Как повысить эффективность трейдера?

FXWizard

Гуру форума
Как повысить эффективность трейдера?

Есть несколько возможностей повысить эффективность технологий, которые трейдер использует на практике.

Так или иначе, задачи, которые решают трейдеры, достаточно схожи. Можно выделить три основных типа задач.

1. Выбор акций, которые отвечают стратегии игры наилучшим образом.
2. Прогноз динамики цены на определенный период.
3. Выставление конкретных ордеров.

Все эти задачи соответствуют трем основным этапам деятельности трейдера - сбор и анализ необходимых данных, прогноз дальнейшего развития ситуации, принятие решений для коррекции, если динамика будет отклоняться от прогнозируемой.

На эти параметры и опираются производители аналитического программного обеспечения.

Так, для выбора акций чаще всего используется сток-скринеры или простые фильтры, которые выбирают акции по заданным параметрам.

В методиках прогноза цен используется достаточно широкий набор инструментов – от традиционных методов экстраполяции до нейросетевых алгоритмов.

Большинство систем для выставления ордеров на рынок позволяют запрограммировать правила принятия решения для автоматической расстановки ордеров. Тем не менее, эти правила должен задать сам пользователь, поскольку большинство механических торговых систем оказываются в данном вопросе несостоятельными.

И что получается? Производители разрабатывают программные продукты на основе теории управления, однако должного эффекта, которые вызывает ее использование в традиционных областях, при управлении вкладами не наблюдается. Почему так происходит?

В подавляющем большинстве программных продуктов заложены крайне простые алгоритмы решения, хотя алгоритмы рынка намного более сложные.

Намного более востребованным мог бы стать инструмент, который позволяет позволяющий определять допустимые интервалы значений по каждому показателю акции, соответствующие поставленным целям.

В методах прогнозирования наблюдается достаточно ярко выраженная поляризация подходов – используются либо крайне простые методы, либо очень сложные, которые бывает затруднительно использовать на практике.

К простым методам относятся стандартные методы экстраполяции, к сложным – методы на основе нечеткой логики или нейронных сетей.

Эти две области сами по себе имеют множество нюансов и настроек, которые может адекватно установить только узкий специалист. Например, одну из важнейших Родей играет формирование обучающего множества – так, достаточно сложно выбрать момент, когда обучение должно быть прекращено.

Адаптивные системы способны самообучаться или подстраивать свои параметры под динамику прогнозируемого ряда. Обучение может проводиться «без учителя» и «с учителем»: в первом случае изменение параметров модели происходит в соответствии с внутренним алгоритмом, который заложен в модель, во втором случае нужно указать, какие изменения необходимы.

Зачастую в качестве «мнения учителя» выступает величина ошибки прогноза, которая называется целевой функцией, при этом целью обучения становится настройки параметров под минимальную функцию.
Данный способ порождает такую серьезную проблему как overfitting, которая связана
со случайным выбором самого тренировочного множества.

С первых шагов обучения модель улавливает искомую зависимость, что, в свою очередь, приводит к уменьшению ошибки - целевой функции. Однако после этого, чтобы уменьшить ошибку, подстраиваются под особенности наблюдаемого тренировочного множества. В таком случае модель описывает не закономерность динамики значений ряда, а особенности тренировочного множества.

Кроме того, имеющиеся системы не могут дать ответ о количестве каналов, используемых для обучения, о принципиальной предсказуемости ценового ряда и объеме данных необходимого по каждому каналу.

Эффективность применения сложных систем прогноза определяется уровнем решения всех проблем настройки, что может определяется квалификацией пользователя.

Наиболее сложным моментом является доведение процесса анализа и прогноза до принятия конкретных мер. Для того, чтобы обоснованно принять решение, нужны статистические данные о том, с какой степенью вероятности выполняется найденная система правил.
 
Верх