Обзор

Стратегия прогнозирования на основе гауссовских волн — это количественная торговая стратегия, основанная на гауссовской фильтрации. Она использует сглаживающие свойства гауссовского фильтра для многократной фильтрации ценового ряда, создавая несколько сглаженных ценовых рядов. Затем, комбинируя полиномиальную аппроксимацию этих рядов, осуществляется прогноз будущей цены. На основе результатов прогноза формируются рекомендации по открытию длинных или коротких позиций.

Принцип стратегии

Основой стратегии является алгоритм гауссовской фильтрации. Гауссовский фильтр — это линейный сглаживающий фильтр, который использует гауссовскую функцию в качестве весов. В стратегии задается параметр p — размер окна фильтрации. Затем с помощью тригонометрических функций вычисляется коэффициент фильтрации alfa. Каждый ценовой ряд ret\[i\] представляет собой результат i-кратного применения гауссовской фильтрации к исходному ценовому ряду.

Стратегия использует рекурсивный подход. Сначала с помощью alfa и исходного ценового ряда price вычисляется первая фильтрация ret. Затем на основе ret выполняется вторая фильтрация, получая ret2, и так далее несколько раз. В конечном итоге, комбинируя несколько ценовых рядов, строится кривая, прогнозирующая будущую цену ret4. Если прогнозируемая цена выше текущей фактической цены, открывается длинная позиция; если ниже — короткая.

Таким образом, многократная фильтрация позволяет более гладко аппроксимировать тренд. Одновременно с этим, полиномиальная аппроксимация обеспечивает прогнозирование краткосрочного движения цены.

Преимущества стратегии

Стратегия обладает следующими преимуществами:

1. Использование гауссовского фильтра для сглаживания цен. Это эффективно отфильтровывает высокочастотный шум, делая стратегию более стабильной.

2. Рекурсивная многократная фильтрация. Позволяет лучше аппроксимировать ценовой тренд, улучшая качество прогноза.

3. Прогнозирование цены на основе полиномиальной аппроксимации. Позволяет моделировать краткосрочную динамику цены и генерировать торговые сигналы.

4. Сравнение текущей и прогнозируемой цены для принятия решений. Торговые сигналы напрямую связаны с прогнозом тренда, что позволяет не упускать торговые возможности.

5. Простота реализации, легкость понимания и оптимизации. Стратегия может служить базовым модулем для высокочастотных стратегий и расширяться другими аналитическими индикаторами.

Анализ рисков

Стратегия также сопряжена со следующими рисками:

1. Сглаживающее действие гауссовского фильтра на резкие изменения цен может привести к пропуску краткосрочных торговых возможностей.

2. Полиномиальная аппроксимация подвержена риску переобучения. Внезапное изменение характера движения цены может снизить качество прогноза.

3. Размер окна фильтрации и степень полинома требуют точной настройки. При неправильном выборе параметров стратегия может давать сбои.

4. Стратегия использует только цену открытия как торговый сигнал, что не позволяет совершать операции внутри бара (на внутридневных данных).

Направления оптимизации

Стратегия может быть оптимизирована по следующим направлениям:

1. Добавление механизма обучения модели и переобучения со скользящим окном. Это позволит динамически подстраивать параметры стратегии, снижая риск переобучения.

2. Включение большего количества ценовых индикаторов и признаков. Расширение входных данных сделает прогноз более устойчивым.

3. Внедрение механизма стоп-лосса. Установление максимального процента потерь для предотвращения значительных убытков в экстремальных рыночных условиях.

4. Оптимизация управления позицией. Динамическое изменение размера позиции в зависимости от точности прогноза и волатильности.

5. Попытка использования прогнозирования на основе современных моделей машинного обучения, таких как LSTM и других глубоких нейронных сетей, для дальнейшего повышения предсказательной способности стратегии.

Заключение

В целом, данная стратегия представляет собой высокочастотную количественную стратегию, использующую гауссовскую фильтрацию и полиномиальную аппроксимацию для прогнозирования цены. Она обладает определенными преимуществами, но также имеет потенциал для улучшения. Оптимизация за счет добавления большего количества признаков, внедрения динамической настройки параметров, механизма стоп-лосса и других модулей позволит повысить эффективность стратегии. Эта стратегия закладывает основу для высокочастотных стратегий и заслуживает дальнейшего изучения.