1. Новые складчины: Показать еще

    21.02.2018: Программа на футбол и хоккей GollplyusTurbo-5

    21.02.2018: Скоростные техники и словесные коды для разных жизненных ситуаций (Ольга Нерода)

    21.02.2018: [Juso Cakes] Многоярусный торт и свадебные тренды 2018

    21.02.2018: Выбор Денежных Дат (Анна Барышникова)

    21.02.2018: Бизнес с Китаем от 100$ к 10.000$ за 2 месяца коучинг 21 Платинум (Дмитрий Ковпак) 2018

  2. Нужен организатор: Показать еще

    21.02.2018: [Повтор] Масштабный манекен

    20.02.2018: Финансовый прорыв фотографа (Юрий Стахов)

    20.02.2018: Защита (Алена Полынь)

    20.02.2018: Англ. язык для школьников. 5 книг в одной+Русский язык для детей. Большой самоучитель

    20.02.2018: Проект «Английский язык 5 класс»

  3. Сбор взносов Показать еще

    21.02.2018: [Juso Cakes] Многоярусный торт и свадебные тренды 2018

    20.02.2018: Школа Волшебства (Светлана Керимова)

    20.02.2018: WDI Интенсив Осень 2017 (WDI Design School)

    20.02.2018: Питание (Михаил Рысак)

    20.02.2018: Стройняшка (Александр Пасько) 2018

Куплено

Алгоритмическая торговля. Научный подход (Александр Горчаков)

Тема в разделе "Форекс, инвестиции, биржевая торговля", создана пользователем Лизок, 22 мар 2016.

Цена:
9990 руб
Взнос:
544 руб
Организатор:
Лизок
Участников:
1/20

Список участников складчины:

1. Лизок
Записаться
    Тип: Стандартная складчина
Оценить эту складчину: /5,
  1. Лизок
    Лизок Организатор складчин

    Алгоритмическая торговля. Научный подход (Александр Горчаков)

    Программа курса вебинаров:

    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.

    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.

    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;

    День 4
    Примеры трендовых торговых алгоритмов. Часть 1.
    для кусочно-постоянной условно нормальной модели;
    для сильно «антиперсистентной» модели.

    День 5
    Примеры трендовых торговых алгоритмов. Часть 2.
    для минимаксной модели трендов;
    для история реальной торговли и модификаций.

    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.

    День 7
    Практическое занятие.


    Продажник:
     
    Лизок, 22 мар 2016
  2. Похожие складчины
    1. Alik1241
    2. sherif
    3. Нафаня
    4. Лизок
    5. Gerokopter
    6. Aplication
    7. Aplication
    Загрузка...
Участники складчины Алгоритмическая торговля. Научный подход (Александр Горчаков) смогут написать отзыв
Наверх