Mr. Cat
Администратор
- 01.01.22
- 49.372
- 62.428
Другие курсы от автора:
[Надежда Семенова] Стань мастером игры Лила. Тариф Мастер
[Елизавета Буданова] Королевская осанка и молодость лица (2022)
[Анастасия Сафина, Нино Пипия] Легкие роды. Все, что нужно знать будущей маме
[Анна Дерусова] [sovanna.nails] Скорость без потери качества
[Mers academy] Мастер класс по диагностике и чип тюнингу
[Кристина Бегашева] Дети. Тариф Самостоятельный
[Марина Мищерикова] Преподаватель английского нового поколения: с нуля до...
[Елизавета Буданова] Королевская осанка и молодость лица (2022)
[Анастасия Сафина, Нино Пипия] Легкие роды. Все, что нужно знать будущей маме
[Анна Дерусова] [sovanna.nails] Скорость без потери качества
[Mers academy] Мастер класс по диагностике и чип тюнингу
[Кристина Бегашева] Дети. Тариф Самостоятельный
[Марина Мищерикова] Преподаватель английского нового поколения: с нуля до...
День 1
Введение:
День 2
Тестирование и оптимизация торговых алгоритмов, как проверка качества статистического прогноза будущего приращения цены:
День 3
Принципы построения торговых алгоритмов:
Примеры трендовых торговых алгоритмов. Часть 1.
День 5
Примеры трендовых торговых алгоритмов. Часть 2.
День 6
Фильтрация трендовых торговых алгоритмов:
День 7
Практическое занятие.
Материал может быть удален по просьбе
Введение:
- случайность или детерминированность;
- торговый алгоритм, как статистический прогноз будущего приращения цены;
- бинарная модель приращений цен, тренд и контртренд, оптимальный алгоритм.
- 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.
- 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;
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.
- «фильтр пилы», как индикатор торговли контртренда в рамках бинарной модели приращений цен;
- maximum profit system для опционов.
День 7
Практическое занятие.
Материал может быть удален по просьбе