Прочитал книжку Think Python: How to Think Like a Computer Scientist — очень понравилась: вместо сухого изложения с самого начала рассматриваются маленькие программы, которые в последующих главах дорабатываются с учетом более продвинутых концепций языка. Почти в каждой главе даются подходы, которые применяются при разработке и отладке больших по объёму программ. Даны основы data science — быстродействие различных структур данных, как организована их работа под капотом и т.д.

До прочтения написал программу строк на 200 про отслеживание диеты, которая представляла мало понятный кусок кода. После прочтения книги переписал в 100 строк.

Автор понравился, поэтому на очереди Think Complexity: Complexity Science and Computational Modeling. По планам к январю хочу поднабраться знаний и приступить к автоматизации торговой системы на  Python.

Компания будет выплачивать промежуточные дивиденды впервые в своей истории.

Существует ошибочное мнение, что трендовые системы зарабатывают на движениях. Это не совсем точное выражение. На движениях меньше нескольких волатильностей реального таймфрейма (что это такое «реальный таймфрейм системы» – чуть ниже) трендовые системы как раз и не забатывают, а либо в нуле, либо в минусе, размер которого грамотная трендовая система и призвана ограничивать.

Что такое реальный таймфрейм для любой системы, не только трендовой? Это время в 2-3 раза меньше среднего времени в позиции. Для простейших систем «вошел-вышел» реальный таймфрейм вычисляется легко, для систем с пирамидингом и(или) усреднением – чуть сложнее, но это тоже возможно.

Что такое волатильность таймфрейма? Это стандартное отклонение  приращения цены в %. Точное значение мы его не знаем, но можем оценить через выборочное стандартное отклонение с некоторым «окном». Выбор «окна» расчета – это тоже интересный вопрос. Маленькое «окно» — большая ошибка, большое «окно» — увидим изменения в реальной волатильности с большой задержкой. Надо искать «золотую середину», например, использовать два «окна» или другие «танцы с бубнами».