Для начала о себе.

Я по профессии программист, достаточно успешный. Работу свою люблю и не собираюсь бросать(хотя и мог бы). Резюме: http://gabaydulin.moikrug.ru/

Трейдинг для меня это бизнес и способ грамотно управлять деньгами(своими, ДУ я не занимаюсь принципиально). Было бы интересно найти единомышленников для обмена идеями или для развития имеющихся алгоритмов.

Меня интересует общение с людьми, которые уже чего-то добились, у них есть хорошее образование, они прилично зарабатывают.

Области моих интересов в трейдинге это: арбитражные стратегии, построение различных моделей прогнозирования движения цены, вероятностные паттерны, опционы.

Инструменты: фьючерсы на RTSI, Si, Brent.

К платформе я не привязан, хотя для некоторых алгоритмов я использую TSLab.

Цели: сделать портфель систем, который смог бы работать на любом рынке.

Для начала пишите в личку.

добрый день. написал вам в "мой круг"

Уважаемый ТС,а по системе Билла Вильямса вы не работали? Его идеи и стратегия торговли пригодна для любых рынков. Пытался сам написать робота, но я не программер и так ничего не получилось. Торгую по его системе руками, вроде неплохие результаты дает. Мне было бы интересно написать робота под эту систему, и если это возможно совместными усилиями, то готов к сотрудничеству.

Честно говоря, во фракталы Б.Вильямса не вникал. Считаю их разновидностью ТА в той или иной степени. А по ТА я не торгую.
Кроме того, вполне не сложно увидеть, что на рынке нету никаких фракталов, потому что изменение цены на разных масштабах не обладает одинаковыми свойствами. Например, антиперсистентность есть на минутках, а на дневках ее совсем нету. Исходя из одного только этого утверждения можно сделать вывод, что цены не подобны на разных таймфреймах. Впрочем, я не хотел бы вступать в дискуссию по-поводу Б.Вильямса, так как не сильно владею предметом да и не интересно. Если кто-то на этом зарабатывает, это хорошо.

я тебе в pm писал

Напишу тут, чем я занимаюсь в данный момент.

Хочется сделать некий инструмент, который на основе классификации рыночных ситуаций по методу ближайших соседей будет отыскивать похожие на рынке ситуации и прикидывать вероятность реализации прогноза. Исходя из этого, можно при помощь формул MM рассчитать размер оптимального лота.

Сейчас пытаюсь нормализовать само понятие рыночной ситуации, чтобы его можно было представить в виде набора признаков или вектора, ну а далее уже дело техники(строим матрицу дистанций и выбираем n-ближайших соседей).

Задача на первом этапе, понять, какие признаки имеют наибольшие веса, исходя из их влияния на точный прогноз.

То есть нужно решить фактически задачу минимизации прогнозной ошибки для множества признаков.

Какие признаки изменения рыночной ситуации? Их тысячи. Очевидные: волатильность, объемы, ои, динамика(скорость) изменения какого-то параметра, уровни(да-да, ТА это зло, но уровни существуют) и так далее.

Задача второго этапа, написание самообучающейся модели классификатора рыночных ситуаций.

p.s. Идея не оригинальна и подобные классификаторы используются во-многих прикладных областях.

Позволю себе...)

1. В первую очередь, нужно определить к какому распределению относится инструмент.
2. Каждое распределение обладает своими свойствами.
3. Свойства все описаны в кратком курсе математического анализа. По-этому не нужно ничего выдумывать Хотя конечно для изучения случ.величины непаханное поле. Например, известно, что случ. величина не может быть выше/ниже трех отклонений нормального рапределения, на практике же цены то и дело вылетают из третих отклонений. ... Рынок становится трудно определяемым, инструменты то и дело меняют принадлежность распределений.
По-этому сначала нужно понять, правил и признаков каких распределений принадлежит инструмент(пул инструментов) на данный момент. И уже потом накладывать, на это знание, - свойства, искать направление ошибки инструмента от выбранного мат ожидания распределения в пределах отклонений или доверительного интервала. Выбор мат ожидания(усреднения), то же, то еще занятие...

>то случ. величина не может быть выше/ниже трех отклонений нормального рапределения

Так вообще нельзя говорить. Для нормального распределения случайная величина попадет в интервал от -3 до 3 сигм с 99,7% достоверностью.

Но, довольно давно известно, что на рынках не нормальное распределение, а скорее log-нормальное с тяжелыми хвостами.

Поэтому вероятность выхода за три сигмы выше. Это кстати было причиной краха опционного рынка в 80-ых. Из-за того, что не учитывались тяжелые хвосты, стоимость опционов в дальних страйках была сильно заниженной.

>искать направление ошибки инструмента от выбранного мат ожидания распределения в пределах отклонений или доверительного интервала
Эту фразу не осилил.

Но моя идея заключается не совсем в этом. Мне интересен период, при котором удержание позиции будет не более двух дней, то есть это даже не дневки. В таких масштабах, довольно много шума. Кроме того, я хочу учитывать не только приращение цены, но еще и другие признаки, а также их динамику. Потому что, например, изменение ОИ или среднее ко-во контрактов в сделках за дискретный период времени, это важные показатели ситуации на рынке.

>величина попадет в интервал от -3 до 3 сигм с 99,7% достоверностью. а скорее log-нормальное с тяжелыми хвостами.
О том и речь. Что нужно определять какое именно.
>Мне интересен период, при котором удержание позиции будет не более двух дней, то есть это даже не дневки.
Интересная идея. Но последнее время тренды меняются молниеносно. И смотреть нужно не дневки, а минуты чаще, даже стакан. Думается что для определения не нужно брать вторичных индикаторов. Для начала такой список: ОИ. Заявки на покупку/продажу. Направление объема(прошедший объем на покупку/продажу за период). Цена по которой прошел максимальный объем за период на покупку/продажу.

исходя из этих параметров сложно будет делать модель рынка, во-первых сожрет все ресурсы компа, во-вторых, довольно бессмысленно моделировать ситуацию, которая меняется в зависимости от новостей как к минимум, тут уже вперед на нейроные сети. Все описанное обоими участниками форума, можно применить для высокочастотного алгоритма.

Саро, у меня доказательство словам.
Скрипт - пересчет на 1 секунде, смотрит только стакан одну секунду, без периодов. Совершает 10 сделок в неделю и зарабатывает 30% за квартал. Исходя из этого, я предположил, что всё таки стакан надежнее, как первоисточник.
Ресурсы кушаются, если в скрипт загружать фигову тучу истории, оно нафиг не нужно. Что бы понять, работает идея или нет, история вообще не нужна. )))


Вот он: http://tslab.comon.ru/B746141923865D162FEAF9D405F00851

Так ты не моделируешь рынок))) стратегии по стакану это просто направленые, зная тебя, хотя возможно и ошибаюсь. Просто ты кластеризуешь анализ свой (это по резам видно), и совершаешь одну сделку которая в принципе возможна и через минутный таймфрейм.
я делаю моделирование рынка и кроме скальперских стратегий, ничего не возможно в данном контексте.
Только с использованием фильтрации фурье получаются стратегии на большем таймфрейме!

Ну так о том и речь веду. Что вот если еще и моделировать, то возможно что-то выйдет интересное.

Насколько я понял Sherman, он ищет что-то отличное от этого.
Тема безумно интересна. Вот я и говорю, есть отличное от других, есть вот такие вещи, которые можно попробовать моделировать.

не знаю что может быть лучше вейвлет преобразования для прогнозирование рыночной ситуации.
да возможно это очень сложно делать спектральный анализ и тд.. ну а по простому ток регрессия, квартили и доверительные интервалы, а вероятность события это как монета))

ай... Вот ты не туда смотришь. Вот Sherman правильно написал, есть 99,7% и мы знаем где будет цена. Остальные 0,3% мы знаем еще и точное время ...

Можно еще попробовать по времени выделить нахождения цены в пределах диапазона отклонений 1 и 2. То же ведь известно про обеденное время ...выходные у амеров. В итоге, если все эти отклонения выделить останется совсем небольшой объем выборки для моделирования

Пробовал осилить похожее в том году. Не осилил. Нехватило ума. Жаль.

2sar
Вейвлет-преобразование как способ борьбы с нестационарностью ценового ряда? ;-)

Вейвлет-преобразование использую как сглаживание данных. то есть фильтрую шумные значения и реальные значения. в принципе долго писать ссорь.