Что Нового: 3 Технологических Тренда В Алгоритмическом Трейдинге

Что нового: 3 технологических тренда в алгоритмическом трейдинге

В нашем блоге мы уделяем большое внимание вопросам алгоритмического трейдинга и предлагаем ряд технологических решений для его реализации (например, прямой доступ к бирже ).

Опубликовано несколько месяцев назад презентация основатель финансового сервиса IKnowFirst Липа Ройтман и руководитель проекта Ярон Голгер о трендах и тенденциях алгоритмического трейдинга.

Представляем вам основные идеи из этого документа.

Анализ новостей

В настоящее время многие алгоритмические трейдеры работают над разработкой систем анализа и интерпретации новостей с целью выделения информации, на основе которой торговый робот мог бы совершать сделки.

(О влиянии новостей на рынок мы писали в этот материал ).

Для получения новостей используются различные сервисы — например, Google Trends, показывающий популярность того или иного поискового запроса.

Алгоритмы также анализируют новостные ленты (например, Thomson Reuters, Bloomberg и т. д.).

Более того, авторы презентации указывают на возможность разработки систем, которые бы автоматически создавали новостные статьи из таких лент с последующей их публикацией в Интернете - таким образом человек-трейдер, не имеющий доступа к новостным лентам и получающий информацию, может быть спровоцированы на покупку или продажу с некоторой задержкой.

Машинное обучение

Для анализа рынков используются математические, статистические и логические инструменты.

С их помощью можно создавать гипотезы, которые можно проверить (например, на исторических данных).

Процесс машинного обучения состоит из нескольких этапов: от выбора математических и программных инструментов, сбора входных данных до составления прогнозов и оптимизации их точности.

Что нового: 3 технологических тренда в алгоритмическом трейдинге

Вряд ли возможно использовать только этот инструмент для создания по-настоящему эффективной стратегии, однако, как показал эксперимент, о котором мы писал ранее в нашем блоге , использование машинного обучения и исторических данных позволяет создавать стратегии, которые будут приносить определенный доход.

Генетические алгоритмы

Существует несколько алгоритмов поиска, один из них генетический .

Он используется для решения сложных задач в тех случаях, когда точные взаимосвязи между участвующими элементами неизвестны или могут отсутствовать.

Задача формализована так, что ее решение можно закодировать в виде вектора генов («генотипа»), где каждый ген может представлять бит, число или какой-либо другой объект. Далее случайным образом создаются множество генотипов исходной «популяции», которые оцениваются с помощью специальной функции приспособленности.

Что нового: 3 технологических тренда в алгоритмическом трейдинге

В результате каждому генотипу присваивается значение «приспособленности», которое определяет, насколько хорошо он решает задачу.