Николай Камынин

   Автор: Николай Камынин 
     В статье “ Возможности автоматических систем торговли ” мною была представлена система принятия решения для торговли по дневным данным исключительно на длинных позициях и дано краткое описание системы и постановка задачи.В данной статье представлены результаты работы этой системы в long и short, так называемый реверсивный принцип торговли и рассмотрен более подробно алгоритм построения системы. Представленная система, в отличие от предыдущей, либо покупает акции на 1000, либо, при закрытии длинной позиций, дополнительно продает акций на 1000, т.е. открывает короткую позицию. Таким образом, система всегда находится в рынке. Правила принятия решения обеих систем одинаковые.

Результаты работы системы

В таблицах представлены результаты работы системы. Как видно из табл.3, работа в short менее результативна, чем в long ( табл.2) , что вполне объяснимо на растущем российском рынке (см график в конце статьи). Так по сделкам Long на 23 мая 2006 года прибыль составила 1229%  и 88% удачных сделок, а по сделкам Short прибыль составила 867% плюс открытая позиция 29%  и 77%  удачных сделок. В целом (табл.1)  за 5 лет и 5 месяцев система получила 2096% прибыли, при 83% удачных сделок, совершив в общей сложности 527 сделок за 2345 дней.

 
В табл.4 представлены результаты работы системы по годам. Минимальная прибыль составила 199% в 2005 году, максимальная прибыль составила 600% в 2000 году, прибыль текущего года составляет 165%. 

Алгоритм построения системы

      В основе построения системы лежит теория распознавания образов ( термин 30 летней давности ), сегодня  более известна как теория нейронных сетей. В системе реализованы метод самоорганизации и обучения с учителем. Суть метода в следующем. Выбирается система признаков, на основе которой строится первичная система принятия решений, затем в систему добавляется новое правило. Система либо оставляет это правило, либо отбрасывает, исходя из критерия эффективности работы. Для построения первичной системы, я взял наиболее очевидные правила, типа “ если Close>Open, то купить » , или » если    Open>Close, то продать» и на исторических данных за 5 лет проанализировал количество выигрышных и  проигрышных сделок по РАО ЕЭС. В результате было выбрано следующее правило покупкиOpen[1]>Close[1] and Close[1]>Open  и правило для продажи Close>Open and Low[2]>High[1].            Эти правила я записал в «пустую» систему. После этого начался процесс обучения. Следующие правила  формируются без какой-либо статистики ( собственно не совсем так  поскольку любая теория — это обобщение практики, а следовательно — статистика ) . Можно  взять что угодно, например, «если Вам хочется спать, то продать,  а если вы встали утром с хорошим настроением, то купить». Важно, что бы Вы смогли формализовать правила и ввести их в систему. ( обучение с учителем )      После этого по определенному алгоритму обучения, система анализирует новое правило и либо включает в состав правил, либо отбрасывает как плохое, на основе определенных критериев самоорганизации. В моем случае формализованный критерий самоорганизации определен в виде:  «правило хорошее, если нет причины считать его плохим».          В своей системе я использую признаки, получаемые на основе своей волновой теории. Кратко об этом есть в предыдущей статье.
Ниже представлен график работы системы за период с 2000 года по 22 мая 2006 года.

Copyright © 2006 Николай Камынин

 Автор: Николай Камынин 
Предисловие  Изучая литературу по техническому анализу фондового рынка, часто встречаешь: в одних статьях — рассуждение о невозможности прогнозирования рынка на основе исторических данных, в других – примеры высоко эффективных торговых систем, настроенных на короткий временной интервал, как правило, не превышающий одного года. Обычно такие системы построены на основе пересечения индикаторами пороговых уровней. В данном исследовании автор попытался решить задачу построения высокоэффективной торговой системы, имеющей неизменные параметры на большом интервале времени (более 5 лет), на основе методов построения обучаемых систем и оценить эффективность такой системы применительно к торговле по дневным данным.

Постановка задачи      Исследовать эффективность автоматизированной торговой системы при следующих ограничениях. Система работает на длинных позициях, по акциям РАО ЕЭС ММВБ. Принимает решение о сделке в конце торговой сессии на основе лишь информации о ценах. Система принимает следующие решения:Закрыть или открыть длинную позицию по текущей цене на момент окончания сессии, либо выставить заявку на следующий день на момент открытия сессии. В каждой сделке система использует капитал не более 1000, комиссия — 1. За одну сделку система покупает на всю сумму или продает весь пакет акций.Таким образом, система не может принять решение внутри дня или изменить принятое перед открытием сессии решение, не может покупать или продавать пакет по частям, не может занять средства или акции у брокера. Полученная прибыль используется системой лишь для покрытия убытка при восстановлении капитала до 1000.При анализе эффективности будем сравнивать результаты со стратегией “купил и держи”, в дальнейшем называя ее “СКД”.

Принципы построения системы  Первичные признаки формируются на основе волновой теории рынков и представлены следующим образом:Open of Day(n), Close of Day(n), Low of Day(n) , High of Day(n) – открытие, закрытие, минимум и максимум данных дня, где n – номер дня, считая от текущего в прошлое. Open of Month(m) , Close of Month(m) , Low of Month(m), High of Month(m) — открытие, закрытие, минимум и максимум данных месяца, где m – номер месяца, считая от текущего в прошлое;R(i),S(i) – максимумы и минимумы волн движения дневных данных, где i – номер волны, считая от текущей в прошлое. Волны выделяются специальной программой, работа которой не зависит от принятых системой решений.Система состоит из четырех блоков: Блок 1 правил принятия решения об открытии позиции, Блок 2 правил исключения ложных решений об открытии , Блок 3 правил принятия решения о закрытии позиции , Блок 4 правил исключения ложных решений о закрытии.Обучение системы производится следующим образом. Начальная группа правил сформирована на основе статистических исследований. Последующие правила формируются псевдослучайным образом. После чего выполняется селекция решающих правил по методу, разработанному автором статьи и названного им “методом ортогональной селекции”. Данный метод реализует принцип “на ошибках – учатся” и позволяет системе “умнеть” в будущем, “не глупея” в прошлом.В результате селекции получено по 16 правил в блоках 1 и 2 , и по 5 правил в блоках 3 и 4. При испытаниях правила не меняются для всего временного интервала с 2000 года по настоящее время.

Результаты испытаний     Рассмотрим результаты работы системы сначала изолированно для каждого года, затем для непрерывного интервала с 2000 года по настоящее время.

В таблице приведены результаты работы системы по месяцам каждого года, а также число сделок, процент прибыльных сделок и итоговая прибыль за год в процентах. График см. в конце статьи.Рассмотрим подробнее результаты работы системы на участке длительного снижения цен в период третьего квартала 2000 года. График см. в конце статьи.

По СКД, в ноябре 2000 г. результат 100*(2.241-3.6)/3.6= -37%. Результат системы +6.8%. В декабре 2000 г. по СКД результат 100*(2.271-2.245)/2.245= +1%,а результат системы +42%. С позиции макроэкономических показателей весь 3 квартал 2000 года для РАО ЕЭС был неблагоприятный и акции падали в цене весь период.По СКД результат за 3 квартал 2000 года составил 100*(2.271-4.572)/4.572= -50%. В то время как результат системы за 3 квартал 2000 года +60%.Теперь рассмотрим результаты работы системы непрерывно на всем временном интервале. График см. в конце статьи.

Сравним эффективность системы с СКД. Предположим, что мы купили акции в первый день торгов 2000 года на открытие по цене 2.80, а продали акции в исторический максимум 27 февраля 2006 года по цене 21.979. В этом случае результат составит 100*(21.979-2.8)/2.8= +685%. Результат работы системы за тот же период составил +1183%, т.е. прибыль в 1.7 раза больше. Если мы будем согласно СКД покупать в начале каждого года и продавать в конце, то за весь период получим +302%, что в 3.8 раза хуже результатов системы. Второй существенный результат состоит в том, что система в любой сделке использует лишь 1000 единиц капитала, остальной капитал можно регулярно выводить.

Выводы  Результаты исследований доказывают:

1. Возможность построения эффективных автоматических торговых систем с постоянными параметрами на больших интервалах времени.

2. Для эффективной торговли на фондовом рынке не требуются макроэкономические показатели. Информация, содержащаяся в цене достаточна для построения высокоэффективных торговых систем.

3. Даже на длительно падающем рынке (3 квартал 2000 года) автоматические системы, работающие только на длинных позициях, потенциально позволяют получить высокую доходность.

Copyright © 2006 Николай Камынин