«Алготрейдинг по науке» [Александр Горчаков]

Алгоритмическая торговля. Научный подход курс вебинаров с Александром Горчаковым 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.