Диссертация (1152468), страница 23

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 23)

В случае, если присутствуют несколько сценариевс близкими значениями баланса (отличие не более чем на 0,01), ни один изкоторых не является глобальным минимумом, то для получения максимальногодохода E следует выбирать тот, что обладает меньшим балансом;5) максимальное значение дохода E достигается при использовании равныхпо объему периодов обучения и тестирования.Как было отмечено выше, одним из важнейших начальных параметровнастройки оптимизации является выбор позиции: «only long», «only short» и «long& short», соответствующих открытию позиций только на покупку, только напродажу или на покупку и продажу одновременно. Возможность обучениясоветника для конкретных направлений прогноза и, соответственно, открытияпозиций обладает значительным потенциалом.

Действительно, традиционныерегрессионные модели, в частности базовая модель (2.16) – (2.17), и основанныена них торговые советники инициируют множество неэффективных сигналов.Источником такой неэффективности является присутствие на финансовых рынкахпериодов с низкой волатильностью, обладающих большим количествомнезначительных флуктуаций цены вокруг ее среднего значения.Частичное решение данной проблемы представлено в параграфе 2.1,получаемое путем агрегации данных по волатильности и преобразования их квиду равного рыночного времени. Однако, проблема может возрасти, в случаеобучения советника на данных, содержащих подобные периоды с большимколичеством незначительных флуктуаций.

Обучение советника на таких данныхприведет к снижению порогового параметра tres (Параграф 2.1), что в своюочередь сделает советник чувствительным к малым колебаниям цены и,соответственно, получению большого количества неверных прогнозов. Общеерешение данной проблемы может быть получено путем выбора обучающегомножества, содержащего как можно меньшее количество периодов с большимколичеством незначительных флуктуаций, приведения данных к виду равного139рыночного времени и выбора направлений открываемых позиций с помощьюописанного выше параметра позиции.Далее, в таблице 3.5, приведены результаты тестирования советника ТС1 свыбором открываемых позиций исключительно на покупку («only long»).

Дляобучения и тестирования были выбраны одинаковые периоды длиной в месяц.Таблица 3.5 – Сценарии, позволившие получить положительный доход E приобучении на 1 месяце*Обучающее множество (01.10.17 – 31.10.17)Тестовое множество (01.11.17 – 30.11.17)МетодсортировкиПрибыль,долл.Просадка,долл.БалансЧислосделокВерныепрогнозы, %Доход E, ед.ПрибыльПрибыльПрибыльПрибыльПрибыльПрибыльПрибыльПрибыльПрибыльПрибыль13,2010,8813,9312,2713,5812,3315,1014,9010,3812,3510,338,538,589,217,177,939,439,434,866,141,281,281,621,331,891,551,601,582,142,0124923231126025829629329223635757,4357,7655,9555,7754,6553,7252,9052,7446,6148,1822,7022,6119,6115,509,896,121,490,60-27,00-30,20 Источник: Составлено авторомИз представленных в таблицах 3.4 и 3.5 результатов видно, что применениесоветника ТС1 исключительно для открытия позиций на покупку («only long»)позволяет получить значительной больший доход E по сравнению с открытиемпозиций на покупку и продажу одновременно («long & short»).

Таким образом,дляполучениявсехпоследующихвычисленийсоветникТС1будетиспользоваться для открытия позиций только на покупку, или с точки зренияприменения к рынку бинарных опционов – открытия ставок на рост ценыUSDJPY. Графическая иллюстрация преимущества использования позиции «onlylong» перед «long & short» приведена на рисунке 3.12, где доход для 8 различных140сценариев оказался выше, при открытии позиций только на покупку, посравнению с позициями на покупку и продажу одновременно.Рисунок 3.12 – Иллюстрация значений дохода E для каждого из 10 сценариев, привыборе открываемых позиций – «only long» и «long & short»Источник: составлено авторомСледующим шагом при определении настроек, наиболее подходящих длясоветников с ограниченным горизонтом прогнозирования, является задача выборацелевой функции оптимизации для генетического алгоритма.

Приведенные вышерезультаты были получены для функции «maximal drawdown» (максимальнойпросадки). Далее, в таблице 3.6, представлена статистика использованияоставшихся четырех функций, заложенных в MT4, результаты тестированиякаждой из которых вынесены в Приложение Р. Из представленных в даннойтаблице результатов видно, что с точки зрения получения максимального доходаE,наилучшейцелевойфункциейоптимизацииявляется«profitfactor»(прибыльность).

Проверка проводилась для следующих настроек: позиция – «onlylong», спред – 0,01, таймфрейм – 30 минут, при условии использованияодинаковой длительности периодов обучения и тестирования, а также описанныхвыше принципов выбора наилучшего сценария.141Таблица 3.6 – Результирующая статистика использования различных целевыхфункций оптимизации для советника ТС1 в режиме ограниченного горизонтапрогнозирования*Целевая функцияПрибыль,долл.ЧислосделокВерныепрогнозы, %Доход E,ед.Положительныесценарии, %profit factordrawdown percentmaximal drawdownbalanceexpected payoff-5,16-7,66-10,18-11,36-10,1624926526031825857,4356,6055,7754,7254,6522,7019,9815,5012,629,8990,0050,0080,0030,0070,00 Источник: Составлено авторомФинальнымнеобходимымдляпроведенияисследованиемявляетсяопределение размера используемого спреда.

Как было описано в параграфе 3.1,данная величина задается в MT4 при совершении сделок на рынке FOREX,однако в применении к гипотетической торговлей бинарными опционам отражаетвозможные флуктуации цены, которые могут произойти с момента выдачисигнала советником и моментом заключения сделки по покупке бинарногоопциона на другой платформе. Будут разобраны следующие значения спреда:0,002, 0,005, 0,01, 0,025 и 0,05, при условии минимального шага изменения курсаUSDJPY,равного0,001.Далее,в таблице 3.7, приведенырезультатыиспользования советника ТС1 для различных значений спреда и при следующихусловиях: позиция – «only long», таймфрейм – 30 минут, целевая цункция – «profitfactor», периоды обучения и тестирования равны одному месяцу.Таблица 3.7 – Результирующая статистика использования различных значенийспреда при прогнозировании на ограниченном горизонте*Спред0,0020,0050,0100,0250,050Прибыль, долл.-5,16-8,87-2,20-6,65-4,15Число сделок24923222179 Источник: Составлено авторомВерные прогнозы, %57,4355,6059,0929,4122,22Доход E, ед.22,7013,082,70-7,50-5,20142Из представленных результатов видно, что по мере роста спреда снижаетсядоход E, в частности становится отрицательным для значений спреда 0,025 и 0,05.Несмотря на то, что максимальный доход E соответствует спреду 0,002, егоиспользование может оказаться невозможным, в силу описанной выше причиныналичия временного лага между получением сигнала в MT4 и заключениемсделки на гипотетической платформе бинарных опционов.

Таким образом, дляполучения адекватных результатов, имеет смысл исходить из значения спреда0,01, что и было проделано в предыдущем параграфе 3.1.Далее для решения задачи оптимизации советников с неограниченнымгоризонтом прогнозирования будут исследованы возможности советника ТС1, спредварительным одновременным присвоением его параметрам CMechanism иFHorizon нулевых значений так, как это проиллюстрировано в Приложении Н. ВПриложении С вынесены результаты тестирования ТС1, содержащие итогиприменения десяти сценариев, принадлежащих каждому из трех различныхпараметров, отсортированных в порядке уменьшения прибыли. Обучение ТС1проводилось на трех периодах различной длительности – 10 месяцев, 3 месяца и 1месяц, из которых только два последних периода позволили обученной системепродемонстрировать положительную прибыль в долларах США на данныхтестового множества.

Соответствующие сценарии для двух данных периодовприведены ниже, в таблицах 3.8 – 3.9, и отсортированы в порядке убыванияполученной прибыли.Таблица 3.8 – Сценарии, позволившие получить положительную прибыль вдолларах США при обучении на 3 месяцах*Обучающее множество (01.08.17 – 31.10.17)МетодсортировкиПрибыльПрибыльностьТестовое множество (01.11.17 – 30.11.17)Прибыль,долл.ЧислосделокПросадка,долл.БалансПрибыль,долл.ЧислосделокПросадка,долл.44,658,2956221,0110,172,130,829,066,6514214,412,60143Продолжение таблицы 3.8Обучающее множество (01.08.17 – 31.10.17)МетодсортировкиМатожиданиеПрибыльностьПрибыльПрибыльностьПрибыльностьМатожиданиеПрибыльПрибыльностьМатожиданиеПрибыльПрибыльПрибыльПрибыльТестовое множество (01.11.17 – 30.11.17)Прибыль,долл.ЧислосделокПросадка,долл.БалансПрибыль,долл.ЧислосделокПросадка,долл.8,8624,8944,6144,617,938,8744,6544,6544,6538,7038,2838,6436,631599217772344424210,1613,8818,2618,2610,1510,1710,1810,1810,1824,0514,6915,8014,410,871,792,442,440,780,874,394,394,391,612,612,452,546,326,276,276,276,115,784,834,834,833,713,222,180,14111121111552102,942,982,982,983,143,474,454,454,455,7910,672,034,55 Источник: Составлено авторомТаблица 3.9 – Сценарии, позволившие получить положительную прибыль вдолларах США при обучении на 1 месяце*Обучающее множество (01.10.17 – 31.10.17)Тестовое множество (01.11.17 – 30.11.17)МетодсортировкиПрибыль,долл.ЧислосделокПросадка,долл.БалансПрибыль,долл.ЧислосделокПросадка,долл.ПрибыльМатожиданиеПрибыльностьПрибыльностьПрибыльМатожиданиеПрибыльностьМатожиданиеПрибыльПрибыльПрибыльность21,348,779,188,7217,6017,608,4417,4517,7621,2516,734914222323358,526,656,656,659,969,964,926,666,667,466,662,501,321,381,311,771,771,722,622,672,852,5129,286,746,285,043,633,632,182,182,182,182,166318611222223,102,512,974,215,645,641,941,941,941,280,64 Источник: Составлено авторомПредставленные результаты позволяют сделать следующие выводы:1441) с ростом объема обучающего множества относительно объема тестовогомножестваснижаетсячисловозможныхпараметровсортировкиипринадлежащих им сценариев, позволяющих получить положительную прибыль.Обучение советника в течение 10 месяцев не позволило получить положительнуюприбыль на данных тестового множества;2) максимальный размер прибыли достигается для сценариев, получаемыхпри сортировке по показателю «прибыль»;3) сценарии, позволяющие получить максимально возможное значениеприбыли на данных тестового множества, принадлежат области средних значенийбаланса;4) максимальное значение прибыли достигается при использовании равныхпо объему периодов обучения и тестирования.ЛогиказаключениясделоксозданногосоветникаТС1врежименеораниченного горизонта прогнозирования и с использованием вычислительногомеханизма «присутствия эффекта», контролируемых присвоением параметрамCMechanism и FHorizon нулевых значений, позволяет решить описанную вышепроблемунезначимыхфлуктуацийценывокругсреднего,вызывающихвозникновение большого количества ложных сигналов на покупку и продажу.Основной элемент логики принятия торговых решений советником ТС1 приведенв таблице 3.1 и заключается в установке пороговых критериев (bt и st)необходимых для заключения сделок на покупку или продажу.

Таким образом,эффективное использование ТС1 возможно, как для позиций, открываемыхтолько на покупку «only long», так и на покупку и продажу одновременно «long &short».Далее, в таблице 3.10, приведена статистика использования различныхцелевых функций для оптимтизации советника ТС1 с помощью генетическогоалгоритма платформы MT4. В свою очередь, результаты, представленные вданной таблице, основываются на тестировании каждой целевой функции сдесятью различными сценариями. Результаты данного тестирования вынесены в145Приложение Т.

Характеристики

Список файлов диссертации