استراتيجية التداول الأمثل عن طريق التحكم العشوائي

يرجى التحقق من أنك إنسان.
الرجاء النقر "أنا لست روبوت" للمتابعة.
تم رفض الوصول إلى هذه الصفحة لأننا نعتقد أنك تستخدم أدوات التشغيل الآلي لتصفح الموقع.
قد يحدث ذلك كنتيجة لما يلي:
تم تعطيل جافا سكريبت أو حظرها بواسطة إضافة (حاصرات الإعلانات على سبيل المثال) متصفحك لا يدعم ملفات تعريف الارتباط.
يرجى التأكد من تمكين جافا سكريبت وملفات تعريف الارتباط في المتصفح وأنك لا تحظر تحميلها.
الرقم المرجعي: # 4a43c620-eb0c-11e7-8f69-832f9b11ad63.

ستوشاستيك التحكم الأمثل وتحسين خوارزميات التداول.
على الرغم من أن الأموال الكمية هي شائعة جدا في هذه الأيام، بالنسبة لمعظم الناس انهم لا يزالون "صناديق سوداء" أن تفعل بعض "الرياضيات المتقدمة" أو "التعلم الآلي" أو حتى "الذكاء الاصطناعي" في الداخل. في واحدة من مقالاتنا السابقة، لقد أظهرنا نظام التداول لدينا (يمكنك قراءتها هنا: المتوسطة / تنسوربوكس / التداول-نظام-أن-أقصى قدر من الحافة-a64e95533959) في واحدة من المقالات المستقبلية قد نعرض كيف ونحن نبني واختبار لدينا التنبؤية، أو "ألفا" النماذج (التي تستخدم الإحصاءات المتقدمة وتقنيات التعلم الآلي). في هذه المقالة، سوف نعرض لك كيف يمكننا تحسين تنفيذ خوارزميات التداول وأي نوع من مهام التحسين تنشأ. سيكون هناك بعض الرياضيات المتقدمة، ولكن سنحاول إبقائها بسيطة في البداية والانتقال إلى نماذج أكثر تقدما.
مبدأ البرمجة الديناميكية ومعادلة هاميلتون-جاكوبي-بيلمان (هجب).
دعونا نفترض أن لدينا طائرة (أو صاروخ) تطير من النقطة ألف إلى النقطة باء، ولكن كما أن هناك الكثير من الاضطرابات على الطريق، فإنه لا يمكن أن تتحرك في خط مستقيم، كما انها قذف باستمرار في اتجاهات عشوائية. يجب على أنظمة التحكم ضبط المسار ("سياسة التحكم") في كل وقت، وبما أن كمية الوقود محدودة، يجب أن يتم ذلك بطريقة مثلى. طريقة البرمجة الديناميكية يكسر مشكلة القرار هذه إلى مشاكل فرعية أصغر. يصف مبدأ ريتشارد بيلمان للأمثل كيفية القيام بذلك:
وتتمثل السياسة المثلى في الملكية مهما كانت الحالة الأولية والقرار الأولي، فإن القرارات المتبقية يجب أن تشكل سياسة مثلى فيما يتعلق بالدولة الناتجة عن القرار الأول.
في الأساس، هذا يعني أن جزءا من المسار الأمثل هو أيضا مسار الأمثل: إذا كان الخط الجريء بين C و D ليس المسار الأمثل، يجب أن يكون قد استبداله مع بعض خط (متقطع) أخرى. هذا هو السبب في أن يتم حل هذه المشاكل عادة في الوراء في الوقت المناسب: إذا كنا في بعض (عشوائي) نقطة C 'بالقرب من C، ونحن نعرف كيفية الوصول إلى C، وهلم جرا.
رياضيا، يمكن صياغة المشكلة كما يلي:
نحن بحاجة لتقليل وظيفة القيمة:
خلال الفترة الزمنية [0، T]، حيث C [] هي وظيفة معدل التكلفة العددية و D [] هي الدالة التي تعطي القيمة الاقتصادية أو المنفعة في الحالة النهائية، x (t) هي متجه حالة النظام، x (0) مفترضة، و u (t) بالنسبة إلى 0≤ t ≤ T هو متجه التحكم الذي نحاول إيجاده.
لهذا النظام البسيط، فإن المعادلة التفاضلية الجزئية هاملتون-جاكوبي-بلمان الجزئية هي:
رهنا بالحالة النهائية:
وبشكل عام، فإن الهدف من مشاكل التحكم العشوائي هو تعظيم (تقليل) بعض الربح (التكلفة) وظيفة المتوقعة عن طريق اختيار استراتيجية الأمثل الذي يؤثر في حد ذاته ديناميات النظام العشوائي الأساسي. دعونا نلقي نظرة على بعض المشاكل لعبة الكلاسيكية:
-مشكلة ميرتون.
ويحاول الوكيل تعظيم الفائدة المتوقعة من الثروة المستقبلية من خلال تداول أصول محفوفة بالمخاطر وحساب مصرفي خالي من المخاطر. وتؤثر تصرفات الوكيل على ثروتها، ولكن في الوقت نفسه، فإن الديناميات العشوائية في ثروة عامل تعديل الأصول المتداولة بطريقة عشوائية. أو أكثر صرامة، وكيل يحاول تعظيم توقع U (X)، حيث X - ثروة الوكيل - على غرار:
حيث W هي حركة براونية، وتستخدم لنموذج سعر الأصول الخطرة:
حيث π هي استراتيجية التداول الذاتي التمويل، μ ومن المتوقع معدل نمو المركب من الأصول المتداولة و R هو معدل معقد من العائد من الحساب المصرفي الخالية من المخاطر.
- مشكلة التصفية المثلى.
لنفترض أن نموذج ألفا لدينا يشير لنا أنه من المربح لتصفية عدد كبير N من القطع النقدية في سعر سانت ونود أن نفعل ذلك بحلول نهاية اليوم في الوقت T. واقعيا، السوق ليس لديها سيولة لانهائية، لذلك يمكن أن " t امتصاص أمر بيع كبير في أفضل سعر متاح، مما يعني أننا سوف المشي كتاب النظام أو حتى نقل السوق وتنفيذ أمر بسعر أقل (تخضع لتأثير السوق المشار إليها باسم 'ح' أدناه). وبالتالي، يجب علينا نشر هذا مع مرور الوقت، وحل مشكلة التحكم العشوائي. وقد يكون لدينا أيضا شعور بالإلحاح، يتمثل في معاقبة وظيفة المنفعة من أجل إجراء عملية إنفنوتري غير صفرية في جميع مراحل الاستراتيجية. اسمحوا νt يدل على معدل الذي وكيل تبيع القطع النقدية لها في الوقت ر. ستبدو وظيفة قيمة الوكيل:
حيث دق = - νtdt - جرد الوكيل، دس - ​​سعر عملة (كما في مشكلة ميرتون أعلاه)، S't = ست-h (νt) - سعر التنفيذ و دكس = νtS'tdt - نقد الوكيل.
-المشكلة المثلى للخروج والخروج من أجل التحكيم الإحصائي.
لنفترض أن لدينا اثنين من الأصول المشتركة المتكاملة A و B (أو، في حالة تافهة، واحد الأصول في مختلف البورصات) ولها محفظة طويلة الأجل الذي هو مزيج خطي من هذين الأصول. يجب أن تحدد الاستراتيجية المثلى موعد الدخول والخروج من هذه المحفظة ويمكننا أن نشكل هذه المشكلة كمشكلة توقف مثالية. يمكننا نموذج ديناميات εt، عامل التكامل المشترك لهذه الأصول، كما.
حيث W هو موتيوم براوني موحد، κ هو معدل متوسط ​​الانعكاس، θ هو المستوى الذي تعنيه العملية - ويعود إلى و σ هو تقلب العملية. أداء الوكيل، على سبيل المثال، للخروج من موقف طويل يمكن أن يكتب على النحو التالي.
حيث c هي تكلفة الصفقة لبيع المحفظة، ρ يمثل الاستعجال، عادة ما تعطى من قبل تكلفة التجارة الهامش و E [يدل على توقع شرطي على εt = ε.
سوف تسعى وظيفة القيمة للحصول على أفضل وقت التوقف عند فك الموقف (محفظة طويلة) إلى أقصى حد من معايير الأداء. بدلا من ذلك، يمكننا أن نجد معايير الأداء لدخول موقف طويل، وأخيرا، معايير للدخول والخروج من المراكز القصيرة.
هناك، بطبيعة الحال، العديد من مشاكل التحكم العشوائي الأمثل في التداول وتقريبا أي خوارزمية التنفيذ يمكن أن يكون الأمثل باستخدام مبادئ مماثلة. قد يختلف أداء خوارزميتين استنادا إلى الإشارات نفسها بشكل كبير، وهذا هو السبب في أنه لا يكفي أن يكون مجرد نموذج "ألفا" جيد يولد تنبؤات دقيقة.
كمجموعة من "كوانتس" مع خلفية أكاديمية في الأساليب العددية والرياضيات الحسابية ونظرية لعبة والتدريب العملي على الخبرة في تجارة عالية التردد وتعلم الآلة، كان اهتمامنا في استكشاف الفرص في أسواق كريبتوكيرنسي، بهدف استغلال مختلف أوجه القصور في السوق لتوليد عائدات مطردة ثابتة (لا ترتبط مع تحركات السوق) مع تقلب منخفض، أو ببساطة، والربح المطرد دون سحب كبيرة. لمزيد من المعلومات يرجى زيارة تنسوربوكس وإذا كنت تحب ما نقوم به يمكنك المشاركة في موقعنا عرض رمزية الأولي.
عن طريق التصفيق أكثر أو أقل، يمكنك أن تشير لنا القصص التي تبرز حقا.
TensorBox.
كمجموعة من "كوانتس"، اهتمامنا هو استكشاف الفرص في أسواق كريبتوكيرنسي، بهدف استغلال مختلف أوجه القصور في السوق لتوليد عوائد مطردة ثابتة (لا ترتبط مع تحركات السوق) مع تقلب منخفض.

استراتيجية التداول الأمثل بواسطة التحكم العشوائي
تحسين إستراتيجيات التداول دون الحاجة إلى التحميل الزائد.
20 نوفمبر، 2017 1:36 ص.
إن تحسين معلمات إستراتيجية التداول من خلال الاختبار المسبق له مشكلة رئيسية واحدة: فهناك عادة ما لا يكفي من الصفقات التاريخية لتحقيق دلالة إحصائية. ومهما كانت المعلمات المثلى، فمن المرجح أن يعاني المرء من تحيز التطفل على البيانات، وقد لا يكون هناك شيء مثلى بشأنه في فترة خارج العينة. هذا هو السبب في تحسين المعلمة من استراتيجيات التداول غالبا ما يضيف أي قيمة.
ومن ناحية أخرى، فإن تحسين معلمات نموذج السلاسل الزمنية (مثل احتمال أقصى يصلح لنموذج الانحدار الذاتي أو نموذج غارتش) هو أكثر قوة، لأن بيانات المدخلات هي الأسعار، وليس الصفقات، ولدينا الكثير من الأسعار. لحسن الحظ، اتضح أن هناك طرق ذكية للاستفادة من سهولة تحسين نماذج السلاسل الزمنية من أجل تحسين معلمات استراتيجية التداول.
إن إحدى الطرق الأنيقة لتحسين إستراتيجية التداول هي الاستفادة من أساليب نظرية التحكم الأمثل العشوائية - الأنيقة، أي إذا كنت متطورة رياضيا وقادرة على حل معادلة هاميلتون-جاكوبي-بيلمان (هجب) تحليليا (انظر كارتيا إت آل. ) وحتى ذلك الحين، فإن ذلك لن يعمل إلا عندما تكون السلسلة الزمنية الأساسية معروفة جيدا، مثل عملية أورنستين-أولنبيك المستمرة (أو) التي تكمن وراء كل سلسلة متوسطات عكس السعر.
يتم تمثيل هذه العملية التنظيمية بشكل دقيق بمعادلة تفاضلية عشوائية. وعلاوة على ذلك، يمكن عادة حل معادلات هجب بالضبط إذا كانت دالة الهدف ذات شكل بسيط، مثل الدالة الخطية. إذا كانت سلسلة السعر الخاصة بك يحدث أن تكون ممثلة بدقة من خلال عملية أو، والهدف الخاص بك هو تعظيم الربح الذي يحدث ليكون الدالة الخطية لسلسلة الأسعار، ثم ستوشاستيك نظرية التحكم الأمثل تعطيك استراتيجية التداول الأمثل تحليليا: مع الإدخال الدقيق و عتبات الخروج باعتبارها وظائف المعلمات من عملية أو.
ليس هناك حاجة أكثر للعثور على مثل هذه العتبات الأمثل من قبل التجربة والخطأ أثناء عملية باكتست مملة، وهي العملية التي تدعو الإفراط في عدد قليل من الصفقات. كما أشرنا أعلاه، يمكن تثبيت معلمات عملية أو بشكل قوي جدا للأسعار، وفي الواقع، هناك حل أقصى احتمالي تحليلي لهذا مناسبا في ليونغ وآخرون. الله.
ولكن ماذا لو كنت تريد شيئا أكثر تطورا من عملية أو لنموذج سلسلة السعر الخاص بك أو تتطلب وظيفة موضوعية أكثر تطورا؟ ماذا لو، على سبيل المثال، كنت ترغب في تضمين نموذج غارتش للتعامل مع تقلبات متغيرة الوقت وتحسين نسبة شارب بدلا من ذلك؟ في كثير من هذه الحالات، لا يوجد تمثيل كمعادلة تفاضلية عشوائية عشوائية، وبالتالي، لا يوجد معادلة هجب لحلها. لحسن الحظ، لا يزال هناك وسيلة لتحسين دون الإفراط في تجهيز.
في كثير من مشاكل التحسين، عندما لا يوجد حل تحليلي مثالي، غالبا ما يتحول المرء إلى المحاكاة. وتشمل الأمثلة على هذه الأساليب التلدين المحاكي وسلسلة ماركوف مونتي كارلو (مسمك). هنا، سوف نفعل نفس الشيء: إذا لم نتمكن من إيجاد حل تحليلي لاستراتيجية التداول الأمثل لدينا ولكن يمكن أن تناسب لدينا سلسلة الأسعار الكامنة تماما إلى نموذج سلسلة زمنية منفصلة منفصلة مثل أرما، ثم يمكننا ببساطة محاكاة العديد من الحالات سلسلة الأسعار الأساسية.
سنقوم باكتست استراتيجية التداول لدينا في كل حالة من سلسلة السعر محاكاة والعثور على أفضل المعاملات التجارية التي تولد في معظم الأحيان أعلى نسبة شارب. هذه العملية هي أكثر قوة بكثير من تطبيق باكتست لسلسلة الوقت الحقيقي، لأن هناك واحد فقط سلسلة الأسعار الحقيقية، ولكن يمكننا محاكاة العديد من سلسلة السعر (كل بعد نفس عملية أرما) كما نريد. وهذا يعني أننا يمكن محاكاة العديد من الصفقات كما نريد والحصول على معلمات التداول الأمثل مع دقة عالية كما نحب. هذا هو تقريبا جيدة مثل الحل التحليلي. (انظر الرسم البياني أدناه الذي يوضح هذا الإجراء.)
هنا هو مثال تافهة نوعا ما من هذا الإجراء. نحن نريد أن نجد استراتيجية الأمثل الذي يتداول أوكاد على أساس كل ساعة. أولا، نحن تناسب نموذج أر (1) + غارتش (1،1) إلى البيانات باستخدام ميدبريسز سجل. ويتم احتمالية احتمالية استخدام نافذة سنة واحدة تتحرك من األسعار التاريخية، ويتم إعادة تركيب النموذج كل شهر. نحن نستخدم أدوات القياس الاقتصادي ماتلاب لهذا مناسبا. مرة واحدة يتم العثور على تسلسل النماذج الشهرية، يمكننا استخدامها للتنبؤ كلا ميدبريس سجل في نهاية الحانات كل ساعة، فضلا عن التباين المتوقع من عوائد السجل. لذلك، يمكن اختبار استراتيجية التداول بسيطة: إذا كان السجل المتوقع العودة في شريط التالي أعلى من K مرات التقلبات المتوقعة (الجذر التربيعي للتباين) من عوائد السجل، وشراء أودكاد وعقد لشريط واحد، والعكس بالعكس للسراويل . ولكن ما هو الأمثل K؟
بعد الإجراء الموضحة أعلاه، في كل مرة بعد تركيب نموذج جديد أر (1) + غارتش (1، 1)، نستخدم هذا لمحاكاة أسعار السجل لقيم الشهر التالي من القضبان بالساعة. في الواقع، نحن محاكاة هذا 1000 مرة، وتوليد 1000 سلسلة زمنية، ولكل منها نفس العدد من الحانات كل ساعة في الشهر. ثم، نحن ببساطة يتكرر من خلال كل قيمة معقولة من K وتذكر الذي K يولد أعلى نسبة شارب لكل سلسلة زمنية محاكاة. نحن اختيار K التي غالبا ما ينتج في أفضل نسبة شارب بين 1000 سلسلة الوقت محاكاة (أي أننا اختيار طريقة توزيع كس الأمثل عبر سلسلة محاكاة). هذا هو تسلسل كس (واحد لكل شهر) التي نستخدمها لدينا باكتست النهائي. وفيما يلي توزيع عينة من كس الأمثل لشهر معين والتوزيع المقابل لنسب شارب:
ومن المثير للاهتمام، وطريقة K الأمثل هو 0 لأي شهر. هذا يجعل بالتأكيد لاستراتيجية التداول بسيطة: مجرد شراء كلما كان متوقعا عودة السجل إيجابية، والعكس بالعكس للسراويل. ويبلغ معدل النمو السنوي المركب حوالي 4.5٪ بافتراض تكاليف المعاملات الصفرية وعمليات إعدام منتصف العمر. هنا هو منحنى العائد التراكمي:
قد تصرخ: "هذا لا يمكن أن يكون الأمثل، لأنني قادرة على التجارة أودكاد الحانات كل ساعة مع عوائد أفضل بكثير ونسبة شارب!" بالطبع، الأمثل في هذه الحالة يعني فقط الأمثل ضمن الكون معين من الاستراتيجيات وعلى افتراض أر (1) + غارتش (1، 1) نموذج سلسلة السعر الكامنة. إن عالمنا من الاستراتيجيات هو بسيط جدا: مجرد شراء أو بيع على أساس ما إذا كان العائد المتوقع يتجاوز عدة من التقلب المتوقع. ولكن هذا الإجراء يمكن أن تمتد إلى أي نموذج سلسلة السعر الذي تفترض ومهما الكون من الاستراتيجيات التي يمكن أن تأتي مع. في كل حالة، فإنه يقلل كثيرا من فرصة الإفراط في الحياكة.
ملاحظة: لقد اخترعنا هذا الإجراء لاستخدامنا الخاص قبل بضعة أشهر، واقتراح أفكار مماثلة من البحوث الحسابية الدكتور نغ في نظم الفيزياء المادة المكثفة (انظر نغ وآخرون هنا أو هنا). ولكن في وقت لاحق، وجدنا أن هناك إجراء مماثل تم وصفه بالفعل في ورقة كتبها كار وآخرون.
هذه المقالة لأعضاء برو فقط!
الحصول على الوصول إلى هذه المادة و 15،000 مقالات برو الحصري من 200 $ / م.
ترغب في رفع مستوى برو؟
حجز موعد مع مدير حساب برو لمعرفة ما إذا برو هو حق لكم.

التحكم العشوائي للتنفيذ الأمثل: نظام تقريب سريع في إطار متداخلة متوسط ​​الانحراف شبه والقيمة المشروطة في خطر.
منغ فاي دوان لي البريد الإلكتروني المؤلف يوان يوان تشن.
عند تنفيذ أمر كبير من الأسهم في السوق، عامل مهم واحد في تشكيل استراتيجية التداول الأمثل هو النظر في تأثير سعر النشاط التجاري كبير الحجم. والتقليل إلى أدنى حد من مقياس الخطر لنقص التنفيذ، أي الفرق بين قيمة مركز رأس المال الأولي للتاجر ومجموع التدفق النقدي الذي يتلقاه من عملية تداوله، هو في الأساس مشكلة تحكم عشوائية. في هذه الدراسة، نقوم بالتحقيق في مثل هذه المشكلة العملية في إطار قياس مخاطر متماسكة ديناميكية في السوق التي ديناميكيات سعر السهم لديها سمة من سمات تأثير الزخم. نحن نطور مخطط حل تقريبي سريع، وهو أمر بالغ الأهمية في تجارة عالية التردد. نحن نبرهن على بعض السمات البارزة لخوارزمية الحل المشتقة لدينا في توفير إرشادات مفيدة للتنفيذ الحقيقي.
هذه الورقة مكرسة للأستاذ ليان شنغ تشانغ في الاحتفال بعيد ميلاده الثمانين.
ويدعم هذا البحث جزئيا مجلس منح البحوث (رقم 14204514). دوان لي هو أيضا ممتن للدعم من قبل باتريك هين الجناح مينغ كرسي الأستاذية هندسة النظم وإدارة الهندسة.
الرياضيات تصنيف الموضوع.
دليل على نظرية 3.1.
المراجع.
معلومات حقوق التأليف والنشر.
المؤلفين والانتماءات.
منغ فاي انه 1 دوان لي 2 كاتب البريد الإلكتروني يوان يوان تشن 3 1. الصين إدارة الصندوق الدولي المحدودة شنغهاي الصين 2. قسم هندسة النظم وإدارة الهندسة الجامعة الصينية في هونغ كونغ هونغ كونغ الصين 3. معهد إدارة المخاطر الجامعة الوطنية في سنغافورة سنغافورة.
حول هذه المقالة.
توصيات شخصية.
اقتباس المقال.
المراجع المرجعية ريس ريفوركس زوتيرو.
.BIB بيبتكس جابريف منديلي.
مشاركة المقال.
الوصول غير المحدود إلى المقال الكامل التحميل الفوري تشمل ضريبة المبيعات المحلية إن وجدت.
اقتباس المقال.
المراجع المرجعية ريس ريفوركس زوتيرو.
.BIB بيبتكس جابريف منديلي.
مشاركة المقال.
أكثر من 10 مليون وثيقة علمية في متناول يدك.
تبديل الطبعة.
&نسخ؛ 2017 سبرينجر الدولية للنشر أغ. جزء من الطبيعة سبرينجر.

أزواج الأمثل للتجارة - نهج التحكم العشوائي.
المصالح ذات الصلة.
التقييم والإحصاءات.
خيارات المشاركة.
إجراءات المستند.
لا يتم عرض الصفحات من 2 إلى 5 في هذه المعاينة.
المستندات الموصى بها.
المستندات المشابهة ل أوبتيمال بايرس ترادينغ-A ستوشاستيك كونترول أبروتش.
وثائق حول التحسين الرياضي.
المزيد من alexa_sherpy.
تذييل القائمة.
القانونية.
وسائل الاعلام الاجتماعية.
كوبيرايت & كوبي؛ 2017 سكريبد Inc. تصفح الكتب. موقع الجوال . دليل الموقع. لغة الموقع:
هل أنت واثق؟
قد لا يكون من الممكن التراجع عن هذا الإجراء. هل تريد بالتأكيد المتابعة؟
هل تريد بالتأكيد حذف هذه القائمة؟
كما سيتم إزالة كل ما حددته من القوائم.
ستتم إزالة هذا الكتاب أيضا من جميع القوائم.
لقد قمنا بتنسيق العناوين التي نعتقد أنك ستحبها.
بقية هذا العنوان سوف تكون متاحة قريبا.
أوبتيمال بايرس Trading - ستتوفر طريقة التحكم العشوائي في.