В Части 2 мы представляем класс CCovarianceMatrix для многократного использования, который вычисляет и сохраняет ковариационную матрицу на основе исходных рядов доходностей с помощью встроенного метода MQL5 Cov(). Мы проверяем симметричность, выводим матрицу в виде таблицы с подписями и вызываем метод Eig(), чтобы получить собственные значения и собственные векторы. Читатели увидят, как совместно изменяются торговые инструменты и какие факторы определяют дисперсию, что позволит нагляднее оценивать состояние портфеля и повторно использовать код в скриптах или советниках.
В Части 1 этой серии мы создали PortfolioRiskAnalyzer.mq5 — скрипт, который выявил разрыв в оценке риска, остающийся незамеченным большинством трейдеров, работающих с несколькими торговыми инструментами. Вычислив полную ковариационную матрицу с помощью встроенного метода OpenBLAS .Cov(), а затем рассчитав фактическую дисперсию портфеля с помощью матричного умножения — wᵀ Σ w — мы показали, что фактический риск одновременного удержания позиций по EURUSD, GBPUSD и XAUUSD может быть существенно выше, чем предполагает упрощенная оценка на основе волатильности отдельных инструментов.
Результатом Части 1стало одно число — скрытый разрыв в оценке риска. Этот показатель был конкретным, понятным и сразу пригодным для использования. Этот показатель сводил информацию о ковариации к одному числу. Матрица размером 3 × 3 вычислялась методом all_returns.Cov() и использовалась для расчета wᵀ Σ w, но не сохранялась и не выводилась. Читатель видел этот разрыв в оценке риска, но пока не мог заглянуть внутрь матрицы, на основе которой он был рассчитан.
Часть 2 меняет эту ситуацию. Мы представляем класс CCovarianceMatrix — объектно-ориентированную обертку над методом OpenBLAS .Cov(). Он сохраняет ковариационную матрицу, проверяет ее симметричность и выводит ее в виде таблицы с подписями. Затем он вызывает встроенный метод MQL5 .Eig(), чтобы получить собственные значения и собственные векторы и показать, какие факторы определяют риск и каковы факторные нагрузки каждого торгового инструмента по этим факторам.
Практический проект Части 2 — CovarianceMatrixPrinter.mq5. Он строит ковариационную матрицу размером 3 × 3, проверяет ее симметричность, выводит ее в виде таблицы с подписями и формирует отчет по факторам риска, раскрывающий факторную структуру портфеля.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Опубликована статья Измеряем главное (Часть 2): Ковариационная матрица в MQL5 — построение, спектральное разложение и анализ факторов риска:
В Части 1 этой серии мы создали PortfolioRiskAnalyzer.mq5 — скрипт, который выявил разрыв в оценке риска, остающийся незамеченным большинством трейдеров, работающих с несколькими торговыми инструментами. Вычислив полную ковариационную матрицу с помощью встроенного метода OpenBLAS .Cov() , а затем рассчитав фактическую дисперсию портфеля с помощью матричного умножения — wᵀ Σ w — мы показали, что фактический риск одновременного удержания позиций по EURUSD, GBPUSD и XAUUSD может быть существенно выше, чем предполагает упрощенная оценка на основе волатильности отдельных инструментов.
Результатом Части 1стало одно число — скрытый разрыв в оценке риска. Этот показатель был конкретным, понятным и сразу пригодным для использования. Этот показатель сводил информацию о ковариации к одному числу. Матрица размером 3 × 3 вычислялась методом all_returns.Cov() и использовалась для расчета wᵀ Σ w, но не сохранялась и не выводилась. Читатель видел этот разрыв в оценке риска, но пока не мог заглянуть внутрь матрицы, на основе которой он был рассчитан.
Часть 2 меняет эту ситуацию. Мы представляем класс CCovarianceMatrix — объектно-ориентированную обертку над методом OpenBLAS .Cov(). Он сохраняет ковариационную матрицу, проверяет ее симметричность и выводит ее в виде таблицы с подписями. Затем он вызывает встроенный метод MQL5 .Eig(), чтобы получить собственные значения и собственные векторы и показать, какие факторы определяют риск и каковы факторные нагрузки каждого торгового инструмента по этим факторам.
Практический проект Части 2 — CovarianceMatrixPrinter.mq5. Он строит ковариационную матрицу размером 3 × 3, проверяет ее симметричность, выводит ее в виде таблицы с подписями и формирует отчет по факторам риска, раскрывающий факторную структуру портфеля.
Автор: Kayode Michael Oyetunde