для этого солидные компании проводят опросы потребителей, позволяющие выяснить, какие факторы являются для потребителя решающими при покупке данного товара или услуги, почему в некоторых случаях предпочтение отдается конкурентам и какие улучшения товара потребитель хотел бы увидеть в будущем. Анализ результатов такого опроса — достаточно сложная задача, так как здесь участвует большое количество связанных между собой параметров.

Нейронные сети идеально подходят для решения этой задачи. Существующие нейросетевые методы позволяют выявлять сложные зависимости между факторами спроса, прогнозировать поведение потребителей при изменении маркетинговой политики, находить наиболее значимые факторы и оптимальные стратегии рекламы, а также очерчивать сегмент потребителей, наиболее перспективный для данного товара.
http://www. /examples. htm
http://www. /Marketing/marketingpaper. htm

Анализ страховых исков

Фирмой Neural Innovation Ltd. создана нейросетевая система Claim Fraud Analyser, позволяющая мгновенно выявлять подозрительные страховые иски, относящиеся к поврежденным автомобилям. На входы системы подаются такие параметры, как возраст и опыт водителя, стоимость автомобиля, наличие подобных происшествий в прошлом и другие. В результате обработки выдается число — вероятность того, что данный иск связан с мошенничеством. Такая система позволяет не только сэкономить за счет выявления фальсификаций, но и улучшить отношения с клиентами за счет более быстрого удовлетворения честных исков. http://www. neural. co. uk/finance/fraud. html

Как нейросети могут помочь в работе?

Приведенные выше примеры показывают, что технологии нейронных сетей и генетических алгоритмов применимы практически в любой области. В некоторых задачах, таких, как прогнозирование котировок или распознавание образов, нейросети стали уже привычным инструментом.

Нет сомнений, что повсеместное проникновение новых технологий и в другие области — только вопрос времени. Аналогичный процесс уже произошел с компьютерами, которые в течение всего 20 лет распространились из военных вычислительных центров в каждый офис и во многие квартиры.

Внедрение новых наукоемких технологий в коммерческой фирме — достаточно непростое дело, требующее, кроме денег и времени, еще и некоторой перемены психологии. Однако, практика показывает, что эти вложения окупаются и выводят компанию на качественно новый уровень.

Генетические алгоритмы — это способ оптимизации, применимый, когда отказывают классические способы, например метод Ньютона. Отказ может быть связан с одной из следующих причин:

· негладкая зависимость оптимизируемого критерия от подбираемых параметров;

· слишком большое число параметров;

· невозможность вычислить производные по параметрам.

Эти ситуации возникают, например, при

· подгонке к данным сложной модели, например модели рассеяния загрязнителей;

· подборе степени и набора независимых переменных для регрессии.

Генетические алгоритмы осуществляют стохастический поиск оптимума сразу несколькими вариантами комбинаций параметров. Процесс поиска включает три основных этапа, повторяемых в цикле:

· эволюция — сдвиг варианта в направлении ожидаемого оптимума с использованием, вообще говоря, как производных критерия по пааметрам, так и стохастических «скачков»;

· отсеивание «неудачливых» вариантов;

· скрещивание «удачливых» вариантов: порождение вариантов — «потомков», сочетающих удачные значения параметров «родителей».

Название «генетические алгоритмы» связано с тем, что они воспроизводят современные представления об естественном отборе: скрещивание генотипов — определение удачности порожденных фенотипов — отсев неудачников из набора партнеров для следующего скрещивания.
Скрещивание является наиболее критичным этапом генетического алгоритма. Оно существенно зависит от того, можно ли установить степень удачности не только варианта в целом, но и его отдельных частей — «генов» (в нашем случае — отдельных координатных интервалов или параметров модели). В рассматриваемой системе это возможно, когда вариант имеет иерархическую структуру и для нее можно построить дерево вкладов (имеются в виду вклады в значение критерия оптимальности). Также и для нейросетевых структур возможно распределение ошибки целого между частями. В прочих же случаях части, которыми обмениваются скрещиваемые варианты, выбираются стохастически. В работе рассматривается применение генетического алгоритма, базирующегося на алгоритме Холланда — Simple Genetic Algorithm, для синтеза структур вычислительных систем реального времени (ВС РВ). Основное внимание уделяется проблемам настройки этого алгоритма на задачу синтеза структур ВС РВ и обоснованию принятых решений, приводятся результаты его исследования.

ПРИМЕНЕНИЕ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ ДЛЯ СИНТЕЗА СТРУКТУР ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ РЕАЛЬНОГО ВРЕМЕНИ.

В качестве базовой рассматривается задача синтеза структур ВС РВ в следующей постановке. Для заданных: наиболее сложной истории поведения прикладной программы — частично упорядоченное множество рабочих интервалов процессов, составляющих историю выполнения программы (ациклический ориентированный размеченный граф), и директивного срока ее выполнения; требуется определить: минимальное число процессоров в ВС необходимое для выполнения директивного срока, распределение процессов по процессорам ВС. Другие варианты задачи синтеза структур ВС РВ получаются как расширение базовой путем изменения набора оптимизируемых характеристик ВС и критериев оценки качества решений.

В работе предложен и обоснован способ кодирования решения в форме битовой строки, выбран механизм селекции; разработаны и настроены целевая функция и критерий останова, уменьшена сложность операции мутации; выбран простой способ задания начальной популяции.

Исследование алгоритма показало его высокую эффективность с точки зрения:

1. качества получаемых решений — никакой из эвристик не удалось найти лучшего решения, чем с помощью генетического алгоритма;

2. сложности получения решения — сложность алгоритма растет практически линейно с ростом размера задачи и числа оптимизируемых параметров;

3. универсальности алгоритма — параметры алгоритма (вероятность скрещивания, вероятность мутации, размер популяции, весовые коэффициенты в целевой функции) удалось настроить универсальным образом независимо от типа графа истории поведения прикладной программы и особенностей постановки задачи синтеза структур ВС РВ (оптимизируемые характеристики ВС и критерии оценки качества решения).

Fujitsu разрабатывает программную поддержку генетических алгоритмов

Компания Fujitsu Laboratories Ltd. анонсировала, что она разработала программное средство для проектирования, анализа и оценки генетических алгоритмов. Утверждается, что это первая подобная разработка для промышленных целей. Можно ожидать, что этот продукт поможет ускорить исследование и разработку различных типов генетических алгоритмов, а также позволит людям, не являющимся экспертами в этой области, с высокой степенью эффективности использовать и анализировать генетические алгоритмы.

Генетический алгоритм использует биологическую концепцию «выживания наиболее приспособленного», чтобы «вывести» наилучшее решение задачи. Работа алгоритма начинается с большого количества потенциальных решений, из которых выбираются наилучшие, комбинируются и снова подаются на вход алгоритма. Через несколько «поколений» качество решений повышается. Таким образом, задача, требующая годы вычислений на суперкомпьютере, может быть решена за несколько минут. Однако, при разработке оптимального генетического алгоритма нужно всегда помнить о его сущности, и до настоящего времени не существовало средств общего назначения для помощи в этом.

Новое программное средство позволяет комбинировать различные типы генетических алгоритмов, свободно определять их значимость и моделировать решение задач. С помощью графов и диаграмм можно детально проследить, как при работе алгоритма данные изменяются от «поколения» к «поколению». Анализируя и оценивая производительность различных типов генетических алгоритмов, можно определить, какой тип и в каких условиях наилучшим образом подходит для решения поставленной задачи.

Fujitsu заявляет, что планирует использовать новый продукт для разработки собственных генетических алгоритмов, а также собирается в течение двух или трех лет выпустить его коммерческую версию.

Генетический алгоритм для канальной трассировки

Генетический алгоритм — это итерационная процедура, которая обрабатывает группу хромосом (решений) называемую популяцией [8-13]. Число хромосом в популяции называется размером популяции М. Каждая хромосома состоит из генов. Гены размещены в определенных частях хромосомы, которые называются «лоци». Каждый ген-хромосом может быть в нескольких состояниях, называемых «аллелями». Терминология, использованная здесь, заимствована из естественной генетики. Приведем соответствие терминов ГА и классической задачи канальной трассировки.

Фенотип — топология расположения цепей на кристалле.

Генотип — генетическая схема кодирования топологии.

Хромосома — кодированное представление одного варианта топологии. Хромосома состоит из генов.

Ген — элемент хромосомы, задающий некоторый фрагмент топологии.

Популяция — набор хромосом (закодированных решений задачи трассировки).

Фитнесс — целевая функция, определяющая качество решения задачи.

Генерация — один цикл работы генетического алгоритма.

Генетический алгоритм требует, чтобы хромосомы оценивались с точки зрения целевой функции задачи. Целевая функция оценивает какие-либо качества решения соответствующего данной хромосоме (длину цепей, число магистралей и т. д.). Как было указано выше, генетический алгоритм обрабатывает популяцию решений, закодированных в хромосомы. В процессе обработки популяции, к ней последовательно применяются различные генетические операторы, такие как кроссинговер, мутация с заданными вероятностями (PC и PM соответственно) и другие операторы. Затем проводится редукция увеличившейся популяции для отбора лучших решений, которые составят следующее поколение, после чего цикл (генерация) повторяется. Число таких циклов называется числом генераций T. Отметим, что может быть построена большое число архитектур реализации генетического поиска. В нашем подходе выбрана стандартная схема генетического поиска.

Для нашего генетического алгоритма принята следующая схема.

Шаг 1. Определение размера популяции M, числа генераций T, вероятности кроссинговера PC и вероятности мутации PM.

Шаг 2. Задание случайным образом начальной популяции П(0) размером M.

Шаг 3. t=0 ( t = 1,2, . T ).

Шаг 4. Выбор случайным образом M пар хромосом из популяции П(t) и применение операции кроссинговера к каждой паре с заданной вероятностью PC.

Шаг 5. Применение операции мутации к каждой хромосоме популяции П(t) с заданной вероятностью PM.

Шаг 6. Отбор M хромосом с наилучшим значением целевой функции из получившейся популяции П(t) в новую популяцию П(t+1).

торговые алгоритмы

Философия заработка на рынке и оценка торговых систем от Александра Силаева

  • написал: Александр Элс
  • 2189

Сегодняшний мой пост о трейдере-философе. Его подход и выводы должны заставить любого новичка на рынке усомниться в возможности извлекать отсюда прибыль, и это еще мягко сказано.

Os.Engine — платформа для алготрейдинга

  • написал: Филипп
  • 1757

Несколько лет, команда профессиональных программистов трудилась над созданием универсального МТС билдера, который бы смог удовлетворить потребности самого широкого круга пользователей. От создания неспешных роботов на индикаторах, до сложнейших межбиржевых арбитражеров способных в два клика строить свои индексы. И нам это удалось!

В ноябре 2020 года мы приняли решение сделать проект полностью открытым.

Коротко о том, что там есть:
1. Мощнейший слой создания роботов, похожий на Велс/Тс Лаб. Который можно освоить в кратчайшие сроки.

2. Около 30 встроенных роботов готовых к модернизации и торговли. Тренд, КонтрТренд, Арбитраж.

3. Os.Robot:
a. Индекс Билдер подключенный к роботу. Позволяющий писать арбитражеров в 200 строк.
b. Подключения: Квик, СмартКом, Плаза 2, Interactiv Brokers, Финам(для получения данных)
c. МультиКоннект с одновременным подключением к нескольким источникам.
d. МультиИнструментные

Архитектура системы алгоритмической торговли

  • написал: Viking
  • 1407

Алгоритмическая автоматизированная торговля или алгоритмическая торговля в течение нескольких последних лет находится в центре внимания торгового мира. Доля объемов, относящихся к этой форме торговли, растет все это время. В результате, она стала высоко конкурентным рынком, в значительной степени зависящим от технологий. Далее, базовая архитектура претерпела значительные изменения за последнее десятилетие и этот процесс продолжается. Сегодня необходимо внедрять технологические новшества для того, чтобы конкурировать в мире алгоритмической торговли, что делает его местом большой концентрации достижений в области компьютерных и сетевых технологий.

Традиционная архитектура

Любая торговая система — концептуально — это не более, чем вычислительный блок, который взаимодействует с биржей по двум разным потокам.

Комедии для трейдеров

  • написал: Casual
  • 1943

Люблю перед сном посмотреть что-нибудь веселое. Не давно наткнулся вот на этот мастер-класс по разработке торговых стратегий. Хорошо, что Джим Керри этого не видел — он бы застрелился 😉

1000procentov.ru Роботы в режиме реальных торгов.

  • написал: Гринькин Константин
  • 1605

На данный момент проводим серию вебинаров «Роботы в режиме реальных торгов»:

1. Трендовые роботы
2. Контртрендовые и импульсные роботы
3. Опционные роботы
4. HFT роботы
5. Арбитражные роботы
6. ЛЧИ 2020 + ТОРГОВЫЕ РОБОТЫ = +3 051 445,73 р.

Более подробно с расписанием можно ознакомиться у нас на сайте
http://www.1000procentov.ru/events.html
и на сайте биржи
http://moex.com/e6338

Запись первого вебинара уже доступна.

Запись второго будет выложена после обработки.

Как создавалась программа советник PIAdviser

  • написал: Fazotron
  • 1831

Впервые свой вклад в акции я сделал в 1994 году, последующая же деятельность в этом направлении являлась моим стабильным заработком на протяжении многих лет. А вот попытки попробовать трейдинг не закончилось для моего финансового состояния ничем хорошим. Оказалось, что две сходные области вложения средств, инвестирование и трейдинг, вроде бы и имеют одинаковое финансовое назначение, тем не менее, имеют значительные различия между собой. Правда именно трейдинг и стал в то время моим единственным стремлением.

Первой задачей, которая стала передо мной, и которую я постарался сделать своей главной стратегией, стало построение торговых алгоритмов, казавшихся мне тогда выгодными и максимально эффективными. В конечном счете, все мои торговые практики рано или поздно вылились в грандиозную идею создания собственной программы. Эта идея возникла в 2000 году, как раз в период моей работы в Банке Петровском. Перед тем как начать эффективную деятельность над торговым

20 Кубиков или как простому обывателю написать сложный алгоритм.

  • написал: Алекс Лихацкий
  • 2509

Как мы знаем, существует множество известных алгоритмов/стратегий торговли. Описания этих алгоритмов можно найти даже на Википедии, например парный трейдинг.

Не стану рассказывать как это собрать, так как для построения системы необходимо всего 20 кубиков. Больше хочется рассказать о подводных камнях, которые можно учесть сразу с помощью программы и получения статистики по различным парам. Большое внимание этому я уделяю на занятиях по торговым роботам. В этом материале попробую описать все вкратце.

Например, внутри одного окна можно сформировать совокупный портфель инструментов, пар и корзин. После этого проанализировать насколько верно сформирован портфель, и каким образом его можно улучшить.

Кроме того, внутри одного окна есть возможность сразу посчитать финансовый результат от позиции с учетом платы брокеру за наличие шортовой позиции по акциям. Так же можно проследить динамику лучших/худших пар или корзин сформированных по портфелю.

В версии TSLab 1.2 можно регулировать количество необходимых лотов для открытия и поддержания позиции (как мы знаем фундаментальное соотношение бумаг всегда меняется и необходимо это учитывать на истории в том числе). Открытие позиции лучше делать по одному инструменту лимитированной заявкой, а другим, менее ликвидным, — бить по рынку. Это также можно прописать внутри одного окна.
Важно понимать, что часть лимитки будет открыта, другая часть определенный период времени будет еще висеть. Но хэджироваться, бить по рынку на другом инструменте необходимо сразу, и именно той частью лотов, которые открыты на другом инструменте.

Список лучших брокеров бинарных опционов, дающих бонусы за регистрацию счета:
  • Бинариум
    Бинариум

    1 место! Бинариум — самый лучший брокер бинарных опционов за 2020 год!
    Прекрасно подходит для новичков — предоставляют бесплатное обучение с демо-счетом!
    Получите свой бонус за регистрацию:

Добавить комментарий