Алгоритмическая торговля. Научный подход, 2017 (Александр Горчаков)

[?IMG]?

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.
Будет полезно тем, кто ищет новые идеи для алгоритмической торговли. Тем, кто торгует руками информация так же может пригодиться, но будьте готовы к тому, что потребуется больше времени на освоение и внедрение!

Курс на руках + материалы.

Запись курса за 2016 год, программа идентична