Скачать
Скачать
Скачать
Kail
Организатор
Проверенный
- Регистрация
- 09.04.2020
- Сообщения
- 353 752
- Реакции
- 32 498
- Монеты
- 1 191
- Оплачено
- 0
- Баллы
- 0
- #SkladchinaVip
- #1
Алготрейдинг с научной точки зрения [Александр Горчаков]
- Ссылка на картинку
-
Алготрейдинг с научной точки зрения
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)
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.
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)
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.