30 октября 2015 ITI Capital
Несколько месяцев назад была опубликована презентация основателя финансового сервиса IKnowFirst Липы Ройтмана (Lipa Roitman) и руководителя проекта Ярона Голгера (Yaron Golgher) о трендах и тенденциях алгоритмической торговли. Мы представляем вашему вниманию главные мысли из этого документа.
Анализ новостей
В настоящее время многие алготрейдеры работают над разработкой систем анализа и интерпретирования новостей, чтобы выделять информацию, на основе которой торговый робот мог бы совершать транзакции. (О влиянии новостей на рынок мы писали в этом материале).
Для получения новостей используются различные сервисы — например, Google Trends, показывающий популярность того или иного поискового запроса. Также алгоритмы анализируют ленты новостей (например, Thomson Reuters, Bloomberg и т.п.).
Более того, авторы презентации указывают на возможность разработки систем, которые бы автоматически создавали статьи по новостям из таких лент с их последующей публикации в сети — таким образом можно спровоцировать на покупку или продажу торговца-человека, который не имеет доступа к лентам новостей и получает информацию с некоторой задержкой.
Машинное обучение
Для анализа рынков используются математические, статистические и логические инструменты. С их помощью возможно создание гипотез, которые можно проверить (например, на исторических данных).
Процесс машинного обучения состоит из нескольких шагов от выбора математических и программных инструментов, сора входных данных, до выработки предсказаний и оптимизации их точности.
Использовать только этот инструмент для создания по-настоящему эффективной стратегии вряд ли возможно, однако, как показал эксперимент, о котором мы писали в нашем блоге ранее, использование машинного обучения и исторических данных позволяет создавать стратегии, которые будут приносить определенный доход.
Генетические алгоритмы
Существует целый ряд алгоритмов поиска, одним из которых является генетический. Его используют для решения сложных проблем, в тех случаях, когда точные отношения между задействованными элементами неизвестны и могут в принципе отсутствовать.
Задача формализуется так, чтобы ее решение могло был закодировано в виде вектора генов («генотип»), где каждый ген может представлять бит, число или какой-либо другой объект. Далее случайным образом создается множество генотипов начальной «популяции», которые оцениваются с помощью специальной функции приспособленности.
В итоге каждому генотипу присваивается значение «приспособленности» — именно оно определяет, насколько хорошо он решает задачу.
https://iticapital.ru/ (C) Источник
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Отправить жалобу