Перейти к оформлению заказа.

Обращаем Ваше внимание на то, что 1го и 9го мая торгов на российских биржах не будет, а в остальные дни - будут проходить в обычном режиме.

Также обратите внимание, что при использовании ПО для автозапуска торговли, требуется его остановка до времени запуска 1го мая. Кстати, доступно обновление, которое позволяет составить расписание запусков на срок до 1года вперед.

С уважением, команда WLRT.

Желающие поучаствовать могут обращаться к нам для выбора тем, которые будут за ними закреплены.

Участники получат бесплатные периоды использования сервиса, а также расширенные знания по выбранной теме!

Темы должны будут быть оформлены с помощью утилиты Sandcastle Help File Builder.

Best regards,

Команда WLRT поздравляет вас с наступающим Новым годом и Рождеством! За прошедший год вместе с вами мы достигли многого. В наступающем году желаем вам успехов, личного счастья и благополучия!

С наступающим!

UPD. Обновление доступно для скачивания в разделе Files.

Этот показатель обладает тем недостатком, что не учитывает, как и все статистики, работающие с усредненными данными, важный случай самого плохого исхода событий. В Wealth - Lab существует специальная оценка для измерения наихудшего дохода. Она называется pessimistic rate of return, которая считается по формуле

Однако я, например, считаю, что существую гораздо более логичные способы оценки наихудшего дохода на сделку. Например, при достаточном количестве сделок (скажем, более 100-150) можно вычислить 5% квантиль эмпирического распределения сделок, или специально подогнать обобщенное распределение Парето (или обобщенное распределение экстремальных значений).

Стратегия, которая склеивает фьючерсы

   //Calculate futures prices a-la russian volatility index
   //We assume that data series in data set are ordered by expiration time
   //We also assume that new futures contract starts 8 days before previous expires
   Bars newbars = new Bars(@"",BarScale.Minute, Bars.BarInterval);
   int n_fut = 8;
   int n_sm = 4;
   int N = 24*60*60;
   int bar1 =0;
   string folder  = @"E:\newBars\";
   string file = @"newbars.txt";
   for(int ds =0;ds < DataSetSymbols.Count - 1; ds++)
   {
    bool first_time  = true;
    SetContext( DataSetSymbols[ds], true ); 
    DateTime start_next = Bars.Date[Bars.Count - 1].AddDays(-n_fut);
    for(int bar=bar1; bar < Bars.Count;bar++)
    {
     double N_exp = (Bars.Date[Bars.Count - 1] - Bars.Date[bar]).TotalSeconds;
     double T = N_exp/N;
     if(T <= n_fut - n_sm)
     {
      SetContext( DataSetSymbols[ds+1], true ); 
      newbars.Add(Bars.Date[bar1], Open[bar1],High[bar1], Low[bar1], Close[bar1],Volume[bar1]);
      RestoreContext();
      bar1++;
      
     }
     if(n_fut - n_sm < T && T < n_fut )
     {
      double tmpClose = Close[bar]*Close[bar]*(T - n_fut + n_sm)/n_sm;
      double tmpOpen = Close[bar]*Close[bar]*(T - n_fut + n_sm)/n_sm;
      double tmpHigh = High[bar]*High[bar]*(T - n_fut + n_sm)/n_sm;
      double tmpLow = Low[bar]*Low[bar]*(T - n_fut + n_sm)/n_sm;
      double tmpVolume = Volume[bar]*Volume[bar]*(T - n_fut + n_sm)/n_sm;
      SetContext( DataSetSymbols[ds+1], true );
      if(first_time)
      {
       bar1 = Bars.ConvertDateToBar(start_next, false);
       first_time= false;
      }
      tmpClose += Close[bar1]*Close[bar1]*(n_fut-T)/n_sm;
      tmpOpen += Open[bar1]*Open[bar1]*(n_fut-T)/n_sm;
      tmpHigh += High[bar1]*High[bar1]*(n_fut-T)/n_sm;
      tmpLow += Low[bar1]*Low[bar1]*(n_fut-T)/n_sm;
      tmpVolume += Volume[bar1]*Volume[bar1]*(n_fut-T)/n_sm;
      bar1++;
      RestoreContext();
      newbars.Add(Bars.Date[bar], Math.Sqrt(tmpOpen),Math.Sqrt(tmpHigh),Math.Sqrt(tmpLow),Math.Sqrt(tmpClose),Math.Sqrt(tmpVolume));     
     }
     if(T >= n_fut)
      newbars.Add(Bars.Date[bar], Open[bar],High[bar], Low[bar], Close[bar],Volume[bar]);
    }
    RestoreContext();
   }
   SetContext( DataSetSymbols[DataSetSymbols.Count - 1], false ); 
   for(int bar = bar1; bar < Bars.Count;bar++)
    newbars.Add(Bars.Date[bar], Open[bar],High[bar], Low[bar], Close[bar],Volume[bar]);
   RestoreContext();
   Write2File(folder, file ,newbars);
  }
  private void Write2File(string folder, string file, Bars bars)
  {
   if (!System.IO.Directory.Exists(folder))
    System.IO.Directory.CreateDirectory(folder);
   System.IO.StreamWriter SW = new System.IO.StreamWriter(folder + file);
   SW.WriteLine(@",,,,,");
   for (int i = 0; i < bars.Count; i++)
   {
    SW.WriteLine(bars.Date[i] + @"," +
     bars.Open[i].ToString().Replace(',', '.') + @"," +
     bars.High[i].ToString().Replace(',', '.') + @"," +
     bars.Low[i].ToString().Replace(',', '.') + @"," +
     bars.Close[i].ToString().Replace(',', '.') + @"," +
     bars.Volume[i].ToString().Replace(',', '.'));
   }
   SW.Close();
  }
  
 }

Цель обучающего курса:

Знакомство участников с Wealth-Lab и с языком программирования C#. Программа Wealth-Lab в совокупности с языком программирования C# представляют собой мощную полноценную среду для создания, тестирования торговых систем и автоматизации торговли.

Курс платный, подробнее на сайте обучения.

Идею этого индикатора предложили в 2000г. Dennis Yang и Qiang Zhang. Суть в том, что для оценки волатильности используются все четыре цены каждого бара - Open, High, Low, Close за несколько периодов. Этот индикатор имеет следующие нужные и приятные свойства:

1. дает несмещенную оценку волатильности;
2. не зависит от тренда;
3. последовательный при обработке гэпов на открытии баров;
4. имеет наименьшую дисперсию среди всех аналогичных индикаторов волатильности;
5. по сравнению с классическим Close-Close индикатором дает радикальное улучшение точности  оценки волатильности для реальных временных рядов котировок.

Итак, формулируем задачу: мы хотим построить оценку волатильности геометрического броуновского движения:

Для этого перейдем к лог-доходностям и воспользуемся леммой Ито:

Введем определение следующих величин:

Пусть n = количество дней усреднения, и предположим что волатильность = const за этот период. Yang и Zhang⁽¹⁾ рекомендуют следующую оценку

как робастную оценку волатильности, где

Оценка была предложена Rogers и Satchell⁽²⁾ , и коэффициент выбран так, чтобы минимизировать дисперсию оценки, являющейся линейной комбинацией трех оценок.

Теперь мы хотим перейти от оценки волатильности доходностей к оценкам волатильности цены. Заметим, что, если логарифмы доходностей распределены нормально (что следует из вида процесса для доходности), то сами цены распределены логнормально. Таким образом, зная дисперсию (а значит и волатильность) нормального распределения, мы можем по следующим формулам найти дисперсию для логнормального:

В нашем случае и . Значит,

Так как мы имеем дело с высокочастотными данными, то для упрощения разложим обе экспоненты по формуле Тейлора в окрестности 0 до первого порядка. Тогда окончательно наша оценка примет вид:

где - оценка волатильности, посчитанная с помощью оценки Yang и Zhang.

Данный индикатор, реализованный специалистами WLRT, вы можете приобрести в составе библиотеки WlrtIndicators5.dll. По условиям предоставления  пишите на support@wealth-lab.net

ССЫЛКИ:

1. Yang, D; Zhang, Q; (2000). Drift-Independent Volatility Estimation Based on High, Low, Open, and Close Prices. Journal of Business, 73, 477 – 491.
2. Rogers, L. C. G.; Satchell, S. E.; and Yoon, Y. (1994). Estimating the volatility of stock prices: A comparison of methods that use high and low prices. Applied Financial Economics 4:241–47.

В ближайшем грядущем планируется дальнейший разговор про характеристики работы стратегии, в несколько более дальней перспективе - про оптимизацию параметров.

Заходите и участвуйте.