Kwantitatiewe Handel Strategieë In R

Kwantitatiewe Trading met R ISBN 978-1-137-43747-1 digitaal watermerke, DRM-free Ingesluit formaat: PDF, EPUB ebooks kan gebruik word op alle lees toestelle aflaai onmiddellik na die aankoop Hardcover 75.00 prys vir Mexico ISBN 978-1-137- 35407-5 Geen gestuur vir individue wêreldwyd Gewoonlik gestuur binne 3 tot 5 werksdae. Sagteband 70.00 prys vir Mexico ISBN 978-1-349-46986-4 Geen gestuur vir individue wêreldwyd Hierdie titel is tans herdruk. Jy kan pre-order jou kopie nou. Hierdie pos sal komponent voorwaardelike waarde op risiko meganika in PerformanceAnalytics van 'n papier geskryf deur Brian Peterson, Kris Boudt, en Peter Carl stel. Dit is 'n meganisme wat 'n maklik-om-oproep meganisme vir die berekening komponent verwag tekort aan bate opgawes soos van toepassing op 'n portefeulje. Terwyl die presiese meganika is redelik kompleks, die onderstebo is dat die loop tyd is byna oombliklike, en hierdie metode is 'n stewige hulpmiddel vir die insluiting in batetoewysing ontleding. Vir diegene wat belangstel in 'n in-diepte analise van die intuïsie van komponent voorwaardelike waarde op risiko, ek verwys hulle na die papier geskryf deur Brian Peterson, Peter Carl, en Kris Boudt. In wese, hier t te sterk (dit wil sê, dit werk vir relatief normale p waardes soos die 1 -10 reeks). Komponent Voorwaardelike Waarde at Risk het twee gebruike: Eerstens, gegewe geen insette gewigte, dit maak gebruik van 'n gelyke gewig standaard, wat dit toelaat om 'n risiko skatting vir elke individuele bate verskaf sonder daarmee die navorser om sy of haar eie korrelasie / kovariansie heuristiek te skep . In die tweede plek, wanneer voorsien van 'n stel gewigte, die uitset veranderinge aan die bydrae van verskillende bates in verhouding tot die gewigte weerspieël. Dit beteken dat hierdie metode werk baie goed met strategieë wat bates gebaseer op momentum te sluit, maar het 'n gewig skema vir die oorblywende bates. Verder, met behulp van hierdie metode kan ook 'n oud-pos ontleding van risiko bydrae om te sien watter instrument bygedra wat om te waag. Eerstens, 'n demonstrasie van hoe die meganisme werk met behulp van die edhec datastel. Daar is geen strategie hier, net 'n demonstrasie van sintaksis. Dit sal 'n gelyke gewig bydrae van al die fondse in die edhec datastel aanvaar. So TMP is die bydrae tot verwag tekort van elk van die verskillende edhec bestuurders oor die hele tydperk. Hier is die afvoer: Die belangrike deel van hierdie is die persentasie bydrae (die laaste uitset). Let daarop dat dit negatief kan wees, wat beteken dat sekere fondse te verkry wanneer ander verloor. Ten minste, dit was die geval oor die huidige datastel. Hierdie bates te diversifiseer n portefeulje en eintlik laer verwagte tekort. In hierdie geval, ek dieselfde gewig die eerste tien bestuurders in die edhec datastel, en sit nul gewig in die laaste drie. Verder kan ons kyk wat gebeur wanneer die gewigte is nie reg nie. Hierdie keer, sien dat as die gewig in die omskepbare ARB bestuurder verhoog, so ook het sy bydrae tot die maksimum verwag tekort. Vir 'n toekomstige backtest, sou ek graag 'n paar data versoeke te maak. Ek wil graag die heelal gevind in Faber se Global Batetoewysing boek gebruik. Dit gesê, die simulasies in daardie boek gaan terug na 1972, en ek het gewonder of iemand daar buite het daaglikse opbrengs vir daardie bates / indekse. Terwyl sommige ETF terug te gaan na die vroeë 2000's, is daar 'n paar wat nogal laat begin soos DBC (kommoditeite, die begin van 2006), GLD (goud, vroeg in 2004), BWX (buitelandse effekte, die einde van 2007), en FTY (NAREIT, vroeë 2007). As 'n agt-jaar backtest 'n bietjie kort sou wees, het ek gewonder of iemand data met meer geskiedenis gehad. Een ander ding, ek sal in New York vir die handel show. en praat oor die paneel op 6 Oktober. Dankie vir die lees. NOTA: Terwyl ek op die oomblik kontraktering, Ek is ook op soek na 'n permanente posisie wat kan baat vind by my vaardighede vir wanneer my huidige kontrak verstryk. As jy of bewus is van so 'n opening, sal ek gelukkig wees met jou te praat. Hierdie pos sal 'n funksie te dek om te vereenvoudig die skep van Harry Lang tipe herbalansering strategieë uit SeekingAlpha vir belangstellende lesers. Soos Harry Lang het gesê, die meeste, indien nie alle van sy strategieë is meer vir demonstratiewe doeleindes eerder as werklike aanbevole beleggings. So, aangesien Harry Lang is gepos 'n paar meer artikels oor Seeknig Alpha Ek sal eenvoudig gestel hierdie hulpmiddel hier, wat is 'n wrapper dat die verkryging van data automatiseert en simuleer portefeulje herbalansering met een lyn van kode. Hier is die instrument. Dit haal die data vir jou (gewoonlik vanaf Yahoo, maar 'n groot dankie aan mnr Helumth Vollmeier in die geval van ZIV en VXX), en het die opsie van óf eenvoudig vertoon 'n aandele kurwe en 'n paar statistieke (CAGR, geannualiseerde standaard dev , Sharpe, Max Onttrekking, Calmar), of gee jou die terugkeer stroom as 'n uitset as jy wil meer ontleding doen in R. Hier is artikels. Niks uit die gewone van wat ons kan verwag van 'n gebalanseerde aandele / effekte portefeulje. Oor die algemeen doen goed, het sy grootste drawdown in die finansiële krisis, en 'n paar ander knoppe in die pad, maar die totale, ek soort van ding. En hier is die pad na die stroom van individuele daaglikse opbrengs te kry sou wees, in die veronderstelling jy wou hierdie twee instrumente weeklikse herbalanseer, in plaas van die jaarlikse (soos die verstek). En nou, laat ons kry 'n paar statistieke. Turns out, die verskuiwing van die herbalansering van jaarliks ​​tot weeklikse didn t). So, wat is ontstaan. Die truuk, na my mening, is om te probeer en vind volmag plaasvervangers met meer geskiedenis vir nuwer ETF wat eenvoudig is aged ETF, soos die gebruik van 'n 60 gewig in TLT met 'n 80 gewig in XLP in plaas van 'n 20 gewig in TMF met 80 toekenning in SPLV. Byvoorbeeld, hier is 'n paar gevolmagtigdes: SPXL XLP SPXL / UPRO SPY 3 TMF TLT 3 Dit gesê, ek d beveel aan dat SeekingAlpha lesers neem sy in die openbaar vrygestel strategieë as konsep demonstrasies, in teenstelling met volwaardige belegging idees, en kontak mnr Long homself oor meer persoonlike, private oplossings vir belegging instellings as jy so belangstel. Dankie vir die lees. NOTA: Ek is tans in die noordooste. Terwyl ek op die oomblik kontraktering, Ek stel belang in netwerke met individue of maatskappye met betrekking tot potensiële samewerking geleenthede. Hierdie pos sal demonstreer hoe om te neem in omset ag neem wanneer die hantering van-opbrengste gebaseer data met behulp van PerformanceAnalytics en die Return. Portfolio funksie in R. Dit sal hierdie demonstreer op 'n basiese strategie op die nege sektor SPDRs. So, die eerste af, dit is in reaksie op 'n vraag van 'n Robert lone op die R-SIG-Finansies poslys. Terwyl daar is baie mense daar buite met 'n oorvloed van vrae (baie van wat kan gevind word gedemonstreer op hierdie blog reeds), soms is daar sal 'n veteraan, 'n PhD statistieke student van Stanford, of ander baie intelligente individu wat sal 'n vraag vra oor 'n onderwerp wat ek hawe t nog gepraat oor hierdie blog, wat 'n boodskap na 'n ander tegniese aspekte wat in R. dit is een van daardie tye toon gevra. So, sal hierdie demonstrasie wees oor die berekening van omset in opbrengste ruimte met behulp van die PerformanceAnalytics pakket. Eenvoudig, buite die PortfolioAnalytics pakket, PerformanceAnalytics met sy Return. Portfolio funksie is die go-to R pakket vir portefeuljebestuur simulasies, soos dit 'n stel gewigte, 'n stel opgawes kan neem, en genereer 'n stel van portefeulje opbrengste vir ontleding met die res van PerformanceAnalytics se funksies. Weereens, die strategie is die volgende: neem die 9 drie-letter sektor SPDRs (aangesien daar vier-letter nou ETF), en aan die einde van elke maand, of die aangepaste prys is bo sy 200-daagse bewegende gemiddelde, belê in dit . Normaliseer oor al belê sektore (dit wil sê, 1/9 As belê in al 9, 100 in 1 al is dit net 1 belê in, 100 kontant, aangedui met 'n nul terugkeer vektor, indien geen sektore belê in). Dit t die punt van die demonstrasie. Hier is die basiese setup kode: So, kry die SPDRs, sit hulle saam, bereken hul opbrengste, genereer die sein, en die skep van die nul vektor, aangesien Return. Portfolio behandel gewigte minder as 1 as 'n onttrekking, en gewigte bo 1 as die toevoeging van meer kapitaal (groot FYI hier). Nou, hier is hoe om omset bereken: So, die truuk is dit: as jy Return. portfolio noem, gebruik die verbose WAAR opsie. Dit skep 'n paar voorwerpe, waaronder terugkeer, BOP. Weight, en EOP. Weight. Hierdie staan ​​begin van tydperk gewig, en einde van tydperk gewig. Die manier waarop omset bereken word is eenvoudig die verskil tussen hoe die dag se drif / ruil vir daardie bate. Die nuwe begin van tydperk gewig is die einde van die tydperk gewig plus enige transaksies wat sou gedoen het. Dus, ten einde die werklike transaksies (of omset) te vind, 'n trek die vorige einde van tydperk gewig van die begin van tydperk gewig. Dit is wat sulke transaksies lyk vir hierdie strategie. Iets wat ons kan doen met so 'n data is neem 'n een-jaar rollende omset, tot stand gebring met die volgende kode: Dit lyk soos volg: Dit beteken in wese dat 'n jaar se moeite werd om van tweerigting-omset (dit wil sê, as die verkoop van 'n geheel en al belê portefeulje 100 omset, en die aankoop van 'n heeltemal nuwe stel bates is nog 'n 100, dan is tweerigting-omset is 200) is ongeveer 800 teen 'n maksimum. Dit kan redelik hoog wees vir sommige mense. Nou, hier is die aansoek as jy transaksiekoste penaliseer op 20 basispunte per persentasiepunt verhandel (dit wil sê, dit kos 20 sent tot transaksies 100). So, op 20 basispunte op transaksiekoste, wat duur ongeveer een persent in opbrengste per jaar uit hierdie (weliswaar verskriklik) strategie. Dit is ver van telekommunikasie. So, dit is hoe jy eintlik bereken omset en transaksiekoste. In hierdie geval, die transaksie koste model was baie eenvoudig. Maar, gegewe dat Return. portfolio terugkeer transaksies op die individuele bate vlak, kan 'n mens so kompleks kry as hulle wil met modellering van die transaksiekoste. Dankie vir die lees. NOTA: Ek sal gee 'n weerlig praatjie by R / Finansies, so vir diegene wat dit bywoon, sal jy in staat wees om my daar te vind. Hierdie pos sal 'n maklik-om-make fout skriftelik vectorized backtests uiteensetting naamlik in die gebruik van 'n sein verkry aan die einde van 'n tydperk te betree (of uitgang) 'n posisie in dieselfde tydperk. Die verskil in resultate een verkry is massief. Vandag, het ek twee afsonderlike poste van Alpha argitek en Mike Harris beide verwysingstegnieke 'n papier deur Valeriy Zakamulin op die feit dat 'n paar vorige tendens volgende navorsing deur Glabadanidis gedoen met slordige resultate, en dat Glabadanidis se uitslae was net reproduceerbare deur die instelling van look ahead vooroordeel . Die volgende kode wys hoe om hierdie look ahead vooroordeel voort te plant. In die eerste plek sal die opstel van 'n basiese bewegende gemiddelde strategie op die S P 500-indeks van so ver terug as Yahoo data verskaf. En hier is hoe om die look ahead vooroordeel instel. Dit is die: Natuurlik is dit aandele kurwe is van geen nut, so hier is een uit elke log skaal. Soos gesien kan word, look ahead vooroordeel maak 'n groot verskil. Hier is die numeriese resultate: Weereens, absoluut belaglik. Let daarop dat wanneer die gebruik van Return. Portfolio (die funksie in PerformanceAnalytics), sal dit pakket outomaties gee jou die volgende tydperk backtests wat vinnig kan gedoen word met behulp van vectorized bedrywighede, kan 'n off-vir-een fout al die verskil tussen 'n backtest in die maak ryk van die redelike, en suiwer onsin. Mens moet egter wil toets vir gesê nonsens wanneer gekonfronteer met onmoontlik om te herhaal resultate, die meganika gedemonstreer bogenoemde is die manier om dit te doen. Nou, na ander nuus: Ek naamlik hul eenvoudige globale strategie rotasie mark uiteengesit in 'n artikel uit 'n vorige blog post. Tot Maart 2015 (die datum van die blog post), het die strategie goed presteer. Maar nadat genoemde datum Dit het 'n volledige ramp, wat, in hindsight, was duidelik toe ek verby dit deur die hipotese gedryf ontwikkelingsraamwerk proses het ek geskryf oor vroeër. So, terwyl daar 'n baie oor nie net weg te gooi 'n strategie gevolg van korttermyn onderprestasie geskryf, en dat afwykings soos momentum en waarde bestaan ​​as gevolg van 'n loopbaan risiko as gevolg van gesê kort termyn onderprestasie, dit is nooit 'n goeie ding wanneer 'n strategie skep histories groot verliese, veral nadat hy bekend gemaak in so 'n nederige hoek van die kwantitatiewe finansiële wêreld. In elk geval, dit was 'n post toon sommige meganika, en 'n update op 'n strategie Ek blog oor nie te lank gelede. Dankie vir die lees. NOTA: Ek is altyd geïnteresseerd in die verhoor oor nuwe geleenthede wat kan baat vind by my kundigheid, en is altyd bly om te netwerk. Jy kan my LinkedIn profile hier vind. Hierdie pos sal lig werp op die waardes van R 2's agter twee eerder simplisties strategieë die eenvoudige 10 maande SMA, en sy familielid, die 10 maande momentum (wat is bloot 'n verskil van SMAs, soos Alpha argitek het in hul boek DIY finansiële adviseur. nie te lank gelede het 'n vriend van my vernoem Josh gevra vir my 'n vraag oor R 2's in finansies. Hy wil graag om dit te beantwoord. Sy bewering is dat in sommige gevalle, modelle wat minder as volmaak voorspellende krag (EG R 2's van het. 4, byvoorbeeld), kan nog steeds lewer baie belowend voorspellings, en dat as iemand 'n finansiële model wat in staat is om te verduidelik 40 van die variansie van opbrengste was nie, kon hulle gelukkig aftree met dié model maak dit baie ryk. Inderdaad. 4 is 'n baie optimistiese uitkyk (om dit ligtelik te stel), soos hierdie post sal wys Ten einde hierdie voorbeeld te illustreer, het ek twee strategieë hier is die kode om dit te doen:.. en hier is die resultate: In kort, die SMA10 en die 10-maande momentum (aka ROC 10 aka MOM10) sowel cool oortref die koop en hou, nie net in absolute opbrengste, maar veral in risiko-aangepaste opbrengste (Sharpe en Calmar verhoudings). Weereens, simplistiese analise, en baie modelle kry baie meer gesofistikeerd as dit nie, maar weereens, eenvoudige, illustratiewe voorbeeld gebruik te maak van twee strategieë wat 'n maatstaf oortref (oor die lang termyn, in elk geval). Nou, die vraag is, wat was die R 2 van hierdie modelle Om dit te beantwoord, het ek 'n rollende vyf jaar venster wat in wese vra: Hoe goed het hierdie hoeveelhede (die verhouding tussen die sluitingsprys en die bewegende gemiddelde se reeks wat opsy , weer, ter wille van illustrasie). Hier is die kode om die antwoord te genereer. En die antwoord, in geïllustreerde vorm: In kort, selfs in die beste geval scenario, naamlik krisisse wat verskaf momentum / tendens-volgende / noem dit wat jy wil sy raison d P 500, of selfs 'n nie-onbeduidende gedeelte, so 'n persoon sou staan ​​om baie ryk geword. Meer tot die punt, aangesien twee strategieë wat handig te klop die mark R 2's wat besonder lae vir verlengde periodes van tyd is, dit gaan om te wys dat die hou van die R 2 as 'n vorm van statistiese heilige graal beslis verkeerd is in die algemeen sin, en enigiemand wat dit doen óf skilder met te breed 'n kwas, is die skep van oneerlik argumente, of moet eenvoudig probeer om 'n ander gebied wat nie die manier waarop hulle intuïsie sê vir hulle kan werk verstaan. Dankie vir die lees. Dié resensie sal die boek deur die mense by te los Asset Management Review. Algehele, hierdie boek is 'n definitiewe moet-lees vir diegene wat nog nooit blootgestel aan die idees daarin. Maar wanneer dit kom by 'n oplossing te vind wat ten volle herhaal kan word, is hierdie boek ontbreek. Goed, s dit was 'n rukkie sedert ek my laaste boek, DIY finansiële adviseur hersien. uit die ongelooflike mense op Alpha argitek. Hierdie boek na my mening, is opgestel in 'n soortgelyke soort formaat. Dit is die struktuur van die boek, en my resensies saam met dit: Deel 1: Hoekom in die heck eintlik moet jy 'n gediversifiseerde portefeulje het, en waarom 'n gediversifiseerde portefeulje is 'n goeie ding. In 'n wêreld waarin daar soveel klem plaas op enkel-sekuriteit prestasie, dit is beslis iets wat absoluut moet vermeld word vir diegene wat nie vertroud is met portefeulje teorie. Dit beklemtoon die voorbeeld van twee mense. Deel 2: iets wat nie dikwels opgevoed in baie dele van die quant wêreld (want dit t val van 'n rots en dekades van swaarverdiende spaargeld vernietig Deel 3:.. Hierdie deel is ook die een wat 'n baie belangrike Lees eers af, dit lê in duidelike terme dat die langtermyn toekomsgerigte waardasies vir aandele is op rock bottom. dit wil sê, die verwagte vorentoe 15 jaar opbrengste is baie laag, met behulp van ongeveer 75 jaar van bewyse. Tans, volgens die boek, aandelewaardasies impliseer 'n negatiewe 15 jaar vorentoe terugkeer. Maar een ding wat ek sal kwessie neem met is dat terwyl toekomsgerigte langtermyn-opbrengste vir aandele baie laag kan wees, as 'n mens hierdie grafiek geglo en net belê in die aandelemark wanneer voorspel 15-jaar opbrengste was bo die langtermyn gemiddelde, 'n mens sou gemis het op beide die 2003-2007 bul loop, en die een sedert 2009 dat Deel 4:. en hier d regtig graag wou weet waar die skrywers van hierdie boek het hul data to-date back sommige van hierdie ETF in die 90s. Deel 5: 'n meer formele navorsing oor onderwerpe wat reeds gedek in die res van die boek se kop voor hierdie punt, moet hierdie deel doen die truuk. Die ander navorsingsverslag is iets wat ek kortliks maer waaroor gaan in meer diepte oor wisselvalligheid en aftree-portefeuljes, maar ek het gevoel dat die boek gedek hierdie onderwerp vroeër op 'n voldoende mate deur die opbou van die intuïsie gebruik van baie verstaanbaar scenario. Sodat t vertroud is met die konsepte in hierdie boek, dit is beslis 'n moet-lees, en so gou as moontlik. Maar vir diegene wat vertroud is met die meeste van die konsepte en op soek na 'n gedetailleerde SA slegte idee om geheime sous publiseer, Ek het hierdie boek in die hoop dat hulle blootgestel word aan 'n nuwe algoritme in die verstaanbare en intuïtief taal wat die res van die boek geskryf in, en was links wil. Tog, dit geensins verminder die impak van die res van die boek. Vir diegene wat meer geneig is om sy teikengehoor wees, dit is 'n 5/5. Vir diegene wat 'n paar besonderhede wou, is dit nog steeds sy juweel op heelal konstruksie. Algehele, ek beoordeel dit 'n 4/5. Dankie vir die lees. Gelukkige Nuwe Jaar. Hierdie pos sal 'n vinnige een wat die verhouding tussen die eenvoudige bewegende gemiddelde en tydreeks momentum wees. Die implikasie is dat 'n mens moontlik kan lei beter tyd reeks momentum aanwysers as die klassieke een toegepas in soveel vraestelle. Goed, so die belangrikste idee vir hierdie pos is eenvoudig: Ek is seker almal is vertroud is met die eenvoudige bewegende gemiddelde aanwyser, sowel. Bv SMA (10). Wel, as dit blyk, is hierdie twee hoeveelhede is eintlik verwant. Dit blyk dat indien in plaas van die uitdrukking van momentum as die verskil van twee getalle, is dit uitgedruk as die som van opbrengste, is dit geskryf kan word (vir 'n 10 maande momentum) as: MOM 10 opbrengs van hierdie maand terugkeer van verlede maand terugkeer van 2 maande gelede terugkeer van 9 maande gelede, vir 'n totaal van 10 maande in ons klein voorbeeld. Dit kan geskryf word as MOM 10 (P (0) se moeite werd om van opgawes.) Wat dan kan herskryf word deur assosiatiewe rekenkundige as: (P (0) P (1) P (10)). Met ander woorde, momentum aka die verskil tussen twee pryse, kan herskryf word as die verskil tussen twee kumulatiewe somme pryse. En wat is 'n eenvoudige bewegende gemiddelde eenvoudig 'n kumulatiewe totaal van pryse gedeel deur egter baie pryse opgesom oor. Hier is 'n paar R-kode om aan te toon. Met die gevolg aantal kere hierdie twee seine gelyk: In kort, elke keer. Nou, wat presies is die punchline van hierdie klein voorbeeld hier is die punchline: Die eenvoudige bewegende gemiddelde is redelik simplistiese sover filters gaan. Dit werk soos 'n pedagogiese voorbeeld, maar dit het 'n paar bekende swakhede ten opsigte van lag, te venster effekte, en so aan. Hier is 'n speelding voorbeeld hoe 'n mens 'n ander momentum sein kan kry deur die verandering van die filter. Met die volgende resultate: Terwyl die verskil van EMA10 strategie didn s nie die punt. Die punt is dat die momentum sein is afgelei van 'n eenvoudige bewegende gemiddelde filter, en dat deur die gebruik van 'n ander filter, kan 'n mens nog steeds gebruik om 'n momentum tipe strategie. Of, anders gestel, die hoof / algemene afhaal hier is dat momentum is die helling van 'n filter, en 'n mens kan momentum te bereken in 'n oneindige aantal maniere, afhangende van die filter gebruik, en kan kom met 'n magdom van verskillende momentum strategieë. Dankie vir die lees. NOTA: Ek is tans kontraktering in Chicago, en is altyd oop vir netwerk. Kontak my op my e-pos by ilya. kipnis gmail of vind my op my LinkedIn hier. Hierdie pos sal 'n eerste mislukte poging uiteen te sit by die toepassing van die ensemble filter metode om te probeer en kom met 'n gewig proses op SPY wat teoreties behoort te wees 'n geleidelike proses om te skuif van oortuiging tussen 'n bulmark, 'n beermark, en oral tussenin. Dit is 'n opvolg na hierdie blog post. So, my denke het soos hierdie: in 'n bulmark, as een oorgange van reaksie op gladheid, moet reageer filters hoër as gladde filters wees, en omgekeerd, as daar beslis terugvoer d waardeer op. In elk geval, 'n idee ek het op die top van my kop was dat bykomend tot 'n manier om 'n gewig van verskeie filters deur hul reaksie (afwyking van die prys aksie) en gladheid (afwyking van 'n plat lyn), wat deur die neem van die bedrae van die teken van die verskil tussen 'n filter en sy buurman op die reaksie op gladheid spektrum, met dien verstande genoeg ensemble filters (byvoorbeeld 101, dus is daar 100 verskille), sou 'n mens 'n wyse verkry om te beweeg van volle oortuiging van 'n bulmark, 'n beermark, om iets in tussen, en het dit 'n gladde proses wat t kom nie hê skisofreniese swaai van oortuiging. Hier is die kode om dit te doen op SPY vanaf aanvang tot 2003: En hier is die heel underwhelming gevolg: In wese, terwyl ek verwag om veranderinge in oortuiging van miskien 20 by die meeste sien, in plaas daarvan, my aanwyser van som van teken verskille het presies soos Ek het gehoop dit wouldn t voel soos om op te gee op hierdie idee op hierdie punt, en, soos gewoonlik, sal terugvoer altyd waardeer word. Dankie vir die lees. NOTA: Ek is tans konsultasie in 'n analise kapasiteit in die middestad van Chicago. Maar ek het ook op soek na medewerkers wat wil interessante handel idees na te streef. As jy voel my vaardighede kan van hulp wees vir jou, laat ons praat. Jy kan my e-pos by ilya. kipnis gmail, of vind my op my LinkedIn hier. Dié resensie sal wees oor Inovance Tech is ook my gedagtes oor hoe Inovance Tech sy produk kan verbeter. 'N Bietjie agtergrond: Ek het 'n paar keer gepraat om 'n paar van die maatskappy se stigters, wat klink soos individue omstreeks my ouderdom vlak (wel, mede Millennials). Uiteindelik, die verkoop punt is dit: Sistematiese handel is cool. Masjienleer is cool. Daarom, toe te pas masjienleer om sistematiese handel is awesome (en 'n betroubaar manier om wins te maak, soos Renaissance Technologies het getoon.) Hoewel dit mag klink 'n bietjie snarky, dit is stigters, dit is uitdruklik hul missie. Ek is egter nie seker dat Inovance s TRAIDE aansoek eintlik hierdie missie in sy huidige toestand tot stand. Hier is hoe dit werk: Gebruikers kies een bate op 'n tyd, en kies 'n datum bereik (data terug te gaan na 31 Desember 2009). Bates word tans beperk tot hoogs likiede geldeenheid pare, en kan die volgende stellings te neem: 1 uur, 2 uur, 4 uur, 6 uur, of daaglikse bar tydraamwerke. Gebruikers kies dan uit 'n verskeidenheid van aanwysers, wat wissel van tegniese (bewegende gemiddeldes, ossillators, volume berekeninge, ens Meestal 'n verskeidenheid van die 20ste eeu aanwysers, maar so af en toe adaptive bewegende gemiddelde het daarin geslaag om te sluip in s maklik om soveel aanwysers voeg as 'n gebruiker wil, daar is basies geen dokumentasie oor enige van hulle, met geen skakels na verwys, ens sodat gebruikers sal die onus om werklik te verstaan ​​dra wat elkeen van die aanwysers wat hulle kies eintlik nie, en of nie diegene aanwysers is nuttig. die TRAIDE aansoek maak nul poging (tot dusver) om werklik gebruikers vertroud is met die doel van hierdie aanwysers, wat hul teoretiese doelwit is (meet skuldigbevinding in 'n tendens, op te spoor 'n tendens, ossillator tipe aanwyser, ens ) Verder rakende aanwyser keuses, gebruikers ook een parameter op te gee vir elke aanwyser per strategie. Byvoorbeeld, indien ek 'n EMO crossover gehad, ek d het 'n nuwe strategie te skep vir 'n 20/100 crossover, 'n 21/100 crossover, eerder as om spesifiseer iets soos hierdie: kort EMO: 20-60 lank EMO: 80-200 Quantstrat self het hierdie funksie, en terwyl ek Don, wat hier aangetref word. In my opinie, die opsie van die dekking van 'n verskeidenheid van waardes is verpligtend ten einde aan te toon dat 'n gegewe parameter instelling is nie 'n ewekansige gelukskoot. Buite quantstrat, het ek hierdie metode in my Hipotese Gedryf Ontwikkeling poste getoon, en in opkom vir parameter seleksie vir wisselvalligheid handel. Waar TRAIDE iets interessant kan doen is egter dat na die gebruiker spesifiseer sy aanwysers en parameters, sy. Terwyl daar is definitiewe waarde tot die verkenning van die verhouding tussen aanwysers en toekomstige opbrengste, ek dink dat TRAIDE moet meer doen op hierdie gebied, soos verslaggewing P-waardes, oortuigings, en so aan. Byvoorbeeld, as jy genoeg aanwysers kombineer, jou m hoop om te sien TRAIDE skep meer funksies in terme van wat 'n verhandeling reël uitmaak. Nadat die gebruiker kies sowel 'n lang en 'n kort reël (deur eenvoudig die filter op aanwyser wissel wat TRAIDE se hand in dié verband. Laastens, TRAIDE genereer dan MetaTrader4 kode vir 'n gebruiker om af te laai. En dit is die proses. In my opinie, terwyl wat Inovance Tech het om te doen met TRAIDE is interessant, wouldn ek t program te goed), en bateklasse (weer, een op 'n slag). Maar vir klein beleggers, my probleem met TRAIDE is dit: Daar is 'n hele verskeidenheid van ongedokumenteerde aanwysers, wat dan skuif na swart-box masjien leer algoritmes. Die gevolg is dat die gebruiker het baie min begrip van wat die onderliggende algoritmes eintlik doen, en waarom die logika hy of sy word met die produksie. Terwyl TRAIDE maak dit trivially maklik om iemand gegee handel stelsel te genereer, het as verskeie individue voor wat in effens verskillende maniere, skryf 'n strategie is die maklike deel. Doen die werk te verstaan ​​as wat strategie eintlik het 'n voorsprong is baie moeiliker. Naamlik, die nagaan van sy robuustheid, sy voorspellende krag, sy sensitiwiteit vir verskillende regimes, en so aan. Gegewe TRAIDE s eerder kort data geskiedenis (2010 en verder), en tesame met die ondeursigtigheid dat die gebruiker bedryf onder, sou my analogie dit wees: Dit t likwideer breek in 'n boom. Algehele, Ek hou van die TRAIDE aansoek t van plan is om die ins-and-outs van kodering n handel stelsel in R leer (ten spyte van my toon baie keer oor hoe om sulke stelsels saam te stel). Ek dink net dat daar moet meer werk in om seker te maak dat die resultate 'n gebruiker sien is 'n aanduiding van 'n voorsprong, eerder as om oop te maak die moontlikheid van hoogs-buigsame masjienleer algoritmes jaag spoke in een van die grootste lawaai makers en mees dinamiese datastelle sit 'n mens kan moontlik vind. My aanbevelings is die volgende: 1) Meer as bateklasse 2) Laat parameter reekse, en kap die aantal proewe op enige gegewe punt (bv 4 aanwysers met tien instellings elk 10,000 moontlike handel stelsels blaas die bedieners). Om af te verfyn die aantal proeflopies, gebruik tegnieke van eksperimentele ontwerp om te kom op ordentlike kombinasies. (Ek wens ek onthou my reaksie oppervlak metode tegnieke van my heer d wees interessant om te sien of hulle het 'n bewese rekord as 'n fonds, bykomend tot 'n sagteware verskaffer. As al hierdie dinge is verantwoordelik vir en outomatiese, die produk sal . hopelik sy missie van die totstandkoming van sistematiese verhandeling en masjien leer om meer mense te bereik Ek dink TRAIDE het potensiaal, en ek m die hoop dat sy personeel wat potensiaal sal besef Dankie vir die lees NOTA:.. Ek is tans opdoen in die middestad van Chicago, en is altyd belangstel in netwerke met professionele mense in die sistematiese verhandeling en sistematiese batebestuur / toekenning ruimtes Vind my LinkedIn hier EDIT:.. Vandag in my e-pos (3 Desember 2015), het ek 'n kennisgewing wat Inovance was besig om TRAIDE heeltemal gratis Miskien moet hulle. wil 'n klomp meer terugvoer daarop Hierdie pos 'n metode om 'n ensemble filter gebaseer op 'n kompromis tussen gladheid en responsiwiteit te skep sal demonstreer, twee eiendomme gekyk vir 'n filter. 'N ideale filter sal albei reageer op aksie prys so as om nie verkeerde posisies beklee, terwyl dit ook glad, ten einde nie valse seine en onnodige transaksie koste aangaan. So, sedert my wisselvalligheid handel strategie, met behulp van drie baie naïef filters (al SMAs) heeltemal gemis 'n 27 maand in XIV. Ek ve besluit om te probeer en maniere om beter aanwysers in die tendens volgende te skep verbeter. Nou, onder die besef dat daar potensieel kan wees ton van komplekse filters bestaan, het ek besluit om eerder te fokus op 'n manier om ensemble filters te skep, met behulp van 'n analogie van statistiek / masjien leer. In statiese data-analise, 'n regressie of klassifikasie taak, daar is 'n kompromis tussen vooroordeel en variansie. In 'n neutedop, variansie is sleg as gevolg van die moontlikheid van overfitting op 'n paar onreëlmatige waarnemings en vooroordeel is sleg as gevolg van die moontlikheid van underfitting wettige data. Net so, met filter tydreekse, daar is soortgelyke bekommernisse, behalwe vooroordeel is lag genoem, en variansie kan beskou word as 'n aanwyser. In wese, sou 'n ideale aanwyser vinnig beweeg met die data, terwyl op dieselfde tyd, nie 'n magdom van klein knoppe-en-omkeer langs die pad, wat valse seine na 'n handel strategie kan stuur besit. So, hier is hoe my eenvoudige algoritme werk: Die insette om die funksie is die volgende: a) Die tydreekse van die data wat jy s return. calculate) funksie D) 'n oortuiging faktor, waaraan krag die foute sal opgewek word. Dit moet waarskynlik tussen 0,5 en 3 E) 'n vektor wat die klem op vlotheid definieer (teen klem op 'n responsiewe ingesteldheid), wat moet wissel van 0 tot 1. Hier is die kode: Dit raak SPY data, en skep twee nut funksies xtsApply, wat is bloot 'n kolom-gebaseerde toepassing wat die oorspronklike indeks wat met behulp van 'n kolom-wyse gooi van toepassing, en sumIsNa, wat ek later vir die tel van die aantal NAS in 'n gegewe ry gebruik vervang. Dit skep ook my kandidaat filters, wat, om dinge eenvoudig te hou, is net SMAs 2-250. Hier is die werklike kode van die funksie, met kommentaar in die kode self na die proses van 'n tegniese vlak beter te verduidelik (vir diegene wat nog nie vertroud met R, kyk uit vir die hashtags): Die oorgrote meerderheid van die computational tyd plaasvind in die twee xtsApply noem. Op 249 verskillende eenvoudige bewegende gemiddeldes, die proses neem ongeveer 30 sekondes. Hier is die uitset, met behulp van 'n skuldigbevinding faktor van 2: En hier is 'n voorbeeld, kyk na SPY vanaf 2007 deur middel van 2011. In hierdie geval, ek verkies om te gaan van blou na groen, oranje, bruin, maroen, pers, en uiteindelik rooi vir gladheid klem van 0, 5, 25, 50, 75, 95, en 1, onderskeidelik. Let daarop dat die blou lyn is baie Wiggly, terwyl die rooi lyn soms skaars beweeg, soos tydens die 2011 drop-off. Dankie vir die lees.