Алгоритмический трейдинг

Переоптимизация (overfitting) — ситуация, когда торговая стратегия чрезмерно подгоняется под исторические эксперименты. В результате, такой алгоритм показывает отличные результаты на прошлых данных, но теряет свою эффективность на реальных. То есть, переоптимизация возникает, когда алгоритм «учится» на шумах и случайных аномалиях, а не на реальных рыночных закономерностях. Ошибка переоптимизации — самый коварный и скрытый враг для алгоритмических трейдеров. Чтобы снижать влияние подгонки, нужно подходить к каждому этапу разработки стратегии аккуратно и мудро...

Если вы вдруг обнаружили, что долго мучаетесь с одним алгоритмом и не можете довести его до совершенства, то оставьте его в покое и займитесь новыми. Попытки превратить парочку любимых алгоритмов в конфетку — не самый рациональный путь. Почему так — рассказываем в статье. Полезные материалы, которые хорошо бы изучить перед продолжением: В алготрейдинге можно пойти одним из двух путей. Путь первый: затратить уйму времени и интеллектуальных ресурсов на разработку алгоритма супер-звезды, который принесет одну большую элегантную победу...

В статье разберем, как и когда сформировались технологические методы торговли, как их может использовать частный трейдер, и что ждет алгоритмический трейдинг в ближайшем будущем. Полезные материалы, которые хорошо бы изучить перед продолжением: В основе технологического подхода на финансовых рынках есть 3 основных метода: И теперь подробней о каждом методе. Алгоритмический трейдер или хедж-фонд применяют математические и статистические модели для анализа исторических данных. И уже на основе этих данных формируются автоматизированные торговые системы...