Лиор Алкалэй является экономистом и профессиональным аналитиком с широким опытом на финансовых рынках. За годы торговли и инвестиций Лиор обеспечивал своих клиентов свежими исследованиями, которые всегда вызывали интерес, благодаря своей тщательности и ясности.

Итак, вы создали торговый алгоритм, который по­казал неплохие результаты при тестировании на исто­рических данных. Прежде чем использовать его для торговли с реальными деньгами, вы сначала должны его оптимизировать. Т.е. гарантировать, что ваш алго­ритм прекрасно настроен, и сможет обеспечить вам максимальную доходность. Однако, здесь вы можете столкнуться с некоторыми вызовами.

Во-первых, ваша стратегия довольно проста. Вы можете пройти детальный процесс создания и опти­мизации стратегии, включая приспособление кривой активов, корреляцию и т.д. Но вы хотите упростить процесс — что-то более сжатое, что будет соответство­вать вашим скромным потребностям.

Во-вторых, вы, возможно, еще не освоили пол­ную технику оптимизации. Вы все еще изучаете ее, и хотите попробовать упростить процесс.

Один из методов оптимизации вашего алгорит­ма, который я нахожу особенно простым, это — веро­ятностный. Вероятностный метод, в сущности, содер­жит много компонентов полной техники оптимизации. Однако, он больше полагается на здравый смысл и ло­гику, чтобы сузить варианты и оптимизировать алго­ритм. Это делает его довольно хорошим способом на­чать общую концепцию оптимизации стратегии. Кроме того, вы найдете это метод более легким для усвоения.

В конечном итоге, сущность оптимизации страте­гии сводится к исключениям всего лишнего.

Пример алгоритма

Приведенный ниже алгоритм довольно простой. Давайте назовем его RSIMV, что отражает комбина­цию RSI и Скользящей средней. Вот, как через алго­ритм RSIMV описываются условия торговли:

• Если Открытые позиции = 0, то Если (MA30 > MA14) и RSI =< 60, то Открыть покупку (50.000) {Это будет покупка 50 лотов}
• Установить стоп-ордер = Цена — 50 {пунктов} Установить лимит-ордер = Цена + (50*2)
• Конец

Описание стратегии: если Скользящие средние пересекаются в бычьем направлении и значение RSI равно или ниже 60, это означает, что ралли имеет не­который запас хода перед достижением уровня пере­купленности (значение RSI более 80). Это указывает на хорошую возможность для покупки.

Глядя на алгоритм RSIMV, вы можете заключить, что есть три параметра для оптимизации: RSI и две Скользящих средних.

Начнем со Скользящих средних — мы начали с рас­сматривать 14- и 30-дневные средние. По-видимому, вариантов для проверки может быть бесконечно мно­го, со многими комбинациями Скользящих средних. Теоретически это правильно, но здесь в игру вступа­ет вероятность.

На диаграмме выше мы видим, что более длин­ные Скользящие средние (оранжевая и красная) име­ют меньше шансов получить комбинацию низкого зна­чения RSI и бычьего пересечения Скользящих средних.

Кроме того, комбинация низкого значения RSI и бычьего сигнала происходит только, когда две Скользящих средних, быстрая и медленная, имеют примерное соотношение 2 к 1 (например, 30 и 14).

Эти два вывода помогают нам сузить параметры поиска.

Самая высокая вероятность найти наилуч­ший набор средних значений — с более быстрыми Скользящими средними, а не медленными, и теми, которые имеют соотношение близкое к 2:1. И давайте не забывать, что мы уже знаем, что значения 14 и 30 в принципе работают. Так что, нам нет смысла слишком удаляться от этих значений.

Мы будем использовать значения 25 и 12 в каче­стве первой комбинации и значения 20 и 10 для вто­рой. И те и другие параметры имеют примерное соот­ношение 2 к 1, и при этом близки к первоначальным значениям. Итак:

1. 25,12
2. 20,10

Переходим к параметру RSI — здесь сужение поис­ка вариантов еще проще. Мы знаем, что значение RSI не может быть выше 60, потому что тогда у нас не оста­нется «запаса хода» прежде, чем будет достигнут уро­вень перекупленности.

С другой стороны, если мы будем брать значения RSI ниже 40, то маловероятно, что в этом случае прои­зойдет бычье пересечение Скользящих средних.

Поскольку, как и в случае Скользящих средних, мы знаем, что первоначальные параметры работали, нам необходимо внести лишь незначительные изме­нения. Не имея возможности повысить уровень RSI, мы можем взять два варианта более низких значений: RSI < 55 и RSI < 50.

Следовательно, наши варианты:

1. 55
2. 50

Как вы видите, после тестирования всех альтерна­тивных параметров, все, что нам было нужно — это не­много изменить значения RSI для входа:

Минусы чрезмерной оптимизации

Как это ни странно может прозвучать, но опти­мизация иногда имеет и свои недостатки. Иногда мы можем до такой степени оптимизировать нашу стра­тегию, что она кардинально будет отличаться от ори­гинала. Это может загнать нас в вечную гонку оптими­зации и заставит тратить впустую драгоценное время. Поэтому, не поддавайтесь этому соблазну — не стано­витесь фанатом оптимизации. В конце концов, опти­мизация просто настраивает систему, а не создает новую. Если ваши стратегии в целом работают, огра­ничьте вашу оптимизацию небольшими корректиров­ками параметров. Если система в целом не работает, то оптимизация вам не поможет, и вам придется начи­нать с чистого листа.

И, наконец, практический совет: всегда ведите учет результатов вашей первоначальной стратегии, и сравнивайте их с результатами после оптимизации стратегии. Это позволит вам убедиться, что вы дей­ствительно оптимизировали свою стратегию.

Заключение

Несомненно, техника оптимизации не совершен­на. Но, если вы действительно понимаете свою стра­тегию, то можете применить логику к поиску лучших параметров. Если же вы новичок и имеете недостаток в знании продвинутых методов оптимизации, то оптимизация через вероятностный метод будет для вас хорошим инструментом.