Бесконечная и бесполезная битва

На смартлабе, где я все еще изредка бываю, часто звучат жалобы на московскую биржу.

Но не только биржа доставляет огорчения тупостью и некомпетентностью персонала.
В ДЦ ситуация ничуть не лучше. Человеческий фактор испортит все что можно испортить. И без хорошего пинка никто не станет шевелиться, даже если что-то можно улучшить малой кровью и незначительными телодвижениями.

В общении с представителями ДЦ иногда возникает большое сожаление, что проблему нельзя решить так просто, как на рисунке.

Причем устранение описанных ниже проблем никак не затрагивает финансовые интересы ДЦ. А их наличие вредит имиджу и показывает за кого держат клиентов эти фирмы.

Пишешь людям:
— У вас по нефти цена тика, выдаваемая сервером занижена в 10 раз. Исправьте. Ряд индикаторов и советников выдает ошибки по рискам и объемам.
Отвечают:
— У нас все нормально. 

Мля, если ты такой тупой, что тебе все нормально, позови кого-нибудь другого, пусть проверит. Оказалось, что одним ДЦ проблема не ограничивается. Пришлось ввести в программы специальный масштабирующий коэффициент, корректирующий цену тика.

Пишешь людям:
— У вас цена тика по золоту и серебру, выдаваемая сервером, установлена не за контракт, а за унцию. Исправьте.
Отвечают:
— А нам пох. Клиенты не жалуются.

Решение то же, что и в предыдущем случае.

Кривые линейки

Все трейдеры (ИМХО), использующие индикаторы, измеряют длину линии с переменной кривизной кривыми линейками постоянной кривизны. На каком-то этапе какая-то линейка очень хорошо совпадает с кривизной измеряемой линии, на других нет. Трудно ожидать, что будет совпадать всегда. И не стоит мериться кривизной линеек. :)

"Хачу многа денех"

Я долго не мог понять, что меняется в рыночной индустрии со стороны отношения клиента к процессу.
Наконец дошло.
Главный тезис изображен на картинке.



В чем отличие от еще недавнего прошлого.

Когда фиксировать профит (убыток)?

Прочитал весьма разумную (на первый взгляд) фразу: профит или убыток нужно фиксировать, когда поменялась ситуация.
За рамками остался вопрос критерия, по которому определяется изменение ситуации.
Хорошо если у вас есть достоверный критерий, который позволяет и прибыль взять и убытки не вырастить. Но чаще всего изменение ситуации становится очевидным, когда от профита ничего не остается, а убыток вырос до хз каких величин.
Поэтому все-таки лучше и с прибылью и с убытком определиться до открытия позиции. Так надежнее.

Фрагменты обсуждения.
А: Для трендовых систем наиболее работающий способ — «дай прибыли течь». Определение прибыли заранее — нарушает этот принцип.
Автор: А если вы ошиблись с трендом? Или с его продолжительностью?
А: А мне это не важно. Я не могу ошибиться с трендом, я просто вхожу в позицию каждый раз когда тренд возможен. Будет он или нет и какого размера — я не знаю. Просто выхожу если «не пошло» и сижу «если пошло».
Автор: Должен быть критерий пошло-не пошло… Об этом и речь. Если ваш критерий дает вам результат — все хорошо.
А: Да, но критерии появляются после входа в позицию, а не до этого.
Автор: В тексте поста речь именно про этот случай. И про "Хорошо если у вас есть достоверный критерий, который позволяет и прибыль взять и убытки не вырастить. "

....

"Слишком много букв"?

При всеобщем умении читать и писать в мире возрастает количество функционально неграмотных людей.

Многие из авторов обижаются на аудиторию. Мол выдал кучу полезной информации, а реакция ноль. Ноль потому что не учитывается специфика современного общества, которое все больше охватывается болезнью под названием функциональная неграмотность.

Люди, страдающие функциональной неграмотностью, узнают слова, но не умеют декодировать язык, находить в нем художественный смысл или техническую пользу. Поэтому читатели и зрители из них никудышные – они предпочитают самую грубую и прямолинейную поп-культуру. Некоторые исследователи считают, что функциональная неграмотность хуже даже обычной безграмотности, поскольку указывает на более глубокие нарушения в механизмах мышления, внимания и памяти.

Капитализм без капитала

 

Хорошая статья. Позаимствовал.

Билл Гейтс о новой экономике, в которой мы живем. Хорошая статья. Позаимствовал.
Легендарный предприниматель и филантроп обращает внимание на важный экономический тренд, который мало кто понимает

Во втором семестре моего первого года в Гарварде я начал ходить на курсы, на которые не записывался, и практически перестал ходить на те курсы, на которые записался – за исключением лекций по введению в экономическую науку, которые назывались «Ec 10». Меня заворожила эта тема, а профессор блестяще преподавал курс. В самом начале он показал нам диаграмму спроса и предложения. В то время, когда я учился в университете (а это было, надо признать, довольно-таки давно), именно так и была устроена мировая экономика.

На основе этой диаграммы можно сделать два предположения. Одно более или менее верно до сих пор: по мере того, как растет спрос на некий продукт, его предложение увеличивается, а цена снижается. Если цена становится слишком высокой, спрос падает. Точка, в которой две линии пересекаются, называется равновесием. Это волшебная точка, потому что здесь производимая ценность для общества максимальна. Товары продаются по доступной цене, в большом количестве и приносят прибыль. В выигрыше все.

Блеск и нищета электромобилей

 

Когда некуда стало девать холодильники ушлые предприниматели пролоббировали проблему озоновых дыр  и сорвали деньги с государств за переход на зеленую технологию. Сейчас об озоновых дырах молчат.

Следующим этапом была зеленая энергетика — еще один способ похоронить миллиарды налогоплательщиков, навязанный и хорошо субсидируемый государством. Правда стоит отметить, что несмотря на субсидии производители солнечных батарей начинают банкротится один за другим, по крайней мере в Германии. 

Электромобили — очередной этап «борьбы» за экологию. Если вдруг запретят ДВС, то ездить конечно придется на электромобилях. Но говорить о выгоде для экологии тоже особо не приходится. Если принять во внимание проблемы утилизации аккумуляторов, мерседес вредит окружающей среде не больше, чем Tesla. 

Да и без аккумуляторов остается проблема производства электроэнергии и КПД всей цепочки ниже, чем в ДВС, так в ней появляется новые звенья: вместо связки мотор-колеса появляется связка мотор-генератор-аккумулятор-электродвигатель-колеса. Что-то мне подсказывает что кпд всего цикла во втором случае будет хуже. И c экологией наверное все не так радужно, если рассмотреть весь цикл.

Я совсем не ретроград, электромобиль это в общем-то неплохо. И педалей меньше, и в обслуживании наверное проще. 
Но что-то мне подсказывает, что речь идет не об экологии, а об очередном распиле бюджетного пирога под благовидным предлогом, как это уже было с фреонами  и зеленой энергетикой. Но теперь свои дела будут проворачивать уже дельцы из автопрома. Автомобиль однозначно дороже холодильника, т.е. на кону очень большие прибыли, особенно если будет соответствующая законодательная поддержка в виде запрета или ограничения использования двигателей внутреннего сгорания.

Трейдинг и одномерное мышление

Что такое график цены?
Это функция времени, которая зависит от неопределенного, очень большого количества параметров, которые в свою очередь являются функциями времени.
Пытаясь определять или строить причинно-следственные связи мы поневоле, из-за ограниченности возможностей нашего мозга и мышления, пытаемся упростить эту функцию, заменить ее некой идеальной моделью, чаще всего одномерной.
Естественно, такое упрощение сильно отличается от реальности и не может не приводить к ошибкам.

GMartSWT. 2021-й

Красиво. Но без гарантий.

Торговый робот GMartSWT. Несколько слов после тестирования.

Проведенное тестирование на исторических данных более чем за двадцать лет показало принципиальную устойчивость алгоритма, по крайней мере на паре EURUSD.

Робот входит в рынок по тренду, действующему на момент открытия позиции. Далее по мере движения рынка на интервал сетки объем позиции наращивается. 
При работе в автономном режиме все позиции закрываются при достижении целевого, не очень большого, значения прибыли, задаваемого настройками параметров робота.
Прибыльность может быть многократно увеличена, если отслеживать ситуацию и регулировать целевой уровень прибыли на устойчивых трендах.

Замыкая круг. Финальный тест GMartSWT на данных 2021 года

Публикация закрывает серию статей с результатами тестирования робота GMartSWT на данных вне выборки (out-of-sample).

Итак, робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

Мы провели тестирование на интервале с 1999 по 2021 год. 

По результатам теста внесены незначительные правки в алгоритм и второстепенные корректировки, уменьшающие риски. И провели повторный тест на данных 2021 года на основе откорректированной программы.

Результаты теста:

А здесь то, с чего начиналось.

Комментировать не буду...

GMartSWT. Тест "out-of-sample" на данных 1999 года

 Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Аномалий поведения робота не наблюдается. Просадка незначительная, устойчивость сохраняется. 

Общий интервал тестирования 22 года 8 месяцев. На данных вне выборки - 22 года.

GMartSWT. Тест "out-of-sample" на данных 2000 года

 Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Аномалий поведения робота не наблюдается. Просадка незначительная, устойчивость сохраняется. 

Общий интервал тестирования 21 год 8 месяцев. На данных вне выборки - 21 год.

GMartSWT. Тест "out-of-sample" на данных 2001 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Аномалий поведения робота не наблюдается. Просадка незначительная, устойчивость сохраняется. 

Общий интервал тестирования 20 лет 8 месяцев. На данных вне выборки - 20 лет.

GMartSWT. Тест "out-of-sample" на данных 2002 года

 Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Аномалий поведения робота не наблюдается. Просадка великовата, но устойчивость сохраняется. 

Общий интервал тестирования 19 лет 8 месяцев. На данных вне выборки - 19 лет.

GMartSWT. Тест "out-of-sample" на данных 2003 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Аномалий поведения робота не наблюдается. Просадка в допустимых пределах, устойчивость сохраняется. 

Общий интервал тестирования 18 лет 8 месяцев. На данных вне выборки - 18 лет.

GMartSWT. Тест "out-of-sample" на данных 2004 года

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

 Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Аномалий поведения робота не наблюдается. Просадка в допустимых пределах, устойчивость сохраняется. 

Общий интервал тестирования 17 лет 8 месяцев. На данных вне выборки - 17 лет.

GMartSWT. Тест "out-of-sample" на данных 2005 года

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Аномалий поведения робота не наблюдается. Просадка в допустимых пределах, устойчивость сохраняется. 

Общий интервал тестирования 16 лет 8 месяцев. На данных вне выборки - 16 лет

GMartSWT. Тест "out-of-sample" на данных 2006 года

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Аномалий поведения робота не наблюдается. Просадка в допустимых пределах, устойчивость сохраняется. 

Общий интервал тестирования 15 лет 8 месяцев. На данных вне выборки - 15 лет.

GMartSWT. Тест "out-of-sample" на данных 2007 года. Предкризисный год.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними. Фильтр канала волатильности включен.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Результаты в целом удовлетворительные, но чувствуется предкризисная нервозность рынка, что привело к завышенным объемам и увеличенной просадке.. Изгиб кривой баланса в конце графика - закрытие позиций незавершенного трейда по окончанию интервала тестирования.

Общий интервал тестирования 14 лет 8 месяцев. На данных вне выборки - 14 лет.

GMartSWT. Тест "out-of-sample" на данных 2008 года. Год начала кризиса.

В 2008 году начался глобальный кризис, возникновение кризиса связывают с общей цикличностью экономического развития, но в качестве спускового механизма указывают на перегрев кредитного рынка и его следствие - ипотечного кризиса. 
Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест провалился. В конце года робот не выдержал возросшей волатильности, что и привело к краху.
Включим отключенный ранее фильтр волатильности. и проведем тест еще раз, уже с ограничениями.

С включенным фильтром все пришло в норму. Тест успешный. Аномалий поведения робота не наблюдается. Просадка незначительная, устойчивость сохраняется. В дальнейшем будем использовать робот с включенным фильтром.

Общий интервал тестирования 13 лет 8 месяцев. На данных вне выборки - 13 лет.

GMartSWT. Тест "out-of-sample" на данных 2009 года. Кризис продолжается.

В 2008 году начался кризис, продолжающийся в 2009. Это время слома рыночных тенденций. Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Тишь да гладь. Никаких изломов и просадок. вероятнее всего все ломки тенденций случились в 2008 году. Посмотрим, что покажет следующий тест.

Общий интервал тестирования 12 лет 8 месяцев. На данных вне выборки - 12 лет.

GMartSWT. Тест "out-of-sample" на данных 2010 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Аномалий поведения робота не наблюдается. Просадка незначительная, устойчивость сохраняется. 

Общий интервал тестирования 11 лет 8 месяцев. На данных вне выборки - 11 лет.

GMartSWT. Тест "out-of-sample" на данных 2011 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест успешный. Аномалий поведения робота не наблюдается. Просадка незначительная, устойчивость сохраняется. 

Общий интервал тестирования 10 лет 8 месяцев. На данных вне выборки - 10 лет.

GMartSWT. Тест "out-of-sample" на данных 2012 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест более-менее успешный. Однако в средней части диапазона возникла перегрузка по объемам. Просадка возросла, но алгоритм остался устойчивым.

Общий интервал тестирования 9 лет 8 месяцев. На данных вне выборки - 9 лет.

GMartSWT. Тест "out-of-sample" на данных 2013 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест также более-менее успешный. Аномалий поведения робота не наблюдается. Просадка в допустимых для алгоритма пределах, устойчивость сохраняется. 

Общий интервал тестирования 8 лет 8 месяцев. На данных вне выборки - 8 лет.

GMartSWT. Тест "out-of-sample" на данных 2014 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест также более-менее успешный. Особых аномалий поведения робота не наблюдается. Просадка в допустимых для алгоритма пределах, устойчивость сохраняется. 

Общий интервал тестирования 7 лет 8 месяцев. На данных вне выборки 7 лет.

GMartSWT. Тест "out-of-sample" на данных 2015 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест более-менее успешный. Особых аномалий поведения робота не наблюдается. Просадка великовата, что говорит о возможных проблемах, но устойчивость пока что сохраняется. Напомним, что у нас с запасе есть ограничения по каналу волатильности и еще пару идей по уменьшению риска, которые пока что применять не будем, сохраняя неизменность параметров настройки.

Общий интервал тестирования 6 лет 8 месяцев. На данных вне выборки 6 лет.

GMartSWT. Тест "out-of-sample" на данных 2016 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на заданном интервале данных.

Тест более-менее успешный. Особых аномалий поведения робота не наблюдается. Просадка великовата, что говорит о возможных проблемах. Но у нас с запасе есть ограничения по каналу волатильности и еще пару идей по уменьшению риска, которые пока что применять не будем, сохраняя неизменность параметров настройки.

Общий интервал тестирования чуть меньше 6 лет. На данных вне выборки 5 лет.

GMartSWT. Тест "out-of-sample" на данных 2017 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на данных 2017 года.

Тест более-менее успешный. Особых аномалий поведения робота не наблюдается.
Общий интервал тестирования чуть меньше 5 лет. На данных вне выборки 4 года.

Горе от ума...

В старых и, как я сейчас понимаю, умных книгах по трейдингу часто писалось, что на роль трейдера компании предпочитали брать бывших спортсменов, не особенно отягощенных интеллектом, но имеющих устойчивую психику. В тех книгах речь шла о торговле «на полу», но мне представляется, что эти предпочтения в какой-то мере должны сохранять силу и при он-лайн торговле. И вот по каким причинам.

Далее будут приведены выдержки из одной интересной (хотя и несколько банальной) книги. Банальной, но тем не менее изложенному тексту трудно отказать в справедливости выводов и положений. А главная суть приведенного текста в том, что большинство наших бед и проблем не имеют особого отношения к реальности и возникают из-за нашего ума.
В принципе это не так уж ново. Профессор Савельев тоже как-то отмечал, что его знакомые бизнесмены говорили, что разум им только мешает. Руководствуясь побуждениями лимбической системы, т.е. животными инстинктами, они и жили бы проще и дела вели бы успешнее.
Насчет этого конечно можно поспорить, но в одной древней книге тоже не зря сказано: "Во многой мудрости много печали; и кто умножает познания, умножает скорбь". (Екк. 1:18)

Итак, почему от ума можно ожидать горе? Рефлексия, способность анализировать. Читаем выдержки....

О торговле "на всю котлету"

Написал большой пост.

Потом подумал и все зачеркнул, оставил только рисунок, который кратко отражает суть экстремального трейдинга с предельными рисками. Каждый пук рынка не в вашу сторону способен размазать вас по стене.
Добавлю только, что на большом промежутке времени консервативный трейдинг, особенно с реинвестированием части прибыли, обойдет экстремальный подход, причем без нервов и случайностей.

P.S. Тем, кто торгует акции. Это не про вас. С вашим плечом можно и на всю котлету без особых негативных последствий. Особенно в лонг и с дивидендами.

Equity: траектория пьяницы - случайное блуждание

В алгоритмы торговых роботов заложена функция фиксации профита по достижению заданного порога  (случайное блуждание с поглощающими границами), что соответствует поглощающей границе для марковского процесса. При этом кроются все позиции по инструменту, и прибыльные и убыточные. Далее работа возобновляется.

Дополнительным роботом реализован аналогичный режим для портфеля инструментов. При достижении заданной границы кроются все позиции по всем инструментам. Далее работа по прибыльным инструментам возобновляется, а условий входа по убыточным, как правило, не возникает, если и возникает, то объемы не наращиваются. Таким образом частично хеджируются риски. Чем больше инструментов используется, тем выше эффект хеджирования.

Процесс изменения эквити по портфелю инструментов близок к случайному блужданию, и из-за механизма  формирования котировок и из-за действия центральной предельной теоремы теории вероятностей.

Ниже приведены результаты исследования режимов блуждания с поглощающими границами, когда серия сделок прерывается при достижении заданной прибыли или убытка в условиях отсутствия статистического преимущества, т.е. когда вероятность открытия прибыльной и убыточной позиции одинакова.

Для целей исследования был разработан симулятор, моделирующий статистику торговли за данными вероятностными параметрам, чтобы приблизить его к практическим потребностям.
В симуляторе рассчитываются:
— процент риска по формуле Келли;
— математического ожидание и дисперсия серии сделок;
— границы отклонения результата торговли в единицах среднеквадратического отклонения — плюс-минус сигма, два сигма и три сигма;
Возможно переключение режима моделирования — фиксированный абсолютный риск или фиксированный процентный риск.
Возможен ввод значений прибыли TP и убытка SL для моделирования режимов блуждания с поглощающими границами, когда серия сделок прерывается при достижении заданной прибыли или убытка;
Выглядит это примерно так:

GMartSWT. Тест "out-of-sample" на данных 2018 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на данных 2018 года.

Тест успешный. Особых аномалий поведения робота не наблюдается.

GMartSWT. Тест "out-of-sample" на данных 2019 года

Продолжаем тестирование робота на данных "out-of-sample". Настройки остаются прежними.

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на данных 2019 года.

Тест успешный. Особых аномалий поведения робота не наблюдается.

GMartSWT. Тест "out-of-sample" на данных 2020 года

Продолжаем тестирование робота на данных "out-of-sample".

Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

На рисунке представлены результаты тестирования "out-of-sample" робота GMartSWT на данных 2020 года.

В зоне аномально высокой волатильности с выходом котировок за пределы канала волатильности среднесрочного тренда (показано прямоугольником на рисунке внизу) тест дал просадку, но алгоритм сохранил устойчивость и в конечном итоге позиции вышли в плюс.

GMartSWT. Тест на данных 2021 года

Публикация открывает серию статей с результатами тестирования робота GMartSWT на данных вне выборки (out-of-sample) после завершения работ по отладке базовых настроек программы.
Робот GMartSWT реализует сеточный алгоритм с элементами мартингейла и использованием SWT-метода для запуска сетки. Параметры настройки робота и алгоритм его работы описаны в соответствующих разделах блога.

Предварительное тестирование, эксперименты с рисками и диапазонами сетки и прочими параметрами робота производились на данных 2021 года. Результаты теста в зависимости от настроек давали прибыль 4-6 процентов в месяц и более, но стабильная работа робота требует либо постоянного мониторинга ситуации, либо уменьшения риска. В последнем случае прибыль тоже снижается. 

Тест по данным вне выборки не дает возможности мониторинга ситуации, поэтому тестирование будет проведено в конфигурации минимальных рисков на интервале вне диапазона тестирования и отладки. В частности, параметры настройки робота будут установлены таким образом, чтобы критерием краха был проход рынка на диапазон волатильности среднесрочного тренда без отката 5-6 процентов от диапазона движения. Такое событие не является невозможным, но вероятность его очень мала. Это или глобальный финансовый кризис или масштабная катастрофа глобального масштаба. При реальной торговле, не в рамках автономного теста, трейдер чаще всего будет иметь возможность предпринять защитные меры. 

Итак, конфигурация настроек определена. И для начала тест при данных настройках на котировках 2021 года.

Рис.1. Тестирование робота GMartSWT в режиме малых рисков.