[Александр Горчаков]

[Admin]

Автор: Александр Горчаков
Год: 2016
Формат: mp4, ppt
Размер: 3,79 Гб (в распакованном виде)
Стоимость: 3 000 руб

Программа курса вебинаров

День 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.
День 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.
День 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;
День 4
Примеры трендовых торговых алгоритмов. Часть 1.

для кусочно-постоянной условно нормальной модели;
для сильно «антиперсистентной» модели.
День 5
Примеры трендовых торговых алгоритмов. Часть 2.

для минимаксной модели трендов;
для история реальной торговли и модификаций.
День 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.
День 7
Практическое занятие.

Скачать: