Medutvecklare av algoritm för börshandel sökes
Bakgrund
Kommer disputera i år vilket frigör en hel del tid till privata projekt. Har tillgång till kraftfulla datorer via jobbet vilket har lockat mig att testa prediktioner på aktiekursers utveckling. Jag har under denna period av tester insett att det är i högsta grad genomförbart att tjäna pengar på automatiserad handel för någon med mina förutsättningar.
Varför jag söker medutvecklare
Jag är övertygad om att den här typen av projekt har större framgång om flera personer med kompletterande kunskaper jobbar med det. Det är också stor fördel att ha andra att bolla idéer med och hjälpa varandra när någon kör fast. Det är just detta jag har märkt när jag programmerade min första algoritm, vissa steg i utvecklingen tar väldigt lång tid när man fastnar med något och jobbar ensam.
Grundtankar kring hur algoritmen ska designas
Det som jag tror är absolut viktigast är att i ett första skede bygga en bra miljö för effektiv träning och validering av algoritmen där förutsättningarna lätt kan varieras. Det är viktigt att smidigt kunna bygga träningsmatriser på ett mångsidigt sätt utan att behöva skriva ny kod hela tiden. Variationerna i hur träningsmatriserna byggs ska alltså baseras på parametrarna som ges till scriptet som bygger träningsmatrisen och det är just detta script som kommer kräva mycket jobb. Sedan när koden för detta script väl är skrivet kan byggandet av matriser för träning och validering automatiseras. Målet är att scriptet som förbereder matriserna ska kunna förbereda dessa matriser med i princip varje teknisk indikator som finns. Dessutom har varje teknisk indikator i sin tur ofta flera parametrar, så kombinationen av indikatorer att testa igenom blir extremt stor. För att testa sig igenom denna nästan oändliga parameter space så har jag funderat på en algoritm som växelvis antingen slumpar fram olika indikatorer som läggs till eller reducerar antalet indikatorer som används via ”Backward elimination” (Se Översikt algoritm).
Översikt algoritm. Utkast på ungefär de steg som ska användas för att testa fram bra indikatorer för att träffsäkert kunna förutspå en aktiekurs utveckling. Eventuellt skulle metoden kunna ha ett acceptanskriterium för när nya indikatorer ska läggas till och vara mer åt ”Monte Carlo”-hållet. Info ska kontinuerligt printas ut till en logg så körningen kan övervakas. Sedan kan algoritmen pausas för eventuell justering av till exempel optimeringskriterium.
Den algoritm jag har mest erfarenhet av att använda är Random Forest. Några bra egenskaper algoritmen har är att den är lätt att parallellisera, gillar även att det går att få fram info om hur hög signifikans prediktionen har eftersom det finns statistik för hur stor andel av alla beslutsträd som gav ett specifikt utfall. I börshandel blir ju då såklart de prediktioner där hög signifikans uppnås intressanta att agera på medan de med låg signifikans alltid bortses från. Har i min egna proof of concept algoritm sett hur det finns en korrelation i de algos jag tränat där de prediktionerna med hög signifikans också oftare är korrekta. Målet är att inte bara använda Random Forest, utan tror en riktig bra algo är en ensemble av flera algoritmer. Support Vector Machine skulle till exempel kunna vara en annan algoritm som används i ensemblen.
Om mig
Jag har en civilingenjörsexamen i bioteknik och doktorerar just nu där min forskning kretsar en hel del kring genomik. Skriver en hel del script om dagarna och tillbringar mycket tid framför Linux-terminalen där jag behandlar den stora datamängd som krävs för forskning inom detta område. Har nog troligtvis ett utav landets starkaste crunch mode, sedan om det är något positivt är en helt annan diskussion.
Vem du bör vara
Den optimala samarbetspartnern:
- Erfarenhet kring användandet av relevant API för börshandel
- Erfarenhet kring multithreading med hjälp av GPU
- Ungefär 25-35 års åldern
- Bo i Stockholm- eller Uppsala-området
Ovan är inga krav. Förutom grunder inom programmering är det viktigaste att vara hungrig och ha lätt för att lista ut saker. Känner du att den beskrivningen passar på dig och du är intresserad av detta projekt hör gärna av dig. Ett sista självklart krav är att du ska vara redo att regelbundet jobba med detta projekt under en tid, sedan hur mycket tid som ska läggas ner per vecka kan diskuteras. Detta kommer göras vid sidan av ett heltidsjobb.
Vad jag kan erbjuda
Kan erbjuda stor dedikation från min sida och en första investering på 100 000 kr i projektet som ska kunna bekosta datorkraft och elförbrukning för optimeringen av algon i ett första skede.
Utmaningar
Bestämma ett bra optimeringskriterium för den automatiserade optimeringen är svårt. Om man nu skulle göra något så dumt som optimera för maximal träffsäkerhet för algons prediktioner så slutar det med att algon blir jättebra på att prediktera någon typ av neutral rörelse som inte går att tjäna pengar på. Även hur avancerad validering som ska göras är svårt att säga. Lägger man mycket tid på varje cykel för att validera så kommer varje iteration konvergera snabbare mot det optimala, men varje cykel tar mycket tid som sagt. I det omvända fallet när valideringen inte är tillräckligt omfattande så lägger man visserligen lite tid på varje validerings-cykel men det kommer krävas betydligt fler cykler för att identifiera optimala parametrar.
Men varför avslöjar du bara din plan sådär?
Nej den här korta texten är inte ett dugg compromising. Finns flera problem som måste lösas och detaljer som måste tas ställning till som denna text inte går in på.
Ni som orkat läsa ända hit, jag hoppas jag får höra från er i DM! Min DM på twitter (@vrisoren) har länge vart öppen och jag har bara haft positiva erfarenheter av det så här långt. Om någon undrar om mitt intresse av fundamental analys så kan jag avslöja att det är lika starkt som alltid och kommer alltid finns kvar. Anledningen till mitt plötsliga inlägg om algoritmbaserad trading har inget att göra med något byte av strategi för aktiehandel, ser det mer som ett komplement.
Kommentarer
Skicka en kommentar