Страница 1 из 2 1 2 ПоследняяПоследняя
Показано с 1 по 15 из 22
  1. #1
    Administrator
    Вес репутации
    0

    Т.Правдюк: Введение в динамическую адаптацию

    В системной торговле можно использовать способы объективной и самостоятельной адаптации параметров торговой системы к текущей рыночной ситуации. При этом совсем не обязательно строить системы со сложными нейросетями. Достаточно представить численный параметр торговой системы в виде функции от какой-либо характеристики рынка. В этой статье я хочу рассказать, как и к каким свойствам рынка можно самоадаптировать ключевые параметры механической торговой системы.

    Автор статьи: Тарас Правдюк (tarasp), специально для Русского Трейдера.

    Торговля на бирже подразумевает постоянное принятие трейдером решений об открытии позиций, определении максимального допустимого убытка по сделке и объеме задействованных в торговле средств. В условиях постоянного психологического прессинга трейдеру становится очень трудно сохранять объективность и не поддаваться чрезмерному влиянию эмоций. Крупный выигрыш или, наоборот, затянувшаяся серия убытков может сильно повлиять на уверенность трейдера в способности делать деньги. Поэтому с опытом появляется вполне закономерное желание переложить всю или хотя бы часть работы по принятию торговых решений на компьютер. В этом случае строго выверенный математический алгоритм будет обрабатывать поток поступающей информации и раз за разом выдавать трейдеру абсолютно объективные сигналы. Современные механические торговые системы способны вести полностью автономную торговлю, включая анализ точек входа и выхода, правил управления рисками и капиталом.

    При торговле с помощью МТС трейдер может сосредоточиться исключительно на разработке самих алгоритмов и правил, согласно которым система будет открывать и закрывать позиции. Это гораздо менее эмоциональное занятие, поэтому все компоненты системы можно тщательно проверить, протестировать и, при необходимости, оптимизировать. Спектр возможных систем чрезвычайно широк: это могут быть быстрые и медленные трендследящие системы, краткосрочные паттерновые и контртрендовые системы, высокочастотные и арбитражные системы. В любом случае механизм принятия решений будет состоять из алгоритмов с логическими и численными параметрами. Именно эти параметры и являются ядром большинства торговых систем. Их определение является очень трудной задачей. Определяя численные значения параметров, трейдер, как правило, тестирует их на исторических данных. При этом происходит некоторая подгонка параметров под прошлые данные, что является краеугольным камнем в разработке и оптимизации механических торговых систем. Необходимо найти баланс между оптимальностью параметров, их устойчивостью и робастностью всей торговой системы.

    Практика грамотной оптимизации МТС является отдельной темой, при обсуждении которой сломано немало копий. Возможно, я вернусь к ней позже, а пока хотелось бы рассмотреть способы объективной и самостоятельной адаптации параметров торговой системы к текущей рыночной ситуации. При этом совсем не обязательно строить системы со сложными нейросетями. Достаточно представить численный параметр торговой системы в виде функции от какой-либо характеристики рынка. В этой статье я хочу рассказать, как и к каким свойствам рынка можно самоадаптировать ключевые параметры механической торговой системы.

    Для начала необходимо определиться, что означает термин "адаптация" и к чему, собственно, можно адаптироваться. Любой численный параметр торговой системы определяется в результате тестов на исторических данных. Так, например, простейшая торговая система из двух скользящих средних линий призвана ловить тренды определенной длины. Быстрые скользящие средние будут ловить много относительно коротких направленных ценовых движений, но будут часто подавать убыточные сигналы в бестрендовые периоды, когда цена колеблется в боковом диапазоне. Медленные же скользящие средние нацелены на тренды гораздо большей длины. Они не так чутко реагируют на текущий рыночный шум, но из-за своей медлительности способны упустить значительную часть хорошего тренда. Вот тут-то и могут придти на помощь динамически адаптирующиеся параметры длины скользящей средней. В зависимости от текущей рыночной ситуации, которая имеет свою численную характеристику, длина скользящей средней линии будет увеличиваться или уменьшаться. Таким образом, можно изменять число периодов, которые будут использоваться для расчета среднего значения. Но теперь встает другой вопрос, как найти эти самые численные характеристики текущего состояния рынка. Можно выделить несколько основных свойств, которые достаточно легко измерить:

    - трендовость;

    - волатильность;

    - зашумленность;

    - эффективность;

    Строго говоря, эффективность и зашумленность в том виде, в котором я буду использовать их в этой статье, являются подкатегориями волатильности. В своей прошлой статье, посвященной различным способам измерения волатильности, они были выделены отдельными частями. Поэтому и здесь я хочу продемонстрировать их самостоятельность и пригодность для адаптации.

    Наиболее популярным применением динамических параметров является использование их в скользящих средних. Самыми известными способами адаптации стали методы, предложенные для расчета КАМА Кауфмана и Vidya Чанде. Рассмотрим график:



    На графике представлены три различные скользящие средние линии: салатовая - простая, красная - экспоненциальная по методу Кауфмана и синяя - экспоненциальная по методу Чанде. Хорошо видно, что экспоненциальные средние с динамическими параметрами аккуратнее описывают участок графика, на котором тренд достаточно сильно корректируется в обратную сторону. Простая средняя линия дала бы на этом интервале несколько убыточных сигналов на открытие и закрытие позиций. Линия Чанде лишь однажды подала лишний сигнал, да и то тут же возобновила длинную позицию. А красная линия Кауфмана очень аккуратно притормозила и захватила весь тренд без лишней суеты. Давайте попробуем разобраться, как им это удалось.

    Для начала нужно понять, что из себя представляет экспоненциальная средняя линия. Смотрим формулу:



    Синим цветом выделены ключевые моменты. Каждое значение ЕМА состоит из нескольких долей новой цены закрытия и предыдущего значения ЕМА. Сумма долей равна единице, поэтому эти доли можно рассматривать как проценты. Если при расчете экспоненциальной средней используется только одно последнее закрытие, то ЕМА состоит на 100% из него и 0% из предыдущего значения ЕМА. Таким образом, ЕМА полностью совпадет с линией, построенной по ценам закрытия. Если при расчете ЕМА используется три последних цены закрытия, то доля последней составляет лишь 50%, а на остальные 50% ЕМА состоит из своего же предыдущего значения. Получается, что от периода усреднения напрямую зависит вес последней цены закрытия в общем значении ЕМА. То есть, поставив период усреднения в зависимость от текущей ситуации на рынке, можно динамически изменять гибкость и отзывчивость экспоненциальной средней линии.

    Экспоненциальная средняя Vidya в качестве аргумента для расчета периода усреднения использует уровень текущей волатильности. Так, например, на следующем графике построены три экспоненциальные средние с немного различающимися "аргументами волатильности":



    В верхней части графика изображены индикаторы текущей нормированной волатильности, рассчитанной разными способами:

    - отношение стандартного отклонения цены закрытия к своему среднему значению;

    - отношение СКО цены закрытия к СКО цены закрытия за удвоенный период времени;

    - отношение ATR к ATR за удвоенный период времени.

    Хорошо видно, как в периоды высокой волатильности динамическая средняя линия изменяет свою форму до почти горизонтальной линии. Благодаря этому свойству, сам автор рекомендует использовать свою скользящую линию не традиционным способом с пересечением ценой, а как базу для определения "канала". Сейчас этот вариант адаптивной ЭСС присутствует в большинстве программ для технического анализа. Там можно более подробно ознакомиться с техникой расчета функции адаптации.

    Теперь можно более подробно рассмотреть адаптивную линию Кауфмана. В качестве аргумента для адаптации Кауфман предлагает использовать эффективность рыночных движений. Для определения величины текущей эффективности необходимо рассчитать отношение "сигнала" к "шуму". В качестве сигнала берется величина ценового движения за определенное количество временных интервалов и рассчитывается, как абсолютное значение (цена закрытия - цена закрытия несколько баров назад). В качестве шума берется величина, равная сумме абсолютных значений последовательных приростов за это же самое количество интервалов. То есть суммируются все расстояния, пройденные ценой за это время. Таким образом, получается значение эффективности, постоянно находящееся между 0 и 1. Значение равное нулю "эффективность" принимает в тех случаях, когда цена не изменилась за анализируемый промежуток времени. Значение, равное единице, "эффективность" принимает в моменты сильного тренда, когда на рынке господствовало направленное движение без коррекций.

    Класический вариант КАМА так же представляет собой экспоненциальную среднюю линию. Но рыночную эффективность можно использовать и в более простом варианте обычных скользящих средних линий. Смотрим на график:



    В верхней части графика расположен индикатор текущей рыночной эффективности, для удобства сглаженный трехпериодной средней линией. Далее идет красный индикатор шума и зеленый - сигнальный индикатор. На основном ценовом графике представлены три адаптивные скользящие средние линии:

    - синяя - классическая экспоненциальная средняя Кауфмана;

    - красная - простая средняя линия, где в качестве функции адаптации используется прямой перенос значения рыночной эффективности. Такой способ позволяет увеличивать длину СС во время тренда и сокращать в моменты его окончания;

    - зеленая - простая средняя линия, где в качестве функции адаптации используется обратный перенос эффективности. Такой способ определяет в качестве длины скользящей средней значение (1 - эффективность), что позволяет поджимать среднюю на трендах и расширять ее в периоды рыночной неэффективности.

    Хорошо видно, как реагируют простые скользящие средние на изменение рыночной эффективности. Особенно интересную динамику демонстрирует красная линия с прямым переносом, подтягиваясь к ценам в моменты окончания трендов. Такой подход к адаптации визуально напоминает популярный индикатор "Параболик".

    Сама же линия КАМА использует более сложный подход при определении функции адаптации. Рассчитывая параметр усреднения экспоненциальной скользящей средней, КАМА не берет значение эффективности рынка напрямую, а преобразует его и использует в качестве коэффициента сглаживания. Как и Vidya, КАМА присутствует в арсенале популярных программ для технического анализа, где можно более подробно ознакомиться с технической стороной процесса динамической адаптации. И, точно так же, Кауфман рекомендует использовать для торговли границы канала, основанного на стандартном отклонении значений этой ЕМА.

    Не случайно, что оба автора предлагают строить торговые системы с использованием их адаптивных средних линий не по популярной методике "пересечения", а рассчитывать ценовые каналы на основе этих линий. В своей работе, посвященной торговым системам, Кац и Маккормик подробно протестировали входы на основе "пересечения" и получили удручающие результаты. В большинстве случаев такие входы не давали значимого статистического преимущества. Это можно объяснить вот как. Скользящая средняя линия является запаздывающим индикатором тренда и в моменты устойчивого ценового движения всегда немного отстает от цен, скользя позади них. Точно так же, быстрая средняя линия в периоды трендов всегда должна обгонять более медленные линии. На этом факте построено несколько популярных индикаторов и торговых систем. Поэтому в момент пересечения цены и средней линии или двух скользящих средних их цены в какой-то момент выравниваются. А этот факт полностью противоречит логике определения тренда скользящими средними линиями. В момент "пересечения" или равенства цены и скользящей средней линии с большей вероятностью можно констатировать факт "боковика", чем тренда. В периоды бокового движения, за ростом цены и, как следствие, пересечением цены и средней линии более вероятен откат в обратную сторону, чем продолжение восходящего движения. К таким же выводам пришел и Лебо. Чем же объяснить такую популярность скользяших средних линий при трендследящей торговле? Скорее всего, их способностью сглаживать хаотичные шумовые колебания, что обеспечивает достаточно высокое качество слежения за трендом и высокое качество выходов из тренда.

    Теперь можно перейти непосредственно к динамическим каналам. Одним из наиболее популярных способов торговли по тренду является открытие позиции, когда цена вырывается из горизонтального канала. Для определения верхней и нижней границы такого канала используются линии мнимой поддержки и сопротивления, рассчитанные по локальному максимуму и минимуму. Поэтому основным параметром, как и прежде, является определение временнОго периода, за который торговая система ищет максимальное или минимальное значение цены. Как и при работе со скользящими средними линиями, трейдер должен найти баланс между скоростью срабатывания сигнала и его устойчивостью к шумовым помехам. Значит, необходимо адаптировать поиск экстремумов таким образом, чтобы границы канала расширялись в периоды шумного рынка и сужались на трендах, не подвергая излишней опасности накопленную прибыль. При таком подходе в качестве аргумента адаптации выступает численная характеристика шума.

    Каждая свеча на дискретном графике цены имеет 4 важные точки:

    - цена открытия;

    - максимальная цена;

    - минимальная цена;

    - цена закрытия.

    Само "тело" свечи определяется расстоянием от точки открытия до точки закрытия временнОго периода. Это расстояние будем считать рациональным диапазоном. Тогда "тени" свечи, определяемые максимумом и минимумом - иррациональным расстоянием, вызванным ошибочными или импульсивными действиями трейдеров. В статье, посвященной алгоритмам расчета волатильности, я подробно разбирал технологию определения рыночного шума. Так и здесь, высчитывая отношения рационального диапазона к общему диапазону за период, можно узнать, насколько шумным является рынок в данный момент. Рассмотрим график:



    В верхней части графика находится индикатор рыночного шума (красный) и соответствующая ему длина окна (синий), в котором идет поиск максимальных и минимальных значений. Именно за этот период и будет рассчитываться верхняя и нижняя границы предполагаемого канала. Хорошо видно, что чем больше уровень шума, тем большая длина временнОго окна используется. Такой подход позволяет адекватно реагировать на статистические изменения в ценовых колебаниях и динамически изменять границы канала.

    Отдельно нужно сказать о функции адаптации длины окна к шуму. Метод прямого переноса значений тут не подходит, потому что даже в лучшем случае значения шума редко опускаются ниже отметки в 40%. Поэтому здесь применялся метод шкалирования, когда текущее значение шума определяет длину окна из заранее заданного диапазона. Логически это непростая процедура, поэтому распишу ее подробнее:

    1. Заранее определяем минимальное и максимальное значение длины временнОго окна, по которому будем определять верхнюю и нижнюю границы канала;

    2. Определяем положение значения шума относительно его предыдущих значений за достаточно репрезентативный период:

    - рассчитываем максимальное и минимальное значения шума за этот период;

    - определяем %% положение по формуле (значение-минимум)/(максимум-минимум). Таким образом, текущее положение шума всегда будет в границах от нуля до единицы.

    3. Рассчитываем положение в новой шкале по формуле (%% положение в старой шкале*(максимальное окно - минимальное окно));

    4. Рассчитываем собственно длину окна, прибавляя к числу из пункта 3 значение минимально допустимого окна.

    Таким образом, не зависимо от абсолютного значения шума, длина окна всегда будет выбираться из заранее определенного нами диапазона. Такой подход позволяет избегать большого количества ложных входов и не упускать слишком большую часть потенциальной прибыли, вовремя фиксируя окончание движения.

    Но отфильтровать излишний шум, присущий периодам "флэта" можно и при помощи популярных индикаторов тренда. В качестве таких индикаторов можно использовать любую численную характеристику направленного движения: это и автокорреляция, и нормированная разность скользящих средних, и разность логарифмов. Но сейчас я хочу продемонстрировать использование в качестве аргумента адаптации самый популярный трендовый индикатор ADX. Логика построения ценовых каналов при использовании такого индикатора очень проста и эффективна: чем сильнее на рынке тренд, тем меньше длина временнОго окна. Смотрим полученный график:



    В верхней части графика зеленым цветом представлен индикатор силы тренда, синим цветом - соответствующая ему длина окна. Отдельно нужно рассказать о функции адаптации, используемой в этом случае - это метод обратного переноса. Сила тренда по шкале АДХ очень редко превышает значение в 70 пунктов. Поэтому при определении скользящего окна можно рассчитывать величину ( 70 - АДХ ). И поставить дополнительное условие, чтобы длина окна автоматически приравнивалась 4, если значение величины получится меньше 4. Таким образом, мы ограничим снизу допустимую длину временнОго окна.

    На графике хорошо видно, как изменяется нижняя раница канала по мере усиления тренда. Такой подход позволит выжать максимум из каждого тренда, минимизируя вероятность преждевременного выхода на ранних стадиях.

    Если уж мы заговорили о динамических каналах, будет просто невежливо обойти вниманием самый популярный адаптивный канал, основанный на ценовой волатильности - полосы Боллинджера. Пожалуй, это самый простой способ адаптации границ канала к текущей рыночной ситуации. В качестве аргумента адаптации используется стандартное отклонение цены закрытия за определенный промежуток времени. Если раньше мы определяли верхнюю границу канала по локальному максимуму, то здесь она определяется путем суммирования скользящей средней линии и СКО. Смотрим график:



    В верхней части графика красным цветом представлен индикатор волатильности - стандартное отклонение цены закрытия. В основной части графика изображены сами котировки, скользящая средняя линия цен закрытия, верхняя и нижняя граница канала, построенного с учетом текущей волатильности. Очень часто эти границы используются для определения допустимой амплитуды колебаний. Обычно эта идея построена на ложном представлении о "нормальности" рынка и на том, что, достигнув этих границ, цена развернется обратно. Но множество торговых систем построены на идее "пробоя волатильности" и позиции открываются в случае выхода цены из этого диапазона в направлении "пробоя".

    Таким образом, все три рассмотренных динамических канала эксплуатируют примерно одну и ту же торговую идею: открытие позиции в направлении выхода цены из ограниченного диапазона. Поэтому можно протестировать и сравнить эффективность входов. Для более корректного сравнения добавим в этот список обыкновенный статичный канал, где верхняя и нижняя граница определяются по локальным экстремумам за фиксированный отрезок времени. Смотрим сравнительную таблицу:



    В верхней части таблицы расположены результаты тестирования длинных позиций, в нижней части - коротких. Столбцы последовательно отражают эффективность входов по каналам:

    - на основе стандартного отклонения;

    - на основе рыночного шума;

    - на основе трендовости рынка;

    - классический канал с фиксированной длиной окна.

    Для первых трех каналов первая цифра (из диапазона от 5 до 50) означает длину окна, в котором рассчитывалось значение аргумента для функции адаптации. То есть определялось значение волатильности, шума и силы тренда. Вторая цифра означает количество удержанных баров с момента открытия позиции. Для каждой длины окна рассчитывалась эффективность позиции на протяжении 3 и 6 баров. Последняя, третья цифра означает математическое ожидание входа (средняя прибыль на трейд в процентах). Хороший вход для трендследящей системы должен увеличивать матожидание во времени, поэтому эффективность 6 баров должна быть выше 3 баров.

    Хорошо видно, что канал на основе стандартного отклонения заметно проигрывает остальным вариантам. Но следует помнить, что в этой модификации динамического канала очень часто присутствует еще один параметр - множитель при величине стандартного отклонения. Поэтому, увеличивая множитель и тем самым расширяя границы канала, можно кардинально изменить эффективность торговой системы. Интересны результаты системы, построенной на адаптации к шуму. Она меньше остальных зависит от изменения временнОго окна. Результаты очень стабильны, но слаботрендовы. Математическое ожидание умеренно положительно, во времени увеличивается на 25-40%.

    Результаты системы, адаптирующейся к тренду, немного лучше. Особенно это заметно для коротких позиций. Математическое ожидание шортов почти в два раза выше, особенно на средних интервалах. Однако, лонги дают лишь незначительное преимущество. В последней колонке представлены результаты обычного канала со стационарной длиной окна. Результаты не хуже остальных, в некоторых местах даже более трендовы. Но по стабильности показателей немного проигрывают каналу, основанному на трендах.

    Все рассмотренные выше формы адаптации параметров торговой системы затрагивали исключительно условия на вход или выход из позиции. Безусловно, это очень важные моменты в конструировании МТС, но далеко не единственные. Очень важной частью любой торговой системы является компонента, управляющая риском и объемом торговой позиции. Часто можно услышать утверждения вроде "нельзя рисковать в каждой сделке более, чем 2% от капитала". И трейдеры воспринимают это, как призыв устанавливать стоплосс на уровне 2% от цены входа в позицию. Возможно, такой подход и позволит зарабатывать деньги на бирже, но он далеко не самый эффективный. Стоплосс на закрытие позиции с убытком должен стоять во вполне конкретной точке, где нарушаются основные предпосылки к сделке и вероятность прибыли уже склоняется не в нашу сторону. И эта точка никак не зависит от желания трейдера рисковать тем или иным объемом.

    В своей статье, посвященной управлению капиталом, я подробно рассматривал правила расчета торговой позиции, исходя из системной величины стоплосса. Приказ на закрытие убыточной позиции не должен стоять в пределах рыночного шума, чтобы случайные ценовые колебания не выбили трейдера из позиции раньше времени. Поэтому, наиболее эффективным будет адаптировать величину стоплосса к текущей рыночной волатильности. Как вариант, для этого можно использовать ценовой канал, основанный на стандартном отклонении цены. Но сейчас я хочу продемонстрировать более удобный подход, основанный на динамической адаптации стоплосса к среднему ценовому диапазону. Смотрим график:



    В верхней части графика представлен индикатор Среднего Истинного Диапазона, характеризующий примерную амплитуду рыночных колебаний. При первом приближении колебания внутри этого диапазона можно признать случайными, поэтому стоплосс должен находиться вне границ такого шума. Как и в случае со стандартным отклонением, при определении точки стоплосса можно применять поправочный коэффициент. Такая величина обычно определяется тестами и логикой торговой системы.

    На графике синими кружочками обозначены точки входа в длинную позицию. А горизонтальная серия коричневых точек - граница, на которой расположен стоплосс. Хорошо видно, что величина стоплосса немного изменяется в зависимости от рыночной волатильности. Такой подход позволяет не передерживать убыточную позицию и преждевременно не терять потенциально выигрышную сделку. В этом случае величина стоплосса будет означать предельно допустимый убыток на одну акцию или контракт. И для поддержания общего риска позиции на постоянном уровне нужно допустимый риск на сделку разделить на величину стоплосса - этот способ позволит рассчитать объем торговой позиции в каждой конкретной сделке, исходя из принятых правил управления капиталом.

    Ну и, наконец, хочу продемонстрировать интересный пример эксперимент с системой, открывающей позиции случайным образом. То есть, практически, торговые решения будут определяться бросанием кубика. Сначала мы бросаем первый кубик и решаем, будем ли мы вообще открывать в данный момент позицию или нет. Потом, если решили открывать, то бросаем второй кубик и определяем, будет ли открыта длинная или короткая позиция. Почти полная свобода действий для обычного генератора случайных чисел. Единственным ограничением станет динамически адаптируемая вероятность этих двух событий. В нашем случае аргументом для определения вероятностей станет обычный индикатор "Стохастик". Значение этого индикатора всегда колеблется в диапазоне от 0 до 100 в зависимости от рыночной ситуации. Поэтому введем следующие установки:

    - чем ближе положение Стохастика к границам диапазона, тем выше вероятность открытия позиции;

    - чем больше значение Стохастика, тем выше вероятность длинной позиции.

    Первую установку можно графически изобразить следующим образом:



    В верхней части графика представлен динамически раскрашенный индикатор Стохастик. Чем ярче цвет индикатора, тем выше вероятность открытия позиции. Вторую установку можно трактовать так: если значение индикатора равно 80, то с 80% вероятностью будет открыт лонг и с 20% вероятностью - шорт. И наоборот, если значение индикатора равно 30, то с 70% вероятностью будет открыта короткая позиция.

    Поскольку идет работа со случайными числами, то проведем серию испытаний, чтобы оценить вероятностную эффективность подобной торговой системы. Смотрим полученный график:



    В левой части графика представлена кривая капитала одного из испытаний. В качестве тестового отрезка котировок специально выбран последний год, как наименее трендовый. Сделано это специально, поскольку трендследящий выход, использованный в этой системе, может вытянуть в плюс даже плохие входы в моменты сильного и устойчивого тренда. Условие на выход из позиции не является случайным, но так же динамически адаптируется к рыночной волатильности.

    В правой части графика представлено распределение полученной прибыли. Хорошо видно, что оно является нормальным. При этом вероятность убытка по итогам года составляет около 1%. То есть в 99 случаях из 100 мы получим прибыль, используя случайные входы с переменной вероятностью!

    В этой статье я рассказал об основных принципах динамической адаптации параметров при использовании механических торговых систем. В качестве аргумента адаптации можно использовать любые разумные численные характеристики рынка. Самые простые и понятные из них - это волатильность, трендовость, эффективность и зашумленность. Адаптировать можно большинство параметров торговой системы, будь то длина рабочего временнОго окна, определение точек входа и выхода или динамический анализ допустимого объема позиции. В качестве функции адаптации можно использовать как простые (прямой и обратный перенос или шкалирование), так и логически более сложные (например, период расчета экспоненциальных средних линий). Динамическая адаптация способна помочь в решении проблемы разных состояний фондового рынка. Но чрезмерное увлечение адаптацией может сослужить дурную службу, подогнав параметры под конкретный ценовой график и понизив работоспособность всей системы в будущем. Поэтому использовать ее нужно очень аккуратно.

    Автор статьи: Тарас Правдюк (tarasp), специально для Русского Трейдера.

  2. #2
    Вес репутации
    0

    Волатильность

    Будьте добры
    Дайте пожалуйста ссылку на статью о расчете волатильности
    Заранее Вас благодарю
    Евгений

  3. #3
    Местный Аватар для tarasp
    Вес репутации
    4

    Re: Волатильность

    Цитата Сообщение от S.Roders
    Будьте добры
    Дайте пожалуйста ссылку на статью о расчете волатильности
    Заранее Вас благодарю
    Евгений
    http://www.russian-trader.ru/forum/viewtopic.php?t=7256

  4. #4
    Аватар для Perecz
    Вес репутации
    0
    Отличная статья!

  5. #5
    Вес репутации
    0
    Понравилось!
    А продолжение будет?

  6. #6
    Местный Аватар для tarasp
    Вес репутации
    4
    Цитата Сообщение от Khan Посмотреть сообщение
    Понравилось!
    А продолжение будет?
    не планировал. спрашивайте, если интересует что-то конкретное)

  7. #7
    Местный Аватар для Бганга
    Вес репутации
    881
    Полезная статья!

  8. #8
    Вес репутации
    0
    Зарегистрировался что бы поблагодарить Тараса за его работу на этом сайте. Всегда с удовольствием и большим интересом читаю рубрику, спасибо за Ваш труд, Тарас.

  9. #9
    Вес репутации
    0
    Хочу уточнить один технический вопрос. При вычислении адаптивных ЭСС фактор сглаживания (в этой статье F) является переменным параметром по ходу поступления текущих данных временного ряда ("входного сигнала"). С изменением F, в свою очередь, изменяется количество членов временного ряда n=2/(F+1), которое должно участвовать в усреднении. Причем, n - это т.н. "эффективное количество" (на самом деле, теоретически количество членов временного ряда, участвующих в усреднении, должно быть бесконечным. Т.о., чтобы корректно вычислить текущее усреднение для ЭСС, необходимо держать в памяти выч. системы некоторое множество (сколько?) последних значений входного сигнала.
    Так вот: как на практике этот вопрос решался Вами и другими исследователями? А может быть, вообще, обходятся тем, что хранят только последнее значение текущей адаптивной ЭСС (согласно формуле: ЕМА(-1)), и только оно и участвует в вычислении "новой ЕМА" с новым F...?

  10. #10
    Местный Аватар для tarasp
    Вес репутации
    4
    не совсем понял вопрос

    классическая ЭСС расчитывается через F=2/(n+1) с использованием своего предыдущего значения. но и F и n можно выразить любым удобным способом. например, при расчете F можно даже не использовать n в явном виде, заменив его на показания нужного индикатора.

    или, например, простые СС можно адаптировать при помощи переменного n : Sum(close,n)/n. тогда нужно загружать число периодов, равное максимально возможному n

  11. #11
    Вес репутации
    0
    Цитата Сообщение от tarasp Посмотреть сообщение
    классическая ЭСС расчитывается через F=2/(n+1) с
    использованием своего предыдущего значения.
    Да, этим она тоже замечательна. Но это классическая (обычная)...
    но и F и n можно выразить любым удобным способом. например, при
    расчете F можно даже не использовать n в явном виде, заменив его на
    показания нужного индикатора.
    Если я правильно понял эту фразу, то при вычислении адаптивной ЭСС, Вы используете только предыдущее вычисленное значение EMA и текущее значение вх.сигнала.

  12. #12
    Местный Аватар для tarasp
    Вес репутации
    4
    да, все верно

  13. #13
    Вес репутации
    0
    Честно говоря я не понял при чем тут вероятность открытия сделки в случае Стохастика?
    - если Индикатор достиг 80 то Вы просто открывали сделку на покупку, а если 20 - соответственно на продажу.
    Или там было что-то еще?

  14. #14
    Местный Аватар для tarasp
    Вес репутации
    4
    не совсем. если значение индикатора Стохастик равно 80, то с 80% вероятностью будет открыт лонг и с 20% вероятностью - шорт, и такие вероятности определялись для КАЖДОГО бара.
    СТАТОСФЕРА - портал о STATISTICA и многомерном анализе данных

  15. #15
    Вес репутации
    0
    Цитата Сообщение от tarasp Посмотреть сообщение
    не совсем. если значение индикатора Стохастик равно 80, то с 80% вероятностью будет открыт лонг и с 20% вероятностью - шорт, и такие вероятности определялись для КАЖДОГО бара.
    У стратегии должны быть четкие критерии для открытия позиций.
    Если условие для входа соблюдается значит открываем сделку, не соблюдается - ждем.
    А что значит "с 80% вероятностью будет открыт лонг" - не понятно.
    - Каковы правила открытия сделок в этом конкретном случае?