Шевченко А.О.
ПРОБЛЕМЫ ПРИ ОПТИМИЗАЦИИ ТОРГОВЫХ СИСТЕМ *
Аннотация:
выявление проблем при оптимизации параметров торговой системы на исторической выборке данных, какие плюсы предоставляет оптимизация и минусы. Каким образом можно минимизировать риски при оптимизации. Методология. В данной стать будет использована методология анализа результатов. Результаты. В работе будет представлен метод анализа, который поможет минимизировать риск переоптимизации параметров
Ключевые слова:
оптимизация, выборка данных, форвардный тест, скользящая средняя
УДК 33
Шевченко А.О.
Магистрант
Санкт-Петербургский государственный экономический университет
(г. Санкт-Петербург, Россия)
ПРОБЛЕМЫ ПРИ ОПТИМИЗАЦИИ ТОРГОВЫХ СИСТЕМ
Аннотация: выявление проблем при оптимизации параметров торговой системы на исторической выборке данных, какие плюсы предоставляет оптимизация и минусы. Каким образом можно минимизировать риски при оптимизации.
Методология. В данной стать будет использована методология анализа результатов.
Результаты. В работе будет представлен метод анализа, который поможет минимизировать риск переоптимизации параметров.
Ключевые слова: оптимизация, выборка данных, форвардный тест, скользящая средняя.
С развитием информационных технологий они все больше приходят на замену рутинных задач, фондовый рынок не остался в стороне, и все больше трейдеров прибегают к механической торговле, так как использование системного подхода может принести результат. Механические торговые системы убирают человеческий фактор, так как в неё заложен ряд правил, которым следуют алгоритм.
Для понимания необходимо разобрать пример торговой системы, основанный на двух просты скользящих средних, аббревиатура SMA (simple moving average).
Расчет скользящей средней SMA. Самый простой из методов сглаживания, который используется для удаления рыночного шума или волатильности, и определение направления цены. Простыми словами это усредненное значение за n-количество дней. Например, если за последние три дня цены активы двигались следующим образом, p-цена актива, а n-количество свечей в зависимости от таймфрейма, p1=319, p2=320, p3=322, n=3, то скользящая средняя будет считаться, таким образом, как SMA= (p1+p2+p3)/n=320.33(3). По такой логике можно рассчитывать скользящую среднюю в динамике.
Теперь немного подобрались к параметрам, которые могут быть оптимизированы, оптимизация – выбор наилучших параметров, которые дают хорошие результаты. Необходимо разобрать как это работает, допустим, в торговой системе используются две скользящие средние SMA1 и SMA2, где открытием длинной позиции будет пересечение скользящих средних, следующим образом, скользящая средняя с меньшим периодом пересекает с низу вверх скользящую с большим периодом, а закрытие позиции происходит обратным пересечением скользящих. SMA1 (от 2 до 4) и SMA2 (от 5 до 7), оптимизация комбинаторным методом переберёт параметры, и покажет распределение результатов.
Не вооруженным глазом видно, в чем заключается проблема оптимизации, разберем подробней. При разработке торговой системы берутся исторические данные по какому-либо активу, прописываются логики открытия позиций, в нашем примере логика открытия позиции и ее закрытия, прописана выше. Проблема заключается в том, что оптимизация комбинаторным способом перебирает параметры скользящих средних и выдает результаты. Но как узнать будут ли работать подобранные параметры в реальном времени, или же оптимизация подогнала параметры под исторические данные.
Что бы избежать или хотя бы минимизировать фактор подгонки под исторические данные, необходимо провести форвардный тест. Форвардный тест — это тест, который проводится при разработке системы, следующим образом. Берется выборка исторических данных за P-период, и делится на 2, P/2, будет участвовать при разработке системы и ее оптимизации, после того как торговый робот был разработан на участке выборки P/2 и были выбраны положительные параметры, далее торговую систему накладывают на выборку данных, которая не участвовала в разработке, если структура результатов, примерно одинаковые или имеют отклонения незначительные, то можно считать, что оптимизация в этом случае сыграла на руку, и с больше долей вероятности, разработанная система покажет результаты в бедующем.
СПИСОК ЛИТЕРАТУРЫ:
Системы и методы биржевой торговли / Перри Кауфман ; Пер. с англ. – М. : Альпина Паблишер, 2017 – 1279 с.
Алгоритмический трейдинг для профессионалов. – СПБ. : БХВ-Петербург, 2021. – 176 с. : ил.
Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум: Пер. с англ. – СПБ. : БХВ-Петербург, 2020. – 560 с. : ил.
Разработка, тестирование, оптимизация торговых систем для биржевого трейдинга / Роберт Пардо.
Shevchenko A.O.
Master's student, St. Petersburg State University of Economics
(Saint Petersburg, Russia)
PROBLEMS IN OPTIMIZING TRADING SYSTEMS
Abstract: identification of problems in optimizing the parameters of the trading system on a historical sample of data, what advantages and disadvantages optimization provides. How to minimize risks during optimization.
Methodology. In this article, the methodology of the analysis of the results will be used.
Results. The paper will present an analysis method that will help minimize the risk of overoptimization of parameters.
Keywords: optimization, data sampling, forward test, moving average.
Номер журнала Вестник науки №12 (45) том 1
Ссылка для цитирования:
Шевченко А.О. ПРОБЛЕМЫ ПРИ ОПТИМИЗАЦИИ ТОРГОВЫХ СИСТЕМ // Вестник науки №12 (45) том 1. С. 87 - 89. 2021 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/4972 (дата обращения: 25.04.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2021. 16+