Избранное трейдера AnarchYst84
В 2008 году долговой кризис привел к снижению процентных ставок до 0%, что заставило центральные банки трех стран с основной резервной валютой (во главе с ФРС) перейти от монетарной политики, ориентированной на процентные ставки (MP1), к монетарной политике, ориентированной на печатание денег и покупку финансовых активов (MP2). Центральные банки печатали деньги и покупали финансовые активы, что давало деньги в руки инвесторов, которые покупали другие финансовые активы, что вызывало рост цен на финансовые активы, что было полезно для экономики и особенно выгодно для тех, кто был достаточно богат, чтобы владеть финансовыми активами, поэтому это увеличивало разрыв в благосостоянии. Вливание большого количества денег в финансовую систему и снижение доходности облигаций обеспечило компаниям большое количество дешевого финансирования, которое они использовали для выкупа собственных акций и акций связанных компаний, которые они хотели приобрести, что еще больше повысило цены на акции. По сути, заемные деньги были бесплатными, поэтому инвестиционные и корпоративные заемщики воспользовались этим, чтобы получить их и использовать для покупок, которые привели к росту цен на акции и корпоративных прибылей. Эти деньги не просачивались пропорционально вниз, поэтому разрыв в благосостоянии и доходах продолжал расти. Как показано на диаграммах ниже, разрыв в благосостоянии и доходах сейчас самый большой с момента 1930-45 годов.

В чём эти ошибочные решения проявляются, в чём их причина и как лечить. Не претендует на истину в последней инстанции. Но можете использовать в качестве основы для собственного чек-листа проверки вашей торговли. В некоторых моментах данная таблица во многом пересекается с моей авторской статьей Ошибки трейдера. Типичные для многих. Рекомендую также ознакомиться с ней.
| № | Симптом | Причина | Лечение |
| 1 | Невозможность закрыть прибыльную позицию | Нет чётких правил на конкретном тайм-фрейме | Разграничить уровни взятия профитов по сигналу разных тайм-фреймов. |
| 2 | Слишком много сделок | Сделки не по системе, боязнь пропустить движение, ранние входы | Торгуем только конкретные торговые сигналы в намеченных до начала торгов точках рынка. Установить жесткий лимит по количеству сделок в день. Перейти на старший тайм-фрейм для определения точек входа. |

Навеяно вчерашней беседой в уютном чатике: www.teleg.run/stockgamblers
Дорогой друг, если ты сунулся на «базар», то скорее всего тебя ждет он. НИКОЛАЙ!
Немного пару слов о том, как он проходит. Чтобы ты был готов.
Сидишь ты такой… видишь тренд. Trend is your friend! На курсах за 100500 рублей тебя учили именно этому.
Ну и ты покупаешь РИ за 141090. А потом за каким-то бесом ты продаешь по 141020. Свеча, видимо, не такая была. На курсах за 100500 тебя, наверное, учили про нетакие свечи.
А ты же сидишь всеми плечами. И 70 пунктов превратились в 500. И это уже чуть-чуть больно. Чуть-чуть. По-настоящему больно будет потом. Подожди немного.
Всем привет!
Вдохновился данным постом ( https://smart-lab.ru/blog/616708.php ) и решил немного подпилить код, пока карантин делать нечего.
Кто не знал как скачивать котировки по одной компании вручную — сайт для скачивания котировок по одному тикеру (финам):
www.finam.ru/profile/moex-akcii/gazprom/export/
Тут через питон скачиваем котировки из текстового файла, в который вносим желаемые тикеры компаний:

Сайт для скачивания среды программирования Python (PyCharm), пойдет обычная версия:
www.jetbrains.com/ru-ru/pycharm/download/#section=windows
Файлы из видео, в том числе и со списком тикеров:
yadi.sk/d/R3BSbFjV3Pfydg
Код программы:
import requests
import datetime
import pathlib
import apimoex
import pandas as pd
board = 'TQBR'
with open("C:/PYEX/TICK.txt", "r") as TICKs:
TICKs = [line.rstrip() for line in TICKs]
pathlib.Path("C:/PYEX/Database/{}".format(board)).mkdir(parents=True, exist_ok=True)
process = 0
with requests.Session() as session:
for TICK in TICKs:
process = process + 1
print((process / len(TICKs)) * 100, ' %')
data = apimoex.get_board_history(session, TICK, board=board)
if data == []:
continue
df = pd.DataFrame(data)
df = df[['TRADEDATE','CLOSE']]
df.to_excel("C:/PYEX/Database/{}/{}.xlsx".format(board,TICK), index=False)Для моделирование ТС на Python, прежде всего нужен сам Python. Pythonы бывают очень разные.
Самый большой и длинный Python — Anaconda (https://anaconda.org/). Скачать дистрибутив Anaconda можно здесь — Индивидуальное издание -https://www.anaconda.com/products/individual.
Я работаю именно с Anaconda. Установив Anaconda мы получаем сам Python, уже установленные значительную часть нужных и ненужных пакетов с библиотеками Python, и несколько сред разработки. И все это сразу готово к работе, и нам, по большей части, уже не придется дополнительно устанавливать пакеты и среды.
Самый маленький Python последней версии 3.8.2. скачивается с сайта самого Python — https://www.python.org/. Это, практически, только сам язык, компилятор и минимальный набор пакетов. Сделать с ним практически ничего невозможно, и для работы придется постоянно устанавливать нужные пакеты. Среду разработки придется также устанавливать самостоятельно.
Этот Python больше подходит для запуска и работы с уже отлаженными законченными программами.