drew2323/strategy-lab

Repository for strategy development

strategy-lab's Issues

Hidden Markov Model

Využít Hidden Markov Model pro identifikaci režimu trhu. Použít hmmlearn knihovna a aplikovat na intradenní microstrukturu s cílem identifikovat trendy. Tzn. označit v tréninkových datech target uptrend, downtrend, notrend.

https://chat.openai.com/c/79f0ac44-b8c2-4e4a-bebd-eb6fb121da1a

Hidden Markov Model library- https://github.com/hmmlearn/

Rolling window of trades/volume and comparing vs averages

As mentioned here https://www.reddit.com/r/algotrading/s/W3KEtlLbTn

Cílem je držet průměrné hodnoty za uplynulá období a v reálném čase porovnávat aktuální okna s těmito průměry. Tzn. V reálném čase vidím rozdíl oproti průměrům (resp. standardnímu/volatilnímu módu)

Intra day strategy targeting open rush daily low

Specifické chování v rámci denní microstruktury pro trading range dny, kdy se v prvních minutách trhu otestuje low, aby od něj cena rostla a uzavřela +- na dnešním open nebo včerejší close.

Cílem je identifikovat (statisticky)zachytit toto low a využít následný růst v profit.

Na co dát pozor:

• většinou jde o fake sestup, tzn. podobný začátek jako zásadnější pokles jen s následným otočením (zjistit jak tyto dva případy od sebe nejlépe oddělit - např. chování volume vs pohyb ceny, den v týdnu, předchozí denní historie)

Příklad

Intra day - návnady pro frekvence dne

Premisa:

Každý den má určitou převládající frekvenci danou účastí market making hráčů. Tuto frekvenci si často drží podstatnou část dne, kdy je titul v určitém režimu.

Cílem je vzorkováním trhu si locknout tuto frekvenci a použít ji pro skutečný vstup.

Nebezpečím je případná změna režimu, která často nastává, když se frekvence stane předvídatelnout. Tzn. bude třeba současně aplikovat mechanismus identifikující změnu režimu nebo jinou optimalizaci ošetřit (#1).

Popis

Mechanismus vycházející z Bayese.
Vstupem je entry signal (0/1 - realizovány jakkoliv), časové okno a target cena.
Výstup je winrate. Tzn. pokud je v časovém okně cíle dosaženo přište se jako success, jinak neúspěch.

Dále zde bude mechanismus, který pokud winrate daného signálu dosáhne určitého prahu, provede se skutečný vstup se stejnými parametry (profit jako target atp.)

Strategie bude mít "nahozeno" X různých vstupních signálů (ideálně vybírat takové, které cíli na denní microstrukturu, tzn. jsou jich např. vyšší desítky denně pro dostatek vzorků). Tyto ignály mají pokrývat rozličné specifické "frekvence" denní struktur. Jakmile některé signály potvrdí výrazněji success rate, začnou se využívat pro skutečné ENTRY.

Jde v podstatě o vzorkování trhu a zvýšení úspěšnosti skutečného vstupu, na základě předchozích.

Rozlišení vteřinove rozlišení(např. 5s bary, případně volume bary pro lepší rozložení dat) a vyzkoušet jaké typy vstuů nejvíce cílí na frekvenci. Můžu mít např. 10 různých vábniček typu RSI pod 30 long vstup 0.023% na 5baru, RSI pod 45 short vstup 0.023% na 4 ATP.

Realizace

Realizovat nejspíš jako stavovy indikátor sparovany se signálem indikátorem.

Návrh parametrů

target_window_type = "bars" #bars/time
target_window_value = 4 #počet jednotek
target_price = 0.012 #procentni vstup

Výstup indikátorů je poměr hodů/úspěch succes rate winrate.

Open

• Vysosat návnady z minulých dnů v různých režimech. Nahodit a čekat na záběr a vstupovat až při výrazně jistotě.
• Vymyslet realizace vstupu (možná jako kombinace daného signálu+winrate nad threshold)
• každý signál resp. vábnička by byla signal sekce v stratvars.

Momentum/mean reversion strategy

Strategy suggested by Quant Finance chatbot

Creating an effective intraday trading algorithm for U.S. stocks involves leveraging insights from financial econometrics to capture market inefficiencies and exploit short-term price movements. Based on the knowledge extracted from the "Financial Econometrics" document, here are key considerations and a strategy outline that combines momentum and mean-reversion tactics, which are effective for intraday trading:

Strategy Overview:

1. Momentum Strategy:

• Premise: Stocks that have performed well in the past will continue to perform well in the short term.
• Implementation: Identify stocks with the highest returns over the past 1-5 days. Invest in these stocks at the beginning of the trading day and sell them before the market closes to capture the momentum profit.

2. Mean Reversion Strategy:

• Premise: Stocks that have deviated significantly from their average price tend to revert back to the mean.
• Implementation: Calculate the z-score of prices for each stock over a short moving window (e.g., 10 days). Buy stocks with a z-score below -2 (significantly undervalued) and sell those with a z-score above +2 (significantly overvalued), expecting them to revert to their mean price.

Execution:

• Data Analysis: Use high-frequency data (minute or second level) to monitor the price movements of selected stocks.
• Risk Management: Implement stop-loss and take-profit levels to manage risk effectively. A stop-loss of 1-2% and a take-profit of 3-5% can be a starting point.
• Volume Analysis: Incorporate volume as a confirmation signal. High volume in the direction of the trade increases the likelihood of its success.
• Timing: Focus on the first and last hour of trading, as these periods exhibit higher volatility and liquidity, providing more opportunities for intraday strategies.

Backtesting and Optimization:

• Backtesting: Before live implementation, backtest the strategy on historical intraday data to evaluate its performance and adjust parameters accordingly.
• Optimization: Use machine learning techniques to optimize the selection criteria and parameters based on historical performance. This includes tuning the look-back period for momentum and mean-reversion strategies, stop-loss, and take-profit levels.

Technological Considerations:

• Execution Speed: In intraday trading, the speed of execution is crucial. Utilize algorithmic trading platforms that can execute trades within milliseconds.
• Automated Monitoring: Develop or use existing software tools to monitor several stocks simultaneously according to the defined criteria and execute trades automatically based on signals.

Conclusion:

This modern intraday trading algorithm combines momentum and mean-reversion strategies, tailored to exploit short-term price movements in U.S. stocks. It emphasizes the importance of backtesting, risk management, and technological efficiency in executing trades. Adaptation and continuous optimization based on market conditions and performance feedback are key to maintaining its effectiveness.

Martingale nesměrová strategie

V rámci testování nesměrové obchodní strategie budu náhodně vstupovat do trhu.
Po exekuci nastavuji SL a TP v poměru 1:1 (5 pips - EUR/USD)
Martingale:

• první vstup 0,01 lot
• druhý vstup 0,02 lot
• třetí vstup 0,04 lot
• čtvrtý vstup 0,08 lot atd.
  Zisk se generuje v ziskových sériích.
  Ve ztrátových sériích dochází k navyšování objemu. Poslední ziskový obchod zaplatí všechny předchozí ztráty.

Co sleduji:

• role spreadu při realizaci strategie
• schopnost generování zisků
• délka ztrátových sérií

Výhodou systému je absolutní robustnost - lze použít na všech instrumentech!

Postup:
Dálka paper tradingu 2 týdny (konec 8.3.).
Vyhodnocení rizika.
Případný test na real kapitálu.
Postupné navyšování objemu (spustit na pákovém účtu).
Automatizace