Данная заметка иллюстрирует потенциальные способности роботов, называемых мною «умными».

В настоящее время я исследую один из торговых алгоритмов, построенных с помощью разработанной мною технологии синтеза торговых алгоритмов.  В результате исследований получились интересные результаты, которые, полагаю, могут быть интересными разработчикам биржевых торговых роботов.

Данный робот использует скользящее временное окно размером в 3000 бар 5 минутного тайма. Торгует на акциях сбербанка .

Cделки совершаются на открытии, следующей после возникновения сигнала, свечи.

Комиссия составляет 0.035%.

Объем средств в очередной сделке определяется по объему средств, полученных в предыдущей позиции.

Робот реверсивный. Т е всегда в рынке либо в лонге , либо в шорте.

В момент написания статьи, диапазон исторических данных составляет интервал от 11 марта 2014 по 18 апреля 2014 .

В качестве исходных признаков используются локальные экстремумы до 4 уровня, дневные максимумы и минимумы, а также две адаптивных скользящих средних на основе простого мувинга и линейной регрессии.

В основе создания торгового алгоритма лежат методы нейронных сетей с обучением с учителем.

На рисунке приведен график Сбербанка с первичными признаками и торговыми сигналами.

Результаты работы робота приведены в таблице:

Я не привожу график прибыли, так как при просадке в 2% он будет практически ровной линией.

Хочу обратить внимение читателей на следующие показатели робота:

Максимальная просадка в сделках (Max. trade % drawdown ) составляет не более 2.3%.

Максимальная просадка за весь период торговли (Max. system % drawdown ) не более 2.7%.

Робот совершил 149 сделок из них 131 (88% ) прибыльных.

В среднем, робот находится в лонге  2 часа, а в шорте примерно 1 час.

В итоге прибыль за месяц составила 401%.

Профит фактор составляет 33.

———————————-

Данные результаты можно рассматривать как некую оценку потенциальных возможностей

умных роботов,т е роботов, создаваемых на основе обучаемых алгоритмов.