Trading Strategier In Matlab

Bitfinex kunngjorde i dag starten på gruvedriftskontrakter som et handelsprodukt på plattformen. I alt 100 THS (terahashes per sekund) med en utløp på 3 måneder har blitt gjort tilgjengelig for handel under navnet TH1BTC. De 100 THS er en del av et større basseng på 3500 THS, slik at flere gruvekontrakter kan bli tilgjengelige i fremtiden. Interessant, dette markerer første gang at det er mulig å kortlegge en gruvekontrakt. Kortslutning av en gruvekontrakt betyr å motta en bit av Bitcoin nå (prisen vi selger den til) og deretter betale utbytte (i Bitcoin) i løpet av de neste 3 månedene til kontrakten utløper i midten av desember. Det gis en fortjeneste dersom summen av alle utbetalte utbetalinger (pluss renter vi har betalt for kort kontrakt) er mindre enn hva vi mottok i begynnelsen da vi solgte kontrakten (til noen andre selvsagt). Dette betyr at prisen på TH1BTC skal avhenge av 3 variabler (i synkende rekkefølge av betydning): Endringen av gruveproblemet til 15. desember Tiden gjenværende til 15. desember Renten (swap rate) Hvis vanskelighetsgrad øker utbyttet, blir mindre fordi 1 THS representerer en mindre brøkdel av hele nettverkshackekraften. Derfor bør prisen på en kontrakt reduseres dersom vanskeligheter øker. Jo nærmere vi kommer til utløpet, kan feberen Bitcoins være tankene med totalt 1 THS. Derfor bør prisen på en kontrakt redusere jo nærmere vi kommer til utløp og nå en pris på 0 ved utløpet. Jo høyere rentesatsen er, desto dyrere er det å inngå og holde kontrakten i løpet av 3 måneder. Bitfinex tilbyr ikke 90 dager swaps, derfor inngår en kontrakt med målet om å holde det til slutten inneholder ganske mye renterisiko fordi det til en tid må en ny bytte tas ut (med en potensielt ugunstig rente). Dette er mindre et problem når du går lenge (Bitcoin-prisene er vanligvis lave) enn når du går kort (det er bare maksimalt 100 kontrakter tilgjengelig i totalt, ingen kortslutning). For å kompensere for risikoprisene bør øke når byttehastighetene øker. Den store ukjente er selvsagt endringen i gruveproblemet i de neste 90 dagene. I den følgende figuren ser vi hvordan vanskeligheter endret seg i løpet av de foregående 6 månedene. Dataene er fra Tradeblock og viser ikke bare en grafisk fremstilling av tidligere endringer i vanskeligheten (vanskelighetsgrad endres hver 14. dag avhengig av tidligere hash rate. Mer informasjon finner du i wiki), men også noen grunnleggende oppsummeringsstatistikk. I gjennomsnitt har vanskelighetene økt 27 de siste 30 dagene og 77 de siste 60 dagene. For å anslå den rimelige prisen på en TH1BTC vil vi anta at vanskeligheten vil øke i gjennomsnitt 15 per måned i løpet av de neste 3 månedene. For tiden er prisen på å kjøpe en kontrakt verdt 1 THS 2 BTC. Bassengavgiften er 3, og vi vil ignorere renten. Fyller i all informasjonen vi får følgende resultater: Derfor dersom vi går lang en kontrakt basert på våre forutsetninger, vil vi gi et tap på ca. 0,39 Bitcoin (litt mer i realiteten siden vi starter gruvedrift i midten av september til midten i desember) fordi forventet utbytte (månedlig inntekt) ikke skal dekke våre innledende kostnader på 2 BTC før kontrakten utløper. På den annen side ville kortprisen på 2 Bitcoin ha gitt en fortjeneste på ca. 0,39 Bitcoin per kontrakt. Husk at vi ikke har inkludert swap kostnader som for tiden er rundt 1 per dag (). Det er to måter å se på resultatene. Enten kan vi si at prisene for TH1BTC er for øyeblikket overvurdert og bør være nærmere 1,5 BTC. Hvis vi antar vanskeligheter vil øke mer enn 15 per måned, bør prisene være enda lavere enn det. Eller vi kan si at markedet er effektivt og prisene er riktige, noe som innebærer at markedet forventer vanskeligheter å redusere i gjennomsnitt ca 2 per måned i løpet av de neste 90 dagene. Uansett vil resultatene bli kjent med sikkerhet på 90 dager. Kampen for å gjenopprette fra den nyeste Bitcoin flash-krasjen som oppsto på Bitfinex bare fire dager, går. Bitcoin-prisene tok et annet dykk i dag som marginhandlere fikk sine stillinger likviderte på BTC-e. Arrangementet startet klokken 13:36 (UTC1) da store salgsordrer begynte å dukke opp på den tredje største vestlige Bitcoin-utvekslingen BTC-e. Nedadgående fart økte jevnt da orderboken ble stadig tynn, krasjet prisene til en lav på USD 309 per Bitcoin klokken 1343. I de følgende minuttene gikk prisene raskt tilbake på tynt volum tilbake til rundt USD 442, da arbitragehandlere begynte å dra nytte av rabatten i forhold til andre utvekslinger. BTC-e er en av de få store børsene som tilbyr margenhandel til sine kunder via MetaTrader-plattformen siden november 2013, men detaljene til hvem som eksakt gir midler som er nødvendige for marginhandel, har vært uklare. Formen og spesielt tidspunktet for krasjpunktet peker mot at marginalhandlere blir likviderte (eller stopper bestillinger som blir utført), likt det som skjedde på Bitfinex for et par dager siden. Imidlertid, i motsetning til Bitfinex som er gjennomsiktig om åpne bytteposisjoner. BTC-e gir ikke viktige data som ville være nødvendig for å gi en grundigere analyse, og derfor kan denne siste setningen bare betraktes som et godt gjetning. I motsetning til Bitfinex, som er avhengig av en skjult algoritme i et forsøk på å kontrollere rekkefølgen. BTC-e ser ut til å ha ingen spesielle garantier for å redusere slike hendelser. Fallet under 400 skyldtes hovedsakelig mangel på bud i orderboken og ikke fordi markedet trodde at den sanne verdien var under 400, da tilbakegangen tilbake til over 440 bare noen minutter senere, viste seg i utgangspunktet. Derfor kan stoppe handel under ekstrem nedadgående volatilitet lett ha avvist blodsutgjæringen blant marginhandlere ved å gi andre markedsdeltakere mer tid til å tykke orderboken. Oppdater 4:58 PM (UTC1): BrCapoeira postet på Reddit en interessant graf basert på data fra Metatrader-plattformen: Denne grafen innebærer at en enkelt stor ordre var årsaken til denne hendelsen. Hvorvidt denne bestillingen ble opprettet på grunn av et marginalanrop, er en enkel feil, for å manipulere markedet, eller for å åpne en stor kort posisjon, uklart. Sunn fornuft vil tyde på at det sannsynligvis var et resultat av en marginalanrop av en enkelt stor handelsmann. Mitt tidligere innlegg på dette emnet har blitt tatt opp under diskusjoner i etterkant av den nyeste Bitcoin flash-krasjen. Coindesk var en av de første til å plukke den opp, og siden da begynte ulike innlegg om gjennomsiktighet og mulighet for å utveksle å aktivt administrere ordreutførelse. Som et resultat av disse hendelsene fortsatte Josh Rossi, visepresident for forretningsutvikling ved Bitfinex, Reddit å åpenbart ta opp noen av problemene opp mot utvekslingen. Fakta vi kjenner til er at det var noen store salgsordrer kort før ulykken startet, for eksempel en 500 salgsordre på Bitstamp kl 9.49 (UTC1), ca. 6 minutter før en stor salgsordre på Bitfinex utløste krasjen. Dataene forteller imidlertid ikke om det var innsidehandel, noen form for markedsmanipulering. eller en enkel feil. Faktum er at etter at Bitcoin flash-krasj var åpne bytteposisjoner redusert fra rundt 28m til 24m, noe som indikerer at 8400 marginalposisjoner ble lukket (antatt i gjennomsnitt 475) på en måte (margin call) eller en annen (stoppordre). Dataene forteller oss ikke hva forholdet er, men ifølge Josh, kun om lag 650 Bitcoins ble solgt som følge av marginsamtaler. Som korrekt påpekt av Jonathan Levin. Faktum er at det starter ca 24 timer før bitcoin-flash-krasj til selve krasjet, en ekstra 1000 bitcoins ble tatt ut i korte stillinger og ca 2500 shorts ble deretter stengt under krasj. Hvorvidt de shortsene ble åpnet for å sikre eksisterende posisjoner, som et ondsinnet forsøk på å utløse et marginalanrop, eller en måte å forutse markedet ved hjelp av privat informasjon, kan ikke fastslås ut fra tilgjengelige data (det ser merkelig ut til å være mistenkelig). Hva var uventet Personlig er det interessante poenget ikke at Bitcoin flash krasjet. Plutselige prisfluktuasjoner skjedde tidligere og vil skje i fremtiden, særlig i illikvide markeder som Bitcoin. Det interessante poenget er involvering av Bitfinex og hvordan de aktivt forvaltet rekkefølge uten å informere markedsdeltakere på forhånd. Bitfinex-matchende motor ble ikke stoppet under hele krasjen, selv om den gikk sakte (men ikke så ille som den beryktede 70 minutters ordreforsinkelsen på den nå avsluttede MtGox-utvekslingen under krasj i 2012). Men hva Bitfinex gjorde var at de introduserte noe de nå refererer til som fartboller. Hva det betyr er at de i hovedsak flagger ordrer de anser som ugyldige eller potensielt farlige, og reduserer dem forsettlig. Ved første øyekast kan dette virke som en fin ide. Hvem doesn8217t vil ha et filter for å fjerne eller bremse ondsinnede ordre. Men som så ofte med de slags ting djevelen er i detalj. Problemet er at Bitfinex ikke har (og muligens aldri vil) offentliggjøre hvordan de kategoriserer en ordre som 8220bad8221 og 8220slå det ned8221. Hvis en markedsaktør bestemmer seg for å sette opp en stor salgsordre mot en tynn ordrebok, så er det hans beslutning. Hvorvidt handlingen hans var ment eller ikke, er ikke opp til bytte for å bestemme seg. Det kan hende at denne markedsdeltageren bare var den første personen som reagerte på en større begivenhet, og er helt villig til å bære ekstra kostnader for den resulterende slippingen i påvente av en stor prisbevegelse. Det eksisterer ganske enkelt ikke en måte å nøyaktig klassifisere bestillinger a priori som 8220good8221 eller 8220bad8221 siden det ville automatisk ta kunnskap om alle umiddelbare fremtidige hendelser. Hva kan forbedres Feil (8220fat finger8221, algoritme som går ødeleggelse) skje, marginer blir ringte og folk prøver å spille systemet på alle mulige måter. Logisk må det være beskyttelsesforanstaltninger for å beskytte markedene og dets deltakere. Bitfinex var definitivt klar over potensiell toksisk rekkefølge og forberedte motforanstaltninger. Det eneste de glemte var å informere sine kunder om de skjulte sikkerhetsfunksjonene. Å gjemme de beskyttelsene fra offentligheten legger til usikkerhet til markedet (spesielt nå som vi vet at de eksisterer og noen ganger gjør noe) og legger i hovedsak alle tradere i tillit til Bitfinex. På dette tidspunktet kan en forhandler bare håpe at Bitfinex alltid vil opptre i de beste hensikterne til sine kunder. Dette håpet kan være ubrukelig skjønt, siden Bitfinex tjener penger fra handelsavgifter, uavhengig av om en handelsmann faktisk tjener penger. Man trenger ikke å tenke lenge for å realisere det skjulte potensialet for misbruk i et slikt system. Den viktigste grunnen til at Josh hvorfor Bitfinex ikke har tenkt å publisere sin algoritme, er å unngå å gi handelsmenn muligheten til å utnytte det, er falsk, og følgende viser hvorfor. De er de offisielle markedsspenningsbrytere som brukes av NASDAQ, lagt ut på nettet og helt gjennomsiktig for alle markedsdeltakere. Disse reglene er absolutt ikke perfekte, men de er enkle, gjennomsiktige og arbeider for et av verdens største aksjemarkeder. Nå har jeg stor respekt for de som jobber på Bitfinex-plattformen, men jeg tviler på at de klarte å komme opp med en algoritme som beskytter markedsdeltakere bedre enn de som brukes av en større børshandling mer enn 900 millioner aksjer per dag i gjennomsnitt . Og hvis de gjorde det, er det nå sjansen for Bitfinex å bevise det til verden og muligens skrive historie ved å lære de store guttene hvordan man skal skape en utveksling. Når det gjelder offentlig utveksling er gjennomsiktighet et must, ikke bare for Bitfinex, men for enhver utveksling. Markedsdeltakere må vite nøyaktig hva som skjer når de legger en bestilling og under ingen omstendigheter må stole på god tro alene. Sikkerhetsforanstaltninger er viktige fordi ulykker skjer og markerer krasj, men det er ikke opp til bytte for å engasjere seg i hemmelig ordensdiskriminering. Det er forskjellige måter å beskytte finansmarkeder på, og ingen av dem er perfekte. Å legge til kompleksitet øker vanligvis sjansen for utilsiktede bivirkninger, og derfor virker en enkel, gjennomsiktig tilnærming mer hensiktsmessig enn en skjult, kompleks. For to dager siden reduserte BitMEX sine handelsavgifter til 0 og feiret det ved å frigjøre en grunnleggende markedsbase på Github. BitMEX driver for tiden en handelsutfordring frem til 29. august 2014 for å markedsføre sin nye plattform. Å frigjøre en markeringsmarkering er sannsynligvis en interessant og effektiv måte å øke API-trafikken og stresstest plattformen litt. Selvfølgelig kunne jeg ikke motstå og ta en titt. Markedsfører er en forked av Liquidbot. som var originalt designet for å kjøre på den nå foreldede MtGox-utvekslingen. Det var noen mindre endringer (ny API-klasse for å koble til BitMEX, noen ekstra utskrifter til konsoll, endringer for å tilpasse for futures kontrakter, og en stor og unødvendig utskrift til konsoll ved oppstart), men ingen vesentlige endringer i handelslogikken. Algoritmen bruker REST og kontrollerer bare for endringer hvert 60 sekund. Dette diskvalificerer allerede boten fordi det er viktig for sakte å reagere på pågående endringer i bestillingsboken. BitMEX begrenser forespørsler til REST API til 150 per 5 minutter, slik at du kan prøve å redusere 60 sekunder til noe som 3, men det vannet 8217t forandre det faktum at så snart markeder begynner å bevege seg, vil du treffe grensen og bli sittende fast med åpne posisjoner. For å være rettferdig, gir BitMEX boten mer som markedsføringsstunt og uttrykker det eksplisitt at bytte til WebSocket vil være svært gunstig da det tillater oppdateringer i sanntid. Samlet sett er algoritmen solid skriftlig, teknisk fungerer og enkel å installere, men det vinner deg for å få penger i det lange løp. Hvis noen seriøst vurderer å benytte denne boten, anbefaler jeg følgende små endringer for å gjøre koden mer brukbar: 1. Endre til Websocket 2. Avslutt posisjon på tett: 3. Bygg bestillinger som starter fra midtpunktet: I tillegg vil jeg anbefale å måle volatilitet på en eller annen måte og tilpasse avstanden mellom ordrer dynamisk og størrelse. Under testingen var API alltid responsiv og nøyaktig. Volumet på utvekslingen er fortsatt lavt, men plattformens grunnleggende ser lovende ut. Denne bot er et morsomt verktøy for å introdusere brukere i verden av markedsfremstilling og algoritmisk handel, men det vinner 8217t en sjanse mot etablerte algoritmer. Merk: Hvis du vurderer å bruke denne algoritmen, husk at markedsarbeid er en heltidsjobb. Alt mindre enn full dedikasjon, rask reaksjonstid og 100 oppetid vil føre til at du mister penger. Rediger: Følg opp etterfulgt her i dag Bitcoin-prisene tok et dykk som marginhandlere på en av de største byttene Bitfinex fikk sine ordrer likvidert. For mange nærstående observatører og mer sofistikerte handelsmenn kom dette ikke som en overraskelse. Faktisk har lange stillinger bygget opp kontinuerlig de siste par månedene i påvente av en ny boble i Bitcoin-prisene og nådd så høyt som 30m i utestående bytteposisjoner på Bitfinex. Nå ville dette ikke være et problem i seg selv så lenge det er nok kapital som støtter lånet. Dessverre ble de fleste av de lange stillingene angitt rundt 600 8211 640 USDBTC, og sikkerheten ble for det meste levert i Bitcoins selv. Følgende diagram viser pent oppbyggingen av lange stillinger, toppet rundt 14. juli med nær 32m i swaps. Kjører litt rask matte basert på vedlikeholdsmarginalen på Bitfinex på 13 og antar Bitcoin som sikkerhet, finner vi at marginanrop skal begynne rundt 520 8211 540 USDBTC-merket. I går kom prisene nærmere, og i dag hoppet de endelig over klippen. Problemet er at når marginanrop er satt i, har du en cascading-effekt som rips gjennom bestillingsboken, noe som fører til at enda flere ordrer kommer til å ikke komme tilbake, og øker det nedadgående momentet ytterligere. Disse typer hendelser er ikke begrenset til Bitcoin-utveksling, men kan også forekomme ved store utvekslinger som for eksempel i 2010-krasj i USA. Årsaken til et slikt flashkrasj kan variere og går fra fettfeilfeil til programmeringsfeil til kaskad marginsamtaler. Det er interessant å se hvordan utvekslingene omhandler disse hendelsene. I USA implementerte Nasdaq markedsbrønnbrytere som vil føre til at handel stopper under slike ekstreme forhold. Bitcoin-markeder er ennå ikke så avanserte og pleier å fortsette å handle. Hvis vi ser på ordrehandlingen på Bitfinex i dag, ser vi noe veldig merkelig: Det virker (og dette er bare et gjetning da det ikke er noen offisiell kommentar fra utvekslingen) som om Bitfinex driver en algoritme for å håndtere marginanropene. Algoritmen begynner å selge, men begrenser seg til 10 dråp i løpet av 1 minutt. Hvis prisene faller mer enn 10 i 1 minutt, vil det slutte å selge og vente på kjøp bestillinger å komme inn. Når det igjen er en viss mengde bestillingsordre i ordreboken, begynner algoritmen å selge igjen til alle marginanrop er oppfylt. Rediger: LeMogawai var den første som pekte på dette i dette innlegget, og det samsvarer med min personlige observasjon på tidspunktet for arrangementet. Dette synes å være en interessant måte å håndtere cascading marginsamtaler, men kan også betraktes som grensemarkedsmanipulering fra børssiden. Ved å spre ut salgsordrer over tid reduseres nedadgående momentum, men handelsmenn ender opp med å handle mot utvekslingen selv og ikke markedet lenger. Utvekslingen har en informasjonsfordel på det tidspunktet og er derfor mer sannsynlig å tjene enn de som handler. Heldigvis holdt dette bare i ca 10 minutter, hvorefter kontrollen ble gitt tilbake til markedet. Andre børser som også tilbyr marginhandel som BTC-e og OKcoin, har nå en gunstig posisjon og kan lære av dagens arrangementer. Implementering av et system som ligner større brytere på store børser som Nasdaq, kan være et smart første trekk. Nylig jobber jeg for å få den nye handelsplattformen som går. Denne nye versjonen er basert på Python, bruker MySQL til å holde en database over alle tidsserier av forskjellige virtuelle valutaer med automatisk fylling fra BitcoinCharts og integrerer de tre store børsene MtGox, BTC-E og Bitstamp. Plattformen vil bli brukt som måte å backtest noen strategier og engasjere seg i automatisk handel. I løpet av dette bestemte jeg meg for å trekke noen data fra BTC mot USD fra BitcoinCharts og basert på ideene til et papir fra Hashem og Timmermann (1995) implementerte en enkel handelsstrategi. Tanken er å prognostisere tegnet av t1-periodens avkastning basert på en regresjon, som estimeres ved et automatisk utvalg av tekniske indikatorer i løpet av den siste n-perioden frem til t. Da, etter at t1 har skjedd, oppdaterer vi modellen og forsøker å forutsi t2 ved å bruke alle dataene som er tilgjengelige for de siste n periodene til t1 og så videre. For min bacheloroppgave undersøkte jeg fire ulike tekniske handelsregler i Forex-markeder. Den bruker MCS og SPA test for å søke etter gyldige modeller blant ulike parametere som ikke er gjenstand for datasnøring. Med tanke på realistiske transaksjonskostnader finner vi ikke noe bevis for meravkastning, noe som er i samsvar med markedseffektiviteten. Med denne koden bør du kunne se etter Bitcoin arbitrage muligheter innen BTC-e. Den bruker ideen om en pris og bruker triangulær arbitrage, med tanke på kostnader og spredning. Grunnen til at jeg legger inn dette her er til tross for at det fungerer, sjansen er at du vil være for sakte til å konkurrere med andre investorer som gjør det samme. Mulige forbedringer vil være å ta hensyn til bestillingsboksdybden og dele opp handelen dynamisk og forsøke å underby andre handelsfolk å gjøre det samme. Også å sette alt opp på en dedikert server nær den fysiske plasseringen av BTC-e-kampmotoren, bør drastisk redusere lag og gi deg en potensiell kant. Post navigationMatlabTrading Dette innlegget handler om hvor viktig det er å bruke ulike typer optimaliseringsmetoder som genetisk algoritmer og parallellisering for å få resultater raskere. Genetisk algoritmer optimalisering Til tross for at det genetiske (evolusjonære) algoritmenprinsippet er veldig godt forklart i MathWorks webinarer, er eksemplene imidlertid kun brukt for optimalisering av valg av en strategigruppe fra et sett. Dette er et godt eksempel på bruken av disse algoritmene, men det skjer at det er behov for å sette mange variabler med betydelige intervaller for en strategi, du går ikke forbi med en iterasjon og parallelliseringen av prosesser 8211 beregninger kan ta flere dager . Det er sikkert strategier i sluttfasen av optimalisering. når vi nesten vet at handelsstrategien er vellykket, kan vi vente i flere dager eller leie hele klyngen - resultatet kan være verdt det. Men hvis vi må estimere resultatene av en omfangsrik strategi og bestemme om det er verdt det å bruke tiden, så kan genetiske algoritmer være perfekt egnet. Vi gir mulighet til å bruke tre metoder for å optimalisere strategien i WFAToolbox: Linjær metode 8211 Det er en vanlig sorteringsmodus hvor du vil se alle mellomliggende (suboptimale) resultater. Det gir maksimal nøyaktighet. Parallell metode 8211 alle kjerne av CPUen din vil bli brukt. Det tillater ikke å se mellomresultater, men øker operasjonen betydelig. Det gir maksimal nøyaktighet under økning av beregningshastighet. Genetisk metode 8211 Den bruker den evolusjonære optimaliseringsalgoritmen. Det gjør det mulig å se suboptimale verdier, men gir resultatet nær det beste. Det er ikke en veldig nøyaktig metode, men den er presis nok til den første kjøringen av strategien. Veldig fort. Vi blir ofte spurt om WFAToolbox - Walk-Forward Analysis Toolbox for MATLAB har muligheten til å bruke GPU i beregninger. Dessverre er GPU ikke egnet for alle oppgaver, og bruken er svært spesifikk. For å kunne bruke det, må du justere logikken og koden til hver strategi for grafisk kjernestesting. Dessverre, på grunn av slik ikke-universalitet av metoden kan man ikke bruke GPU i WFAToolbox. Fortsatt del 2 av diskusjonen om problemer og løsninger i testing og analyse av algoritmisk handelsstrategi i MATLAB, inviterer deg til å lese dette innlegget om problem med utilgjengelighet av visualisering av prosessene i moderne programvare løsninger for testing av handelssystemer. Visualisering av testprosessen I min arbeidserfaring analyserte jeg ofte andre populære plattformer for tradingstrategi testing. slik som TradeStation. MetaStock. Multicharts etc., og jeg var alltid overrasket over hvor lite oppmerksomhet ble betalt til visualisering av testprosessen. Saken er at når vi ikke ser resultatene av de mellomliggende, suboptimale verdiene av optimaliserte parametere, kaster vi ofte bort gull sammen med smuss. Saken er på grunn av en altfor bred prøvetaking, justerer strategien parametrene slik vi enten ser en perfekt strategi som feiler i virkeligheten eller ser en eller to avtaler, som angivelig er de beste fordi det ble valgt slike tidsintervalldata der beste handelsstrategi vil være buy-and-hold, men hvorfor er det da andre strategier som er nødvendige for Visualisering av handelsstrategiprøveprosessen i MATLAB (foreslått i webinar) Som et resultat, uten å se mellomresultater, må vi 171blindly187 endre parametrene for å prøve for å få bedre data eller se den i noen 3D eller 4D (farge er den fjerde dimensjonen), som foreslått i webinars. Analysen av verdier i det N-dimensjonale rommet kan definitivt være et alternativ, men har flere begrensninger: Hva om det er mer enn 4 dimensjoner Når du ser hvilke signaler og hvilken frekvens de vises i prisklassen, har du nesten alle nødvendig visuell representasjon av strategien din: transaksjonsfrekvensen, deres lønnsomhet (inntektskurve), nøyaktigheten av åpningen, likheten med andre suboptimale verdier etc. som ikke kan sies om ytelsen i det N-dimensjonale rommet der all nyttig informasjon er faktisk at den optimale verdien ikke bare er en, men det finnes et stort utvalg av suboptimale verdier på ett eller flere områder. Mens optimalisering av en strategi i WFAToolbox 8211 Walk-Forward Analysis Toolbox for MATLAB174. Når en ny optimal verdi er funnet, vises handelsstrategisignalene i perioden i prøve og ut av prøven umiddelbart i diagrammet, slik at du alltid kan kontrollere hvilket utvalg av alternativer du bør tilordne, og du kan også stoppe optimaliseringen uten å vente på slutten av testen, da det blir klart at noe gikk galt eller alt er bra. Hei, jeg heter Igor Volkov. Jeg har utviklet algoritmiske handelsstrategier siden 2006 og har jobbet i flere hedgefond. I denne artikkelen vil jeg diskutere problemer som oppstår på veien for MATLABs handelsstrategiutvikler under testing og analyse, samt å tilby mulige løsninger. Jeg har brukt MATLAB for testing av algoritmestrategier siden 2007, og jeg har kommet til den konklusjon at dette ikke bare er det mest praktiske forskningsverktøyet, men også den mest kraftige fordi det gjør det mulig å bruke komplekse statistiske og økonometriske modeller, nevrale nettverk, maskinlæring, digitale filtre, fuzzy logikk, osv. ved å legge til verktøykasse. MATLAB-språket er ganske enkelt og godt dokumentert, så selv en ikke-programmerer (som meg) kan mestre den. Hvordan det hele startet. Det var 2008 (hvis jeg ikke tar feil) da det første webinaret om algoritmisk handel i MATLAB med Ali Kazaam ble utgitt, og dekket emnet for å optimalisere enkle strategier basert på tekniske indikatorer, etc. til tross for en ganske 8220chaotic8221-kode, var verktøyene interessante nok til å bruke. De tjente som utgangspunkt for forskning og forbedring av en test - og analysemodell som ville tillate å bruke all kraft i verktøykasser og frihet for MATLAB-handlinger under opprettelsen av egne handelsstrategier, samtidig som det ville tillate å kontrollere prosessen av testing og de innhentede dataene og deres etterfølgende analyse ville velge en effektiv portefølje av robuste handelssystemer. Deretter har Mathworks webinarer blitt oppdatert hvert år og gradvis introdusert flere og flere interessante elementer. Dermed ble det første webinaret på parhandel (statistisk arbitrage) ved hjelp av Econometric Toolbox holdt i 2010, selv om verktøykassen for testing og analyse forblir den samme. I 2013 dukket opp Trading Toolbox fra Mathworks som tillot å koble MATLAB til forskjellige meglere for utførelse av deres applikasjoner. Selv om det var automatiske løsninger for gjennomføring av transaksjonene, kunne MATLAB betraktes som et system for å utvikle handelsstrategier med en full syklus: fra data lastet til gjennomføring av automatiserte handelsstrategier. Hvorfor bør hver Algotrader gjenopprette hjulet Mathworks har imidlertid ikke tilbudt en komplett løsning for testing og analyse av strategiene 8211 de kodene som du kunne komme deg ut av webinarer, var de eneste elementene i en full systemtest, og det var nødvendig å endre dem , tilpass dem, og legg dem til GUI for enkel bruk. Det var veldig tidkrevende, og stiller dermed et spørsmål: Uansett hva strategien var, må den gå gjennom samme prosess med testing og analyse, som gjør at den kan klassifiseres som stabil og brukbar 8211 så hvorfor skal hver algotrader gjenoppfinne hjulet og skrive Hisher egen kode for riktig testing strategier i MATLAB Så ble det besluttet å lage et produkt som vil tillate å utføre hele prosessen forbundet med testing og analyse av algoritmiske trading strategier ved hjelp av et enkelt og brukervennlig grensesnitt. Først og fremst vil jeg svare på følgende spørsmål: Hva skjedde med bloggen 1. Jev Kuznetsov er ikke eieren lenger Bloggen ble kjøpt fra vår venn, Jev Kuznetsov, som har flyttet til sin andre blogg tradingwithpython. blogspot. Han konkluderte med at Python er bedre enn MATLAB for handel, som jeg syntes å være falsk. MATLAB er fortsatt en av verdens beste programvare for algoritmiske handelsformål IMHO (jeg har noen fakta om dette skjønt for fremtidig diskusjon). 2. Vi har endret merket Fra dette øyeblikket vil bloggen bli kalt MatlabTrading, som er mye mer forståelig med hensyn til emnene den vil inkludere. Videre er domenenavnet endret til matlabtrading i stedet for den første matlab-trading. blogspot. selv om det gamle domenet fortsatt jobber omdirigere fra det primære domenenavnet. Hva skjer med bloggen 1. Flere innlegg og artikler Vi håper å bringe livet til denne bloggen ved å legge ut relevant innhold en eller to ganger i uken. I de første månedene vil vi legge ut de artikler og videoer som vi allerede har gjort det lettere for våre kjære lesere å søke etter informasjon om en ressurs og ha krysslips på dem. Da har vi planer om å skrive innlegg om praktiske aspekter ved algoritmisk handel i MATLAB. Hvordan lage moderne automatiske handelsstrategier som: Statistisk arbitrageparhandel betyr reversering av markedsnøytrale handelsstrategier basert på cointegration bollinger band kalman filter etc for varer, aksjer og Forex. Trend etter strategier med Jurik Moving Gjennomsnittlig og andre sofistikerte digitale filtre Forutsette strategier med maskinlæring (Support Vector Machines) og andre metoder Opprette robuste handelsstrategier ved hjelp av visuell fremoverprøving av pengehåndtering for å reinvestere kapitalen din (Vitenskap om hvordan du får 1M fra 10K i et år med maksimal, men estimert risiko og svettebelønninger). Kanskje etter å ha lest dette, har du trodd at dette kommer til å bli en annen dum artikkel for de fattige gutta som søker å bli rik gjennom handel på forex og alt det. Vel, det er helt feil. Vi jobber i MATLAB, og flertallet av oss er forskere og eksperter i det aspektet, så alt er seriøst. 2. Mer interaktivitet Jeg vil være glad hvis vi alle kan forholde seg gjennom kommentarer i innlegg. Abonner på våre nyheter for å bli varslet om de nyeste innleggene og hendelsene. Senere har vi planer om å lage Google Hangouts-webinarer. Ikke gå glipp av det, klikk på Følg-knappen øverst til høyre for å bli med i fellesskapet vårt. Hva vil du lese i våre blogginnlegg Hvilke emner kan du foreslå Vennligst skriv her i kommentarer. I mitt forrige innlegg kom jeg til en konklusjon at nærtliggende parhandel ikke er like lønnsom i dag som det pleide å være før 2010. En leser påpekte at det kunne være at gjennombruddsmessige karakterer bare skiftet mot kortere tidsskalaer . Jeg kommer til å dele den samme ideen, så jeg bestemte meg for å teste denne hypotesen. Denne gangen er bare ett par testet: 100 SPY vs -80 IWM. Backtest utføres på 30 sekunders bardata fra 11.2011 til 12.2012. Reglene er enkle og ligner på strategien jeg testet i det siste innlegget: hvis strekningen av paret overstiger 1 på z-poeng, handler du den neste linjen. Resultatet ser veldig pent ut: Jeg anser dette for å være nok bevis på at det fortsatt er nok av gjennomsnittlig reversering på 30-sekunders skala. Hvis du tror at dette diagrammet er for godt til å være sant, er det dessverre faktisk tilfelle. Ingen transaksjonskostnader eller budspørsmål ble tatt i betraktning. Faktisk ville jeg tvile på at det ville være noe overskudd igjen etter å ha trukket alle handelsutgifter. Likevel, denne typen diagrammer er gulrøtten som dangler foran nesen min, holder meg i gang. Dårlige nyheter alle, ifølge mine beregninger, (som jeg håper er feil) er det klassiske parhandelen død. Noen mennesker vil sterkt være uenige, men her er det jeg fant: La oss ta en hypotetisk strategi som fungerer på en kurv av etfs: SPY, XLY, XLE, XLF, XLI, XLB, XLK, IWM, QQQ, DIA Fra disse etfs 90 unik par kan bli laget. Hvert par er konstruert som et marked-nøytralt spredning. Strategiregler: På hver dag beregner z-score for hvert par basert på 25-dagers standardavvik. Hvis z-score gt-terskel, gå kort, lukk neste dag Hvis z-score lt-terskelen går lang, lukk neste dag For å holde det enkelt, er beregningen gjort uten kapitalstyring (man kan ha opptil 90 par i porteføljen på hver dag). Transaksjonskostnader tas heller ikke i betraktning. For å si det enkelt, følger denne strategien en dags betydning for å gjenopprette naturen av markedsneutrale sprekker. Her simuleres resultatene for flere terskler: Uansett hvilken terskel som brukes, er strategien svært lønnsom i 2008, ganske god i 2009 og helt verdiløs fra begynnelsen av 2010. Dette er ikke første gang jeg kom over denne endringen i gjennombrudd oppførsel i etfs. Uansett hva jeg har prøvd, hadde jeg ikke lykke til å finne en parhandelsstrategi som ville fungere på ETFs i løpet av 2010. Min konklusjon er at disse typene enkle stat-arb-modeller bare ikke kutter den lenger. Real-time trading system demo Hei der Hvis du er ny her, vil du kanskje abonnere på RSS-feed eller e-postmating for oppdateringer på Undocumented Matlab-emner. I 23. mai 2013 ga jeg en presentasjon på MATLAB Computational Finance Conference i New York. Rommet var fullpakket med nær 200 fagfolk i finansbransjen. Energien og tilbakemeldingen var enorm, det var en flott opplevelse. Hvis du kom til konferansen, takk for at du er et stort publikum. I september 19, 2013 ga jeg en variant av presentasjonen på MATLAB Computational Finance Virtual Conference. Presentasjonen (PDF-format) er gitt her. videoopptaket er tilgjengelig her. I begge tilfellene presenterte jeg en demo-applikasjon som viste hvordan Matlab kan brukes til å skape et fullstendig end-to-end handelssystem, og fremhever Matlab8217s potensial som en plattform av valg. Jeg brukte interaktive meglere til å demonstrere leveringsdata for markedsdata og kontoportefølje, samt for å sende handelsordre til markedet via IB-Matlab-kontakten: Handelsalgoritmen som brukes i demoen, er trivielt forenklet (tilfeldig). I et virkelighetssystem vil du selvsagt erstatte det med din egen proprietære algoritme. Men vær så snill å bruke denne demoen som utgangspunkt for søknaden din. Demo kildekoden er gitt her (tradingDemo. m og støttefiler). Merk at dette leveres som-er, gratis, men uten garanti eller støtte. Du vil naturligvis trenge IB-Matlab og en Interactive Brokers-konto for å kjøre den. Jeg håper vi har mulighet til å jobbe sammen på prosjektene dine. Send meg en epost hvis du vil ha hjelpen min til rådgivning, opplæring eller utviklingsarbeid. 4 Responses to Real-time trading system demo Jeg har prøvd Activex ruten før du kjøpte produktet. Det er en stor grunnleggende feil når det gjelder å bruke ActiveX med Matlab. Si, du kjører en algoritme, og du behandler en funksjon, og samtidig brenner TWS en Event. Hvis du bruker ActiveX, vil MATLAB IKKE oppdatere prisen før behandlingen av funksjonen din er fullført. Så flere hendelser vil bli savnet og prisen du vil se ville være en annen. Mens i JAVA. det er ikke noe slikt problem. Som noen tilfelle sparket vil umiddelbart bli fanget av java som kjører i bakgrunnen. Så når du ringer til GetLastPrice, får du den riktige prisen. En annen feil er selvsagt det faktum at du bare kan bruke ActiveX med WINDOWS. Mens med JAVA kan du bruke den med Windows, Mac, Linux etc. Det er IKKE en god ide å streame i Live Trades data som det kommer inn i MATLAB. Tenk deg, du har 100 symboler, som oppdaterer alle si 200 msek, så du har en handel som skjer så fort og blir tatt og lagret i Matlab. På grunn av MATLAB8217s enkeltsporede problem, vil noen Trades flått bli savnet, og vil også spise opp minnet. Så alt du vil kunne gjøre er bare å streame i data og ikke gjøre noe annet. Kenan 8211 faktisk har Java API (som brukes av IB-Matlab) mange fordeler over ActiveX API (som brukes av MathWorks8217 Trading Toolbox). En av de heldige resultatene ved å bruke Java er at IB-Matlab kan kjøre på alle plattformer som kjører Matlab (Windows, Mac, Linux), siden alle disse plattformene har både Java og en IB TWS-klient. Java-API-en er også mye raskere og mer pålitelig (ActiveX-kontakten rapporteres å være å slippe IB-hendelser nå og da). Når det gjelder forsinkelse av streaming-sitat, avhenger dette av sikkerhetsvolatiliteten, antall overvåkede verdipapirer, nettverksbåndbredde, maskinvare, andre løpende prosesser på datamaskinen og et bredt spekter av andre aspekter som kan påvirke ytelsen. På en vanlig Lenovo Thinkpad E530 bærbar datamaskin som kjører Matlab R2013a på Win7, nådde jeg strømmende latens så lav som 1-2 mSek (dvs. hundrevis av IB-hendelser per sekund). Selvfølgelig YMMV. Marco Ruijken sier: Algoritmisk handel med MATLAB: WFAToolbox Video Tutorial Trading, Forex, Aksjer, Algoritmisk handel, Automatisert handel, Kvantitativ finans, Beregningsfinansiering - Alt dette kunnskapsområdet er relevant for dette kurset. SISTE OPPDATERING . 15. januar 2017 Bli med 1400 glede Studenter på denne fantastiske algoritmiske trading kurs I det siste kapitlet vil vi vise deg en spesiell metode som lar deg ta en typisk handelsstrategi og konvertere den til ny. som vil gi deg 1461350 fra 10000 på 4 år Dette kurset vil vise deg hvordan du lager, test og analyserer algoritmiske handelsstrategier på finansielle markeder (forex, aksjer etc.) i MATLAB ved hjelp av WFAToolbox-programmet, som kan gjøre utviklingsprosessen behagelig og interessant, samt gir pålitelige resultater, reduserer hele prosessen fra uker eller måneder til noen minutter. Dette kurset er ment for de som kjenner MATLABs språkgrunnleggende og har noen erfaring i finansiell handel på finansmarkeder (forex, aksjer etc.), men selv om du ikke er kjent med MATLAB, inneholder kurset alle koblingene for nødvendige ressurser, som vil tillate deg å forstå alt så snart som mulig. Ved slutten av kurset vil du kunne laste gratis data fra Google Finance direkte inn i MATLAB, beskrive regler for din handelsstrategi på finansielle markeder (forex, aksjer osv.) I MATLAB-språket, utføre visuell fremdriftsanalyse ved å bruke parallellisering av prosesser og genetiske algoritmer, samt utføre detaljert analyse av testene dine. I den siste delen vil vi fortelle og vise deg en spesiell metode som lar deg ta en typisk handelsstrategi på finansielle markeder (forex, aksjer etc.) og konvertere den til ny, noe som vil gi deg 1461350 fra 10000 om 4 år. Det er ingen magi eller hemmelighet i denne metoden, bruker den ren matte. Hovedtrekk og varighet av kurset Dette kurset er litt utradisjonelt for Udemy, fordi det ble laget av en gruppe mennesker og arbeidet tok mer enn 1,5 måneder. I vår moderne verden konverterer tiden til en veldig dyr ressurs, derfor blir vi virkelig overrasket når vi ser at noen forfattere stolt forteller oss at deres kurs tar 7 eller enda 15 timer - hvor kan man finne tid til å se det derfor, vi lagde god og hard jobb for å være sikker på at du vil forstå all informasjon om 30 minutter, samt lære alle spesifikke metoder og instrumenter som beskrives i kursets navn. Vi prøvde å gjøre alt maksimalt kapasitet, informativ og til poenget. Kan du huske episode fra The Matrix-film, hvor Neo var koblet til en kabel for å kjenne Kung Fu om noen få sekunder. Vi prøvde å gjøre det mulig for deg å forstå WFAToolbox med samme hastighet. eller nesten det samme. Historien om hedgefond som lager tusenvis av dollar hvert år ved hjelp av MATLAB (og veien for deg å stjele deres teknologier) Vet du hvilken teknologi som brukes av hedgefond avdelinger i JP Morgan eller Deutsche Bank for å skape deres svært effektive algoritmiske strategier. Ja, noen ganger utviklere skriver alt fra grunnen, men i de fleste tilfeller bruker de MATLAB-systemet fordi det øker utviklingsprosessen av handelssystemer på finansmarkeder (forex, aksjer etc.), og visuell analyse kan utføres selv av student. Det viktigste at det har alle nødvendige ting for avansert kvantitativ finansanalyse og økonomi. digital signalbehandling (ikke-lineære adaptive filtre, kalmanfiltre), nevrale nettverk, støttevektorer, genetiske algoritmer og mange andre og mest moderne. I vår moderne verden kan noen betraktes som uanstendig person dersom han eller hun publiserer artikkel om ny metode for dataanalyse eller tidsserier forutsigelse uten vedlegg av slik kode i MATLAB-språk. Inntil nylig var MATLAB kun tilgjengelig for høyt betalte fagfolk fra investering banker og hedgefond, fordi prisen på den grunnleggende versjonen var lik 4400, men nylig tilbyr MathWorks-firmaet Hjem-lisens til personlig bruk bare for 135 flott faktum at slik versjon har full funksjonalitet og lar deg bruke alle funksjonene i MATLAB. Under studiet kan du installere gratis prøveversjon og unngå betaling før du er sikker på at du trenger dette produktet. Tilgjengelighet av MATLAB ga nye og enestående muligheter for private investorer og forhandlere. som er interessert i å skape svært lønnsomme algoritmiske handelsstrategier på finansielle markeder (forex, aksjer etc.). Men vi må nevne at institusjonelle investorer vanligvis ikke bruker en enkelt person, men hele laget til å lage sine strategier selv i MATLAB, fordi noen prosesser må integreres i en eksisterende struktur (f. eks. Bankstruktur), derfor har noen av de nødvendige prosessene aldri eksisterte eller krever forbindelse til dyre tjenester. Men i disse dager har vi endelig WFAToolbox. Denne applikasjonen (faktisk tillegget) som fungerer under MATLAB, gjør det mulig å utføre alle nødvendige prosesser for å skape, teste og analysere handelsstrategier på finansielle markeder (forex, aksjer etc.) i MATLAB, noe som gir maksimal komfort og hastighet og bruker moderne optimaliserings - og datavisualiseringssystemer uten noen hengivenhet om ubegrensede muligheter for bruk av dataanalysesystemer, prediksjon og så videre, som er selve MATLAB-delen. Dette kurset for handelsfolk som har noen erfaring med Forex, Aksjer etc. trading eller vil oppdage en verden av kvantitative finanser for himher selv. Dette kurset er IKKE ment for de som ikke er klar til å undersøke noen ganger vanskelige ting (men derfor lønnsomme) selv med vår omfattende hjelp. Dette kurset er IKKE for de som leter etter 31242 fra 100 investeringer over natten uten anstrengelser. Mange ting fra dette kurset bør læres godt før du begynner å gjøre mer enn 100 av årlig avkastning på dine investeringer. For å lage, teste og analysere algoritmiske handelsstrategier bruker vi WFAToolbox. Under kurset vil vi veilede deg hvordan du laster ned, installerer og konfigurerer WFAToolbox App. Installer MATLAB (fra R2012b til senere versjon): Gratis 30-dagers prøveversjon er mer enn nok. Hvis du ikke vet hvor du skal finne den - ikke bekymre deg, vil vi veilede deg i kurset. Personlig lisenskostnad: 135 Du trenger Excel med makroses-støtte for detaljert analyse av kurset. Installer prøveversjon av WFAToolbox fra den offisielle nettsiden