Инвестиции Алгоритмическая торговля. Научный подход - Горчаков (2016)

R
RoBot
Guest
#1
img-png.23789

Курс вебинаров "Алгоритмическая торговля. Научный подход"

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.

Продажник:

Чтобы скачать курс, новым пользователям, необходимо Пройти Регистрацию
Если у вас уже есть аккаунт Войти на Форум


Скачать:



Чтобы скачать курс, новым пользователям, необходимо Пройти Регистрацию
Если у вас уже есть аккаунт Войти на Форум
 
Последнее редактирование модератором: