Управление рисками с помощью AI в MetaTrader
Указывайте символы, таймфреймы, размеры позиций, лимиты риска и другие параметры в соответствии со своей торговой стратегией и предпочтениями. Внимательно изучите промпт перед использованием и обязательно проверьте предлагаемые действия перед их выполнением.
Вы несете полную ответственность за использование контента, сгенерированного ИИ, действия, выполненные с помощью ИИ, а также за принимаемые торговые решения, результаты торговли и любые связанные с ними убытки.
Аудит портфельного риска:
Проведи аудит моих открытых позиций на предмет коррелированной, дублирующейся и чрезмерно концентрированной экспозиции, используя дневные доходности за последние 60 торговых дней. Определи одно рыночное движение, которое привело бы к наибольшему убытку портфеля.
Стресс-тест портфеля:
Проведи стресс-тест моих открытых позиций, смоделировав увеличение волатильности на 20% и расширение спреда на 50% с учетом корреляций, рассчитанных по данным за последние 60 торговых дней. Покажи наиболее неблагоприятный сценарий и позиции, вносящие наибольший вклад в убыток.
Разворот по слабым позициям:
Проанализируй все открытые позиции на H1 с помощью MACD и RSI, используя данные за последние 10 торговых дней. Закрой позиции, по которым подтвержден разворот, а затем открой по одной позиции в противоположном направлении объемом 0,2 лота для двух наиболее сильных разворотных сигналов.
Сценарии потери устойчивости портфеля:
Используя данные об открытых позициях, отложенных ордерах, использовании маржи и дневных доходностях за последние 60 торговых дней, определи три сценария, при которых наиболее вероятен одновременный убыток по нескольким позициям портфеля. Оцени, какие позиции внесут наибольший вклад в убыток, и предложи минимальные практически осуществимые меры по снижению риска.
Аудит стоп-лоссов:
Проверь каждую открытую позицию с учетом цены входа, текущей цены, стоп-лосса, тейк-профита, структуры H1/H4 и волатильности за последние 20 торговых дней. Отметь стоп-лоссы, которые установлены слишком близко или слишком далеко, находятся внутри зоны обычного рыночного шума либо больше не соответствуют исходному торговому сценарию.
Стресс-тест маржи:
Используя данные о балансе счета, средствах, кредитном плече, марже, открытых позициях и отложенных ордерах, смоделируй неблагоприятные движения на 2%, 5% и 10% по коррелированным инструментам. Покажи, как изменится свободная маржа, и укажи первые три позиции, которые можно сократить.
Шок корреляции:
Рассчитай скользящие корреляции между инструментами, по которым открыты позиции, за последние 60 торговых дней. Найди пары инструментов, корреляция между которыми резко выросла, и выяви экспозиции, которые фактически не обеспечивают диверсификацию портфеля.
Скрытая концентрация риска:
Используя дневные доходности за последние 60 торговых дней, сгруппируй открытые позиции по сходству ценовой динамики. Определи крупнейшую скрытую концентрацию риска и укажи позиции, которые действительно диверсифицируют портфель.
Риск гэпов в выходные:
Для позиций, остающихся открытыми перед выходными, проанализируй ценовые гэпы за последние шесть месяцев, текущую волатильность, последние новости и расстояние до стоп-лосса. Расположи позиции по степени риска гэпа.
Бюджет риска:
Рассчитай текущий денежный риск каждой открытой позиции на основе цены входа, текущего стоп-лосса, объема и средств на счете. Сгруппируй риск по символам, направлениям сделок и кластерам коррелированных инструментов. Выяви экспозиции, превышающие установленный бюджет риска портфеля.
Оценка ожидаемого дефицита на основе теории экстремальных значений:
Для позиций #73124501, #73124518, #73124537, #73124552, #73124576 и #73124591 используй последние 500 дневных доходностей D1 по соответствующим инструментам и подбери модель обобщенного распределения Парето (Generalized Pareto Distribution, GPD) для убытков портфеля, превышающих 90-й процентиль. Оцени ожидаемый дефицит (Expected Shortfall, ES) на уровне 97,5%, сравни его с результатом обычного исторического моделирования и предложи сократить одну позицию, если хотя бы одна из оценок превышает 4% средств на счете.
Условный риск просадки:
Для позиций #73124501, #73124518, #73124537, #73124552, #73124576 и #73124591 восстанови кривую просадки портфеля по последним 250 дневным барам D1 и оцени среднюю величину худших 10% просадок с помощью 100 блочных бутстреп-выборок с длиной блока пять дней. Рассчитай предельный условный риск просадки (marginal Conditional Drawdown-at-Risk), поочередно исключая каждую позицию, и определи, сокращение какой позиции даст наибольший эффект.
Оценка совместных хвостовых рисков методом копул:
Для позиций #73124501, #73124518, #73124537, #73124552, #73124576 и #73124591 подбери копульную модель Стьюдента (Student-t copula) по последним 250 дневным доходностям D1. Сравни попарную зависимость в нижних хвостах распределения с линейной корреляцией. Выяви две пары позиций с наибольшим скрытым риском совместных убытков и предложи адресное сокращение одной позиции.
Корректировка портфеля методом иерархического паритета риска:
Используй позиции #73124501, #73124518, #73124537, #73124552, #73124576 и #73124591, а также сохраненные позиции по MSFT и NVDA вместе с их последними 250 дневными доходностями D1, чтобы построить одно дерево иерархической кластеризации. Сравни текущие веса позиций с весами, рассчитанными методом Hierarchical Risk Parity (HRP). Определи наиболее концентрированную ветвь дерева и предложи двухэтапную ребалансировку с учетом допустимого шага изменения торгового объема.
Центральность в сети рисков:
Для оценки риска по инструментам EURUSD, GBPUSD, USDJPY, XAUUSD, US500, AAPL, MSFT и NVDA построй сетевую модель на основе последних 120 дневных доходностей D1. Соедини узлы ребрами, если корреляция отрицательных доходностей превышает 0,5 либо корреляция с лагом в один день, указывающая на опережение и запаздывание, превышает 0,3. Ранжируй узлы по степени и посреднической центральности и определи позицию с наибольшим потенциалом передачи убытков другим позициям.
Риск первого достижения критического уровня маржи:
Для открытых позиций #73124501, #73124518, #73124537, #73124552, #73124576 и #73124591 смоделируй 200 коррелированных ценовых траекторий на H1 длиной 24 шага, используя данные за последние 60 торговых дней. Оцени вероятность того, что уровень свободной маржи достигнет порога 150% до срабатывания любого стоп-лосса или тейк-профита. Укажи медианное время до первого достижения порога и проверь, как изменится риск при отдельном сокращении каждой позиции.
Дробный критерий Келли с учетом ошибки оценки:
Для сделок советников LondonBreakout_v4 с магическим числом 41027, GoldMeanReverter с магическим числом 52014 и IndexTrend_v2 с магическим числом 63008 используй последние 60 сделок каждой группы, чтобы оценить долю капитала по критерию Келли. Уменьши полученную оценку на одну стандартную ошибку. Сравни полный, половинный и четвертной критерии Келли, используя 100 бутстреп-последовательностей сделок, и определи максимальную долю капитала, совместимую с ограничением просадки в 10%.
Оценка эффективности стоп-лосса:
Для сделок советника LondonBreakout_v4 с магическим числом 41027 используй последние 30 выходов по стоп-лоссу и данные M15 за период от момента входа до 12 часов после закрытия. Сравни каждый фактический стоп-лосс с контрфактическим сценарием без стопа. Сгруппируй результаты только по двум категориям — положительная и отрицательная устойчивость доходности до входа — и укажи, приносил ли стоп-лосс пользу в каждой из этих групп.
Устойчивость к длительному отсутствию котировок:
Для позиции #73124552 по XAUUSD, позиции #73124576 по US500 и позиции #73124537 по USDJPY используй последние 5000 тиков каждого инструмента, чтобы измерить интервалы отсутствия котировок и скорость восстановления спреда после пяти самых продолжительных перерывов. Сравни наиболее неблагоприятное наблюдавшееся восстановление спреда с запасом маржи по каждой позиции и отметь позиции, которые могут не выдержать повторения такого события.
Распределение хвостовых убытков по методу Шепли:
Для открытых позиций #73124501, #73124518, #73124537, #73124552, #73124576 и #73124591 используй 50 худших исторических дней портфеля и 100 смоделированных коррелированных рыночных шоков, чтобы рассчитать точный вклад каждой позиции в убытки по методу Шепли. Сравни эти значения с убытками по каждой позиции, рассчитанными отдельно, и определи минимальный набор позиций, на который приходится более половины риска, обусловленного взаимодействием между позициями.