О канале QuantUX
@QuantUXВ этой статье Вы узнаете, почему в торговле на финансовых рынках следует опираться на количественные методы оценки вероятности и статистической значимости тех или иных событий случайного процесса биржевой игры.
Для начала пару слов об авторе данного канала:
Я на рынке с 2011 года, с 2014 года являюсь финансовым квантом - то есть моей работой является создание и оптимизация сложных алгоритмов, требующих строгой количественной оценки.
В своей деятельности я акцентирую внимание на применении математики и статистики, количественной оценке вероятностей, построении прогнозных моделей и цифровых фильтров.
Рынок - это случайный процесс:
Наверняка Вы сталкивались с изменчивостью рынков: найденные вчера по наитию паттерны со временем вдруг переставали работать; обнаруженные параметры скользящих средних или других индикаторов вдруг прекращали показывать историческую эффективность; трендовые периоды сменялись флетовыми; высокая волатильность сменялась низкой. И т.д. и т.п.
Это объясняется тем, что временные ряды биржевых данных не дискретны и не стационарны. Изменение котировок на рынках - это случайный процесс. По этой причине анализировать сам график цены того или иного актива не имеет смысла - никакая линия или канал, построенный на чарте не оказывает никакого влияния на изменчивость параметров, свойств и характеристик кривой.
В случайных процессах мы можем иметь дело не с плотностью мощности самого процесса (рыночной кривой), а ТОЛЬКО с его автокорреляционной функцией. Другими словами, мы должны оценивать случайный процесс с точки зрения его вероятностных и статистических величин.
Почему статистика и математика дают объективную оценку рыночных процессов:
Получается, что график цены, формируемый балансом спроса и предложения - это динамичная среда, имеющая определенные свойства и характеристики, которые изменяются с каждой новой секундой:
- Спрос или предложение могут как возникнуть, так и появиться вновь - исторические данные в текущий и будущий момент времени уже потеряют свою актуальность;
- Крупная биржевая заявка в стакане котировок может оказаться айсбергом, или вовсе пропасть;
- Объемы торгов (как классические, так и их профиль) не могут являться объективным показателем из-за наличия dark-pool'ов;
В экономической теории среди ее функций выделяется научная прогностическая функция, а среди методов - метод математического моделирования. Решаются данные проблемы таким разделом науки как Эконометрика.
Статистическое моделирование необходимо для изучения влияния флуктуаций, шумов и т.п. на процессы. При учёте случайных процессов движение системы будет подчиняться уже не динамическим законам, а законам статистики. В соответствии с этим могут быть поставлены вопросы о вероятности того или иного движения, о наиболее вероятных движениях и о других вероятностных характеристиках поведения системы (в нашем случае системой выступают биржевые рынки).
Таким образом становится понятно, что никакие уровни, линии, каналы и прочие художества на графике цен не описывают реальность этого динамичного, изменчивого процесса. Все, что можно сделать - это количественными методами определить свойства, параметры и характеристики кривой.
Что такое система:
Какие параметры могут быть у рынка? Стандартное отклонение (известное, как волатильность), длина колебаний, их амплитуда, плотность распределения и т.д. Все эти характеристики изменчивы.
Так как события на бирже - это динамичный процесс, получается, что НЕПРАВИЛЬНЫМИ будут стандартные подходы при построении торговой системы, если они основаны ТОЛЬКО на:
- Исторических данных;
- Поиске торговых паттернов/закономерностей в текущий момент времени;
- Экстраполяции без пересчета актуальных данных;
Система должна выступать симбиозом всех трех состояний времени, и описывать статистически и вероятностно обоснованную реальность процесса на любом его отрезке. Система должна решать следующие проблемы:
- Определение фазы рынка;
- Построение прогнозной модели;
- Определение тренда;
- Избегание sideway market;
- Точность входа/выхода из позиции;
При построении системы нужно количественно обсчитывать характеристики процесса, вычленять необходимые коэффициенты, строить динамические цифровые фильтры (ЦОС), и определять параметры устойчивости прогнозной модели динамики нашей кривой.
Что такое прогнозный и торговый модули системы:
Система, описанная в моих статьях и на моем канале состоит из двух блоков:
- Прогнозный модуль системы относится к информативному анализу временных рядов, обсчитывает параметры кривой, и продуцирует необходимые для расчетов коэффициенты;
- Торговый модуль системы обрабатывает параметры и коэффициенты кривой, и на выходе продуцирует статистически выверенные торговые сигналы. Затухание импульсного сигнала (ИС) и цифрового фильтра (ЦФ) позволяют ВСЕГДА покупать дешево, а продавать дорого.
Другими словами, мы можем заранее построить прогнозную модель движения цены актива, и на основании полученных (и получаемых в реальном времени) данных построить обоснованные параметры фильтров для принятия торговых решений.
Как это работает?
- В прогнозном модуле исторические данные путем специальных преобразований определяют параметры и характеристики кривой;
- В прогнозный модуль с каждым новым тиком поступают все новые и новые данные, и алгоритм определяет, какое влияние эти данные оказывают на характеристики кривой;
- Полученные коэффициенты на выходе дают актуальные параметры цифрового фильтра торгового модуля системы на основании статистической и вероятностной значимости;
- Эти же коэффициенты применимы для построения прогноза кривой, так как мы статистически обсчитываем влияние новых данных на кривую, и можем видеть устойчивость прогнозной модели;
Вероятностная и статистическая значимость сигналов затухания цифровых фильтров:
В статьях на моем канале можно найти множество примеров того, как оценка вероятностей и статистической значимости позволяет заранее определять моменты принятия торговых решений. Горизонты событий ограничены лишь объемом данных: это могут быть прогнозы динамики движения актива на год вперед, на неделю вперед и т.д.
После того, как прогнозная модель построена, за дело берется торговый модуль системы, который используя коэффициенты информативного модуля, позволяет ВСЕГДА покупать дешево, а продавать дорого, при этом фильтруя моменты бокового рынка/низкой волатильности.
Построение системы принятия решений заключается в получении такого цифрового фильтра, который был бы адаптивным, сглаженным и статистически обоснованным. Имея на руках обсчитанные (информативным/прогнозным модулем) коэффициенты нашей кривой мы можем строить такой фильтр. К сожалению я не могу озвучить алгоритм подбора параметров, но в общих словах я не раз уже описывал концепцию в своем блоге: полученные из специальным образом преобразованных данных коэффициенты статистически обрабатываются и сортируются. На выходе имеем параметры цифрового фильтра, которые прошли статистическую и вероятностную оценку.
О том, как любой пользователь сможет на практике применить подобный алгоритм читайте в этой статье:
При этом сам код алгоритма останется защищенным с помощью ограниченного доступа Pine Script.
Никто без согласия автора не сможет добавить скрипт на график, а исходный код всегда будет виден только автору.
О чем этот канал: