Успешная алгоритмическая торговля
AlgoFox
Содержание
I Представляем алгоритмическую торговлю
1 Введение в книгу
1.1 Введение в QuantStart
1.2 Что это за книга?
1.3 Для кого предназначена эта книга?
1.4 Каковы предварительные условия?
1.5 Требования к программному обеспечению / оборудованию
1.6 Структура книги
1.7 О чем не говорится в книге
1.8 Где получить помощь
2 Что такое алгоритмическая торговля?
2.1 Обзор
2.1.1 Преимущества
2.1.2 Недостатки
2.2 Научный метод
2.3 Почему Python?
2.4 Могут ли розничные торговцы по-прежнему конкурировать?
2.4.1 Преимущества торговли
2.4.2 Управление рисками
2.4.3 Отношения с инвесторами
2.4.4 Технология
3 Успешных бэктестинга
3.1 Зачем тестировать стратегии?
3.2 Ошибки при тестировании
3.2.1 Смещение оптимизации
3.2.2 Предвзятое отношение
3.2.3 Предвзятость выживших
3.2.4 Когнитивная предвзятость
3.3 Биржевые вопросы
3.3.1 Типы ордеров
3.3.2 Консолидация цен
3.3.3 Торговля на рынке Форекс и ECN
3.3.4 Ограничения короткого замыкания
3.4 Транзакционные издержки
3.4.1 Комиссия
3.4.2 Проскальзывание
3.4.3 Влияние на рынок
3.5 Бэктестинг против реальности
4 Автоматическое исполнение
4.1 Платформы для тестирования
4.1.1 Программирование
4.1.2 Инструменты исследования
4.1.3 Тестирование на основе событий
4.1.5 Выбор языка
4.1.6 Интегрированные среды разработки
4.2 Размещение
4.2.1 Домашний рабочий стол
4.2.2 VPS
4.2.3 Обмен
5 Идей стратегии поиска поставщиков
5.1 Определение ваших личных предпочтений в торговле
5.2 Поиск алгоритмических торговых идей
5.2.1 Учебники
5.2.2 Интернет
5.2.3 Журнальная литература
5.2.4 Независимые исследования
5.3 Оценка торговых стратегий
5.4 Получение исторических данных
III Разработка платформы данных
6 Установка программного обеспечения
6.1 Выбор операционной системы
6.1.1 Microsoft Windows
6.1.2 Mac OSX
6.1.3 Linux
6.2 Установка среды Python в Ubuntu Linux
6.2.1 Python
6.2.2 NumPy, SciPy и Pandas
6.2.3 Статмодели и Scikit-Learn
6.2.4 PyQt, IPython и Matplotlib
6.2.5 IbPy и рабочая станция трейдера
7 Хранение финансовых данных
7.1 Основные базы данных ценных бумаг
7.2 Финансовые наборы данных
7.3 Форматы хранения
7.3.1 Хранилище плоских файлов
7.3.2 Хранилища документов/ NoSQL
7.3.3 Системы управления реляционными базами данных
7.4 Структура исторических данных
7.5 Оценка точности данных
7.6 Автоматизация
7.7 Доступность данных
7.8 MySQL для мастеров ценных бумаг
7.8.1 Установка MySQL
7.8.2 Настройка MySQL
7.8.3 Разработка схемы для акций EOD
7.8.4 Подключение к базе данных
7.8.5 Использование объектно-реляционного картографа
7.9 Извлечение данных из главного хранилища ценных бумаг
8 Обработка финансовых данных
8.1 Классификация рынков и инструментов
8.1.1 Рынки
8.1.2 Инструменты
8.1.3 Фундаментальные данные
8.1.4 Неструктурированные данные
8.2 Частота передачи данных
8.2.1 Еженедельные и ежемесячные данные
8.2.2 Ежедневные данные
8.2.3 Внутридневные бары
8.2.4 Данные о тиках и ордерах
8.3 Источники данных
8.3.1 Бесплатные источники
8.3.2 Коммерческие источники
8.4 Получение данных
8.4.1 Финансы Yahoo и Pandas
8.4.2 Квандл и Панды
8.4.3 DTN IQFeed
8.5 Очистка финансовых данных
8.5.1 Качество данных
8.5.2 Непрерывные фьючерсные контракты
IV Моделирование
9 Статистическое обучение
9.1 Что такое статистическое обучение?
9.1.1 Прогнозирование и выводы
9.1.2 Параметрические и непараметрические модели
9.1.3 Контролируемое и неконтролируемое обучение
9.2 Методы
9.2.1 Регрессия
9.2.2 Классификация
9.2.3 Модели временных рядов
10 Анализ временных рядов
10.1 Тестирование на возврат к среднему значению
10.1.1 Расширенный тест Дики-Фуллера (ADF)
10.2 Тестирование на стационарность
10.2.1 Показатель Херста
10.3 Совместная интеграция
10.3.1 Совместно интегрированный дополненный тест Дики-Фуллера
10.4 Зачем нужно статистическое тестирование?
11 Прогнозирование
11.1 Измерение точности прогнозирования
11.1.1 Процент попаданий
11.1.2 Матрица путаницы
11.2 Выбор фактора
11.2.1 Запаздывающие ценовые факторы и объем
11.2.2 Внешние факторы
11.3 Модели классификации
11.3.1 Логистическая регрессия
11.3.2 Дискриминантный анализ
11.3.3 Машины опорных векторов
11.3.4 Деревья принятия решений и случайные леса
11.3.5 Анализ основных компонентов
11.3.6 Какой прогнозист?
11.4 Прогнозирование движения фондовых индексов
11.4.1 Реализации Python
11.4.2 Результаты
V Эффективность и управление рисками
12 Измерение производительности
12.1 Анализ торговли
12.1.1 Сводная статистика
12.2 Анализ стратегии и портфеля
12.2.1 Анализ доходности
12.2.2 Анализ соотношения риска и прибыли
12.2.3 Анализ просадок
13. Управление рисками и капиталом
13.1 Источники риска
13.1.1 Риск стратегии
13.1.2 Риск портфеля
13.1.3 Риск контрагента
13.1.4 Операционный риск
13.2 Управление капиталом
13.2.1 Критерий Келли
13.3 Управление рисками
13.3.1 Стоимость, подверженная риску
13.4 Преимущества и недостатки
VI Автоматизированная торговля
14. Внедрение механизма торговли, основанного на событиях
14.1 Программное обеспечение, управляемое событиями
14.1.1 Зачем нужен бэктестер, управляемый событиями?
14.2 Составляющие объекты
14.2.1 События
14.2.2 Обработка данных
14.2.3 Стратегия
14.2.4 Портфолио
14.2.5 Обработчик исполнения
14.2.6 Бэктест
14.3 Исполнение, управляемое событиями
15 Реализация торговой стратегии
15.1 Стратегия пересечения скользящих средних
15.2 Прогноз S & P500 Торговля
15.3 Торговля парами акций с возвратом к среднему значению
15.4 Построение графиков производительности
16 Оптимизация стратегии
16.1 Оптимизация параметров
16.1.1 Какие параметры следует оптимизировать?
16.1.2 Оптимизация обходится дорого
16.1.3 Чрезмерная подгонка
16.2 Выбор модели
16.2.1 Перекрестная проверка
16.2.2 Поиск по сетке
16.3 Оптимизация стратегий
16.3.1 Пары с возвратом внутридневных средних
16.3.2 Настройка параметров
16.3.3 Визуализация