Скоро [Полузакрытая] Алготрейдинг с научной точки зрения

[VkurseBot]

Описание курса
Первым делом, первым делом – алгоритмы, ну а профиты, а профиты потом. Забудьте все, что вы знали о торговых роботах ранее. Начните создавать автоматические трейдинговые системы под руководством гуру алгоритмической торговли, и уже в скором времени вы научитесь сохранять и приумножать капитал.

Встречайте Александра Горчакова – одного из самых известных трейдеров России и автора уникальной обучающей программы для алготрейдеров. Станьте участником онлайн-курса и узнайте, как теория вероятностей и математическая статистика помогают выстроить грамотную торговлю, какие принципы при построении торговых алгоритмов нужно знать каждому инвестору. В рамках обучения Александр покажет методы тестирования и оптимизации торговых роботов, отсеивания систем по различным параметрам и строительства оптимальных портфелей автоматических систем. Также слушатели курса научатся создавать и фильтровать трендовые и контртрендовые торговые алгоритмы.

Расписание (6 семинаров с 14 по 25 декабря 2015 года)

Спойлер

19:30
14.12.2015
Алгоритмическая торговля. Научный подход - 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.

19:30
16.12.2015
Алгоритмическая торговля. Научный подход - 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.

19:30
18.12.2015
Алгоритмическая торговля. Научный подход - 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;

19:30
21.12.2015
Алгоритмическая торговля. Научный подход - День 4
Примеры трендовых торговых алгоритмов. Часть 1.

• 
  []для кусочно-постоянной условно нормальной модели;

• 
  []для сильно «антиперсистентной» модели;

19:30
23.12.2015
Алгоритмическая торговля. Научный подход - День 5
Примеры трендовых торговых алгоритмов. Часть 2.

• 
  []для минимаксной модели трендов;

• 
  []для история реальной торговли и модификаций;

19:30
25.12.2015
Алгоритмическая торговля. Научный подход - 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.

Продажник:

 

 

Последнее редактирование модератором: 11 Дек 2015