Яндекс.Метрика
Главная › Рубрика › Математические модели

Импульсная стратегия на традиционных и криптовалютах. Часть 1

Перевод основных моментов статьи "Momentum in traditional and cryptocurrencies made simple"  Janick Rohrbach, Silvan Suremann, Joerg Osterrieder. Статья интересна последовательным подходом к разработке алгоритма, обходясь при этом очень простой математикой. 
(далее…)

Оптимальные стратегии возврата к среднему. Часть 2

Продолжение. Начало здесь.

2.3. Расчет показателей

Для каждой пары мы рассчитываем пять показателей в тренировочном и проверочном периодах, а именно годовую прибыль, коэффициент Шарпа, среднее время сделки, приведенную к году частоту сделок, и прибыль за сделку.
(далее…)

Оптимальные стратегии возврата к среднему. Часть 1

Небольшая статья по парному трейдингу на американском рынке акций от студентов Колумбийского университета Peng Huang и Tianxiang Wang с практическими примерами (оригинал).

(далее…)

Видео доклада с конференции

Прибыльны ли модели ARIMA/GARCH? Часть 1

Статья из блога Robot Wealth.

Продолжая мои исследования в области моделирования временных серий, я решил изучить авторегрессивные и условные гетероскедатичные модели. В частности, я взял авторегрессивную модель ARIMA и общую авторегрессивную гетероскедатичную модель GARCH, так как на них часто сылаются в финансовой литературе. Далее следует описание того, что я узнал об этих моделях и основной процесс нахождения их параметров, а также простая торговая стратегия, основанная на предсказаниях полученной модели.
(далее…)

ADF тест для парного трейдинга в Excel

Полезная статья с сайта www.quantinsti.com о тесте на коинтеграцию, применяемому в парном трейдинге.

Как вы знаете, для реализации стратегии парного трейдинга необходимо проведение тестов на коинтеграцию используемых инструментов, и для этой цели часто применяют дополненный тест Дики-Фулера (ADF). Тем не менее, при поиске критериев коинтеграции, ADF не стоит в первых рядах. Скорее, его можно найти по запросу "тестирование на единичный корень (unit root)".
(далее…)

Состояния модели Маркова в графиках

hidden-markov-model

Еще одна статья с ресурса www.talaikis.com по разработке простой стратегии на модели Маркова с использованием Python.

Модель скрытых состояний Маркова - это производительная, вероятностная модель, в которой последовательность наблюдаемых переменных генерируется некоторыми неизвестными (скрытыми) состояниями. Мы попытаемся найти такие неизвестные вероятностные функции для, скажем, S&P500. Все опишем кратко, без проверок на ошибки, без тестов вне выборки и т.д. Мы делаем это для того, чтобы минимизировать склонность к ненужному усложнению для начинающих.
(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…)

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…)