В этой статье мы сосредоточимся на разработке функций на основе ансамбля ценных бумаг. В другой недавней статье мы представили метод разработки длинных / коротких стратегий на основе собственных средств для каждой ценной бумаги в группе.

Разработка функций - самый сложный аспект машинного обучения и алгоритмической торговли. Если используемые характеристики (предикторы или факторы) не имеют экономической ценности, производительность вряд ли будет удовлетворительной. Алгоритмический трейдинг и машинное обучение не могут найти золото там, где его нет. Использование широко известных функций вряд ли принесет что-то ценное. Несмотря на некоторые распространенные заблуждения, разработка алгоритма и применение машинного обучения - простая часть этого процесса. Некоторые операторы платформ, на которых собираются начинающие трейдеры, чтобы проверить свои навыки программирования, предлагают известные функции, которые «подвергают пыткам, пока они ни в чем не признаются». Эти подходы, вероятно, потерпят неудачу из-за предвзятости интеллектуального анализа данных. Обратите внимание, что эта предвзятость накапливается и в какой-то момент выходит из-под контроля.

Коэффициент пропорциональности

P-ratio - это доля акций в Dow 30, которые после закрытия данного дня имеют положительное направленное смещение. Направленное смещение, в свою очередь, является еще одной инженерной особенностью для каждой ценной бумаги в Dow 30. Вычисления довольно сложны, но направленное смещение - это вероятность в диапазоне от 0% до 100%, которая возникает из средневзвешенного значения вероятностей появления определенных сигналов, которые также спроектировал функции, основанные на других, более примитивных функциях.

Коэффициент P вместе с четырьмя связанными характеристиками рассчитывается с помощью программного обеспечения DLPAL PRO и DLPAL LS. В случае индекса Dow 30 мы называем это коэффициентом P-Dow. Его значение колеблется от 0 до 1. Крайние значения или 0 или 1 встречаются редко. Если коэффициент поднимается выше 0,70, это соответствует длинному сигналу, а если оно падает ниже 0,5, генерируется короткий сигнал. Асимметрия объясняется тем, что акции имеют положительную структурную предвзятость.

Ниже представлено рабочее пространство DLPAL LS / DLPAL PRO для создания характеристик ансамблевого соотношения P-Dow. Длина истории установлена ​​на 1848 баров, потому что мы хотим генерировать историю с 01.04.2010 по 05.05.2017.

Менее чем за полдня программе потребовалось сгенерировать файл исторических данных с функциями, работающими на 64-битном ноутбуке с Windows 10 с процессором Intel Core i5 с тактовой частотой 2,50 ГГц. Ниже показано, как выглядит исторический файл с фьючерсами.

Есть пять функций, но в этой статье нас интересует только Pratio. Эти функции объяснены в инструкции. В этом примере мы не собираемся создавать файлы обучения и оценки, потому что мы будем разрабатывать простую стратегию. Эти другие файлы необходимы в случае приложений машинного обучения.

Затем мы объединяем исторические файлы с функциями с историческими данными SPY ETF в том же диапазоне дат. Мы делаем это в Excel. Вот так выглядит объединенный CSV-файл после удаления головы.

Теперь мы можем импортировать данные в Amibroker и протестировать нашу стратегию на исторических данных. Результаты показаны ниже.

Объем - AvgPL, открытый интерес - AvgPS, AUX1 - Pratio, Aux2 - AvgSPL. Нас интересует только Pratio. Ниже представлена ​​торговая стратегия:

Купить, если AUX1 ›0,70
Коротко, если AUX1‹ 0,50

Это длинная / короткая стратегия. Для бэктеста начальный капитал составляет 100 тысяч долларов, капитал полностью инвестирован, а комиссия составляет 0,01 доллара за акцию. Все ордера размещаются при открытии следующего бара, чтобы предотвратить предвзятость прогноза. В таблице ниже вы можете найти кривую капитала, подводную кривую, таблицу месячной доходности и результаты моделирования Монте-Карло.

Кривые как собственного капитала, так и подводного капитала показывают потенциал. Обратите внимание, что доходность в 2015 году составляет 18,1% по сравнению с -0,9% для покупки и удержания. Из моделирования Монте-Карло можно увидеть, что вероятность просадки более 35% ниже 5%.

В таблице ниже представлены результаты применения стратегии.

Результаты этой стратегии превзошли все ожидания. MAR (CAGR / Макс. DD) выше для стратегии на 0,73 по сравнению с 0,70 для покупки и удержания. Поэтому мы проверяем, что эти функции имеют определенную экономическую ценность.

Это был просто пример того, что можно делать с функциями, разработанными DLPAL. Пример с функциями, созданными для каждой ценной бумаги в Dow 30, можно найти здесь.

Эта статья изначально была опубликована в Блоге Price Action Lab.

Если у вас есть какие-либо вопросы или комментарии, мы будем рады связаться с нами в Twitter: @priceactionlab

Вы можете скачать демоверсию DLPAL PRO по этой ссылке. Для получения дополнительных статей о DLPAL PRO и DLPAl LS щелкните здесь.

Подпишитесь через RSS или Email или подпишитесь на нас в Twitter.

Заявление об ограничении ответственности: ни одна часть анализа в этом блоге не является торговой рекомендацией. Прошлые показатели любой торговой системы или методологии не обязательно указывают на будущие результаты. Прочтите полный отказ от ответственности.

"Уведомление об авторских правах"

Об авторе: Майкл Харрис - трейдер и автор бестселлеров. Он также является разработчиком первого коммерческого программного обеспечения для определения беспараметрических моделей ценового движения 17 лет назад. Последние семь лет он работал над разработкой DLPAL, программного обеспечения, которое можно использовать для выявления краткосрочных аномалий в рыночных данных для использования с фиксированными моделями и моделями машинного обучения. Щелкните здесь, чтобы узнать больше.