Доконал я, таки, свою Windows 10, стала еле ползать. Вначале восстановил штатной системой восстановления — не понравилось. Тогда сделал чистую установку. Вроде нормально, полетела. Поставил VS 2019, и очередь дошла до Python — что ставить?
Уже несколько лет использую Python для всех задач анализа данных и моделирования торговых систем. До того использовал разное — Excel, MathLab, SciLab, R. Python, имхо, оказался наиболее удобным и быстрым инструментом для решения всех околорыночных задач.
В свое время долго выбирал среду под Python, и, в конце концов остановился на Anaconda. Это самое оно для начинающих — все сразу сконфигурировано и готово к употреблению, уже сразу в базе ~700 пакетов, и не надо заморачиваться с их установкой. Кроме того, уже готовы к употреблению несколько сред разработки, я пользуюсь только одной — Spyder — не то, чтобы другие хуже, просто потребности не возникало.
В общем, для тех, кто только начинает работать с Python или не хочет заморачиваться с пакетами и средами, Anaconda — самое оно.
Однако, есть и недостатки. Очень большой объем на диске, долго ставится. Все 700 пакетов вам никогда не понадобятся, и по любому, позднее какие-то пакеты вам все равно придется устанавливать самостоятельно. Множество сред разработки тоже никогда не понадобятся, однако, чтобы получить общее представление о том, что есть под Python, для начальных этапов не вредно.

( Читать дальше )

Как вы знаете (сильно упрощая), искусство управляющих фондами и портфелями состоит в подборе состава портфеля для достижения заданного соотношения риска и доходности, согласно современной портфельной теории Марковица. В портфель набираются различные инструменты с разными весами для снижения рисков и увеличения возврата (в целом).

И в зависимости от стратегии, портфель ребалансируется с частотой раз в год/квартал/месяц…

Суть ребалансировки — подборка весов портфеля методом решения задачи оптимизации с помощью функций квадратичного программирования, или поиск весов между активами, которые в результате отвечали бы:

• системе уравнений (например, сумма всех весов инструментов в портфеле равна 1)
• системе неравенств (например, уровень риска портфеля не выше заданного значения)
• заданной цели оптимизации (например, максимизации доходности).

Полностью приводить теорию не имеет смысла, она доступна для желающих в интернете. Особенно рекомендую понять тему эффективной границы. Это суть портфельной теории.

( Читать дальше )

Здравствуйте, коллеги!

На скрине старенький ринг, который повидал много бойцов, на нём прошло огромное количество раундов и он стоит до сих пор. Болты в кулаках, песок в глаза, беспредел судей и не только, повидал этот ринг… Кто-то из бойцов погиб, кто-то ушёл из спорта, кто-то стал тренером и лишь единицы добились успеха… Но какими усилиями! Иногда и потерей здоровья...  

Другая реальная история. В нашем городе с давних времён был один крупный склад, который мог, как по ж/д принимать мех секции, так и специализированные фуры с продуктовом группой требующей хранения при температуре ниже нуля. Склад жив здоров до сих пор, а фирмы которые конкурировали на рынке поменялись несколько раз. Доходило в 90-е до подкупа кладовщиков, чтобы было место на складе для «ножек Буша»...)))

К чему это я? Пока мы толкаемся в стакане, акции крупнейших компаний который предоставляют услуги («площадку», «ринг») для торгов:

Largest stock exchange operators

( Читать дальше )

Здесь периодически возникают статьи про применение нейронок в трейдинге.

Я решил поделиться примером того, как в одном пайплайне (единая структура программного кода) можно построить, обучить и протестировать нейронку в торговом алгоритме.

Статья будет более полезна и понятна тем, кто имеет хоть небольшой опыт работы с Python.

Итак, наша задача проверить, есть ли вообще надежда на успешное применение нейронных сетей в трейдинге, проверить гипотезу на простом алгоритме, понять, как можно в случае успеха перенести все на боевую среду (реальный торговый робот), и желательно, продемонстрировать все это понятно и доходчиво.

Чтобы в конце концов сделать вывод о перспективности применения нейронок, будем соревноваться с индексом РТС.

Сразу сделаю дисклеймер, все рассматриваемые и полученные в статье результаты являются лишь простым примером, и применять их на реальных деньгах не рекомендую. И я не буду давать теорию по нейронным сетям и работе с ними. Всё это находится/читается/выучивается.

( Читать дальше )

Вступление.

В прошлом посте (https://smart-lab.ru/blog/699651.php) рассказал о своем опыте алгоритмизации паттерна «Голова и плечи» (далее ГИП). Видео о том, как реализовать данный паттерн можете найти у меня на YouTube-канале: https://www.youtube.com/c/1605algo.

В комментариях к прошлому посту мне предложили несколько направлений развития данной темы, и начать я решил с того, что перевернул ГИП для открытия сделок в лонг. Данный пост является продолжением предыдущего, так что рекомендую с ним ознакомиться.

Выводы после тестирования.

В алгоритме на лонг получил такие же выводы, как и на шорт: паттерн ГИП работает. Но в лонге есть небольшое отличие, о котором расскажу позднее.

Тестировал по аналогичной с шортом схеме: собрал 4 алгоритма с разным управлением позицией без каких-либо фильтров или дополнительных условий. Ниже как обычно пример доходности «голого» скрипта с обычным стопом и тейком:

( Читать дальше )

В одной из прошлых заметок мне нужно было скачать исторические котировки по 650 активам. Часть из них на российском рынке, часть крипта и большая часть на рынке США. Всё, что касается крипты, валют и американского рынка качал с yahoo finance. Российский рынок качал с финама. Естественно качал с помощью питона. Дальше расскажу как это можно повторить.

Yahoo finance и python

Пакет yfinance. Гитахб github.com/ranaroussi/yfinance Установка командой: pip install yfinance

Можно качать не только дневные данные. Интервалы из документации: 1m,2m,5m,15m,30m,60m,90m,1h,1d,5d,1wk,1mo,3mo На практике данные меньше дневных сильно ограничены. Например, часовые доступны за 60 последних дней.

Перейдём к делу, как качать котировки:

import yfinance as yf

data = yf.download(«TSLA», start=«2017-01-01», end=«2017-04-30»)

Как добавить интервал:

data = yf.download(«TSLA», start=«2017-01-01», end=«2017-04-30», interval='1h')

Данные скачиваются в датафрейм. Датафрейм можно сохранить в csv:

data.to_csv('tsla.csv')

Для тикеров с московской биржи нужно добавить постфикс .ME. То есть SBER и GAZP превращаются в SBER.ME и GAZP.ME Для валют тикеры выглядят вот так RUBUSD=X Для криптовалют BTC-USD

( Читать дальше )

Оригинал статьи, финансовый анализ и рейтинги российских компаний на сайте «Финансовый анализ предприятий ВДО». Переходите и подписывайтесь, чтобы не пропустить дефолт.

Сразу скажу, что вначале я стал миллионером, а только потом понял почему я им стал. Как я заработал миллион с маленькой зарплатой я уже рассказывал, теперь хочу рассказать, что предшествовало моему первому миллиону и сколько времени ушло на поднятие банковского счёта с 0 рублей до 1000000.

Здравствуйте, юные инвесторы, начинающие и продвинутые. Мне наверное сильно повезло стать миллионером. Всё дело в том, что вначале я им стал, а только потом понял, как им стать, и что для этого надо делать. Я искренне благодарю судьбу за то, что она поступала со мной так как поступала, а не иначе.

( Читать дальше )

Привет SmartLab!

Это мой первый пост на данном ресурсе, так что в первом абзаце я сначала представлюсь и расскажу очень коротко о себе, мне кажется так правильно.

Вступление.

В рамках инвестирования своих свободных денежных средств я алготрейдер. Занимаюсь я этим уже 6 лет и в свободное время веду небольшой YouTube-канал, где выкладываю ролики с разными полезными алгоритмами, видео-уроки и т.д. Собственно, один из подписчиков посоветовал мне завести тут блог, дабы расширить аудиторию моих трудов.

Тема поста.

В первом посте решил рассказать о своем последнем опыте алгоритмизации паттерна «Голова и плечи» (далее ГИП). Недавно выпустил у себя ролик, как создать алгоритм ГИП, если интересно можете посмотреть: https://www.youtube.com/watch?v=uVqx6sXkiE8&t=4120s&ab_channel=16%3A05Algo16%3A05Algo. Роботов я кстати пишу в тслабе, не знаю сколько из вас о нем слышали, но, если нет, то советую ознакомиться, софт классный, а у меня на YouTube-канале вы сможете найти небольшой курс из 4 занятий для обучения.

( Читать дальше )

Привет! Сегодня не про результаты, а про методы. Закончил писать базовый функционал библиотеки для количественных исследований. Вот что из него можно выжать:

• Моделирование портфелей по кросс-секции и временным рядам;
• Квантильная методика формирования портфелей в % от выборки или фиксированное число инструментов;
• Возможность гибко задавать веса в портфеле по дополнительному фактору (почти smart beta);
• Можно вырывать данные для аналитики на каждом промежуточном этапе: сделки, размер позиций, комиссии, доходность портфелей;
• Возможность относительно точно учесть комиссионные расходы;
• Пока самая простая визуализация и метрики.

Как выглядит итоговая отрисовка:

Небольшая предыстория или зачем писать свой тестер

 

Не являясь базовым программистом, я пользовался готовыми решениями для бэктестов и особенно долго засиживался на платформе Quantopian. В прошлом году компания не получила нового транша от инвесторов и объявила о закрытии. Вместе с ней сгинул и весь написанный код, а знания синтаксиса несуществующей платформы близки по полезности к 1С-программированию при переезде в долину.
Поработав с другими сервисами, понял, что их существенные недостатки можно разделить на 3 группы:

( Читать дальше )

Думай как математик. Как решать любые задачи быстрее и эффективнее.
Эл. книга t.me/kudaidem/2126


( Читать дальше )