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…)
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…)
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…)
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…)
Начало здесь.
Агентская модель очереди лимитных заявок
Переход к электронной книге заявок и автоматической торговле стал толчком к более тщательному изучению микроструктуры рынка. Симуляция рыночных заявок является экспериментальной средой для исследования особенностей и характеристик рынка учеными и регуляторами путем контролируемого создания репрезентативной маркет даты, используемой для анализа. Из-за малой доступности уровней 4,5 и 6 очереди заявок исследователям, симуляция служит необходимым инструментом.
(далее…)
На текущем этапе голосования довольно сложно было определить лидера. Публикации, появившиеся раньше, набрали чуть больше голосов, что, в общем, понятно. Поэтому я решил добавить еще и свой голос за статью Mark Paddrik, Roy Hayes, William Scherer, Peter Beling - Effects of Limit Order Book Information Level on Market Stability Metrics, в которой есть много полезных сведений об очереди ордеров, и представляю ее перевод.
(далее…)
Последняя в цикле публикация для голосования от авторов Tzu-Wei Yang, University of Minnesota - Twin Cities - School of Mathematics, Lingjiong Zhu, University of Minnesota - A Reduced-Form Model for Level-1 Limit Order Books.
(далее…)
Предлагаю голосовать за статью Mark Paddrik, Roy Hayes, William Scherer, Peter Beling - Effects of Limit Order Book Information Level on Market Stability Metrics.
Используя агентскую модель очереди лимитных заявок, мы исследуем, как уровень информации, доступной участникам, биржам и регуляторам, может быть использован для улучшения нашего понимания стабильности и восстановления рынка.В итоге, мы хотим знать, если электронные рыночные данные содержат ранее не обнаруженную информацию, поможет ли это нам верно оценить стабильность рынка. Используя данные, полученные в контролируемой среде агентской модели стакана, мы исследуем различные рыночные индикаторы, определяя их предсказательную способность. Большинство видов данных традиционно доступны как публично, так и с определенными ограничениями для регуляторов и бирж, но есть данные, не получаемые участниками. Мы подтвердим наши выводы на реальных данных с бирж СМЕ и NYMEX. Эти выводы четко устанавливают, что высококачественные микроструктурные данные в соединении с ценовыми рядами могут быть использованы для определения индикаторов стабильности, способных реально предсказывать высокую вероятность быстрого падения рынков в интервале около одной минуты до этого события.
(далее…)
Свежие комментарии