1. Новые складчины Показать еще

    20.11.2017: Цикл «Архетипы»

    20.11.2017: Магия photoshop: кривые в photoshop (Максим Басманов) 2017

    20.11.2017: Торты, знакомые с детства. Видео-рецепты (Диана Крамер) 2015

    20.11.2017: [MUZBIZNES] Как услышать компрессию? (Арам Киракосян)

    20.11.2017: Онлайн-конференция Food Photo Family 4.0 (2017)

  2. Гость, если у Вас на каком либо сайте есть аккаунт с повышенным статусом, то и у нас вы можете получить соответствующий статус. Подробнее читайте здесь https://www.skladchik.biz/threads/83942/
    Скрыть объявление
  3. Нужен организатор Показать еще

    18.11.2017: Выращивание рыболовной наживки - бизнес в домашних условиях.

    16.11.2017: Техники гипноза

    15.11.2017: 19 книг Виктора Пелевина + новинка Бентли Литтла

    15.11.2017: Доступ к сайту с ментальными техниками и фокусами...

    15.11.2017: Профайлер-верификатор (эксперт по безаппаратной...

  4. Сбор взносов Показать еще

    11.11.2017: Бизнес Коучинг (Андрей Парабеллум)

    07.11.2017: Курс по работе и заработку с Telegram

    04.11.2017: Боги И Мантры. Пакет Light (Юлия Воронина)

    13.08.2017: Оптовик 3.0 Как продавать оптом и в розницу много и долго! (Ярослав Лепёшкин и Антон Новиков)

    23.07.2017: Pоwer Еnglish Clаss (Наташа Купep)

Доступно Алгоритмическая торговля. Научный подход (Александр Горчаков)

Тема в разделе "Форекс и инвестиции", создана пользователем Злата, 22 мар 2016.

Цена:
9990р.
Взнос:
435р.

Основной список:

1. Злата
2. александрес
    Тип: Стандартная складчина
    Участников: 2/25
Оценить эту складчину: /5,
  1. 22 мар 2016
    #1
    Злата
    Злата Организатор Организатор

    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:
     

Участники складчины Алгоритмическая торговля. Научный подход (Александр Горчаков) смогут написать отзыв