Личный опыт зарабатывания денег, создавая торговые стратегии на QuantNet

Цель статьи: осветить платформы для создания торговых стратегий QuantNet и Quantiacs.

Целевая аудитория: python разработчики торговых роботов, которые не знают где взять финансовые данные, как проверить алгоритмы и как на этом можно заработать.

Приведена стратегия с платформы QuantNet, которая выиграла 24001 рублей.

Конкурентные преимущества по сравнению с другими платформами тестирования финансовых идей:

• python, среда Jupyter Notebook или JupyterLab;
• открытый исходный код;
• финансовые данные: акции, фьючерсы, криптовалюта, товарный рынок, макроэкономические данные, фундаментальные данные компаний;
• возможность писать и использовать оптимизаторы — весомый аргумент;
• адекватная система оценки: есть встроенные средства борьбы с подглядыванием в будущее;
• возможность оффлайновой разработки алгоритмов на своем ПК;
• возможность заработать на конкурсах;
• небольшой порог входа.
  

На платформе мои алгоритмы выиграли 431 572 рублей. Активно посылал их в конкурс с начала 2020 года до августа 2020. Это “долгие” деньги. Отправленная стратегия участвует в 4 конкурсах, самый длительный из которых продолжается год.

Выплаты осуществляются раз в квартал на карту. Призовой фонд за квартал 500 т.р.

Приятно порадовало, что компания уплачивает налоги за победителей. Скриншот с сайта налоговой за 2020 год. Большая часть конкурсов закончилась в 2021, поэтому налоги за 2021 год увижу в следующем году.

На Quantiacs и QuantNet пока малая конкуренция среди участников, поэтому большие шансы занять призовое место.

Также, на Quantiacs призы могут быть больше, всё будет зависеть от доходности стратегии в “живом” периоде. На одно соревнование выделяется 2 миллиона долларов, 7 призовых мест. Участник выигравший финансирование получает 10% от прибыли алгоритма. Подробные условия описаны в правилах.

Ниже пример стратегии, которая выиграла 24001 рублей.

Статистика https://quantnet.ai/statistic/13516766

Идея: Если индикатор TRIX по индексу SPX (S&P 500) за 5 торговых дней больше -0.04, то открываем позицию по инструментам 'NYSE:ABT', 'NYSE:ANTM', 'NYSE:BA', 'NYSE:NEE', 'NYSE:PGR'.

Для создания и проверки алгоритмов потребуются данные, сам алгоритм и система проверки алгоритма.

Цикл создания стратегии:

• Определиться какие данные будем предсказывать.
• Написание алгоритма, выделение из него параметров.
• Оптимизация параметров. Подбор мета параметров или подбор инструментов на которых стратегия будет работать, или и то и то.
• Оценка статистики стратегии.
• Проверка стратегии на заглядывание в будущее.

Платформа предоставляет исторические данные для основных мировых финансовых рынков.

Датасет включает в себя информацию об:

• акциях: рыночные данные и фундаментальные индикаторы, в исходниках есть api, которое рассчитывает фундаментальные мультипликаторы (ebitda, debt, p/e, p/s);
• фьючерсах;
• криптовалюте;
• товарном рынке (Commodity Data);
• макроэкономических данных бюро статистики труда США: потребительские цены, занятость и безработица, компенсации, условия труда и производительность.

Можно предсказывать один тип инструментов, используя другой. Пример применения машинного обучения для предсказания фьючерса на биткоин (BTC Futures), используя данные товарного рынка (Commodity Data)

Лучше посмотреть на то, что есть в документации (тут и тут) или в примерах в личном кабинете.

Платформа предоставляет примеры алгоритмов основанных на:

• техническом анализе и технических индикаторах;
• фундаментальном анализе компаний.

Бэктестер основан не на сделках, а на весах финансовых инструментах в портфеле.

Алгоритмы используют финансовые данные для формирования весов, пропорционально которым распределяется капитал. Положительный вес означает длинную позицию (покупку), отрицательное значение — короткую (продажу).

На каждую дату алгоритм считает какие веса портфеля должны быть на открытии торгов следующего дня.

Нюанс, комиссия за сделки не учитывается, есть только проскальзывание. При изучении исходного кода видно, что для разных типов инструментов оно разное. Исходники открытые, это можно поменять.

При написании алгоритма выделяем параметры, которые будем оптимизировать. Желательно использовать минимум параметров: пять — ресурсоемко подбирать и увеличивается риск переобучения, предпочитаю стратегии с 3 параметрами.

Sharpe ratio - основной параметр для оптимизации. Он показывает доход на единицу риска (волатильность). Чем больше Sharp ratio, тем лучше. Как он считается можно посмотреть тут.

Готовые примеры оптимизаторов тут и тут.

Recovery factor — альтернативный параметр для оптимизации, но на платформе его нет. Он показывает на сколько быстро стратегия восстанавливает капитал после просадки. Можно рассчитывать в двух вариантах: а) деление чистой прибыли на максимальную просадку; б) деление чистой прибыли на сумму всех просадок.

Если в результате оптимизации находятся стратегии с большим Sharp ratio, это сигнал о заглядывании в будущее (Forward looking).

Стратегия переписывается под использования в функции бэктестер или ml бэктестер. Они применяют пользовательский алгоритм к срезам данных, отсекаются “будущие” данные, в результате можно увидеть действительный Sharp ratio.

Исходный код открытый, поэтому можно написать стратегию таким образом, что она всё равно будет смотреть в будущее. Тут можно использовать подход “предварительной проверки” (pre-check) или отправить стратегию в соревнования. Сама соревновательная платформа пересчитает алгоритм. Внутри, стратегии предоставляются ежедневные срезы данных, поэтому заглянуть в будущее проблематично.

Порог вхождения показался небольшим. Платформы понравились открытостью данных и можно создавать стратегии основанные на фундаментальных фактах. Автоматизации поиска стратегий с использованием оптимизаторов сильно экономит время. Участие в соревнованиях принесло приятный денежный бонус.

Планирую попробовать использовать стратегии в реальной торговли. Пробую применять библиотеку для предсказания индекса РТС на московской бирже.

В случае интереса к статье могу написать об этом отдельно.

Это моя реферальная ссылка на Quantiacs, регистрируйтесь переходя по ней. Если ваша стратегия пройдёт фильтры вы получите дополнительные 15 USD.

Вопросы по платформе лучше задавать в телеграм чате или на форуме.

Телеграм новостной канал

Есть Ютуб видео, в котором рассказывается о платформе:

Вебинар о сервисе тестирования стратегий QUANTNET. Соревнование для алготрейдеров и программистов

Теги: алготрейдинг, разработка, алгоритмическая торговля, финансы, квантитативные исследования, соревнования в финансовой сфере