Финансовый Портал

[$Евгений$]

​

​

Чему вы научитесь​

Голую правду: алгоритмическая торговля — это сложно
Базу, чтобы стать квантом. (Квант — это quantitative analyst — разработчик и тестер торговых стратегий, "мозг" любого хедж фонда или индивидуал)
Принципы, практические навыки и инструменты для разработки и тестирования торговых стратегий

Узнаете, что показатель Херста, имеет сомнительную практическую ценность для малой выборки

Описание​

Трейдеры на мировых биржах от Австралии и до Нью-Йорка все меньше торгуют рыками и все больше используют торговые алгоритмы. На Московской Биржи более 50% объема торгов приходится на алгоритмические стратегии. А доля их заявок в общем объеме перевалила за 80%.
Тот, кто вчера активно кликал мышкой, сегодня формализовал свою стратегию и запрограммировал её сам или у друга, который знает C++ или Python.
Почему торговые роботы так популярны?
Робот не имеет эмоций: он не радуется, когда зарабатывает 10% и не расстраивается, когда теряет 50%. Он не знает, что такое страх и жадность. У робота есть набор правил и команд, которым он следует. Если надо купить, робот покупает, если продать – продает. Робот может исполнять команды быстрее, чем человек. Робот может одновременно следить за сигналами на многих инструментах, а человек следит только за тем, что видит на мониторе.
В голове каждого робота сидит алгоритм, который придумал человек. Самое сложное – придумать этот алгоритм. Для этого нужно проанализировать данные, выдвинуть гипотизу, сформулировать правила, проанализировать результат на исторических данных, скорректировать гипотизу и правила, и еще раз прогнать алгоритм на истории. Для этого нужно владеть математикой и статистикой и знать, как применять эти знания на финансовых рынках.

Требования к слушателям:​

Курс "Алгоритмическая торговля. Научный подход" рассчитан на подготовленных слушателей, которые помнят высшую математику, которую читают в экономических ВУЗах. На курсе будет не сухая теория, а чуть-чуть "жидкой теории" и много "густой практики" на примере нескольких торговых стратегий, которые работают уже 10 лет.

Чем этот курс отличается от прошлых:​

В первой лекции курса систематически и без сложных формул излагаются принципы построения торговых алгоритмов, которые позволят любому желающему понять их и применить на практике при построении собственных алгоритмов «методом тыка».
Также Александр отказался от отдельного раздела по основным понятиям теории вероятностей и математической статистики, ограничившись напоминанием определений по мере возникновения их необходимости в материале.
Из курса исключен ряд математических результатов, представляющих чисто теоретический интерес, и оставлены лишь результаты, которые использовались Александром при построении собственных торговых алгоритмов, изложению которых по прежнему посвящены три последних лекции курса.

Программа видеокурса​

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.