MatlabTrading.
Blog para MATLAB & # 174; usuários interessados em estratégias de negociação algorítmica, backtesting, negociação de pares, arbitragem estatística, etc.
Quarta-feira, 7 de dezembro de 2018.
Testes e Análises de Estratégias de Negociação Algorítmicas em MATLAB (Parte 4) & # 8211; Algorítmos genéticos.
Otimização de Algoritmos Genéticos.
Apesar do fato de que o princípio do algoritmo genético (evolutivo) é muito bem explicado nos webinars de MathWorks, nos exemplos, no entanto, ele é usado apenas para otimizar a escolha de um grupo de estratégia de um conjunto. Este é um bom exemplo do uso desses algoritmos, no entanto, acontece que há uma necessidade de estabelecer muitas variáveis com intervalos significativos para uma estratégia, você não passa com uma iteração e a paralelização de processos # 8211; os cálculos podem demorar vários dias. Certamente, existem estratégias na fase final de otimização, quando quase certamente sabemos que a estratégia de negociação é bem sucedida, podemos aguardar vários dias também ou alugar todo o cluster - o resultado pode valer a pena. No entanto, se precisarmos "estimar" os resultados de uma estratégia "volumosa" e decidir se vale a pena gastar o tempo, então os algoritmos genéticos podem ser perfeitamente adequados.
Método linear & # 8211; é um modo usual de classificação em que você verá todos os resultados intermédios (sub-ótimos). Ele fornece a máxima precisão. Método paralelo & # 8211; Todos os kernels da sua CPU serão usados. Não permite ver resultados intermediários, mas acelera significativamente a operação. Ele fornece a máxima precisão durante o aumento da velocidade de computação. Método genético & # 8211; Ele usa o algoritmo de otimização evolutiva. Permite ver valores sub-óptimos, mas dá o resultado próximo ao melhor. Não é um método muito preciso, mas é preciso o suficiente para a "execução" inicial da estratégia. Muito rápido.
Segunda-feira, 5 de dezembro de 2018.
Testes e Análises de Estratégias de Negociação Algorítmicas em MATLAB (Parte 3) & # 8211; Visualização do Processo.
Visualização do Processo de Teste.
Na minha experiência de trabalho, muitas vezes eu analisei outras plataformas populares para testes de estratégia de negociação, como a TradeStation, o MetaStock, Multicartas etc. e sempre me surpreendi com a pouca atenção que foi dada à visualização do processo de teste. A coisa é que, quando não vemos os resultados dos valores intermediários, sub-ótimos de parâmetros otimizados, muitas vezes jogamos fora o ouro junto com a sujeira. A questão é devido a uma amostragem muito ampla, a estratégia ajusta os parâmetros da maneira como queremos ver uma "estratégia perfeita" que falha na vida real ou veja uma ou duas promoções, que supostamente são as melhores porque foi selecionado esses dados de intervalo de tempo onde a melhor estratégia de negociação seria "comprar e manter", mas por que então são necessárias outras estratégias?
E se houver mais de 4 dimensões? Quando você vê quais sinais e em que freqüência eles aparecem na faixa de preço, você tem quase toda a representação visual necessária de sua estratégia: a freqüência das transações, sua rentabilidade (curva de renda), a precisão da abertura, a semelhança com outras valores sub-óptimos, etc .; Isso não pode ser dito sobre o desempenho no espaço N-dimensional, onde todas as informações úteis são, de fato, que o valor ótimo não é apenas um, mas existe uma gama inteira de valores sub-ótimos em uma ou mais áreas.
Ao otimizar uma estratégia no WFAToolbox & # 8211; Walk-Forward Analysis Toolbox para MATLAB & # 174 ;, como um novo valor ótimo é encontrado, os sinais de estratégia de negociação no período em amostra e fora da amostra imediatamente aparecem no gráfico, para que você sempre possa controlar o intervalo de opções você deve atribuir, e também pode pausar a otimização sem esperar o fim do teste, pois fica claro que algo deu errado ou tudo está bem.
Quarta-feira, 30 de novembro de 2018.
Teste e Análise de Estratégias de Negociação Algorítmicas em MATLAB (Parte 2) & # 8211; GUI fácil de usar.
GUI fácil de usar.
Vamos começar com o fato de que não existe uma interface gráfica porque, se presumimos que quase todo o processo de teste e análise de estratégias de negociação é padronizado (é 99%), você gostaria de ter a interface que o ajuda a chamar os dados necessários e inicie o processo de teste com um clique.
Para usuários novos (e não apenas) do MATLAB é muito mais conveniente usar uma GUI com botões e campos de entrada do que procurar no código; portanto, há uma GUI mesmo nas caixas de ferramentas MathWorks na maioria dos casos porque é mais conveniente. Ele permite focar apenas o código da sua estratégia porque o uso de uma GUI não implica, de modo algum, que ela limite de alguma forma a sua capacidade de escrever uma estratégia.
Assim, na WFAToolbox, criamos a possibilidade de escrever qualquer código para sua estratégia, usando qualquer das caixas de ferramentas MATLAB e trabalhando com múltiplos ativos para as estratégias, tais como troca de pares, troca de cesta ou arbitragem de triplet, etc .; mas, ao mesmo tempo, esse código é facilmente integrado na GUI por meio do uso de padrões, que são simples o suficiente para aplicar no código e não limitam as oportunidades.
Terça-feira, 29 de novembro de 2018.
Testes e Análises de Estratégias de Negociação Algorítmicas em MATLAB (Parte 1) - Introdução.
Como tudo começou.
Foi 2008 (se não me enganei) quando foi lançado o primeiro webinar de negociação algorítmica em MATLAB com Ali Kazaam, abordando o tema da otimização de estratégias simples baseadas em indicadores técnicos, etc., apesar de um "caótico" e # 8221; código, as ferramentas eram interessantes o bastante para usar. Eles serviram como ponto de partida para pesquisa e aprimoramento de um modelo de teste e análise que permitiria usar todo o poder das caixas de ferramentas e a liberdade das ações MATLAB durante a criação das próprias estratégias comerciais, ao mesmo tempo em que permitiria controlar o processo de testes e os dados obtidos e suas análises subseqüentes escolheriam um portfólio efetivo de sistemas de negociação robustos.
Por que todo Algotrader deve reinventar a roda?
No entanto, a Mathworks não ofereceu uma solução completa para testar e analisar as estratégias # 8211; esses códigos que você poderia sair dos webinars eram os únicos "elementos" de um teste completo do sistema, e era necessário modificá-los, personalizá-los e adicioná-los à GUI para facilidade de uso. Foi muito demorado, colocando uma questão: seja qual for a estratégia, deve passar pelo mesmo processo de análise e análise, o que permitiria classificar-se como estável e utilizável. então, por que cada algotrader deve reinventar a roda e escrever seu próprio código para estratégias de teste adequadas no MATLAB?
Nós decidimos chamar a solução WFAToolbox - Walk-Forward Analysis Toolbox cuja versão de demonstração está disponível no wfatoolbox desde 2018.
Segunda-feira, 7 de novembro de 2018.
Uau?! O que aconteceu com o blog?
O que aconteceu com o blog?
1. Jev Kuznetsov já não é o dono.
2. Nós mudamos a marca.
O que acontecerá com o blog?
1. Mais postagens e artigos.
Esperamos trazer a vida a este blog postando conteúdos relevantes uma ou duas vezes por semana. Nos primeiros meses, publicaremos principalmente os artigos e vídeos que já temos para tornar mais fácil para os nossos queridos leitores pesquisar informações sobre um recurso e reticular-se sobre eles.
Negociação de pares de arbitragem estatística / estratégias de negociação de reversão / mercado neutro baseadas em cointegração / bollinger bands / kalman filter etc. para commodities, ações e Forex. Tendem as seguintes estratégias com Jurik Moving Average e outros filtros digitais sofisticados; Estratégias de previsão com aprendizado de máquina (Support Vector Machines) e outros métodos; Criando estratégias de negociação robustas usando o gerenciamento de dinheiro de teste visual para reinvestir seu capital (ciência sobre como obter $ 1M de US $ 10K em um ano com o máximo, mas o risco estimado e as recompensas de suor). Talvez depois de ler isso, você pensou que este seria um outro artigo burro para aqueles caras pobres que procuram como se tornar rico através do "trading on forex" e tudo isso. Bem, isso é totalmente falso! Estamos trabalhando no MATLAB, e a maioria de nós somos cientistas e especialistas nesse aspecto, então tudo é sério.
2. Mais interatividade.
Terça-feira, 1 de janeiro de 2018.
Intraday significa reversão.
As regras são simples e semelhantes à estratégia que testei na última publicação:
Se o retorno de barra do par exceder 1 no z-score, troque a barra seguinte.
O resultado parece muito bonito:
Se você acha que este gráfico é muito bom para ser verdade, isso infelizmente é o caso. Não foram considerados custos de transação ou spread de oferta e solicitação. Na verdade, eu duvidava que houvesse algum lucro depois de subtrair todos os custos de negociação.
Ainda assim, este tipo de gráficos é a cenoura pendurada na minha frente, mantendo-me em pé.
Domingo, 30 de dezembro de 2018.
Os pares são mortos?
A partir destes etfs 90 pares únicos podem ser feitos. Cada par é construído como um spread neutro no mercado.
Em cada dia, para cada par, calcule o z-score com base no desvio padrão de 25 dias.
Se z-score & gt; limiar, vá curto, fechar o próximo dia.
Se z-score & lt; O limite vai longo, fechado no próximo dia.
Aqui estão os resultados simulados para vários limiares:
Esta não é a primeira vez que encontrei essa mudança no comportamento de reversão média em etfs. Não importa o que tentei, não tive sorte em encontrar uma estratégia de negociação de pares que funcione em ETFs em 2018. Minha conclusão é que esses tipos de modelos simples de stat-arb simplesmente não o cortaram mais.
WFAToolbox - Walk-Forward Analysis Toolbox.
Complemento MATLAB para desenvolver estratégias de negociação algorítmica em MATLAB da maneira fácil.
QUANTLABS.
Quant Resources for Traders.
Video Demo do script Mean Reversion Matlab com sistema de negociação automatizado DotNet com Interactive Brokers ou IQFeed.
Video Demo do script Mean Reversion Matlab com sistema de negociação automatizado DotNet com Interactive Brokers ou IQFeed.
JUNTE-SE AO FUTURO PARA LANZAR SEUS NEGÓCIOS DE NEGOCIAÇÃO RENTÁVEL AGORA!
Eu chamo isso de Next Generation Trading. Aqui está o motivo:
Então, agora posso executar tanto Interactive Brokers como IQFeed dados de ticks em tempo real dentro da minha estratégia de negociação ao vivo (escrito em C #) contra um algoritmo ou modelo com a execução de qualquer tipo de pedidos que o Interactive Brokers suporte. Isso inclui inclusive paradas de arranque! Este vídeo mostra tudo isso!
Seu algoritmo pode ser codificado em C ++ com o Matlab, use Matlab Builder NE gerado DLL, C ++, C #, IronPython e até R. Parece que é rápido o suficiente para acompanhar os tiques, mas isso depende do tamanho do seu algoritmo de negociação.
Aqui você obtém 100% de escalabilidade, controle de código fonte completo, transparência de caixa não preta e outras vantagens mencionadas no vídeo.
Eu mencionei que você obteve todo o código-fonte e até as orientações do código de vídeo na minha Associação?
Eu mencionei que estou compilando o esboço completo de 4 a 6 semanas para a minha próxima 1 TIME SOLO workshop intenso para aprender todos esses componentes?
Estarei lançando isso em breve. Uma vez concluídas, duas coisas acontecerão:
1. Todo o acesso público será removido da minha Associação Premium QuantLabs! Esse prazo difícil será definido dentro de alguns dias, uma vez que eu complete o esboço.
2. Depois que esta oficina for concluída, eu estarei reestruturando isso como um curso compilado para a QuantLabs Academy, que terá um preço literalmente mil dólares. Eu vou dirigir-se a empresas de nível empresarial e pessoas de Ultra High Net Worth.
Em suma, aproveite esta oficina de duas maneiras:
1. Obter o MAIS BAIXO MAIS AGORA para esta oficina, que dá LIVE Q & amp; A capacidade para cada evento dos vários tópicos. Depois, não vou ter muito tempo para me concentrar em áreas como esta, então eu vou me afastar disso! Eu nem penso ser capaz de responder a consultas de público em geral não-membros como esta no passado. Atualmente, desisto de shows de consultoria altamente remunerados para ajudar as grandes empresas das minhas habilidades recém-desenvolvidas.
2. Obtenha acesso total na totalidade da Associação Premium QuantLabs com centenas de postagens disponíveis para minha jornada de pesquisa técnica e comercial nos últimos 3 anos. Isso contém muitos nuggets de ouro que não serão revelados, incluindo projetos secretos de codificação de fonte com horas a horas de procedimentos de código de fonte de vídeo. Lembre-se de que vou remover o acesso PÚBLICO a isso nas próximas semanas.
3. Por fim, mantenho-o altamente acessível para aqueles que começam, isso é o que eu acho que é o melhor lugar para aprender a trocar e construir sistemas de negociação automatizados. Eu uso apenas a tecnologia mais fácil de usar que ainda é a mais poderosa. Meus mais de 500 vídeos no Youtube devem provar isso! Eu também salvarei você, literalmente, muitos anos de tempo de desenvolvimento desperdiçado na construção de plataformas e estratégias de negociação customizadas. Corte isso e comece a comercializar lucros AGORA. O futuro está aqui.
É sua chamada no seu futuro comercial, mas eu consideraria fortemente.
Entre na ação AGORA sobre esta próxima oficina para iniciantes em tecnologia e aprendendo Next Generation Trading. Mais uma vez, AGORA é a hora ou mantenha sua respiração antecipada para sempre!
OBSERVAÇÃO Eu agora posto minhas ALERTAS DE NEGOCIAÇÃO na minha conta pessoal de FACEBOOK e TWITTER. Não se preocupe porque não publico vídeos de gato estúpidos ou o que eu como!
Estratégia de reversão média matlab
Esta é a minha primeira postagem, então perdoe se ela se parece a uma sentença de execução. Se a minha entrega parece familiar, você pode me conhecer pelo meu blog, MKTSTK. Se assim for, você sabe que eu geralmente DGAF sobre deixar algumas informações verdadeiramente valiosas na comunidade apenas por diversão, então sem mais delongas.
Hoje, eu queria apresentar uma pequena estratégia que tem causado algum zumbido entre os comerciantes e hedge fundos que eu falei até agora. Caso você estivesse pensando se Quantopian lhe deu uma vantagem, isso deve ser uma prova positiva do seu compromisso de atrair conjuntos de dados de primeira qualidade. Tenha em atenção que, embora este estrato use a API do fetcher, em breve você deve usar os conjuntos de dados da Psychsignal desenvolvidos diretamente em Quantopian, além da PsychSignal Trader Mood API, que já está disponível gratuitamente para backtesting e negociação ao vivo.
A estratégia é conduzida por um feed de dados diário que eu criei chamado HIVE-MIND. A Colmeia, como é chamado para a brevidade, é constituída por dois componentes distintos: 1) o Hive-Bot e 2) o Hive-Net.
O Hive-Bot mede a atividade de um símbolo em relação à paisagem das redes sociais. O Hive-Bot transforma o fluxo de mensagens sociais multidimensionais em uma escala simples entre 0 e 1.0, denominada S ocial A nomaly S core (SAS). No alto, 1,0 representa um nível de atividade de frenesi relacionado a um símbolo. No meio, 0,5 significa significar um padrão social normal (ou seja, o que é esperado dado o perfil histórico do símbolo ao longo do tempo). No outro extremo, uma leitura perto de 0,0 representa uma pequena quantidade de interesse.
Minha pesquisa mostrou que o SAS da Hive-Bot é predictivo de volatilidade e correlação. Assim, faz sentido usá-lo como um mecanismo de timing de mercado. Existem muitas formas possíveis para isso dentro de uma estratégia comercial real. Um uso tão concebível é mudar entre as estratégias de reversão e momentum. Apesar de muitas idiossincrasias, as estratégias comerciais geralmente se dividem em categorias simplistas de serem alavancadas ao impulso ou reversão média. Se alguém pudesse se diferenciar, a priori, entre os períodos médios de reversão e momentum no mercado, poderia ser uma fortuna. mas como você pode construir essa estratégia?
O seguinte apresenta um modelo que combina as estratégias de reversão e momentum base. Embora não seja alavancado por padrão, a estratégia pode optar por empregar alavancagem quando é vantajoso. A estratégia usa o SAS da Hive-Bot para detectar quando alternar entre regimes de reversão e momentum significativos. A estratégia usa duas janelas de look-back diferentes para avaliar o impulso e negocia cerca de 50 ANDF & # 39; s.
Como eu sou novo em Q, todos os comentários serão muito apreciados. Happy Trading.
Por que você não usa o SAS para cada símbolo em vez de apenas um para todos para o SPY? Seria útil se a utilidade do sinal pudesse ser validada de forma isolada, fora de um backtest com um monte de parâmetros livres, talvez usando a "lente alfa" quadro que acabaram de anunciar para pesquisa.
Boa pergunta. Minha pesquisa no Hive-Bot mostrou que o SAS da SPY exerce uma influência poderosa na estrutura de dependência do mercado. Assim, havia uma boa razão para pensar que o SAS da SPY poderia ser usado como um indicador / sinal global com valor em vários instrumentos de negociação. Além disso, descobri que a adição de SAS a estratégias de impulso absoluto melhorou seus perfis de risco / retorno. Assim, eu vi essa estratégia como uma extensão das linhas de pesquisa acima. Você pode obter uma visão mais profunda de alguns dos resultados publicados aqui.
Dito isto, sem dúvida, essa é apenas a ponta do iceberg, meu plano é exibir muitos outros testes à medida que avançamos. A minha esperança é que a comunidade comece a explorar as possibilidades no conjunto de dados da Hive também. A idéia aqui foi fornecer um dos muitos exemplos possíveis de como usar o Hive-Mind em um algoritmo de negociação. Eu acho que as coisas vão se tornar realmente interessantes uma vez que também possamos integrar o Hive-Net e começar a conectar os pontos. usando os gráficos de rede diretamente nas estratégias de negociação em Quantopian.
Você tem um link direto para esses whitepapers? Parece que estou em uma parede de conteúdo.
Desculpe por isso, estamos ajustando o fluxo do site no momento, nós enviaremos os documentos diretamente.
Eu descobri que existem os principais documentos não-firewalled disponíveis aqui:
Existe alguma chance de que este algo esteja vazando dados SAS do futuro? Você diz no texto que o seu SAS é um feed de dados diário, então eu suponho que o valor diário do SAS seria calculado com base nas mídias sociais desse dia, em vez do dia anterior. No seu algoritmo, você usa data. current (& # 39; spy_sas & # 39; SAS & # 39;)) retirado dos registros SAS históricos, sugerindo que você está recebendo o dia atual? s SAS valor (dia [0]) às 10h e negociação sobre esse conhecimento, quando o que você realmente teria disponível às 10h seria o valor do SAS para o dia [-1]. Isso pode explicar algumas das performances excepcionais vistas aqui. quando a SPY está indo bem, as mídias sociais refletem esse intradía e, portanto, uma compra em torno das 10 da manhã, com base nas idéias sociais do dia inteiro, pode ser uma boa idéia.
Em uma nota secundária, acho que este algo funciona consideravelmente melhor, reduzindo o universo de ETFs substancialmente, para um punhado ou assim. Além disso, é claro, esses retornos são notavelmente fictícios para qualquer comerciante de varejo, dado o número muito grande de negócios feitos. É um jogo muito divertido para jogar, porém, obrigado pela publicação.
re: existe uma polarização de lookahead:
não, a colméia de produção é atualizada intraday, então esta versão diária é gerada bem antes do aberto para evitar exatamente esse viés.
Eu uso os modelos padrão de impacto / comportamento, o que eu acho padrão por $ 0.0075 por ação? Isso é mais que dobro das comissões de equidade dos EUA do IB, então eu acho que se alguma coisa seja bastante conservadora no que diz respeito a isso, embora com alguns corretores de taxa mais alta o reequilíbrio diário provavelmente poderia ser caro. sempre pode trocar um subconjunto de super liquidos se comissão / liquidez é um problema. ou apenas troque o e-mini usando o sinal de espião (será muito legal quando os futuros estiverem funcionando em quantopian!)
Obrigado Tynan, eu sou novo aqui e perdi os importantes cálculos de comissão e deslizamento padrão.
Mas ainda estou confuso sobre dados SAS históricos. Corrija-me se eu estiver errado, porque isso parece incomodo.
Quando eu recebo um preço (diga o & quot; close & quot;) para um ticker para uma determinada data, esse será o fechamento que foi gravado para essa data específica. Mas se o que você diz é correto sobre os dados da colméia, esse valor histórico do SAS que você tira é o valor do SAS (ou seja, o valor do indicador de mídia social) para as mídias sociais do dia anterior, e não o valor calculado para a data especificada. Isso parece tornar o seu arranjo de dados diferente da maioria - ou seja, para obter o valor da mídia social SAS para a SPY, conforme registrado em 2018-11-23, eu teria que usar o valor para 2018-11-24!
Dê uma olhada no caderno em anexo, especificamente as colunas do conjunto de dados de humor do comerciante. Você verificará que existe um "datas_dat: a data a que esses dados se aplicam. & Quot; e um segundo "timestamp" qual é a data em que os dados estão disponíveis para troca. Quantopian adiciona este "timestamp" coluna para todos os conjuntos de dados, a fim de evitar o snooping futuro e padronizar conjuntos de dados não padronizados.
Com os dados da Hive, Tynan está seguindo exatamente a mesma convenção que a Quantopian usa para registrar os dados subjacentes do Trader Mood. Os dados estão disponíveis após as 4h da manhã para serem negociados no mesmo dia.
Graças a vocês dois por sua paciência comigo; Eu tenho muito a aprender vindo de outra plataforma, mas eu estou gostando do que eu aprendi muito.
Oi Tynan, obrigado por isso. Parece interessante, qualquer idéia quando este conjunto de dados estará disponível para uso completo em Quantopian?
Até que a Quantopian começa a puxar os dados da HIVE para o armazenamento de dados, continuaremos a disponibilizar os dados através da API do fetcher. Sinta-se livre para usá-lo tanto quanto você quiser. Deixe-me verificar com Seong uma estimativa sobre quando os dados entrarão na loja.
Oi, James, obrigado por isso. Os dados do fetcher no exemplo são apenas até a semana passada, então eu suponho que não haverá dados atuais até que ele seja integrado? Eu suponho que será uma fonte de dados premium?
Eu instalei rapidamente os dados da amostra acima em um algoritmo que eu estava me preparando para viver o comércio e ele teve resultados positivos tanto em termos como em retorno e DD, então eu estou interessado em ter mais de uma peça de teatro com ele. Mas, obviamente, está pronto quando estiver pronto :)
Uma coisa que eu não tenho muita certeza. Então, esses dados indicam o nível de atividade das mídias sociais, não o humor, correto? Eu tive um breve jogo com os dados de humor do comerciante e não consegui resultados consistentes, mas esses dados de atividade pareciam ter bons resultados sem muito esforço. Isso parece contrário intuitivo; não seria possível que um alto índice de SAS pudesse igualmente indicar uma alta atividade de discussão social negativa e, portanto, indicar uma desaceleração? Isso não parece ser o caso em backtesting. Eu imagino que há mais informações em seu whitepaper para que eu tenha uma leitura no fim de semana.
Obrigado por contribuir com esta estratégia realmente interessante (blog excelente do Btw). Minha pergunta é a forma como os parâmetros livres introduzidos na função de reequilíbrio são escolhidos.
Como você chegou ao limite SAS de .66? Por que pesos diferentes para o lado longo 1,0 vs lado curto -0,8? Quão sensível é o portfólio para o nível de limiar e pesos longos / curtos?
Eu acho que, mas para este universo e pesos específicos, a escolha do SAS lookback de 40 dias e do limite SAS de 0,66 parece bastante otimizada, não com base em nenhum raciocínio particular. Clone você mesmo e experimente várias variantes próximas e acho que você achará isso (eu fiz). O meu próprio jogo com este algoritmo parece funcionar melhor com um universo menor de ETFs (por exemplo, tente remover todos, exceto SPY e TQQQ, para um exemplo extremo com o dobro dos retornos, mas um MDD e volatilidade simultaneamente alto). Pessoalmente, eu estou dobrando esse algoritmo de outras maneiras, como remover o lado curto (longo apenas) e mantendo-o desalavancado. Eu sou mais parcial para encontrar parâmetros que não são tão otimizados (ou seja, mais um platô de retornos decentes em um espaço 2D de lookback e SAS) e também exibem uma melhor curva de equidade nos últimos dois anos planos . O que eu gostaria de encontrar é uma estratégia de impulso autônoma decente, onde os dados do SAS melhoram, e não o que é mostrado aqui como um exemplo, que é uma estratégia razoavelmente pobre sem os dados SAS (tente a configuração sas_thresh para -1 e ver a estratégia de momentum falhar por conta própria). Em alguns casos, eu encontrei o que parece ser estratégias de impulso decente (com sas_thresh definido como -1) piorou pela adição de um sas_thresh positivo. Estes são dados intrigantes que continuo a explorar.
Com relação ao limiar sas, uma vez que o sas é delimitado por 0 e 1, inicialmente olhei para um simples particionamento: 0 a 1/3 foi definido como "baixo", 1/3 a 2/3 como "médio" e qualquer coisa acima de 2/3 como "alto". Este sistema de classificação áspero mostrou-se útil, então o 0.66 é o resultado disso e, assim, duvido que seja otimizado global, embora pareça ser uma heurística suficientemente boa para começar. Uma extensão desta estratégia seria tornar o limiar sas adaptável, talvez usando algum tipo de ema ou algo mais elaborado para variar o limiar de forma sensata. É também concebível que os limiares apropriados possam variar com base no caso de uso estratégico particular, p. têm limiares diferenciais para o impulso e reversão média.
Além disso, você poderia definir esse tipo de estratégia com pontuações longas / curtas iguais, mas eu sei que, na prática, pode ser vantajoso inclinar esses estudos ligeiramente longos por causa da tendência persistente em relação ao mercado de ações, o que impôs uma espécie de penalidade aos shorts, daí o ligeiro avanço nos pesos 1.0 / -0.8.
Em primeiro lugar, uma atualização sobre os dados: atualmente estamos instalando o conjunto de dados SAS w Q e esperamos que ele esteja vivo em meados de setembro.
Enquanto isso, depois de uma pequena curva de aprendizado (é possível obter fetch_csv para funcionar em um caderno?), Eu queria colocar um caderno que mergulhe um pouco mais fundo nos dados do SAS. Você vê, às vezes, quando as pessoas ouvem que existe um vínculo íntimo entre o SAS e a volatilidade, as mentes inquiridoras querem saber se podem obter o mesmo valor que o SAS replicando-o com o VIX (ou a curva de futuros VIX). A questão do VIX é que é tendenciosa em relação à volatilidade da queda. Ninguém realmente quer / precisa cobrir a volatilidade ascendente (esses choques são BOM), então usar o VIX só captura parte da imagem. Se os preços estão rasgando, a volatilidade percebida pode ser muito alta enquanto o vix está realmente caindo. Assim, este caderno examina a correlação contemporânea entre a curva de futuros SAS (suavizada e não imobilizada) e a vix.
Clonei o original algo e não mudei nada. Os resultados são diferentes. Por quê?
Embora o código seja o mesmo, você executou um backtest diferente. Seu algo negocia com uma base de capital muito menor, US $ 10k vs meu algo em US $ 1 milhão.
Acho que isso ilustra o efeito das comissões em carteiras de diferentes tamanhos. Esta estratégia usa o modelo de comissão Q padrão, portanto, há um custo mínimo de $ 1 de custo comercial (ou 0,0075 por ação) associado a cada comércio.
Este algoritmo reequilibra diariamente, então existe um custo de comissão fixo de US $ 50 por dia. Para um portfólio de US $ 1 milhão, US $ 50 representa uma queda de 0.005% nos retornos. Para um portfólio de $ 10k, US $ 50 é de 0,5%!
Obrigado por esclarecer. Meu cérebro newb não conseguiu isso.
O que parece ser a confusão?
FYI, as actualizações históricas e ao vivo da HIVE SAS devem estar disponíveis nativamente no tubo de dados de Quantopian nas próximas semanas.
Ei, Tanan, sou muito novo para a comunidade quantopian. Clonei seu modelo, mas infelizmente eu tenho a seguinte mensagem de erro.
Houve um erro de tempo de execução na linha 84.
Deixe-me saber se você encontrar uma solução para resolvê-lo.
Espero que você continue seguindo esse tópico. Eu também estava bastante interessado no poder preditivo dos dados das mídias sociais. Então, eu fiz algumas pesquisas. Como você ligou anteriormente, existem 4 conjuntos de dados psychsignal na Q agora.
stocktwits (o mesmo que stocktwits_free, que é usado no caderno tutorial)
Para figurar as diferenças, coloquei todos em alias. Existem muitas perguntas sobre como realizar o teste de alfalens (Qual intervalo de tempo? Quais as variáveis dos conjuntos de dados? Quais os valores da lâmina para comparar?)
Minhas conclusões do caderno em anexo:
- Acho que bull_minus_bear é o campo a escolher (* (- 1) porque é uma correlação negativa).
- O poder de previsão é o mais forte para previsões de curto prazo (como um dia). Qual tipo de sentido?
- Eu gosto mais do estoque. É principalmente verde e tem um alto IR. E pelo menos para o período escolhido não é negativo nos retornos de It's.
- Para não apenas usar dados de estoque, acho que adicionalmente também tweets sem retweets é valioso (também tipo de boa correlação)
Um risco que você não pode ver no caderno: se você mudar um pouco o tempo, os resultados são definitivamente melhores.
Tynan, você disse que eles querem incluir o SAS Dataset em meados de setembro, qualquer atualização sobre isso?
Fico feliz em ouvir seus comentários.
Olá a todos e obrigado por esta postagem interessante,
Ainda há alguém executando este algo no Q? Eu apenas tentei executá-lo e eu recebo esse erro.
Perguntando se os dados da colméia ainda estão disponíveis ..
Obrigado por você ajudar.
o submundo psiquiátrico não é mais vivo, e seu site parece um pouco moribundo, sem posts de blog desde setembro de 2018, que foi quando esse tópico foi iniciado. Não tenho conhecimentos privilegiados, mas não há tweets da empresa desde junho, sem sinais claros de atividade. seu CEO tem uma presença associada, mas apenas uma coisa de interesse parece ser um movimento para usar esse tipo de dados para o cripto comercial (veja decryptz).
Ei, desculpe, não com mais Psychsignal, mas se você tiver interesse nesta metodologia, entre em contato com [email & # 160; protected] ou visite slicematrix. Obrigado.
Desculpe, algo deu errado. Tente novamente ou contate-nos enviando comentários.
Você enviou um ticket de suporte com sucesso.
Nossa equipe de suporte estará em contato em breve.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
QUANTLABS.
Quant Resources for Traders.
Ernie Chan ETF significa estratégia de reversão com a Matlab no meu sistema comercial DotNet C # com o Interactive Brokers TWS?
Ernie Chan ETF significa estratégia de reversão com a Matlab no meu sistema comercial DotNet C # com o Interactive Brokers TWS?
Estou tentando isso enquanto escrevo. Vou deixar você saber o que eu penso através de um vídeo do Youtube.
OBSERVAÇÃO Eu agora posto minhas ALERTAS DE NEGOCIAÇÃO na minha conta pessoal de FACEBOOK e TWITTER. Não se preocupe porque não publico vídeos de gato estúpidos ou o que eu como!
Estratégia de reversão média matlab
Eu sou novo tanto em Quantopian quanto na negociação em geral, mas eu tentei implementar uma estratégia de reversão média. Eu estou comprando ações de baixo desempenho e vendendo os estoques de alto desempenho todos os dias, ponderando o desempenho de tudo em relação às demais ações da carteira.
Neste ponto, estou tentando interpretar os resultados, mas não tenho certeza de como os resultados são do algoritmo e quanto são simplesmente uma conseqüência das ações que eu selecionei.
Se alguém tiver dúvidas, comentários ou sugestões, avise-me!
Me diverti muito aprendendo e trabalhando com a plataforma.
Estou olhando o código-fonte do seu algoritmo e não consigo seguir a lógica do seu loop final. Você pode adicionar algumas explicações / comentários ao trecho de código?
Claro, deixe-me tentar explicar o que estava tentando fazer.
Eu passo através de cada estoque que eu estou assistindo e calculo quantas dessas ações eu comprar ou vender com a minha posição atual, dinheiro e desempenho. O valor a comprar é o número máximo de ações que eu poderia comprar (caixa / preço de ações) ponderado pelo desempenho em relação às demais ações da minha carteira. O valor que queremos vender é o valor desse estoque que possuímos ponderado da mesma maneira.
Eu não estou 100% convencido da validade desta lógica (eu sinto que deveria estar ponderando os estoques que tiveram ganhos e perdas independentemente uns dos outros, mas eu ainda não o implementei). O meu raciocínio era que, se assumirmos que o estoque é significativo, é sensato comprar mais dos que tiveram um desempenho ruim e vender rapidamente mais do que estava funcionando bem. As ponderações foram minha maneira de expressar essa idéia.
A próxima parte implementa a compra e venda. Nós calculamos o quanto compraríamos ou vendemos para cada estoque, mas apenas compramos ou vendemos se a mudança de porcentagem normalizada for negativa ou positiva.
Nós também não queremos enviar uma ordem de compra ou venda, a menos que tenhamos atingido algum tipo de limite para o quanto isso mudou. Nos casos em que a mudança total foi muito pequena, apenas nos seguramos. Pode valer a pena considerar o desempenho das ações a partir do ponto em que compramos o caso em que estamos vendendo, mas eu não consegui testar isso.
Espero que seja útil, deixe-me saber se você tem outras questões.
Muito obrigado por essa resposta. Isso ajuda muito.
Feliz eu poderia ajudar!
Eu segui adiante e implementei as mudanças que eu estava pensando, e parece melhorar o algoritmo. Confira!
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Eu pensei que tentaria testar o algoritmo contra os dez melhores dividendos da NYSE nos últimos doze meses, e obtive esse resultado: consideravelmente pior!
Desculpe, algo deu errado. Tente novamente ou contate-nos enviando comentários.
Você enviou um ticket de suporte com sucesso.
Nossa equipe de suporte estará em contato em breve.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Eu sou novo tanto em Quantopian quanto na negociação em geral, mas eu tentei implementar uma estratégia de reversão média. Eu estou comprando ações de baixo desempenho e vendendo os estoques de alto desempenho todos os dias, ponderando o desempenho de tudo em relação às demais ações da carteira.
Neste ponto, estou tentando interpretar os resultados, mas não tenho certeza de como os resultados são do algoritmo e quanto são simplesmente uma conseqüência das ações que eu selecionei.
Se alguém tiver dúvidas, comentários ou sugestões, avise-me!
Me diverti muito aprendendo e trabalhando com a plataforma.
Estou olhando o código-fonte do seu algoritmo e não consigo seguir a lógica do seu loop final. Você pode adicionar algumas explicações / comentários ao trecho de código?
Claro, deixe-me tentar explicar o que estava tentando fazer.
Eu passo através de cada estoque que eu estou assistindo e calculo quantas dessas ações eu comprar ou vender com a minha posição atual, dinheiro e desempenho. O valor a comprar é o número máximo de ações que eu poderia comprar (caixa / preço de ações) ponderado pelo desempenho em relação às demais ações da minha carteira. O valor que queremos vender é o valor desse estoque que possuímos ponderado da mesma maneira.
Eu não estou 100% convencido da validade desta lógica (eu sinto que deveria estar ponderando os estoques que tiveram ganhos e perdas independentemente uns dos outros, mas eu ainda não o implementei). O meu raciocínio era que, se assumirmos que o estoque é significativo, é sensato comprar mais dos que tiveram um desempenho ruim e vender rapidamente mais do que estava funcionando bem. As ponderações foram minha maneira de expressar essa idéia.
A próxima parte implementa a compra e venda. Nós calculamos o quanto compraríamos ou vendemos para cada estoque, mas apenas compramos ou vendemos se a mudança de porcentagem normalizada for negativa ou positiva.
Nós também não queremos enviar uma ordem de compra ou venda, a menos que tenhamos atingido algum tipo de limite para o quanto isso mudou. Nos casos em que a mudança total foi muito pequena, apenas nos seguramos. Pode valer a pena considerar o desempenho das ações a partir do ponto em que compramos o caso em que estamos vendendo, mas eu não consegui testar isso.
Espero que seja útil, deixe-me saber se você tem outras questões.
Muito obrigado por essa resposta. Isso ajuda muito.
Feliz eu poderia ajudar!
Eu segui adiante e implementei as mudanças que eu estava pensando, e parece melhorar o algoritmo. Confira!
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Eu pensei que tentaria testar o algoritmo contra os dez melhores dividendos da NYSE nos últimos doze meses, e obtive esse resultado: consideravelmente pior!
Desculpe, algo deu errado. Tente novamente ou contate-nos enviando comentários.
Você enviou um ticket de suporte com sucesso.
Nossa equipe de suporte estará em contato em breve.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Comments
Post a Comment