Стационарность и предсказуемость временных рядов, частным случаем которых является память временных рядов, являются фундаментальными понятиями для количественного инвестиционного анализа. Однако это часто неправильно понимают как практики, так и исследователи, о чем свидетельствует глава 5 недавней книги «Advances in Financial Machine Learning». Я имел удовольствие разъяснить эти заблуждения некоторым участниками конференции The Rise Of Machine Learning in Asset Management в Йельском университете после конференции, но я пришел к выводу, что проблема настолько распространена, что заслуживает публичного обсуждения.
Показаны сообщения с ярлыком финансы. Показать все сообщения
Показаны сообщения с ярлыком финансы. Показать все сообщения
пятница, 4 февраля 2022 г.
вторник, 11 мая 2021 г.
5 лучших менеджеров персональных финансов для Linux
Конечно, в финансовых приложениях, доступных для Linux, нет недостатка. Если вы ищете приложение, которое поможет вам отслеживать движение денег, которые вы зарабатываете, ознакомьтесь с пятью лучшими менеджерами персональных финансов для Linux.
Для простых задач вы можете использовать электронную таблицу, такую как LibreOffice Calc. Для более сложных задач намного удобнее менеджер личных финансов. Некоторые из доступных менеджеров могут быть слишком сложными для обычного пользователя, но другие просты и могут использоваться не экономистами. Я попытался включить приложения из обеих групп - полнофункциональные финансовые менеджеры, которые вы можете использовать для профессиональных целей, а также более простые приложения для среднего пользователя.
понедельник, 5 октября 2020 г.
6 альтернатив Yahoo Finance API
Yahoo Finance API уже давно является надежным инструментом для многих инвесторов, ориентированных на работу с данными. Многие полагаются на поток данных в реальном времени и создали удобные торговые приложения. К сожалению, однажды Yahoo решила прекратить предоставлять свои услуги и назначила высокую цену за получение данных от них.
К счастью, мир не остановился, и есть отличные новые API, которые могут предоставить вам первоклассные финансовые данные (в основном) бесплатно!
Давайте посмотрим на 6 альтернативных финансовых API:
четверг, 23 июля 2020 г.
Введение в нейронные сети для финансовых рынков
Машинное обучение и глубокое обучение стали новыми и эффективными стратегиями, обычно используемыми количественными хедж-фондами для максимизации своей прибыли. Для меня, как финансового энтузиаста, это потрясающая новость, поскольку она объединяет две мои области интересов.
Эта статья будет введением в то, как использовать нейронные сети для прогнозирования движений фондового рынка, в частности, цены акции (или индекса). Этот пост основан на моем проекте IntroNeuralNetworks. Целью этого проекта является прогнозирование котировок акций выбранной компании с использованием методов машинного обучения и нейронных сетей.
пятница, 12 июня 2020 г.
Доходности с отрицательными значениями чистых активов
Оригинал: Returns with negative net asset values
Как рассчитывается доходность, когда стоимость чистых активов становится отрицательной?
В «сказке о двух типах доходностей» мы выделили сходства и различия между простыми логарифмическими доходностями.
Положительная оценка
Мы создаем (в R) пример стоимости чистых активов для четырех временных значений:
суббота, 6 июня 2020 г.
Алгоритмический трейдинг в Python на базе технического анализа
Это вторая статья о тестировании торговых стратегий в Python. В предыдущей описывалось, как создавать простые тесты на истории с использованием пользовательских данных - в данном случае - акций ЕС.
На этот раз цель статьи - показать, как создавать торговые стратегии на основе технического анализа (TA). Ссылаясь на Википедию, технический анализ - это «методология прогнозирования направления цен посредством изучения прошлых рыночных данных, прежде всего цены и объема».
В этой статье я покажу, как использовать популярную библиотеку Python для расчета показателей TA - TA-Lib, вместе с платформой тестирования zipline. Я создам 5 стратегий и посмотрю, какая из них наиболее эффективна на одном и том же инвестиционном горизонте.
четверг, 28 мая 2020 г.
Введение в тестирование торговых стратегий на исторических данных в Python
Продолжаем серию статей по количественным финансам! В первой части я описал стилизованные факты возврата активов. Теперь я хотел бы представить концепцию торговых стратегий для тестирования на истории и как это сделать, используя существующие фреймворки в Python.
Что такое тестирование на истории?
Давайте начнем с торговой стратегии. Ее можно определить как метод (основанный на заранее определенных правилах) покупки и/или продажи активов на рынках. Эти правила могут основываться, например, на техническом анализе или моделях машинного обучения.
пятница, 22 мая 2020 г.
Введение в количественные финансы: стилизованные факты о доходностях активов
Как ученый, имеющий опыт работы в области количественных финансов, я всегда был заинтересован в изучении возможностей, связанных с сочетанием двух областей науки. Я думаю, что это интересная область для изучения, и поэтому я хотел бы начать серию статей, описывающих основы количественных финансов.
К концу серии я намерен представить простую стратегию распределения активов и, надеюсь, продемонстрировать, что, используя науку о данных/количественные финансы, можно превзойти базовые эталонные стратегии. Конечно, никто не говорит о построении идеальной модели, точном прогнозировании будущих цен на акции и предоставлении нам - потенциальным инвесторам - возможности зарабатывать миллионы.
понедельник, 18 мая 2020 г.
5 лучших менеджеров персональных финансов для Linux
Конечно, в финансовых приложениях, доступных для Linux, нет недостатка. Если вы ищете приложение, которое поможет вам отслеживать движение денег, которые вы зарабатываете, ознакомьтесь с пятью лучшими менеджерами персональных финансов для Linux.
пятница, 15 мая 2020 г.
Сказка о двух типах доходностей
Оригинал: A tale of two returns
Ключевой элемент сюжета «Повести о двух городах» состоит в том, что есть два человека, Чарльз Дарни и Сидни Картон, которые выглядят почти одинаково. Они разные, но в некоторых отношениях взаимозаменяемы.
Простые доходности и логарифмические различны, но в некоторых отношениях взаимозаменяемы.
вторник, 12 мая 2020 г.
Вычисление стоимости под риском (Value at Risk) в Excel и Python
Как много я могу потерять на инвестициях? Это вопрос, который задает каждый инвестор, который вкладывал средства в определенный момент времени. Value at Risk (VaR) пытается дать ответ на это. В этом посте мы разбираем и вычисляем VaR в Excel и Python с использованием методов Historical Method и Variance-Covariance.
воскресенье, 29 марта 2020 г.
Deep Learning - построение искусственных нейронных сетей с использованием TensorFlow и Python
Перевод. Оригинал: Deep Learning - Artificial Neural Network Using TensorFlow In Python
В этой статье мы собираемся разработать технику машинного обучения под названием «Глубокое обучение (искусственная нейронная сеть)» с использованием tensor flow и спрогнозировать цену акций в python. В конце этой статьи вы узнаете, как построить искусственную нейронную сеть, используя tensor flow, и как кодировать стратегию, используя прогнозы нейронной сети.
Кодирование стратегии
понедельник, 24 февраля 2020 г.
Машинное обучение и его применение на рынке Forex
Перевод. Оригинал: Machine Learning and Its Application in Forex Markets [WORKING MODEL]
В последнем посте мы кратко рассмотрели концепцию машинного обучения (ML). В этом посте мы объясним еще несколько терминов ML, а затем сформулируем правила для стратегии форекс, используя алгоритм SVM в R.
Чтобы использовать ML в торговле, мы начнем с исторических данных (цены акций/данные форекс) и добавим индикаторы для построения модели на R/Python/Java. Затем мы выбираем правильный алгоритм машинного обучения для построения прогноза.
суббота, 11 января 2020 г.
Стратегия трейдинга S&P500 с использованием алгоритма классификации в Python
Перевод. Оригинал: Machine Learning Classification Strategy In Python
В этом посте мы шаг за шагом реализуем алгоритм классификации машинного обучения на S&P500 с использованием классификатора опорных векторов (SVC). SVC - это алгоритм классификации с учителем. Алгоритму классификации предоставляется набор обучающих данных, которые относится к одной из известных категорий. Например, категориями могут быть либо покупка, либо продажа акций. Алгоритм классификации строит модель на основе обучающих данных, а затем классифицирует тестовые данные в одну из категорий.
Теперь давайте реализуем стратегию классификации машинного обучения в Python.
суббота, 7 декабря 2019 г.
Анализ полос Боллинджера с использованием алгоритма Random Forest
Перевод. Оригинал: Random Forest Analysis of the Bollinger Bands
Полосы Боллинджера являются одним из наиболее популярных технических индикаторов, и многие трейдеры используют их как для торговли в диапазоне, так и для поиска прорывов. Однако на какие их особенности стоит обращать внимание, когда вы используете полосы Боллинджера для торговли?
Полосы Боллинджера являются одним из наиболее популярных технических индикаторов, и многие трейдеры используют их как для торговли в диапазоне, так и для поиска прорывов. Однако на какие их особенности стоит обращать внимание, когда вы используете полосы Боллинджера для торговли?
В этой статье мы будем использовать Random Forest, мощный алгоритм машинного обучения, чтобы выяснить, какие аспекты полос Боллинджера наиболее важны для стратегии торговли парой GBP/USD на 4-часовых графиках.
суббота, 23 ноября 2019 г.
Сравнительный анализ рынка ценных бумаг с помощью Quandl и tidyverse
Перевод. Оригинал: Comparative Stock Market Analysis in R using Quandl & tidyverse- Part I
Создание набора данных
Мы будем использовать Quandl - онлайн-хранилище для основной финансовой, макроэкономической статистики и данных форекс. Quandl обладает обширной коллекцией бесплатных и открытых данных, собранных различными организациями: центральными банками, правительствами, международными организациями и многими другими. Вы можете использовать его бесплатно с небольшими ограничениями.
Доступны как бесплатные, так и премиумные данные. Зарегистрированные пользователи имеют ограничение в 300 запросов за 10 секунд, 2000 запросов за 10 минут и 50 000 запросов в день. Пользователи с премиум-аккаунтами имеют ограничение 5000 запросов за 10 минут и 720 000 запросов в день.
пятница, 10 мая 2019 г.
Логистическая регрессия в Python: от теории до трейдинга
Перевод. Оригинал: Machine Learning Logistic Regression In Python: From Theory To Trading
В этом посте мы узнаем, как логистическая регрессия работает в машинном обучении и применим ее, чтобы предсказать движение цены акций в Python.
Любые задачи машинного обучения можно условно разделить на две категории:
- ожидаемый результат определен;
- ожидаемый результат не определен.
Первый случай называется обучением с учителем. Второй, где наборы данных состоят из входных данных без помеченных ответов, называется обучением без учителя. Существует также еще одна категория, называемая обучением с подкреплением.
среда, 24 апреля 2019 г.
Оценка эффективности торговой стратегии, часть 2.
В нашем недавнем посте мы рассказали, как оценить прибыльность и риски вашей стратегии. Теперь давайте посмотрим на измерение статистической значимости, стабильности и эффективности в реальном времени.
Статистическая значимость
четверг, 18 апреля 2019 г.
Оценка эффективности торговой стратегии. Часть 1.
Перевод. Оригинал: Evaluating Your Strategy
Создание торговой стратегии - это только первый шаг на пути к успешной торговле. Затем вы должны оценить ее эффективность и решить, можете ли вы доверять ей на реальном счете.
Хотя обычно много внимания уделяется разработке стратегии, на удивление мало кто знает, насколько хорошо стратегия работает. Большинство трейдеров рассматривают чистую прибыль, некоторую скорректированную с учетом риска метрику, такую как коэффициент Шарпа, максимальную просадку, общую точность и, если кривая equity выглядит довольно гладко, это хорошо!
Тем не менее, это наивный подход, который игнорирует многие важные аспекты: может я просто подгоняю данные? Насколько рискованна эта стратегия? Являются ли эти результаты статистически значимыми? В каких рыночных условиях моя стратегия работала плохо? Если я опробую ее на демо-счете, как долго я должен ждать, прежде чем отправиться торговать на реальном счете?
среда, 27 марта 2019 г.
Стратегия статистического арбитража в R
Перевод. Оригинал статьи: Statistical Arbitrage Strategy In R – By Jacques Joubert
Эта статья является финальным проектом, представленным автором в рамках его курсовой работы в Executive Program in Algorithmic Trading (EPAT) в QuantInsti.
Те из вас, кто следил за моими сообщениями в блоге за последние 6 месяцев, знают, что я принял участие в Executive Programme in Algorithmic Trading, предлагаемой QuantInsti.
Эта статья служит отчетом о моем финальном проекте, посвященном статистическому арбитражу, закодированному в R. Эта статья представляет собой комбинацию моих заметок и моего исходного кода.
Я загрузил все в GitHub, чтобы побудить читателей вносить улучшения, использовать код или работать над этим проектом. Он также станет частью моего проекта Open Hedge Fund в моем блоге QuantsPortal.
Подписаться на:
Сообщения (Atom)