Диссертация (1152468), страница 21
Текст из файла (страница 21)
США. В свою очередь, используемое кредитноеплечо было установлено на уровне 1:10, что означает блокирование брокером 100долл. США из свободных средств депозита при открытии каждой сделки;2) тестовые сделки заключались в покупке и продаже рассмотренных ранеевалютных пар USDJPY, EURUSD и USDRUB, обладающих широким разбросомпо волатильности (Таблица 2.1) за период всего 2017 года;3) данными для тестирования являлись значения рядов USDJPY, EURUSD иUSDRUB с временным шагом 30 минут за период с 2012 по 2017 год;4) значения спреда для пар USDJPY, EURUSD и USDRUB составляли 0,01,0,0002 и 0,05 соответственно. Подобные установленные размеры спредапревышают средние значения для большинства существующих брокеров в целяхмаксимизацииобъективностипроцедурытестирования,атакжеучетапотенциальных брокерских комиссий;5) каждаясделканапокупкуилипродажуосуществляласьсиспользованием минимально возможного лота 0,01 для каждого из пятиприменяемых,предварительнополученныхпутемобучениясоветниковсценариев.
Таким образом, максимально возможное количество открываемыхсделок по покупке или продаже было ограничено пятью лотами, или, другимисловами, максимальный уровень затрачиваемых и подверженных риску средствсоставлял 500 долл. США, что соответствует половине начального депозита.Необходимым является прокомментировать последний описанный принциппроведенного тестирования. Как было отмечено ранее, советники ТС1, ТС2 и ТС3являются обучаемыми, или, другими словами, оптимизируемыми с помощьюгенетического алгоритма, заложенного в платформу MT4.
Проведение процедуры125обучения позволяет определять сценарии, содержащие различные значенияоптимизируемых параметров и соответствующие им значения чистой прибыли наданных обучающего множества. Далее происходит процесс отбора сценария всоответствии с определяемым пользователем подходом, и его последующееприменение на данных тестового множества. В силу того, что сценарий,обладающий максимальной чистой прибылью на данных тестового множества, невсегда позволяет получать положительную прибыль на данных обучающего, впроведенном исследовании тестирование осуществлялось с использованием пятиразличных сценариев, соответствующих пяти открываемым сделкам на покупкуили продажу.
В свою очередь, важно отметить, что в отличие от ТС1 и ТС2советник ТС3 открывал сделки на покупку и продажу в случае возникновении напредыдущем шаге времени отрицательного или положительного изменения ценысоответственно. Далее на каждом последующем шаге времени, в случае еслиоткрытая сделка могла быть закрыта с положительной прибылью, оназакрывалась, в противном случае осуществлялись дополнительное открытиесделки и соответствующее усреднение их общего курса. Подобная процедурапроисходила до тех пор, пока либо все открытые сделки не могли быть закрыты ссуммарной положительной прибылью, либо через один временной шаг,соответствующий выбору таймфрейма, после открытия последней пятой сделкисуммарная прибыль по всем сделкам оставалаь отрицательной.
В отличие отподобной процедуры закрытия сделок, реализованной в ТС3, закрытие сделок вобучаемых советниках ТС1 и ТС2 определялось либо получением сигналов насовершение обратно направленной сделки, критерии которых задавалисьотмеченными ранее и получаемыми в процессе оптимизации пороговымипараметрами bt и st, либо срабатыванием ограничений на возможный убыток идоход – stoploss и takeprofit соответственно.Последним этапом необходимым для полного описания процедурыпроведенного тестирования является конкретизация процесса оптимизацииобучаемых советников, которая в общем виде определялась следующим образом:1261) оптимизация советников проводилась на данных одного полного месяца(T-1) в целях их последующего применения с использованием пяти различныхоптимизационных сценариев на данных тестового множества следующего месяца(T).
Повторение подобной процедуры проводилось для всех трех рассмотренныхвалютных пар USDJPY, EURUSD и USDRUB за период с 2012 по 2017 год;2) дляоптимизациисоветниковгенетическималгоритмомбылаиспользована заложенная в MT4 целевая функция опмтимизации «expectedpayoff» (математическое ожидание), что, как будет показано в следующемпараграфе3.2,позволяетсоветникамснеограниченнымгоризонтомпрогнозирования, экономическая целесообразность применения которых к рынкуFOREXбылааргументированаранее,демонстрироватьмаксимальнуюфинансовую результативность, измеряемую размером чистой прибыли.
Спринципом установки диапазона вариации оптимизируемых коэффициентов длякаждого советника, а также с порядком выбора целевой функции оптимизации вплатформе MT4 можно ознакомиться с помощью иллюстраций в Приложении Н;3) послепроцедурыобучениясоветниковполучаемыесценарии,содержащие различные значения оптимизируемых параметров, сортировались поубыванию чистой прибыли, затем из которых отбирались первые пять, обладащиеодинаковой величиной соотношения размера чистой прибыли к максимальнойпросадке счета.
Эффективность использования данной величины в качествекритерия отбора подходящего сценария продемонстрирована также в следующемпараграфе 3.2, в свою очередь ее математическая оценка реализована в кодах всехразработанных советников и выдается в виде значений, округленных доближайшего целого и принадлежащих столбцу пользовательского параметрасортировки получаемых сценариев. С принципом данной сортировки в платформеMT4 можно ознакомиться с помощью иллюстраций в Приложении Н.Далее, на рисунках 3.2 – 3.7, приведены финансовые результаты проведениятестовых торговых операций советниками ТС1, ТС2 и ТС3 на рынке FOREX.127Рисунок 3.2 – Кривые дохода советника ТС1за 2017 годИсточник: Составлено авторомРисунок 3.3 – Кривые дохода советника ТС1за период с 2012 по 2016 годИсточник: Составлено авторомРисунок 3.4 – Кривые дохода советника ТС2за 2017 годИсточник: Составлено авторомРисунок 3.5 – Кривые дохода советника ТС2за период с 2012 по 2016 годИсточник: Составлено авторомРисунок 3.6 – Кривые дохода советника ТС3за 2017Источник: Составлено авторомРисунок 3.7 – Кривые дохода советника ТС3за период с 2012 по 2016 годИсточник: Составлено автором128Полученные результаты позволяют сделать ряд следующих выводов:1) применение описанного подхода к обучению всех построенныхавтоматизированныхторговыхсистем позволилоим продемонстрироватьвысокие годовые доходности, превышающие банковские и значительно неменяющиеся от периода к периоду;2) для всех рассмотренных валютных пар и периодов проведениятестирования советник ТС1, основанный на предложенной в параграфе 2.2экономико-математическую модели, позволил продемонстрировать доходности,превышающие доходности советников ТС2 и ТС3, реализующих логикуиспользованияклассическихинструментовтехническогоанализаитрадиционного принципа, сводящегося к тому, чтобы купить дешевле и продатьдороже, соответственно.
В частности, доходности советника ТС1 для валютныхпар USDJPY, EURUSD и USDRUB за 2017 год составили 29,6%, 23,8% и 18,2%соответственно, в свою очередь, среднегодовые доходности ТС1 для аналогичныхпар за период предыдущих пяти лет, с 2012 по 2016 год, оказались равны 17,1%,15,1% и 13,3% соответственно.Применительнорассмотреннымквалютнымрынкупарамбинарныхрынкаопционов,FOREX,соответствующихоценкафинансовойрезультативности советника ТС1 была проведена исключительно в сравнении сТС2 в силу их возможностей по реализации логики ограниченного горизонтапрогнозирования, контролируемой параметром FHorizon. В отличие от данныхсоветников ТС3 реализует описанную выше традиционную стратегию работы нафинансовых рынках – «покупай дешево и продавай дорого», применение которойврамкахлогикиограниченногогоризонтапрогнозированияявляетсяэкономически нецелесообразным в соответствии с приведенной аргументацией.Основные отличия данного тестирования для рынка бинарных опционов отпроведенного ранее для рынка FOREX заключаются в следующем:1291) оптимизация советников ТС1 и ТС2 происходила с помощью целевойфункции «profit factor» (прибыльность), эффективность использования которойпродемонстрирована в следующем параграфе 3.2.
В свою очередь, послесортировки сценариев по убыванию показателя чистой прибыли, выборподходящихсценариев,применяемыхдляпоследующеготестирования,определялся исходя из близости величины соотношения размера чистой прибылик максимальной просадке счета к своему минимальному значению, схожему, сточностью до ближайшего целого, для всех пяти используемых сценариев;2) критерием финансовой результативности советников ТС1 и ТС2 являлосьне значение чистой прибыли, а величина процента правильных направленийпрогноза, позволяющая вычислять итоговый доход применения советника втерминах единиц используемого капитала с помощью следующей формулы:E [ p x (1 p) (1)] n,(3.1)где p представляет собой вероятность правильного направления прогноза(получениядохода),прикоторойброкеромвыплачиваетсяпремияx,представляющая собой определенный процент от начальной ставки, в своюочередь (1 p) – вероятность неверного прогноза (получения убытка), при которойставка теряется полностью, что в представленной формуле соответствуетзначению (-1), n– число совершенных сделок.
Во всех последующихвычислениях премия x была установлена на уровне 85% от начальной ставки, чтопредставляет собой среднее значения для большинства существующих нанастоящий момент брокеров. Таким образом, становится легко вычислить, чтопороговая вероятность правильных направлений прогноза, требуемая дляполучения дохода после серии сделок (матожидание каждой сделки E должнобыть положительным), составляет примерно 54,1% (значение округлено вбольшую сторону). Важно отметить, что величина x и, соответственно, все130последующие доходы советников выражаются в единицах начальной ставки,которая, в свою очередь, может представлять собой любую сумму в долларах.Далее, на рисунках 3.8 – 3.11, приведены финансовые результатыпроведения тестовых торговых операций советниками ТС1 и ТС2 на рынкебинарных опционов.Рисунок 3.8 – Кривые дохода советника ТС1за 2017 годИсточник: Составлено авторомРисунок 3.9 – Кривые дохода советника ТС1за период с 2012 по 2016 годИсточник: Составлено авторомРисунок 3.10 – Кривые дохода советник ТС2за 2017 годИсточник: Составлено авторомРисунок 3.11 – Кривые дохода советника ТС2за период с 2012 по 2016 годИсточник: Составлено авторомПолученные результаты позволяют сделать ряд следующих выводов:1) применениеавтоматизированныхописанноготорговыхподходасистемкТС1обучениюиТС2построенныхпозволилоим131продемонстрировать высокие годовые доходности, превышающие банковские изначительно не изменяющиеся от периода к периоду;2) для всех рассмотренных валютных пар и периодов проведениятестирования советник ТС1, основанный на предложенной в параграфе 2.2экономико-математическую модели, позволил продемонстрировать доходности,превышающие доходности советника ТС2, реализующего логику использованияклассических инструментов технического анализа.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
