Opções binárias sem depósito Ribeirão Pires: Pairs estratégia de negociação matlab

Negociação Algorítmica.

Desenvolva sistemas de negociação com MATLAB.

A negociação algorítmica é uma estratégia comercial que usa algoritmos computacionais para gerar decisões comerciais, geralmente nos mercados financeiros eletrônicos. Aplicado em instituições de compra e venda, a negociação algorítmica é a base da negociação de alta freqüência, da negociação FOREX e da análise de riscos e execução associada.

Construtores e usuários de aplicativos de negociação algorítmica precisam desenvolver, testar e implementar modelos matemáticos que detectem e explorem os movimentos do mercado. Um fluxo de trabalho efetivo envolve:

Desenvolvimento de estratégias de negociação, utilizando métodos temporais técnicos, métodos de aprendizagem mecânica e métodos de séries temporais não-lineares Aplicação de computação paralela e de GPU para teste de tempo eficiente e identificação de parâmetros Cálculo de lucro e perda e realização de análise de risco Execução de análise de execução, como modelagem de impacto de mercado, análise de custos de transações e detecção de iceberg Incorporando estratégias e análises em ambientes de negociação de produção.

Exemplos e como fazer.

Análise Walk-Forward: usando o MATLAB para testar sua estratégia comercial 35:15 - Webinar Cointegration e Pairs Trading com Econometria Toolbox 61:27 - Webinar Servidor de Produção MATLAB para Aplicações Financeiras 38:28 - Webinar Começando com o Trading Toolbox, Parte 1: Conecte-se para Interactive Brokers 7:22 - Video CalPERS Analisa a Dinâmica do Mercado de Moedas para Identificar Oportunidades de Negociação Intraday - História do Usuário Negociação Quantitativa: Como Construir Seu Próprio Negócio de Negociação Algorítmica, por Ernest Chan - Algorithmic Trading - Algorithmic Trading Code e Outros Recursos - Arquivo Exchange Financial Analysis & amp; Trading - MathWorks Consulting.

Referência de Software.

Funções da Caixa de Ferramentas de Negociação - Aplicação de Aprendizagem de Classificação de Documentação: Estatística e Ferramenta de Aprendizagem de Máquina Aplicação: gráfico de média móvel móvel e atrasado - Caixa de Ferramentas Financeiras Função sharpe: cálculo de taxa de Sharpe - Função de Caixa Financeira gaoptimset: Criar estrutura de opções de algoritmo genético - Otimização Global Toolbox Function Cointegration Testing - Econometria Toolbox Functions Neural Network Time Series Tool - Neural Network Toolbox Documentação.

Escolha o seu país.

Escolha o seu país para obter conteúdo traduzido, quando disponível, e veja eventos e ofertas locais. Com base na sua localização, recomendamos que você selecione:.

Você também pode selecionar um local da seguinte lista:

Canadá (Inglês) Estados Unidos (Inglês)

Bélgica (Inglês) Dinamarca (Inglês) Deutschland (Deutsch) España (Español) Finlândia (Inglês) França (Français) Irlanda (Inglês) Italia (Italiano) Luxemburgo (Inglês)

Holanda (Inglês) Noruega (Inglês) Österreich (Deutsch) Portugal (Inglês) Suécia (English) Suíça Deutsch English Français Reino Unido (Inglês)

Ásia-Pacífico.

Austrália (Inglês) Índia (Inglês) Nova Zelândia (Inglês) 中国 (简体中文) 日本 (日本語) 한국 (한국어)

Explore produtos.

Experimente ou compre.

Aprenda a usar.

Obter Suporte.

Sobre o MathWorks.

Acelerando o ritmo da engenharia e da ciência.

MathWorks é o principal desenvolvedor de software de computação matemática para engenheiros e cientistas.

Estratégia de negociação de pares MATLAB.

Esta demonstração usa o MATLAB e a Caixa de ferramentas do desenvolvedor de Análise Técnica (TA) para criar e testar uma estratégia de negociação de pares. A caixa de ferramentas do Desenvolvedor TA complementa as caixas de ferramentas de finanças computacionais existentes adicionando funcionalidades avançadas de backtesting, como backtesting de portfólio, cálculo de métricas de negociação padrão e uma interface de usuário gráfica interativa que permite a aplicação de indicadores técnicos via drap & amp; drop.

Exemplo: Austrália - Canadá se espalhou.

Este primeiro passo na criação de uma estratégia de negociação de pares é a escolha de dois instrumentos financeiros historicamente correlacionados. A estratégia de negociação de pares aproveita a divergência de curto prazo ao inserir uma posição curta em um instrumento e uma posição longa na outra. A estratégia assume que o par convergirá no longo prazo. Ao ser curto em um instrumento e longo no instrumento correlacionado, essa estratégia é neutra no mercado. Por exemplo, se o mercado de ações bloquear os lucros do curto-circuito, um instrumento deve compensar as perdas da posição longa. Nesta demo, usamos o fato de que a Austrália eo Canadá são dois países ricos em recursos que têm uma correlação econômica e estatística, como explicado aqui:

Carregando os dados.

Para a estratégia de negociação de pares, usamos o iShares MSCI Australia Index (EWA) como proxy para a economia australiana e o índice iShares MSCI Canada (EWC) como proxy para a economia canadense. Os dados podem ser baixados do Yahoo finance usando o script getyahoo10.m da troca de arquivos MATLAB. getyahoo10.m baixa 10 anos de dados diários do Yahoo finance e salva os arquivos baixados no diretório especificado.

Os dados baixados podem então ser importados para o TA Developer Toolbox como descrito aqui:

Criando um novo m-arquivo de estratégia.

Uma estratégia de negociação consiste em uma função MATLAB com um único parâmetro chamado sys. O parâmetro sys contém dados do sistema de negociação, como os preços aberto, alto, baixo e fechado de um estoque ou um futuro. Nós adicionaremos regras de negociação de entrada e saída a este arquivo de estratégia m. Não é necessária nenhuma escrita adicional do código de teste de retorno. A avaliação de backups e desempenho é tratada pela Caixa de ferramentas do desenvolvedor de Análise Técnica (TA). A estratégia de negociação vazia deve parecer semelhante e servidores como ponto de partida para cada estratégia comercial.

Definindo os símbolos primários e secundários.

Em nossa estratégia comercial, começamos por definir os nomes dos símbolos dos instrumentos primários e secundários, bem como o nome da lista de observação que foi selecionado durante a importação dos dados. Colocar esses valores em variáveis permite ajustar facilmente a estratégia para outros pares mais tarde.

Parâmetros de negociação.

Os parâmetros de negociação podem ser usados em uma varredura de parâmetros. Se não estivermos executando uma varredura de parâmetros, esses parâmetros serão padrão para o segundo parâmetro passado para a função 'GetTradingParameter'.

Cálculo e planejamento da relação, média, desvio padrão e escore z.

Relação entre primário (EWA) e secundário (EWC)

Calcule o escore z e trace os limiares. O escore z indica quantos desvios padrão uma observação está acima ou abaixo da média.

Sinais de entrada e saída primários.

ZScoreUpper padrão para 1.5 e ZScoreLower padrão para 1. Então, entramos uma posição curta no primário (EWA) quando a pontuação z excede 1.5 desvios padrão (linha vermelha superior) e saia da posição curta quando o escore z cai abaixo de 1 padrão desvio (linha verde superior).

Adicione uma posição longa quando o escore z cai abaixo de -1,5 desvios padrão (linha vermelha inferior) e saia da posição longa quando o escore z sobe acima -1 desvios padrão (linha verde inferior).

Sinais de entrada e saída secundários.

Mude para o contexto secundário (EWC). Todas as funções chamadas após 'SwitchSymbol' são executadas no símbolo secordary até 'RestoreSymbol' ser chamado.

Backtesting a estratégia.

Digite 'tadeveloper' no prompt de comando MATLAB para abrir a interface gráfica do usuário do TA Developer. Clique em Arquivo & gt; Abra no menu e navegue até o local onde você salvou a estratégia PairsTradingStrategy. m e abra o arquivo.

Antes de executar a estratégia, precisamos primeiro definir alguns parâmetros. No canto inferior direito está uma janela chamada Propriedades. Esta janela contém importantes parâmetros de execução. Vamos definir o capital inicial para a simulação para 100000. O tipo de posição é definido como "Porcentagem" e o valor da posição é definido como 50, o que significa que 50% do capital disponível é usado por comércio.

Certifique-se de que o nó raiz da lista de vigilância esteja selecionado na janela Símbolos. Você deve ver o painel de backtest. Pressione o botão verde Play para iniciar a simulação.

Avaliação de desempenho.

Quando a estratégia foi executada com sucesso, a guia 'Estatísticas' fica disponível. Ele mostra várias métricas de negociação, como o Retorno Anualizado, a Relação Sharpe, a Relação Sortino, o Índice de Úlcera, o Número de Negociações e muito mais. Essas métricas são divididas em 'All' (para todos os negócios simulados), 'Long' (somente comércio longo) e 'Short' (somente no curto). Além da página de métricas, uma tabela de todos os negócios executados e uma curva de equidade são calculadas e exibidas.

Varredura de parâmetros.

Até agora, usamos 1,5 como um limite superior e 1 como um limite inferior para a pontuação z para entrar e sair da nossa posição espalhada. O MATLAB facilita a realização de uma varredura de parâmetros para percorrer uma série de valores para determinar os valores de parâmetros ótimos. As etapas envolvidas na execução de uma varredura de parâmetros são explicadas aqui MATLAB Algo Trading sob a subposição 'Otimização Parmeter'.

MatlabTrading.

Blog para MATLAB & # 174; usuários interessados em estratégias de negociação algorítmica, backtesting, negociação de pares, arbitragem estatística, etc.

Quarta-feira, 7 de dezembro de 2016.

Testes e Análises de Estratégias de Negociação Algorítmicas em MATLAB (Parte 4) & # 8211; Algorítmos genéticos.

Otimização de Algoritmos Genéticos.

Apesar do fato de que o princípio do algoritmo genético (evolutivo) é muito bem explicado nos webinars de MathWorks, nos exemplos, no entanto, ele é usado apenas para otimizar a escolha de um grupo de estratégia de um conjunto. Este é um bom exemplo do uso desses algoritmos, no entanto, acontece que há uma necessidade de estabelecer muitas variáveis com intervalos significativos para uma estratégia, você não passa com uma iteração e a paralelização de processos # 8211; os cálculos podem demorar vários dias. Certamente, existem estratégias na fase final de otimização, quando quase certamente sabemos que a estratégia de negociação é bem sucedida, podemos aguardar vários dias também ou alugar todo o cluster - o resultado pode valer a pena. No entanto, se precisarmos "estimar" os resultados de uma estratégia "volumosa" e decidir se vale a pena gastar o tempo, então os algoritmos genéticos podem ser perfeitamente adequados.

Método linear & # 8211; é um modo usual de classificação em que você verá todos os resultados intermédios (sub-ótimos). Ele fornece a máxima precisão. Método paralelo & # 8211; Todos os kernels da sua CPU serão usados. Não permite ver resultados intermediários, mas acelera significativamente a operação. Ele fornece a máxima precisão durante o aumento da velocidade de computação. Método genético & # 8211; Ele usa o algoritmo de otimização evolutiva. Permite ver valores sub-óptimos, mas dá o resultado próximo ao melhor. Não é um método muito preciso, mas é preciso o suficiente para a "execução" inicial da estratégia. Muito rápido.

Segunda-feira, 5 de dezembro de 2016.

Testes e Análises de Estratégias de Negociação Algorítmicas em MATLAB (Parte 3) & # 8211; Visualização do Processo.

Visualização do Processo de Teste.

Na minha experiência de trabalho, muitas vezes eu analisei outras plataformas populares para testes de estratégia de negociação, como a TradeStation, o MetaStock, Multicartas etc. e sempre me surpreendi com a pouca atenção que foi dada à visualização do processo de teste. A coisa é que, quando não vemos os resultados dos valores intermediários, sub-ótimos de parâmetros otimizados, muitas vezes jogamos fora o ouro junto com a sujeira. A questão é devido a uma amostragem muito ampla, a estratégia ajusta os parâmetros da maneira como queremos ver uma "estratégia perfeita" que falha na vida real ou veja uma ou duas promoções, que supostamente são as melhores porque foi selecionado esses dados de intervalo de tempo onde a melhor estratégia de negociação seria "comprar e manter", mas por que então são necessárias outras estratégias?

E se houver mais de 4 dimensões? Quando você vê quais sinais e em que freqüência eles aparecem na faixa de preço, você tem quase toda a representação visual necessária de sua estratégia: a freqüência das transações, sua rentabilidade (curva de renda), a precisão da abertura, a semelhança com outras valores sub-óptimos, etc .; Isso não pode ser dito sobre o desempenho no espaço N-dimensional, onde todas as informações úteis são, de fato, que o valor ótimo não é apenas um, mas existe uma gama inteira de valores sub-ótimos em uma ou mais áreas.

Ao otimizar uma estratégia no WFAToolbox & # 8211; Walk-Forward Analysis Toolbox para MATLAB & # 174 ;, como um novo valor ótimo é encontrado, os sinais de estratégia de negociação no período em amostra e fora da amostra imediatamente aparecem no gráfico, para que você sempre possa controlar o intervalo de opções você deve atribuir, e também pode pausar a otimização sem esperar o fim do teste, pois fica claro que algo deu errado ou tudo está bem.

Quarta-feira, 30 de novembro de 2016.

Teste e Análise de Estratégias de Negociação Algorítmicas em MATLAB (Parte 2) & # 8211; GUI fácil de usar.

GUI fácil de usar.

Vamos começar com o fato de que não existe uma interface gráfica porque, se presumimos que quase todo o processo de teste e análise de estratégias de negociação é padronizado (é 99%), você gostaria de ter a interface que o ajuda a chamar os dados necessários e inicie o processo de teste com um clique.

Para usuários novos (e não apenas) do MATLAB é muito mais conveniente usar uma GUI com botões e campos de entrada do que procurar no código; portanto, há uma GUI mesmo nas caixas de ferramentas MathWorks na maioria dos casos porque é mais conveniente. Ele permite focar apenas o código da sua estratégia porque o uso de uma GUI não implica, de modo algum, que ela limite de alguma forma a sua capacidade de escrever uma estratégia.

Assim, na WFAToolbox, criamos a possibilidade de escrever qualquer código para sua estratégia, usando qualquer das caixas de ferramentas MATLAB e trabalhando com múltiplos ativos para as estratégias, tais como troca de pares, troca de cesta ou arbitragem de triplet, etc .; mas, ao mesmo tempo, esse código é facilmente integrado na GUI por meio do uso de padrões, que são simples o suficiente para aplicar no código e não limitam as oportunidades.

Terça-feira, 29 de novembro de 2016.

Testes e Análises de Estratégias de Negociação Algorítmicas em MATLAB (Parte 1) - Introdução.

Como tudo começou.

Foi 2008 (se não me enganei) quando foi lançado o primeiro webinar de negociação algorítmica em MATLAB com Ali Kazaam, abordando o tema da otimização de estratégias simples baseadas em indicadores técnicos, etc., apesar de um "caótico" e # 8221; código, as ferramentas eram interessantes o bastante para usar. Eles serviram como ponto de partida para pesquisa e aprimoramento de um modelo de teste e análise que permitiria usar todo o poder das caixas de ferramentas e a liberdade das ações MATLAB durante a criação das próprias estratégias comerciais, ao mesmo tempo em que permitiria controlar o processo de testes e os dados obtidos e suas análises subseqüentes escolheriam um portfólio efetivo de sistemas de negociação robustos.

Por que todo Algotrader deve reinventar a roda?

No entanto, a Mathworks não ofereceu uma solução completa para testar e analisar as estratégias # 8211; esses códigos que você poderia sair dos webinars eram os únicos "elementos" de um teste completo do sistema, e era necessário modificá-los, personalizá-los e adicioná-los à GUI para facilidade de uso. Foi muito demorado, colocando uma questão: seja qual for a estratégia, deve passar pelo mesmo processo de análise e análise, o que permitiria classificar-se como estável e utilizável. então, por que cada algotrader deve reinventar a roda e escrever seu próprio código para estratégias de teste adequadas no MATLAB?

Nós decidimos chamar a solução WFAToolbox - Walk-Forward Analysis Toolbox cuja versão de demonstração está disponível no wfatoolbox desde 2013.

Segunda-feira, 7 de novembro de 2016.

Uau?! O que aconteceu com o blog?

O que aconteceu com o blog?

1. Jev Kuznetsov já não é o dono.

2. Nós mudamos a marca.

O que acontecerá com o blog?

1. Mais postagens e artigos.

Esperamos trazer a vida a este blog postando conteúdos relevantes uma ou duas vezes por semana. Nos primeiros meses, publicaremos principalmente os artigos e vídeos que já temos para tornar mais fácil para os nossos queridos leitores pesquisar informações sobre um recurso e reticular-se sobre eles.

Negociação de pares de arbitragem estatística / estratégias de negociação de reversão / mercado neutro baseadas em cointegração / bollinger bands / kalman filter etc. para commodities, ações e Forex. Tendem as seguintes estratégias com Jurik Moving Average e outros filtros digitais sofisticados; Estratégias de previsão com aprendizado de máquina (Support Vector Machines) e outros métodos; Criando estratégias de negociação robustas usando o gerenciamento de dinheiro de teste visual para reinvestir seu capital (ciência sobre como obter $ 1M de US $ 10K em um ano com o máximo, mas o risco estimado e as recompensas de suor). Talvez depois de ler isso, você pensou que este seria um outro artigo burro para aqueles caras pobres que procuram como se tornar rico através do "trading on forex" e tudo isso. Bem, isso é totalmente falso! Estamos trabalhando no MATLAB, e a maioria de nós somos cientistas e especialistas nesse aspecto, então tudo é sério.

2. Mais interatividade.

Terça-feira, 1 de janeiro de 2013.

Intraday significa reversão.

As regras são simples e semelhantes à estratégia que testei na última publicação:

Se o retorno de barra do par exceder 1 no z-score, troque a barra seguinte.

O resultado parece muito bonito:

Se você acha que este gráfico é muito bom para ser verdade, isso infelizmente é o caso. Não foram considerados custos de transação ou spread de oferta e solicitação. Na verdade, eu duvidava que houvesse algum lucro depois de subtrair todos os custos de negociação.

Ainda assim, este tipo de gráficos é a cenoura pendurada na minha frente, mantendo-me em pé.

Domingo, 30 de dezembro de 2012.

Os pares são mortos?

A partir destes etfs 90 pares únicos podem ser feitos. Cada par é construído como um spread neutro no mercado.

Em cada dia, para cada par, calcule o z-score com base no desvio padrão de 25 dias.

Se z-score & gt; limiar, vá curto, fechar o próximo dia.

Se z-score & lt; O limite vai longo, fechado no próximo dia.

Aqui estão os resultados simulados para vários limiares:

Esta não é a primeira vez que encontrei essa mudança no comportamento de reversão média em etfs. Não importa o que tentei, não tive sorte em encontrar uma estratégia de negociação de pares que funcione em ETFs passados em 2010. Minha conclusão é que esses tipos de modelos simples de stat-arb simplesmente não o cortaram.

WFAToolbox - Walk-Forward Analysis Toolbox.

Complemento MATLAB para desenvolver estratégias de negociação algorítmica em MATLAB da maneira fácil.