Скачать Алгоритмическая торговля. Научный подход - Горчаков (2016)

Тема в разделе "Разное", создана пользователем SkyNet, 4 дек 2019.

Этап:
Купить
Цена:
120.00 RUB
Участников:
2 из 2
Организатор:
SkyNet
Расчетный взнос:
61.20 RUB
  • Участники покупки:
    1. SkyNet, 2. Kaskad;
  1. SkyNet

    SkyNet Команда форума Команда форума Администратор

    Курс вебинаров "Алгоритмическая торговля. Научный подход"
    Автор: Александр Горчаков

    [​IMG]



    Год: 2016
    Формат: mp4, ppt
    Размер: 3,79 Гб (в распакованном виде)
    Стоимость: 3 000 руб

    Программа курса вебинаров

    День 1
    Введение:
    • случайность или детерминированность;
    • торговый алгоритм, как статистический прогноз будущего приращения цены;
    • бинарная модель приращений цен, тренд и контртренд, оптимальный алгоритм.
    Основы теории вероятностей и математической статистики «за час»:
    • вероятность, как мера числовой оценки шансов появления будущих событий;
    • одномерные случайные величины: функция распределения, математическое ожидание функции от случайной величины, квантили (перцентили) , стохастическое доминирование;
    • многомерные случайные величины: независимость, условные распределения, задача статистического прогноза, регрессия;
    • последовательности случайных величин: стационарность, автокорреляционная и спектральная функции, - случайное блуждание, показатель Херста (критика);
    • математическая статистика: выборка, выборочные статистики, достаточные статистики, различение гипотез, оценка параметров, параметрическая и непараметрическая статистика.
    День 2
    Тестирование и оптимизация торговых алгоритмов, как проверка качества статистического прогноза будущего приращения цены:
    • оценка доли «успехов»;
    • приведение автокорреляционной функции динамики счета к нулевому виду;
    отсев параметров по:
    • устойчивости;
    • стохастическому доминированию;
    • взаимной корреляции;
    • превосходству «доходность-риск» пассивной стратегии;
    построение оптимального портфеля из:
    • одного торгового алгоритма с разными параметрами,
    • нескольких торговых алгоритмов на одном активе,
    • портфелей торговых алгоритмов на разных активах;
    • оценка будущей просадки счета методом Монте-Карло.
    День 3
    Принципы построения торговых алгоритмов:
    • оптимальные алгоритмы при известном распределении будущего приращения цены;
    • бинарная модель приращений цен, «кусочная» стационарность, оптимальные алгоритмы в условиях
    • непредсказуемости точек смены отрезков стационарностей.
    Модели цен:
    • конкурентный рынок, условная нормальность, «кусочная» стационарность;
    • кусочно-постоянная условно нормальная модель, тренды, минимаксная модель трендов;
    • кусочно-марковская условно нормальная модель, тренды и контртренды;
    • сильно «антиперсистентная» модель, ступенчатые тренды;
    День 4
    Примеры трендовых торговых алгоритмов. Часть 1.
    • для кусочно-постоянной условно нормальной модели;
    • для сильно «антиперсистентной» модели.
    День 5
    Примеры трендовых торговых алгоритмов. Часть 2.
    • для минимаксной модели трендов;
    • для история реальной торговли и модификаций.
    День 6
    Фильтрация трендовых торговых алгоритмов:
    • кусочно-марковская условно нормальная модель, как основа построения «фильтра пилы»;
    • «фильтры» шортов и плечей, принципы построения, особенности использования.
    Примеры контртрендовых торговых алгоритмов:
    • «фильтр пилы», как индикатор торговли контртренда в рамках бинарной модели приращений цен;
    • maximum profit system для опционов.
    День 7
    Практическое занятие.

     

Поделиться этой страницей