
Всех приветствую!
Мы начинаем публикацию цикла лекций «Сетки. Маркетмейкинг. Усреднение». Сразу оговорюсь: этот курс не для новичков, а для трейдеров, желающих расширить свой кругозор и разобраться в работе сеточных алгоритмов. Первая половина сегодняшней лекции закладывает необходимый теоретический фундамент. Мы разберем два основных типа сеток: маркетмейкерские, работающие во флэте, и сетки с единой позицией, часто используемые для ловли «падающих ножей». Также я затрону тему Мартингейла и объясню, почему этот исторически популярный подход к усреднению таит в себе колоссальную угрозу для капитала. Кроме того, поговорим о темной стороне сеточной торговли — вы узнаете, как недобросовестные продавцы сигналов обманывают аудиторию, маскируя стопроцентный слив депозита под красивыми графиками доходности.
Во второй половине видео мы переходим к обязательной практике, чтобы подготовить нашу торговую инфраструктуру. Вместе со мной вы пройдете весь процесс настройки рабочего пространства с нуля. Мы скачаем актуальную версию терминала OsEngine, сгенерируем торговый токен в личном кабинете Т-Инвестиций и подключимся к брокеру по АПИ. После этого мы создадим тестового робота и разместим через него пробный ордер в стакане, чтобы убедиться в полной работоспособности коннектора. Это базовый, но критически важный шаг — прежде чем переходить к настройке сложных сеточных ботов в следующих уроках, нам необходимо быть полностью уверенными в надежности нашего подключения. Переходите по ссылкам ниже, смотрите видео, настраивайте терминал и начинайте осваивать механику сеточного трейдинга!
Лекция на канале «Т-Алго» — rutube.ru/video/6957e1d4ec5ec0a5a1ffa464d415c199/
Лекция на портале разработчиков — developer.tbank.ru/invest/intro/intro/integr_examples/ose/nets#сетки-лекция-1-введение
Удачных алгоритмов!
Комментарии открыты для друзей

https://smart-lab.ru/company/os_engine/blog/1024149.php
OsEngine: https://github.com/AlexWan/OsEngine
Поддержка OsEngine: https://t.me/osengine_official_support
Канал Научный трейдинг (Bad Quant): https://t.me/bad_quant