Обсуждение статьи "Переосмысливаем классические стратегии (Часть 14): Высоковероятные ситуации"

Новый комментарий
 

Опубликована статья Переосмысливаем классические стратегии (Часть 14): Высоковероятные ситуации:

В трейдерском сообществе хорошо известны торговые стратегии с высокой вероятностью успеха, но, к сожалению, они недостаточно четко определены. В этой статье мы попытаемся найти эмпирический и алгоритмический способы точного определения того, что представляет собой ситуация с высокой вероятностью успеха (high probability setup), а также выявить и использовать такие ситуации. Применяя деревья градиентного бустинга (Gradient Boosting Trees), мы продемонстрируем, как читатель может улучшить производительность произвольной торговой стратегии и более четко и понятно донести до компьютера точную задачу, которую необходимо выполнить.

Большинство членов трейдерского сообщества сходятся во мнении, что трейдерам следует активно искать торговые ситуации с высокой вероятностью успеха. Однако существует мало формальных определений того, что именно представляет собой торговая ситуация с высокой вероятностью успеха. Как эмпирически измерить вероятность, связанную с той или иной торговой ситуацией? В зависимости от того, кого вы спросите, вы получите разные определения того, как можно выявлять подобные возможности и ответственно ими пользоваться.

В данной статье предлагается алгоритмическая структура, позволяющая отказаться от старых определений и обратиться к числовым определениям, основанным на фактических данных, чтобы наши торговые стратегии могли самостоятельно и последовательно выявлять и выгодно использовать эти данные. 

Мы хотим смоделировать взаимосвязь между нашей конкретной торговой стратегией и любым торговым символом, который мы выбрали для торговли. Для этого мы можем получить рыночные данные, которые полностью описывают рынок и все параметры, составляющие нашу торговую стратегию, — всё это из терминала MetaTrader 5.
Затем мы построим статистическую модель, чтобы определить, будет ли стратегия генерировать прибыльные сигналы, или же сигналы, генерируемые нашей стратегией, скорее всего, будут убыточными. 

Вероятность, оцененная нашей моделью, становится той вероятностью, которую мы связываем с конкретным сигналом. Таким образом, теперь мы можем начать говорить о "высоковероятных сценариях" (high probability setups) более научным и эмпирическим образом, то есть основываясь на доказательствах и соответствующих рыночных данных.

Эта структура, по сути, позволяет нам разрабатывать торговые стратегии, которые "осознают цель" и явно предписывают совершать только те действия, которые, как ожидается, будут выгодными. Мы начинаем формализовать необходимые компоненты для написания алгоритмических торговых стратегий, которые пытаются оценить наиболее вероятные последствия своих действий. Такую структуру можно рассматривать как логику обучения с подкреплением, реализуемую в контролируемом режиме.


Автор: Gamuchirai Zororo Ndawana

Новый комментарий