Ny bok

[HenrikSyst]

https://www.amazon.com/gp/product/11...610_em_1p_0_ti

[Henric]

En av hans böcker var min första tradingbok. Han gick från Morgan Stanley till att bli egen. Beskriver skillnaden att vara egen och att behålla en hög lön så länge man hittar på komplicerade saker som ingen förstår oavsett performance. Behandlar CPPI, att scaling oftast inte är bättre, stop-loss fungerar ej på counter-trend, mm. Faktiska exempel, men är ofta inte lätta att implementera. Meddela när du läst klart.

[HenrikSyst]

Har du läst något av Perry Kaufmann?

[Henric]

Jag har den tjocka, men har inte kommit till skott. Däremot har jag lyssnat på några podcast. Han verkar har liknande idéer som Caver. No free lunch, finns inga holy grails och en range av parametervärden i stället för ett. Vad tycker du om boken?

[Pidde]

Har läst båda hans böcker och en del annat från honom. Jag tradar med hjälp av Machine Learning i Python. Hans böcker är en bra inte-för-avancerad intro till ML. Trots hans Morgan Stanley bakgrund är han väldigt akademisk. Man får efter eget huvud anpassa allt till något som verkar vettigt i praktiken.

[Henric]

Det vore intressant med lite info från dina erfarenheter av ML. Är det en standardlösning, vilka marknader, hur mycket tid måste man lägga på Python för att komma igång, etc?

[HenrikSyst]

Har börjat läsa "A Guide to Creating A successful algorithmic trading strategy", ca 160 sidor. Lite kloka grejer. Så här långt påminner den ganska mycket om en amerikansk lärobok i management teori. Mycket kloka tankar som i efterhand kan verka väldigt uppenbara. Vissa saker som intuitivt får man bekräftade, typ att i swing och trendföljning så är stoploss dåligt men i daytrading så är det centralt. Eller att det alltid bättre att vara kort tid i marknaden givet samma avkastning.

[Pidde]

Angående Machine Learning... I princip alla hedgefonder anställer Pyhton-programmerare med Machine Learning-bakgrund, så där finns mycket att hämta. Utan att överdriva för mycket så finns det oxå mängder av fällor att hamna i (framför allt överoptimering) - när man väl kommit igenom dessa är det ett fantastiskt verktyg.
Man kan ju snabbt testa miljoner setups och sedan zooma in på något som verkar intressant och backtesta i egen miljö (i mitt fall Austock, Mylticharts och HKV).

Man bör kunna programmera - har man bara programmerat annat högnivåspråk tidigare, så klarar man lära sig Python. Finns mängder av fantastisk utbildning på nätet. För att komma igång kan man titta på: Sentdex Youtube-kanal. Han har även "Pyhton for finance"-serie.
Viktigast är att ha en känsla för statistik. Erfarna traders har ofta detta, åtminstone rent praktiskt. Kan behöva läsa lite teoretisk om man inte har det med sig.

Viktigast, som med allt annat vad gäller trading, är vara ödmjuk och vara beredd på upptäckter man inte förväntade sig.

Mitt mål är att koppla samman mina Python algoritmer med Autostock. Just nu kör jag manuellt.

Någon annan här på forumet som kör eller är intresserad av ML?

[trexen]

Kolla in Mickes grejer, https://m.youtube.com/watch?v=eEJJZ7NlFsI
Han har en fb sida maskininlärning & börsrobotsr.
Har inte haft så mycket tid att sätta mig in i det själv ännu.

[HenrikSyst]

Jag jobbar en del med utfall och förutsättningar som föregick före utfallet. Ganska enkelt med upp eller ner och vilka tekniska indikatorer som var relevanta innan. Sedan tittar modellen 8 år bakåt hela tiden för att avgöra vad som händer nästa dag. Det farliga är att man kan kombinera vad som helst och det råkar bli bra. Nu tog jag saker som anses vara relevanta och såg vilken effekt det gav. Kollade en momentumindikator och hur två trender förhöll sig till varandra samt vilken edge det gav.

Modellen kommer att anpassa hur den tolkar olika saker beroende på hur tidigare 8000 dagarna har sett ut. Övertid har underlaget bytts ut.