Количественный трейдинг как построить свой собственный бизнес по алгоритмической торговле

Теги:  Количественный трейдинг  Алгоритмический трейдинг  Скачать PDF  Количественные инвестиции

---

Интеллектуальная рекомендация

Вам также может понравиться

Пять главных книги по алгоритмической торговле, с которыми должен ознакомиться каждый начинающий алготрейдер. Версия ресурса Quantitative Strategies Academy. В основе текста — адаптированный перевод[1] статьи “The Top 5 essential books about algorithmic trading every beginner should start with”, а также соответствующих статей сайта Amazon.com.

Содержание:

• Введение

1. “Количественный трейдинг: как построить свой собственный бизнес по алгоритмической торговле”, Эрнест П. Чан
2. “Построение выигрышных алгоритмических торговых систем…”, Кевин Дж. Дэви
3. “Торговые системы: новый подход к их развитию и оптимизации портфеля”, Эмилио Томазини
4. “Торговые системы и методы”, Перри Дж. Кауфман
5. “Технический анализ, основанный на доказательствах…”, Дэвид Аронсон

• Примечания
• Список источников
• Используемые сокращения

Введение

Алгоритмический трейдинг — огромная тема. Выполнив простейший поиск, можно найти ссылки на сотни, если не тысячи профильных пособий и интернет-ресурсов. Огромный пласт разнообразнейших знаний — и трудно понять, с чего же начать систематическое знакомство с предметом. 

Многие источники носят академический характер, и их непросто прочесть без предварительных знаний в области математики и статистики[2]. Новичку было бы весьма неприятно наткнуться на подобный материал в начале карьеры. Избыточная сложность и наукообразность информации может отбить всякую охоту к последующим шагам и вселить чувство неполноценности. Особенно, при отсутствии математической подготовки и торгового опыта. 

К счастью, есть отличные книги о количественном и алгоритмическом трейдинге, которые по силам (по крайней мере, по большей части) торговцу-дебютанту. 

Ниже — сведения о пяти лучших.

1. “Количественный трейдинг: как построить свой собственный бизнес по алгоритмической торговле”, Эрнест П. Чан

“Quantitative trading: how to build your own algorithmic trading business”, Ernest P. Chan

(Amazon)

<Вставка от Amazon>[3]

В то время как институциональные инвесторы активно внедряют количественную (алгоритмическую) торговлю, независимые трейдеры задаются вопросом, могут ли они бросить вызов влиятельным профессионалам “на их поле”? Ответ “да”, и в “Quantitative trading”, доктор Эрнест Chan покажет как. 

Независимо от того, являетесь ли вы частным розничным трейдером, желающим начать собственный бизнес по алготрейдингу, или сотрудником финансового учреждения, работающим в подразделении алгоритмической торговли, данное практическое руководство будет полезным для достижения успеха.

Автор описывает, как индивидуальный трейдер может создать небольшой прибыльный алготрейдинговый бизнес и получить шанс в противостоянии с крупными игроками, обремененными рядом рыночных ограничений. Книга Э.П. Чана выгодно отличается от абстрактных академических трудов по алгоритмической торговле и выглядит хорошим вариантом введения и практического руководства для начинающих. 

Доступно, для широкого круга читателей доктор Чан объясняет ключевые моменты алготрейдинга, в том числе:

• Где черпать торговые идеи.
• Бэктестинг и его применение для оценки торговых систем.
• Как правильно управлять рисками.
• Как построить частично или полностью автоматизированную торговую систему.
• Примеры торговых стратегий (моментум, возврат к среднему и пр.).
• Помощь в использовании MatLab и Excel.  

Издание максимально полезно именно для новичков. Продвинутый читатель, скорее всего, будет несколько разочарован. Ценность монографии Эрнеста П. Чана — ее вводный, популярный характер, без излишне сложных деталей и отступлений.

2. “Построение выигрышных алгоритмических торговых систем. Путешествие трейдера от интеллектуального анализа данных к методу Монте-Карло в реальной торговле”, Кевин Дж. Дэви

“Building winning algorithmic trading systems. A trader’s journey from Data Mining to Monte Carlo simulation to live trading”,  Kevin J. Davey

(Amazon)

<Вставка от Amazon>

Известный трейдер Кевин Дэви делится рецептами разработки торговых систем, приносящих ощутимую прибыль. Через наглядные демонстрации и объяснения К. Дэви, шаг за шагом, проводет читателя через весь процесс создания и проверки идеи, установок точек входа и выхода, тестирования систем на истории и их воплощении в “боевых условиях”. Варианты доводки торговой системы, а также критерии отказа от нее. Задействуется авторский веб-сайт с симулятором Монте Карло.

К. Дэви поднимает следующие вопросы:

• Как протестировать и оценить торговую систему.
• Бэктестинг на исторических данных.
• Тестирование вне выборки.
• Walk-Forward Optimization (WFO).
• Анализ в реальном времени.
• Метод Монте-Карло в трейдинге.
• Размер позиции и управление капиталом.

Материал подается, как увлекательный рассказ, что делает его особенно привлекательным. Многие выбирают книгу в качестве вводной в алгоритмическую торговлю. 

Особое значение имеют предметные и четкие советы от Кевина Дж. Дэви начинающим алготрейдерам (причем, далеко не только торговые):

• Размер  капитала для начала алгоритмической торговле на постоянной основе.
• Почему не стоит забывать о расходах на текущие потребности.
• Как алготрейдеру открыть домашний офис.
• Важность поддержки и понимания со стороны членов семьи.
• Сколькими торговыми стратегиями надо располагать перед началом серьезного трейдинга.
• Как найти хороших брокеров и открыть торговые счета.

3. “Торговые системы: новый подход к их развитию и оптимизации портфеля”, Эмилио Томазини

“Trading systems: a new approach to system development and portfolio optimisation”,  Emilio Tomasini

(Amazon)

<Вставка от Amazon>

Цитата от Э. Томазини: “Ключевым моментом является то, как адаптировать существующие коды к текущим рыночным условиям, как сформировать портфель, и как узнать, когда наступит момент, чтобы остановить одну систему и запустить другую”. 

Книга объясняет, что нужно знать и делать для успеха на рынках. Э. Томазини покажет, что совсем не обязательно быть “ученым-ракетчиком”, чтобы запустить прибыльную торговую систему (ТС),

Главное для трейдера не успешность, а способность выжить, чтобы торговать на следующий день. “Черный лебедь” всегда рядом. Торговые системы помогут найти свой путь в темных водах систематической торговли[4] и покажут, как оказаться среди тех, кто выжил. 

<Вставка переводчика>[5]

Коротко об авторе.

Эмилио Томазини (Emilio Tomasini) — итальянский финансовый аналитик, специализирующийся на количественных финансах и техническом анализе. С 1997 года ведет колонку Rendimento Borsa — один из важнейших рыночных обзоров в современной Италии. Адъюнкт-профессор корпоративных финансов Болонского университета с 2008 г.

Пособие от Э. Томазини — отличное подспорье для тех, кто ищет проверенные методики по алгоритмическим торговым системам, работающих на любом рынке. 

Согласно автору, процесс разработки торговой системы включает три основных этапа, каждый из которых нашел свое отражение в соответствующих частях книги.

1. Начальная стадия. Многолетний опыт формализуется в ряд практических советов. Теоретический фундамент для второго этапа.
2. Пошаговый процедура конструирования ТС — от написания исходного кода до WFO и управления капиталом. 
3. Объединение несколько торговых систем для эффективной работы на различных рынках. 

Э. Томазини останавливается на следующих моментах:

• Проектирование торговых систем на техническом анализе.
• Элементы алгоритмической ТС.
• Тестирование систем на входящих/исходящих данных.
• Методы оценки предсказательной силы торговой системы.
• Показатели сравнения с другими ТС.
• Периодическая повторная оптимизация (ре-оптимизация).
• Динамический портфель торговых систем.

4. “Торговые системы и методы”, Перри Дж. Кауфман

“Trading systems and methods”, Perry J. Kaufman

(Amazon)

<Вставка от Amazon>

Пятое издание бестселлера П. Кауфмана представляет исчерпывающий справочник, своего рода, краткую энциклопедию торговых систем. Расширенный охват практически всех областей теории и практики, необходимых для полноценного алгоритмического трейдинга. 

Тренды, моментум, арбитраж, интеграция фундаментальной статистики и управление рисками. Ключевые математические и статистические концепции проектирования и методологии торговых систем, в частности, необходимый объем используемых данных и пр.

Текст дополнен электронными таблицами, программой TradeStation и специальным веб-сайтом, позволяющими изучать предмета в интерактивном онлайн-режиме.

<Вставка переводчика>

Коротко об авторе.

Перри Кауфман

(Perrykaufman.com)

Перри Дж. Кауфман (род. в 1943 г.) — признанный авторитет по алгоритмической торговле. Из языков программирования отдает предпочтение Fortran. Президент Kaufman Analytics, Ltd. 

Степень бакалавра математики университета Висконсина и степень магистра делового администрирования (MBA) Нью-Йоркского технологического института. 

Начинал как “ученый ракетчик” в аэрокосмической промышленности. Работал над системами навигации и управления для орбитальной астрономической обсерватории, предшественницы космического телескопа Хаббл. Участвовал в разработке навигационного оборудования для проекта “Близнецы”, получившего развитие в миссий “Аполлон”.

Из трейдерской карьеры П. Кауфмана можно отметить участие в хедж-фонде Graham Capital Management в 2003-08 гг.

“Торговые системы и методы” П. Кауфмана  — одна из базовых книг по систематической и алгоритмической торговле. Первое издание вышло в 1998 году[6]. Последние варианты насчитывают более 1200 страниц. Пособие начинается с введения в математику и статистику, необходимого для осмысления дальнейших тем. Приведены сведения о технических индикаторах, торговых системах, систематическом трейдинге, контроле за рисками, стратегиях следования за трендом, моментума, возврата к среднему, арбитража и прочим.

Изложение может показаться слишком сложным для новичков из-за большого количества предоставляемой информации. Но подобное наполнение оценят “продвинутые” трейдеры, желающие глубже вникнуть в детали систематической торговли. Каждый последующий раздел наращивает и углубляет знания читателя.

5. “Технический анализ, основанный на доказательствах: применение научного метода и статистического подхода к торговым сигналам”, Дэвид Аронсон

“Evidence-based technical analysis: applying the scientific method and statistical inference to trading signals”, David Aronson

(Amazon)

<Вставка от Amazon>

В одном предложении главную тему монографии Д. Аронсона можно сформулировать так: задействование теханализа и статистических тестов для оценки истинной эффективности торговых сигналов, обнаруженных, в том числе, с помощью интеллектуального анализа данных (Data Mining).

Повсеместное, не всегда обдуманное, тотальное применение теханализа у многих трейдеров и аналитиков вызывает некоторый скептицизм. Слишком расплывчатая ​​терминология и претензии на достойный прогноз.

Тысячи начинающих инвесторов следуют упрощенным техническим рецептам и… теряют деньги.

Автор утверждает, что случайные результаты получают те, кто небрежно подходит к предмету, в данном случае — к техническому анализу. Реальность такова, что отдача наступает только после кропотливого обучения, тяжелой работы и преданности делу. Впрочем, как с любым другим ремеслом.

Д. Аронсон — за системное научное отношение к техническому анализу, как надежному источнику прибыльных торговых сигналов. Он отправляет читателя в долгое и весьма подробное путешествие по множеству различных теорий и материй, стремясь показать сильные и слабые стороны теханализа и смежных вопросов:

• Разница между объективным и субъективным техническим анализом.
• Наиболее распространенные предубеждения и их влияние на качество методов теханализа.
• Основы статистического анализа.
• Вероятностные эксперименты и случайные величины.
• Проверка гипотез и доверительные интервалы.
• Борьбы с предвзятостью при интеллектуальном анализе данных.
• Критика гипотез эффективного рынка и случайного блуждания.
• Поведенческие финансы как теория неслучайного движения цен.
• Неслучайное движение цен в условиях эффективных рынков.
• Выводы и тематические исследования будущего технического анализа.

“Технический анализ, основанный на доказательствах” — не самый оптимальный выбор для многих, иногда его нелегко читать. Для максимально полного и исчерпывающего охвата автор пишет в довольно широком спектре. Подчас повествование уходит в сторону.

С другой стороны, такой прием, в известной степени, помогает выработать мышление и эрудицию, необходимые для успеха в систематической торговле.

перевод, обработка, комментарии и примечания

 Владимира Наливайского

В основе изложения статья “The Top 5 essential books about algorithmic trading every beginner should start with”, опубликованная на ресурсе Quantitative Strategies Academy 18.05.2020 г. 

Источник изображения на заставке — статья “Лучшие книги по DevOps”, опубликованная на Rebrainme.com 25.05.2020 г.

Первоисточниками определений, терминов, понятий, явлений, вводимых по тексту, являются профильные статьи Википедии/Wikipedia, указанные в Списке источников к публикации (для переводов — возможны трактовки автора исходного материала), если не оговорено иное.

Примечания

1. Под адаптированным переводом понимается достаточно точное следование исходному материалу, с возможными отступлениями и пояснениями.  Конкретные вещи — формулы, скрипты, графики и пр. (а также комментарии к ним) изложены максимально близко к оригиналу (часто скопированы). Ответственность за их корректность и ясность интерпретации несет автор исходника. 
2. Определенным подспорьем здесь могут стать материалы сайта Rusforexclub, размещенные в рубрике “Финансовая математика”. В ней доступно и применительно к трейдингу изложены элементы теории вероятностей, математической статистики, математического анализа, временных рядов и пр.
3. Здесь и далее по тексту приводятся фрагменты аннотаций Amazon по обозреваемым книгам. По ссылке можно скачать бесплатное приложение Kindle, позволяющее читать книги от Amazon в электронном виде на гаджетах (компьютере, планшете и смартфоне).
4. Систематическая торговля (Systematic trading), также известная как механическая торговля  — способ определения торговых целей, контроля рисков и правил, позволяющих методично принимать инвестиционные и торговые решения. Систематическая торговля включает как “ручную” торговую систему, так и ее полную или частичную автоматизацию (алгоритмизацию). Смотрите источник 2.
5. Записью <курсив> обозначены вставки и комментарии переводчика.
6. Источник 3 относит первую публикацию монографии к 1978 г. Она вышла под названием “Commodity Trading Systems and Methods” (“Методы и системы торговли товарами”) в издательстве John Wiley & Sons. 

Список источников (Википедия/Wikipedia, если не оговорено иное)

1. “Emilio Tomasini”.
2. “Systematic trading”.
3. “Perry J. Kaufman”.

Используемые сокращения

WFO — Walk-Forward Optimization

ТС — торговая система

Книги и образовательные ресурсы по алгоритмической торговле

Алгоритмическая торговля — интересная область, которая позволяет ИТ-специалистам применить свои технические знания на фондовом рынке и извлечь из этого ту или иную выгоду. В нашем блоге мы неоднократно рассматривали различные темы, связанные с созданием торговых роботов, но недостаточно внимания уделяли теоретическим вопросам, с которыми сталкиваются начинающие трейдеры.

В нашем сегодняшнем материале — подборка книг, которые помогут лучше подготовиться к началу работы на фондовом рынке и написанию механических торговых систем. Для достижения наибольшей эффективности материала, мы приводим советы экспертов, которые занимаются алгоритмической торговлей на российском и зарубежных фондовых рынках.

Майкл Халлс-Мур, эксперт по Quantitative trading (цитата из поста в блоге)

Я считаю, что прежде чем человек поймет базовые понятия торговли на биржи и алгоритмической торговли, стоит избегать погружения в сложную математику. На мой взгляд, с помощью следующих книг хорошо заниматься как раз изучением основ:

• Quantitative Trading, Ernest Chan — в этой книге подробно описывается процесс создания «ритейловой» торговой системы (то есть принадлежащей частному лицу, а не, скажем, фонду — прим. перев.) с помощью MatLab или Excel. После прочтения книги у начинающего трейдера возникает ощущение реальности решения задачи заработка на рынке с помощью создания специальных программ. Работа Эрнеста Чана — хороший гид по тому, как устроена алгоритмическая торговля, и позволяет усвоить самые базовые понятия вроде «торговой модели», «риск-менеджмента» и так далее.
• Inside the Black Box, Rishi K. Narang — в этой книге в подробностях рассказано о том, как работают хеджевые фонды в области quantitative trading. Изначально книга нацелена на инвесторов, которые сомневаются, инвестировать ли свои финансы в такой «черный ящик». Несмотря на кажущуюся нерелевантность для частного алгоритмического торговца, в работе представлен исчерпывающий материал о том, как должна работать «правильная» торговая система. В частности, обсуждаются вопросы важности учета транзакционных издержек и риск-менеджмента.
• Algorithmic Trading & DMA, Barry Johnson — автор книги Барри Джонсон работает разработчиком торгового программного обеспечения в инвестиционном банке. С помощью данной книги частные торговцы могут лучше понять, как работают биржи, и усвоить «рыночную микроструктуру» — все это позволяет повысить эффективность собственных торговых стратегий. Читается тяжело, но того стоит.

После усвоения базовых понятий, необходимо переходить к разработке торговых стратегий. В наше время найти стратегию не особенно сложно, но ее эффективность будет зависеть в том числе и от личностных характеристик трейдера, поэтому необходимо постоянно пробовать новые стратегии и тестировать их на исторических данных. В следующих книгах как раз обсуждаются вопросы создания торговых движков и связанные с этим сложности:

• Algorithmic Trading, Ernest Chan — вторая книга доктора Чана. В своей первой книге он касался тем рыночных импульсов, теории движения цены к среднему значению (mean reversion), а также привел некоторые высокочастотные стратегии. Во второй книге эти темы развиты глубже, представлено большое количество информации по имплементации стратегий с большей математической сложностью. Для написания торговых систем используется MatLab, но код может быть легко модифицирован на C++, Python или R.
• Trading and Exchanges, Larry Harris — основной темой книги является микроструктура рынка — это «наука» о том, как участники рынка взаимодействуют друг с другом и динамике в биржевом стакане. Это помогает понять, как на самом деле работают биржи, и что происходит, после выставления заявки на покупку или продажу ценных бумаг и других финансовых инструментов.

После изучения представленной литературы, трейдер будет более подготовлен к проведению исследований и изучению различных компонентов торговых систем и их взаимосвязи (каждому из этих элементов посвящены отдельные книги).

---

Алексей Афанасьевский, руководитель направления алгоритмического трейдинга АО «Финам»

Если вы собрались писать своего первого робота, то вам необходимо иметь более-менее твердые точки опоры в трех областях — математика хотя бы на уровне первого-второго курса технического ВУЗа средней паршивости, понимание финансовых конструкций и владение какими-либо средствами программирования.

1) Математика штука важнейшая и без нее вообще никак. И желательно, чтобы знания были широки и многообразны. Лишним не будет ничего из основных дисциплин — матанализ, линейная алгебра, аналитическая геометрия, теория функции комплексной переменной, дифференциальные уравнения и в частности диффуры в частных производных второй степени, функциональный анализ, математическая статистика и теория вероятности. Вся эта красота живет в «Курсе высшей математики и математической физики» под редакцией А.Н. Тихонова, В.А. Ильина, А.Г. Свешникова.

Избыточным, но возможно нелишним для внутреннего развития будет незабвенный Ландавшиц — курс теоретической физики от Ландау-Лифшица. Это не даст немедленного эффекта в разработке роботов, но будет способствовать повышению остроты разума и эффективности в достижении результатов.

Понятно, что далеко не у всех есть академические знания и тем более все вышеназнванное потребует много времени для освоения, чего всегда не хватает. Поэтому обязательный минимум это — линейная алгебра, теория вероятности и математическая статистика. Без этого никак.

2) Программирование является вторым обязательным столпом. Если у человека есть деньги, и он не хочет «заморачиваться», то ему, конечно проще нанять команду. Если же вы хотите участвовать в процессе — вам по-любому придется программировать самому. Это может быть глубокое погружение в процесс, вплоть до отлавливания микросекундных раундтрипов на низкоуровневом языке, а может быть медленная и затратная в плане ресурсов симуляция, но так или иначе в программирования в чем-то придется участвовать лично.

Здесь же в зависимости от роли, которую Вы займете в проекте и от типа робота, которого Вы будете разрабатывать могут быть варианты.

Если вы делаете среднесрочного статарбитражного робота или робота совершающего малое количество сделок, робота нечувствительного к проскальзываниям, то вполне можно воспользоваться такими языками как Python или R для описания его логики, а также для создания собственного механизма бэк-тестирования. При этом часть отвечающую за исполнение вполне можно реализовать на языках достаточно высокого уровня, например принадлежащих к семейству .Net

Если создается менее навороченный, но более скоростной робота, то понадобятся языки более «приближенные» к железу — С++, возможно, обычный С, а может даже и ассемблер.

В любом случае выбор языков не тема данного обзора, но я настоятельно рекомендую получить именно практическое знакомство с парой-тройкой желательно максимально далеких друг от друга языков. Если совсем лень или мало времени то освойте хотя бы один. Как максимальный компромисс между легкостью в обучении, простотой в написании и эффективностью исполнения пожалуй наилучшим на сегодня является С# — все характеристики у него на четверку иногда с минусами, иногда с двумя-четырьмя жирными плюсами (простите за каламбур).

В качестве пособий по языкам существует огромное количество учебников самых разных издателей и авторов. Как один вариантов можем порекомендовать книги по языкам программирования, изданные O’Reilly (часто всяким зверьем на обложках). На русском они также переиздаются.

3) Финансовая математика по уровню сложности очень сильно уступает п.1, т.е. высшей математике, но это важный источник понимания предмета рынка. Книг по финансовой математике множество и все они примерно об одном. Какая-нибудь «Финансовая инженерия» Галица вполне подойдет для начального знакомства.

4) Опционы — Если вы решили заняться опционами, но раньше не были с ними знакомы, то это Коннолли, Коннолли и ничего кроме Коннолли. Книга «Торговля волатильностью»,— обязательное начало.

5) Спецификации контрактов, условия расчетов, правила торговли, учет дивидендов — короче, учите матчасть, читайте правила клиринга, лазайте по сайтам бирж, регуляторов и прочее. Продираться сложно, но полезно.

6) Специи и приправы. Захотите чего-нибудь необычного — покопайтесь в околоторговых технологиях, в адаптивной математике. Вейвлеты, фракталы, нечеткая логика, генетические алгоритмы, нейронные сети и прочие биг-дата и дата-майнинг. Скорее всего это не добавит вам заработка, и однозначно не добавит его немедленно. Но это хороший способ саморазвития… И, возможно, вы все же там что-нибудь найдете

7) Совсем для «гиков» — программирование Cuda, FPGA и т.п. Зайдите на сайт NVidia, на сайты разработок всяких FPGA и почитайте. Возможно это вас зацепит. Если Вы будете делать супер-пупер-мега-быстрый-HFT то возможно FPGA это то, что позволит обойти конкурентов. А если будете делать арбитраж опционов на западных рынках (да и не только), то скорее всего пригодится Cuda. Источники здесь все открытые и легко ищутся в Google, главное правильно придумать для чего их использовать.

---

Андрей Горьковенко, создатель механических торговых систем, разработчик терминала SmartX

По роду занятий я читаю довольно специфическую литературу, в основном, связанную со сложными моделями математической статистики. А поскольку в РФ эта тема не очень развита, то литература моя, в основном, на английском.

Из более «популярных» по жанру книг читал «Долгосрочные секреты краткосрочной торговли», но так и не применил никакие из перечисленных там идей на практике.

Всем начинающим трейдерам (неважно, алгоритмическим, или «простым»), я бы рекомендовал почитать Нассима Талеба, особенно книгу «Одураченные случайностью» — она тонкая, но на многие вещи заставляет взглянуть по-новому.

Из того, что мне реально помогло, могу посоветовать следующие материалы:

• методички Московской биржи по фьючерсам и опционам (список представлен на сайте)
• лекции Григория Канторовича из ГУ ВШЭ;
• книга «Методы и алгоритмы финансовой математики», Ю-Дау Люу
• статьи Марко Авелланеды и Саши Стойкова (на англ) — вот, к примеру, одна из самых известных их статей.

---

Помимо книг и статей перечисленных экспертами, существует еще огромное количество полезных образовательных ресурсов. Некоторые из них представлены ниже:

Книги для понимания устройства фондового рынка

• Основатель ресурса QuantStart Майкл Халлс-Мур собрал внушительный список англоязычной литературы по алгоритмической торговле;
• В декабре 2013 года мы публиковали в блоге популярный материал со списком 11 книг для понимания устройства фондового рынка;
• На сайте Московской Биржи представлен список литературы по производным инструментам.

Посты на Хабре

На хабре (в основном, в нашем блоге) было довольно много интересных постов о создании торговых роботов:

• Что нужно учитывать при разработке первого торгового робота
• Что нужно учитывать при разработке стратегии для торгового робота
• Пошаговое руководство по разработке торговой системы для работы на фондовом рынке
• Назад в будущее: проверка работоспособности торгового робота с помощью исторических данных
• Как я сделал тестер-оптимизатор для нахождения прибыльных стратегий на бирже

Образовательные курсы StockSharp

Компания-разработчик торговых роботов StockSharp также занимается обучением алготрейдерова. В частности, внимания заслуживают два дистанционных курса:

• Курс по созданию механических торговых систем в среде WealthLab
• Курс по работе непосредственно с платформой StockSharp, включающий методики для написания роботов на языке C#.

На сегодня все, спасибо за внимание! Если вы считаете, что какая-то отличная книга, пост в блоге или образовательный курс были незаслуженно забыты в нашем топике — пишите в комментариях, так мы сможем собрать наиболее полную базу ресурсов по алгоритмической торговле!

P. S. Скоро мы проводим два интересных образовательных мероприятия (семинар и вебинар), посвященные началу работы на фондовом рынке и покупке акций зарубежных компаний вроде Tesla Motors. Почитайте описание на Мегамозге и записывайтесь!

Как добиться успеха в алгоритмической торговле?

С чего начать?

Сегодня в открытом доступе много информации об алгоритмической и количественной торговле. Трейдера, которого привлекает эта область, хочет синтезировать как можно больше информации, когда он только начинает. В результате новички могут быть ошеломлены «параличом анализа» и потратить много своего ценного времени на алгоритмическую торговлю, не добившись значительного прогресса. В этой статье я расскажу о том, как я подошел бы к алгоритмической торговле в качестве новичка, если бы только начинал свой путь. Эта статья окрашена личным опытом, поэтому, пожалуйста, прочитайте ее с пониманием того, что я описываю то, что работает для меня. Я не претендую на то, чтобы быть гуру по личному или профессиональному развитию, но мне удалось развить свои навыки алгоритмической торговли до такой степени, что я смог оставить свою основную работу для торговли на рынках – так что, возможно, у меня есть личный опыт и понимание, которые могут быть полезны для вас. В этой статье, я намерен предоставить вам некую «дорожную карту» для начала и достижения максимально эффективного прогресса, поделившись некоторыми практическими вещами, которые я узнал на своем пути в качестве алготрейдера.

Это статья посвящена:

1) Чему научиться, чтобы добиться успеха

2) Как научится этому

3) Важные практические соображения

Что делать чтобы добиться успеха?

Активное практика это гораздо важнее, чем пассивное обучение. Изучение теоретических основ важно, но это только первый шаг. Чтобы стать опытным в алгоритмической торговле, вы должны применять теорию на практике. Чтобы преуспеть в алгоритмической торговле, обычно нужно иметь знания и навыки, которые охватывают ряд дисциплин. Это включает в себя как технические, так и другие навыки.

Технические навыки, необходимые для долгосрочной успешной алгоритмической торговли, включаю в себя:

1. Программирование
2. Статистика
3. Риск менеджмент
4. Есть и другие навыки, которые я хотел бы добавить к этому списку, но они немного выходят за рамки того, что я бы назвал «минимальными требованиями». – Об этом позже)

Программирование

Если вы еще не можете программировать, начните учится. Чтобы заниматься серьезной алгоритмической торговлей, вы должны уметь программировать, так как этот навык позволяет проводить эффективные исследования. Забудьте о программах типа «нажмите и перетащите», которые обещают успех в алгоритмической торговле  без необходимости писать код, и если какой либо гуру трейдинга скажет вам, что вам не нужно кодировать, развернитесь и бегите не оглядываясь от него. Примите, что навыки программирования являются предпосылкой для успешной алгоритмической торговли. Через некоторое время вы обнаружите, что вам это нравится.

Полезно ознакомиться с синтаксисом языка на основе С, такого как С++ и Java, но в тоже время сосредоточьтесь на основах структур данных и алгоритмах. Это даст вам очень прочную основу и хотя может потребоваться десятилетие, чтобы стать экспертом С++, я считаю, что большинство людей могут достичь достойного уровня за шесть месяцев напряженной работы. Это подготовит вас к тому, что последует дальше.

Также полезно знать хотя бы один из языков более высоко уровня, таких как Python, R или MATLAB, поскольку вы, вероятно будете делать подавляющее большинство своих исследований и разработок на одном из этих языков. Мое личное предпочтение R.

• Python довольно прост в освоении и является отличным инструментом для эффективного получения, обработки и управления данными из различных источников. Есть несколько очень полезных библиотек, написанных очень умными людьми, которые делают анализ данных относительно безболезненным.
• Мне очень нравится использовать R для исследований и аналитики, поскольку он подкреплен огромным хранилищем полезных библиотек и функций. Он был написан с учетом статистического анализа, поэтому он естественным образом подходит для работы, которые будут делать алгоритмические трейдеры (для некоторых, синтаксис R может быть немного странным)
• Я также использовал MATLAB и его аналог с открытым исходным кодом Octave, но я почти никогда больше не буду использовать эти языки для серьезных исследований algo. Это скорее личное предпочтение, и некоторые люди предпочтут MATLAB, особенно те, кто вращается в инженерных кругах, поскольку они могли познакомиться с ним во время работы или учебы.

Когда вы начнете, я не думаю, что это будет иметь большое значение, какой из этих языков высокого уровня вы выберете. Со временем вы начнете узнавать, какой инструмент является наиболее подходящим для выполнения поставленной задачи. Поэтому не слишком зацикливайтесь на своем первоначальном уровне – просто сделайте выбор и начните!

Смысл возможности программирования в этом контексте заключается в том, чтобы обеспечить тестирование и реализацию алгоритмических торговых систем. Поэтому может быть огромной пользой иметь качественную среду моделирования в вашем распоряжении. Как и в случае любой задачи моделирования, важным соображением являются точность, скорость и гибкость. Вы всегда сможете написать свою собственную среду моделирования, и иногда это будет наиболее разумной вещью, но часто вы можете использовать инструменты, которые создали другие люди для этой цели. Это имеет то преимущество, что позволит сосредоточиться на реальных исследованиях и разработках, которые непосредственно связаны  с торговой стратегией, а не тратить много времени на создание самой среды моделирования. Недостатком является то, что иногда вы не совсем точно знаете, что происходит под капотом, и бывают случаи, когда использование чужого инструмента помешает вам преследовать определенную идею, в зависимости от ограничений инструмента. Хороший инструмент моделирования должен иметь следующие характеристики:

• Точность – моделирование любого реального явления неизбежно страдает от недостатка точности. Хитрость заключается в том, чтобы убедиться, что модель достаточно точна для выполнения поставленной задачи. Как сказал однажды статистик Джордж Бокс: «все модели неверны, но некоторые полезны. Игра с бесполезными моделями – пустая трата времени»
• Гибкость – в идеале ваш инструмент моделирования не будет ограничивать вас или блокировать вас в определенных подходах
• Скорость – иногда скорость может стать реальной проблемой, например при выполнении моделирования на основе тиков или выполнения процедур оптимизации.
• Активная разработка – при возникновении непредвиденных проблем необходим доступ к исходному коду или ответственным за него лицам. Если инструмент активно разрабатывается, вы можете быть уверены, что помощь будет доступна, если она вам понадобится.

Есть несколько вариантов, но для новичка, вероятно, нет ничего лучше, чем платформа Zorro, которая сочетает в себе точность, гибкость и скорость с простым языков сценариев на основе C, что делает его идеальным введение в программирование. Платформа постоянно  совершенствуется и обновляется, причем улучшения выпускаются примерно раз в квартал. Zorro может выглядеть не очень впечатляюще, но он упаковывает в себе множество функций и является отличным выбором для начинающих. Платформа Zorro широко использует возможности в алгоритмической торговле и включает в себя подробные учебники по началу работы, которые направлены на новичка.

Статистика

Было бы трудно быть успешным алгоритмическим трейдером без хорошего знания статистики. Статистика лежит в основе почти всего, что мы делаем, от управления рисками до изменения эффективности и принятия решения о распределении по конкретным стратегиям. Важно отметить, что статистика станет вдохновением для многих ваших идей для торговых алгоритмов. Вот некоторые конкретные примеры использования статистики в алгоритмической торговле, чтобы проиллюстрировать, насколько важен этот навык:

• Статистические тесты могут дать представление о том, какой базовый процесс описывает рынок в конкретное время. Это может генерировать идеи о том, ка лучше всего торговать на этом рынке.
• Корреляция компонентов портфеля может использоваться для управления рисками
• Регрессионный анализ может помочь вам проверить идеи, относящиеся к различным факторам, которые могут влиять на рынок.
• Статистика может дать представление о том, является ли тот или иной подход более эффективным из-за более высокого риска или он использует подлинный источник альфа.

Помимо этого, наиболее важное применение статистики в алгоритмической торговле связана с интерпретацией результатов тестирования и моделирования. Есть некоторые существенные подводные камни, такие как выемка данных или «P-hacking» — которые возникают естественным образом в результате процесса разработки стратегии и которые очевидны, если вы не понимаете статистику тестирования гипотез и последовательного сравнения. Неправильный учет этих предубеждений может быть катастрофическим в торговом контексте. Хотя этот вопрос невероятно важен, он далеко не очевиден и представляет собой самый значительный барьер на пути к успеху с которым я столкнулся. Пожалуйста, потратьте некоторое время на понимание этого принципиально важного вопроса – я не могу не подчеркнуть насколько он важен.

Также оказывается, что человеческий мозг прискорбно неадекватен, когда дело доходит до выполнения обоснованных статистических рассуждений. Даниел Канеман в книге «Думай медленно… Решай быстро» обобщает несколько десятилетий исследований и когнитивных предубеждений, с которыми люди сталкиваются. Канеман обнаружил, что мы склонны слишком доверять собственным способностям и суждениям, что человеческий разум систематически впадает в заблуждения и ошибки в суждениях, и что мы в подавляющем большинстве склонны приписывать слишком много значения случайности. Важным следствием работы Канемана является то, что, когда дело доходит до выводов о сложной системе со значительным количеством случайности, мы почти гарантированно принимаем плохие решения без надежной статистической основы. Мы просто не можем полагаться на собственную интерпритацию.

 «Думай медленно… Решай быстро» — это не книга о трейдинге, но она помогла мне в торговле больше, чем любая другая книга, которую я читал. Очень рекомендую. Кроме того, не случайно работа Канемана  создала область поведенческой экономики.

Риск менеджмент

Управление рисками. Существует множество рисков, которыми необходимо управлять в рамках алгоритмического трейдинга. Например, существует инфраструктурный риск (риск того, что ваш сервер выйдет из строя или пострадает от отключения питания, оборванного соединения или любого другого вмешательства) и встречный риск (риск того, что встречная сторона сделки не сможет выполнить сделку или риск того, что ваш брокер обанкротится и заморозит ваш счет). Хотя эти риски, весьма реальны и их необходимо учитывать – больше внимания уделяется управлению рисками на уровне торговли и портфеля. Этот вид управления рисками пытается количественно оценить риск потерь и определить оптимальный подход к распределению стратегии или портфеля стратегий. Это сложная область, и есть несколько подвохов и вопросов, о которых практикующий трейдер должен знать.

Две стратегии распределения, о которых стоит узнать – это распределения Келли и оптимизация средней дисперсии (MVO). Они использовались на практике, но они несут в себе некоторые сомнительные предположения и практические вопросы осуществления. Именно этими предположениями должен заниматься новичок в алгоритмической торговле.

Лучшее место, чтобы узнать о распределении Келли – в «руководстве по математике портфолио» Ральфа Винса, хотя есть множество сообщений в блогах и на форумах о распределении Келли, которые будет легче переварить.

Сложность в реализации Келли заключается в том, что она требует регулярной ребалансировки портфеля, что приводит к покупке в выигрышах и продаже в убытках – что легче сказать, чем сделать.

MVO, за которую Гарри Марковиц получил Нобелевскую премию, включает в себя формирование портфеля, который лежит на так называемой «эффективной границе» и следовательно, минимизирует дисперсию (риск) для данной доходности или, наоборот максимизирует доходность для данного риска. MVO страдает от классической проблемы, с которой алгоритмические трейдеры будут постоянно сталкиваться: оптимальный портфель формируется задним числом, и нет никакой гарантии, что прошлый оптимальный портфель будет оставаться оптимальным в будущем. Базовая доходность, корреляция и ковариация компонентов портфеля не являются стационарными и постоянно меняются часто непредсказуемым способом.

Другим способом оценки риска, связанного со стратегией, является использование Value-at-Risk (VaR), которое обеспечивает аналитическую оценку максимального размера убытка от торговой стратегии или портфеля за заданный временной горизонт и при заданном доверительном уровне.

Например, VaR $ 100 000 на 95% доверительном уровне для временного горизонта в одну неделю означает, что  есть шанс в 95% потерять не более  $ 100 000 в течении следующей недели. Как в случае и с другими инструментами управления рисками, важно понимать предположение, на которое опирается VaR. Во-первых, VaR не учитывает риск, связанный с возникновением экстремальных событий. Однако зачастую эти события мы и хотим понять. Он также опирается на точечные оценки корреляций и волатильность компонентов стратегии, которые постоянно меняются.

Наконец, я хочу упомянуть эмпирический подход к измерению риска, связанного с торговой стратегией: перестановка системных параметров или SPP. Этот подход пытается обеспечить обьективную оценку эффективности стратегии на любом доверительном уровне в любое время интересующего горизонта. Под «непредвзятым» я подразумеваю, что оценка не подвержена тенденциям интеллектуального анализа данных или «P-hacking», упомянутым выше. Лично я считаю, что этот подход имеет большую практическую ценность, но он может быть очень дорогим в вычислении и не подходить для некоторых торговых стратегий.

Теперь вы знаете о нескольких различных инструментах, которые помогут вам в управлении рисками. Я не буду рекомендовать один подход по сравнению с другим, но я рекомендую изучить каждый из них, особенно их преимущества, недостатки и предположения. Тогда вы сможете выбрать тот подход, который соответствует вашим целям и который вы понимаете достаточно глубоко, чтобы строить реалистичные ожидания. Следует также иметь ввиду, что существует множество различных ограничений, в рамках которых необходимо управлять портфелями проектов и стратегий, особенно в институциональных условиях.

Последнее слово по управлению рисками: при измерении любой метрики, связанной с торговой системой, учитывайте, что она статична – скорее, она почти всегда динамично развивается со временем. Таким образом, точечное измерение говорит лишь крошечную часть истинной истории. Пример того, почему это важно, можно увидеть в портфеле акций, риск которых управляется путем измерения корреляций и ковариаций различных компонентов. Такой портфель направлен на снижение риска за счет диверсификации. Однако такой портфель сталкивается с проблемами, когда рынки танкуют: в этих условиях ранее некоррелированные активы становятся гораздо более коррелированными, сводя на нет эффект диверсификации именно тогда, когда это необходимо больше всего!

Переходя к трем основным навыкам, которые я описал, я также хотел бы добавить численную оптимизацию, машинное обучение и анализ больших данных, однако они выходят за рамки того, что я бы назвал «минимальными требованиями». Эти навыки приятно иметь в своем инструментарии, они облегчат вашу жизнь в качестве алгоритмического трейдера.

Для авантюрных и по-настоящему преданных делу я также могу порекомендовать изучение поведенческих финансов, микроструктуры рынка и макроэкономики. Опять же, это не минимальные требования, но это даст вам понимание, которое поможет ориентироваться на рынках. Финансы и экономика помогают генерировать торговые идеи, но вам не нужно формальное образование в этих областях.

Наконец, было бы упущением с моей стороны не упомянуть о «нетехнических навыках», которые пригодятся. Особенно важным из них является критическое мышление. Вы будите читать горы информации о рынках на своем алгоритмическом торговом пути, и каждая страница должна быть прочитана критическим взглядом. Заведите привычку проверять идеи самостоятельно и собирать собственные доказательства, а не полагаться на утверждение других людей.

Другие нетехнические навыки, которые стоит культивировать, включают настойчивость перед лицом отказа (вы к сожалению, будете вынуждены отказаться от большинства ваших торговых идей) и способность проводить высококачественны, воспроизводимые и обьективные исследования.

Как искать выгодные алгоритмические торговые стратегии.

Часть 1: Личные предпочтения в торговле.

Часть 2: Поиск источников алгоритмических торговых идей.

Часть 3: Оценка торговых стратегий.

Часть 4: Получение исторических данных.

Поиск источников алгоритмических торговых идей

Несмотря на общее противоположное мнение, на самом деле довольно просто находить выгодные торговые стратегии в открытых источниках. Никогда раньше торговые стратегии не были столь доступны, как сейчас. Научные финансовые журналы, серверы с препринтами (предварительной публикацией научных работ), трейдинговые блоги и форумы, еженедельные торговые журналы и тексты профессионалов предоставляют тысячи торговых стратегий, которые могут послужить основой для ваших идей.

Наша цель в качестве количественных исследователей состоит в установлении канала поступления стратегий, который предоставит нам поток непрерывных торговых идей. В идеале мы хотим создать методический подход к поиску источников, оценке и реализации обнаруженных стратегий. Цель канала состоит в генерировании постоянного числа новых идей и создании рабочей схемы для отклонения большинства этих идей с минимальной эмоциональной оценкой.

Мы должны быть очень внимательными и не позволять когнитивным искажениям влиять на нашу методологию принятия решения. Это может быть так же просто, как предпочитать один класс активов другому (на ум приходит золото и другие драгоценные металлы), потому что он выглядит более экзотичным. Наша цель всегда должна состоять в нахождении прибыльных стратегий с положительным ожидаемым результатом. Выбор класса активов должен быть основан на других факторах, таких как ограничения торгового капитала, комиссия брокера и маржинальные характеристики.

Если вы совсем не знакомы с понятием торговой стратегии, то сначала вам следует почитать авторитетные учебники. Классические тексты предоставляют широкий диапазон простых, прямых идей, по которым можно самостоятельно ознакомиться с количественной торговлей. Вот список книг, рекомендуемых мною тем, кто плохо знаком с количественной торговлей, составленный в порядке постепенного усложнения:

— Количественная торговля: Как построить свой алгоритмический торговый бизнес — Эрнест Чан (Quantitative Trading: How to Build Your Own Algorithmic Trading Business (Wiley Trading) — Ernest Chan)

— Алгоритмическая Торговля и DMA: Введение в торговые стратегии прямого доступа. — Барри Джонсон (Algorithmic Trading and DMA: An introduction to direct access trading strategies — Barry Johnson);

— Волатильность и ценообразование опциона: передовые торговые стратегии и методы — Шелдон Нэтенберг (Option Volatility & Pricing: Advanced Trading Strategies and Techniques — Sheldon Natenberg);

— Торговля волатильностью — Юэн Синклер (Volatility Trading — Euan Sinclair);

— Торговля и биржи: Микроструктура рынка для практиков — Ларри Харрис (Trading and Exchanges: Market Microstructure for Practitioners — Larry Harris).

Чтобы получить дополнительный список книг по количественной торговле, можно посетить сайт QuantStart.

Следующее место, где можно найти более сложные стратегии, это трейдинговые форумы и блоги. Однако предупреждаю: многие блоги опираются на технический анализ. Технический анализ включает в себя использование основных индикаторов и поведенческую психологию для определения тенденций, или изменение направления паттернов цен актива.

Несмотря на то, что технический анализ очень популярен в околотрейдинговом пространстве, его считают весьма неэффективным в сообществе количественных финансистов. Некоторые предполагают, что с точки зрения прогнозирующей способности, он не лучше чтения гороскопа или изучения фигур из чайной заварки! На самом деле есть успешные люди, использующие технический анализ. Однако, поскольку количественные трейдеры в своем распоряжении имеют более сложный математический и статистический комплект инструментов, то мы можем легко оценивать эффективность таких «основанных на техническом анализе» стратегий и принимать решения, основанные на данных, а не на эмоциональных факторах или предвзятых мнениях.

Вот список высокоавторитетных алгоритмических трейдинговых блогов и форумов:

— The Whole Street;

— Quantivity;

— Quantitative Trading(Ernest Chan) ;

— Quantopian;

— Quantpedia;

— ETF HQ;

— Quant.ly;

— Elite Trader Forums;

— Wealth Lab;

— Nuclear Phynance;

— Wilmott Forums.

Как только у вас появится некоторый опыт оценки простых стратегий, пора будет взглянуть на более сложные научные предложения. Некоторые научные журналы труднодоступны без дорогой подписки или одноразовых платежей. Но если вы являетесь сотрудником или выпускником университета, то должны иметь возможности получить доступ к некоторым из этих финансовых журналов. В противном случае вы можете использовать серверы с препринтами (предварительной публикацией научных работ), которые являются интернет-репозитоиями черновиков последних научных работ, которые находятся на экспертной оценке. Поскольку мы интересуемся только стратегиями, которые сможем успешно воспроизвести, повести бэктестиование и получить прибыль, то для нас экспертная оценка не имеет большого значения.

Важной обратной стороной научных стратегий является то, что они могут часто быть устаревшими, нуждаться в неизвестных и дорогих исторических данных, торговать неликвидными классами активов или не учитывать комиссии, проскальзывание или спрэд. Также может быть не ясно, реализована ли в торговой стратегии работа с рыночными и лимитными заявками, включает ли она стоп-лоссы и т.д. Таким образом, очень важно самостоятельно воспроизводить стратегию так хорошо, как это возможно, проводить ее бэктестирование, и добавлять реальные операционные издержки, которые включают большинство аспектов класса актива, которыми вы хотите торговать.

Вот список наиболее популярных серверов с предварительной публикацией научных работ и финансовых журналов, где вы можете найти источник для своих идей:

— arXiv;

— SSRN;

— Journal of Investment Strategies;

— Journal of Computational Finance;

— Mathematical Finance.

Что же касается формирования собственных количественных стратегий, то это обычно требует экспертного опыта (но не ограничивается им) в одной или нескольких следующих категориях:

— Микроструктура рынка. В частности для высокочастотных стратегий можно использовать микроструктуру рынка, то есть понимание динамики книги заявок для получения прибыли. У разных рынков разные технологические ограничения, регламенты, участники рынка и требования, которые можно использовать с помощью определенных стратегий. Это очень сложная область, и розничным практикам будет трудно оставаться конкурентоспособными в этом пространстве, особенно потому, что в соревновании участвуют крупные, хорошо капитализированные количественные хедж-фонды с сильными технологическими возможностями.

— Структура фонда. Объединенные инвестиционные фонды, такие как пенсионные фонды, частные инвестиционные партнерства (хедж-фонды), финансовые консультанты и взаимные фонды, ограничены как жестким регулированием, так и большим резервным капиталом. А определенное последовательное поведение может использоваться теми, кто более гибок. Например, крупные фонды из-за своего размера подвержены ограничениям по емкости (capacity constraints). Значит, если им надо быстро освободиться от некоторого количества ценных бумаг (продать), то они должны будут разбить их для избежания «движения рынка». Сложные алгоритмы могут использовать в своих интересах этот и другие особенности общего процесса, известного как арбитраж структуры фонда (fund structure arbitrage).

— Машинное обучение/искусственный интеллект. Алгоритмы машинного обучения в последние годы стали более распространены на финансовых рынках. Классификаторы (например, Naive-Bayes, и др.) нахождения нелинейной функции (нейронные сети) и алгоритмы оптимизации (генетические алгоритмы) используются для прогнозирования пути актива или оптимизации торговой стратегии. Если у Вас есть знания в этой области, то вы можете понимать, как отдельные алгоритмы можно применить к определенным рынкам.

Есть, конечно, много других областей для изучения, которыми могут заняться количественные трейдеры.

Продолжая еженедельно или даже ежедневно просматривать эти источники, вы начнете получать систематический список стратегий из большого диапазона источников. Следующим шагом необходимо определить, как забраковать большинство стратегий, которые, скорее всего, будут нерентабельными, для минимизации потери времени и использования ресурсов бэктестирования.

Продолжение: Часть 3: Оценка торговых стратегий.

Автор: Michael Halls-Moore

Источник: How to identify algorithmic trading strategies

Другие статьи по теме:

Количественные торговые стратегии: гид для начинающих

Как я ищу, оцениваю и торгую внутридневные торговые стратегии для E-mini (ES) S&P 500

Торговая идея: shareholder yield против dividend yield

Комментарии:

Владимир Агишев: спасибо за работу!

{«id»:13883,»url»:»/distributions/13883/click?bit=1&hash=10f1964c8e26a35b0716fd10a1f187b996d8dc891b903247b0a7ef26d7272952″,»title»:»u041au0440u043eu0448u043au0430-u043du043eu0443u0442u0431u0443u043a u0434u043bu044f u043fu043eu0432u0441u0435u0434u043du0435u0432u043du044bu0445 u0437u0430u0434u0430u0447″,»buttonText»:»u041fu043eu043au0430u0436u0438u0442u0435″,»imageUuid»:»2152d411-8bcd-5b43-9bef-2cf2583deab1″,»isPaidAndBannersEnabled»:false}