1. Новые складчины: Показать еще

    25.09.2017: Искусство таро. Полный курс (Василий Попов)

    25.09.2017: Перезагрузка прошлого. 2 ступень (Ярослав Самойлов)

    25.09.2017: [Бизнес молодость] Продажи как система (Михаил Гребенюк)

    25.09.2017: Инстакурс 5.0: Бизнес для всех (Делай Деньги)

    25.09.2017: Семь шагов к успеху (Ковалев Сергей Викторович)

  2. Нужен организатор: Показать еще

    25.09.2017: Стратегия "Нол-Гол", заработок на футболе.

    25.09.2017: Как раскрутить свой товар через соцсети. От А до Я! (Видеоуроки)

    25.09.2017: [Шитье] Закрытая - Жакет

    25.09.2017: Система эффективного перехода на сыроедение-3+ "Рацион эффективного сыроеда" (Денис Терентьев)

    25.09.2017: Торгуй факты (Владимир Рубан)

  3. Сбор взносов Показать еще

    25.09.2017: Старинный портрет: превращение фото в картину (Olga Cornacchia)

    25.09.2017: Дедовский метод (Дмитрий Краснов, победитель ЛЧИ 2016)

    24.09.2017: (Шитье) Моделирование и пошив платья футляр с рукавом и без рукава (Ирина Паукште)

    23.09.2017: Как стать видеоблогером (Амиран Сардаров - Дневник Хача)

    23.09.2017: Торговая система Line Alert Pro для БО (Антон Горидулич)

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

Основной список:

1. Лизок
Записаться
    Тип: Стандартная складчина
  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. Telegram
    3. Bulion
    4. sherif
    5. Bulion
    6. Лизок
    7. Telegram
    Загрузка...
Участники складчины Алгоритмическая торговля. Научный подход (Александр Горчаков) смогут написать отзыв
Наверх