Алгоритмическая торговля. Научный подход

Время проведения: 19:30-21:30

Длительность: 2 часа

Тип: Вебинар. Для участия в вебинарах предварительная регистрация обязательна!

Зарегистрироваться на серию вебинаров вы можете на нашем сайте http://moex-school.com/

Уровень курса: для знакомых с курсом теории вероятностей на уровне экономического ВУЗа

Стоимость курса вебинаров: 3000 рублей

Узнать программу курса и записаться на ближайший курс вебинаров вы можете здесь

Программа курса:

Занятие 1.

 Введение:

• случайность или детерминированность;
• торговый алгоритм, как статистический прогноз будущего приращения цены;
• бинарная модель приращений цен, тренд и контртренд, оптимальный алгоритм.

Основы теории вероятностей и математической статистики "за час":

• вероятность, как мера числовой оценки шансов появления будущих событий;
• одномерные случайные величины: функция распределения, математическое ожидание функции от случайной величины, квантили (перцентили) , стохастическое доминирование;
• многомерные случайные величины: независимость, условные распределения, задача статистического прогноза, регрессия;
• последовательности случайных величин: стационарность, автокорреляционная и спектральная функции, случайное блуждание, показатель Херста (критика);
• математическая статистика: выборка, выборочные статистики, достаточные статистики, различение гипотез, оценка параметров, параметрическая и непараметрическая статистика.

28.06.2016

Занятие 2
Тестирование и оптимизация торговых алгоритмов, как проверка качества статистического прогноза будущего приращения цены:

• оценка доли "успехов";
• приведение автокорреляционной функции динамики счета к нулевому виду;
• отсев параметров по:
  • устойчивости;
  • стохастическому доминированию;
  • взаимной корреляции;
  • превосходству "доходность-риск" пассивной стратегии;
  • построение оптимального портфеля из:
    • одного торгового алгоритма с разными параметрами,
    • нескольких торговых алгоритмов на одном активе,
    • портфелей торговых алгоритмов на разных активах;
    • оценка будущей просадки счета методом Монте-Карло.

29.06.2016

Занятие 3.
Принципы построения торговых алгоритмов:

• оптимальные алгоритмы при известном распределении будущего приращения цены;
• бинарная модель приращений цен, "кусочная" стационарность, оптимальные алгоритмы в условиях непредсказуемости точек смены отрезков стационарностей.

Модели цен:

• конкурентный рынок, условная нормальность, "кусочная" стационарность;
• кусочно-постоянная условно нормальная модель, тренды, минимаксная модель трендов;
• кусочно-марковская условно нормальная модель, тренды и контртренды;
• сильно "антиперсистентная" модель, ступенчатые тренды;

30.06.2016

Занятие 4.

Примеры трендовых торговых алгоритмов. Часть 1.

• для кусочно-постоянной условно нормальной модели;
• для сильно "антиперсистентной" модели.

01.07.2016

Занятие 5

Примеры трендовых торговых алгоритмов. Часть 2.

• для минимаксной модели трендов;
• для история реальной торговли и модификаций.

04.07.2016

Занятие 6

Фильтрация трендовых торговых алгоритмов:

• кусочно-марковская условно нормальная модель, как основа построения "фильтра пилы";
• "фильтры" шортов и плечей, принципы построения, особенности использования.

Примеры контртрендовых торговых алгоритмов:

• "фильтр пилы", как индикатор торговли контртренда в рамках бинарной модели приращений цен;
• maximum profit system для опционов.

05.07.2016

Занятие 7

Практическое занятие.