АЛГОРИТМИЧЕСКАЯ ТОРГОВЛЯ. НАУЧНЫЙ ПОДХОД (АЛЕКСАНДР ГОРЧАКОВ)

Discussion in 'Видеокурсы, лекции, тренинги' started by admin, Aug 22, 2024.

  1. admin

    admin Administrator Staff Member

    АЛГОРИТМИЧЕСКАЯ ТОРГОВЛЯ. НАУЧНЫЙ ПОДХОД (АЛЕКСАНДР ГОРЧАКОВ)

    Скриншот 22-08-2024 124027.jpg

    Чему вы научитесь
    Голую правду: алгоритмическая торговля — это сложно

    Базу, чтобы стать квантом. (Квант — это quantitative analyst — разработчик и тестер торговых стратегий, "мозг" любого хедж фонда или индивидуал)

    Принципы, практические навыки и инструменты для разработки и тестирования торговых стратегий

    Узнаете, что показатель Херста, имеет сомнительную практическую ценность для малой выборки

    Описание
    Трейдеры на мировых биржах от Австралии и до Нью-Йорка все меньше торгуют рыками и все больше используют торговые алгоритмы. На Московской Биржи более 50% объема торгов приходится на алгоритмические стратегии. А доля их заявок в общем объеме перевалила за 80%.

    Тот, кто вчера активно кликал мышкой, сегодня формализовал свою стратегию и запрограммировал её сам или у друга, который знает C++ или Python.

    Почему торговые роботы так популярны?

    Робот не имеет эмоций: он не радуется, когда зарабатывает 10% и не расстраивается, когда теряет 50%. Он не знает, что такое страх и жадность. У робота есть набор правил и команд, которым он следует. Если надо купить, робот покупает, если продать – продает. Робот может исполнять команды быстрее, чем человек. Робот может одновременно следить за сигналами на многих инструментах, а человек следит только за тем, что видит на мониторе.

    В голове каждого робота сидит алгоритм, который придумал человек. Самое сложное – придумать этот алгоритм. Для этого нужно проанализировать данные, выдвинуть гипотизу, сформулировать правила, проанализировать результат на исторических данных, скорректировать гипотизу и правила, и еще раз прогнать алгоритм на истории. Для этого нужно владеть математикой и статистикой и знать, как применять эти знания на финансовых рынках.

    Требования к слушателям:
    Курс "Алгоритмическая торговля. Научный подход" рассчитан на подготовленных слушателей, которые помнят высшую математику, которую читают в экономических ВУЗах. На курсе будет не сухая теория, а чуть-чуть "жидкой теории" и много "густой практики" на примере нескольких торговых стратегий, которые работают уже 10 лет.

    Чем этот курс отличается от прошлых:
    В первой лекции курса систематически и без сложных формул излагаются принципы построения торговых алгоритмов, которые позволят любому желающему понять их и применить на практике при построении собственных алгоритмов «методом тыка».

    Также Александр отказался от отдельного раздела по основным понятиям теории вероятностей и математической статистики, ограничившись напоминанием определений по мере возникновения их необходимости в материале.

    Из курса исключен ряд математических результатов, представляющих чисто теоретический интерес, и оставлены лишь результаты, которые использовались Александром при построении собственных торговых алгоритмов, изложению которых по прежнему посвящены три последних лекции курса.

    Программа видеокурса
    Занятие 1. Принципы построения торговых алгоритмов и необходимые понятия теории вероятностей и математической статистики
    • Узнаем, что такое случайность или детерминированность
    • Узнаем о вероятности, как мере числовой оценки шансов появления будущих событий
    • Открываем для себя торговый алгоритм, как статистический прогноз будущего приращения цены
    • Изучаем одномерные случайные величины:
      • функция распределения
      • математическое ожидание функции от случайной величины
      • квантили (перцентили)
      • стохастическое доминирование
    • Определяем, что такое бинарная модель приращений цен, тренд и контртренд, оптимальный алгоритм
    • Изучаем многомерные случайные величины:
      • независимость
      • условные распределения
      • задача статистического прогноза
      • регрессия
    • Узнаем, как подобрать индикаторы для торгового алгоритма «методом тыка»
    • Вспоминаем последовательности случайных величин:
      • стационарность
      • автокорреляционная и спектральная функции
      • случайное блуждание
      • показатель Херста (критика)
    • Используем математическую статистику:
      • выборка
      • выборочные статистики
      • достаточные статистики
      • различение гипотез
      • оценка параметров
      • параметрическая и непараметрическая статистика
    Занятие 2. Тестирование и оптимизация торговых алгоритмов, как проверка качества статистического прогноза будущего приращения цены
    • Оцениваем долю «успехов»
    • Приводим автокорреляционную функцию динамики счета к нулевому виду
    • Отсеиваем параметры по:
      • устойчивости
      • стохастическому доминированию
      • взаимной корреляции
      • превосходству «доходность-риск» пассивной стратегии
    • Строим оптимальный портфель из:
      • одного торгового алгоритма с разными параметрами
      • нескольких торговых алгоритмов на одном активе
      • портфелей торговых алгоритмов на разных активах
    • Оцениваем будущие просадки счета методом Монте-Карло
    Занятие 3. Практическое занятие по тестированию торговых алгоритмов
    • Используем полученные знания на практике
    Занятие 4. Модели цен, как основы торговых алгоритмов
    • Разбираем конкурентный рынок, условную нормальность, «кусочную» стационарность
    • Изучаем кусочно-постоянную условно нормальную модель, тренды, минимаксную модель трендов
    • Вспоминаем кусочно-марковскую условно нормальную модель, тренды и контртренды
    • Узнаем о сильно «антиперсистентной» модели и ступенчатых трендах
    Занятие 5-6. Примеры трендовых торговых алгоритмов
    • Строим модели для кусочно-постоянной условно нормальной модели
    • Рассматриваем модели для сильно «антиперсистентной» модели
    Занятие 7. Фильтрация трендовых торговых алгоритмов и примеры контртрендовых торговых алгоритмов
    • Разбираем минимаксные модели трендов
    • Изучаем историю реальной торговли и модификации
    • Отбираем трендовые торговые алгоритмы
    • Кусочно-марковская условно нормальная модель, как основа построения «фильтра пилы»
    • «Фильтры» шортов и плечей, принципы построения, особенности использования
    • Рассматриваем примеры контртрендовых торговых алгоритмов
    • «Фильтр пилы», как индикатор торговли контртренда в рамках бинарной модели приращений цен
    • Maximum profit system для опционов (факультативно)



     
    Last edited: Feb 19, 2026
  2. admin

    admin Administrator Staff Member