Всем привет!

Неделю назад мы просили вас задать вопросы про вечные фьючерсы. Собрали — отвечаем:

В чем отличие вечных фьючерсов на валюты от квартальных?

• Постоянный код у инструментов: USDRUBF, EURRUBF, CNYRUBF.

• Отсутствует экспирация: срок жизни контракта продлевается автоматически на 1 день с помощью валютного свопа (более подробно о нем ниже).

• Нет необходимости «перекладываться» в новые серии фьючерсов для поддержания долгосрочной позиции.

Зачем нужен своп в вечных фьючерсах и что он дает?

Своп в вечных фьючерсах необходим для учета переноса позиции на следующий торговый день. Покупатель вечного фьючерса открывает позицию по валюте с расчетами «завтра». Каждый день срок жизни фьючерса автоматически продлевается на один день. Поскольку обязательство по расчетам каждый день переносится, то покупатель вечного фьючерса уплачивает своп-разницу. Продавец фьючерса — наоборот, зарабатывает.

( Читать дальше )

Робот на индикаторе Parabolic Envelop. Расскажу о том как он работает и как собрать на его основе стратегию.

 

Размерность тренда: Средняя

 

Средний П/У на сделку в % (без учёта объёмов, просто взятое движение по рынку):

ETHUSDT + 1.74 %

BTCUSDT + 1.24 %

BNBUSDT + 1.9 %

 

Выглядит индикатор и робот по нему торгующий, вот так:

График эквити на одном контракте выглядит примерно вот так:

( Читать дальше )

Смотрю некоторые люди интересуются темой как же скрестить питон и с++.

Так получилось что у меня есть ответ на этот вопрос. Не так давно я тут даже видео по этому поводу замутил, для примера был взят практический пример расчета ожидаемой максимальной просадки при условии что рынок будет обладать похожими характеристиками.



( Читать дальше )

Супермышление. Как обходить ментальные ловушки и принимать эффективные решения.  



( Читать дальше )

Системы все описаны у Демарка и Ларри Вильямса. Тесты были одним контрактом. Соединены вместе на одном графике 5 систем. Соотвественно 5 контрактов. 
Сами системы:


( Читать дальше )

Владислава Иноземцева «Экономика без догм: Как США создают новый экономический порядок» 

( Читать дальше )

Промокод: VK103011180D

Вводить в приложении «ВТБ Мои Инвестиции» в разделе «Прочее» → «Скидки и бонусы».

Взял тут:
school.vtb.ru/materials/webinars/zapis-meropriyatiya-specialno-dlya-rabotnikov-vk-strategiya-na-2022-ot-komandy-analitikov-vtb-kapital-investicii/

Не благодарите.

UPD: у меня тут в личку упал вопрос. А не стоит ли удалить этот пост, дабы ВТБ не опомнилась и не аннулировала
все промокоды. Отвечаю:

Я считаю, что:
* ВТБ пофигу, 10% на пол года — ни о чем на самом деле. Они и раньше делали промо-акции. Эта была не самой щедрой.
* Совершить административный процесс, для определения кто сотрудник VK, а кто — нет — это ппц как заморочно. Иначе бы
   они изначально слали этот код только реальным сотрудникам, а не выкладывали открыто.
   Так что аннулирование промок — возможно, но не стоит ресурсов.
* Исключительно, если принципиально надо задаться целью, чтобы «наказать виновных» — да, ВТБ могло бы пойти на такой шаг. Но мне кажется,
   что лояльность людей, использовавших этот код — может снизиться. И получается выбор — просто подождать пол года или

( Читать дальше )

день

неделя


( Читать дальше )

Прочитал за вечер книгу Стива Донахью «Зыбучие пески. Как пересечь пустыню перемен». И она меня зацепила метафорой жизни как пересечения пустыни.

Приведу цитату из нее:

Метафорически нашу цивилизацию можно охарактеризовать как цивилизацию альпинистов, однако жизнь и наша культурная доминанта находятся в вопиющем противоречии друг с другом. Мы живем в обществе, ориентированном на достижение определенных целей, ведущих к неким запланированным результатам.

Определение проблем, постановка задач и выполнение планов рассматриваются в качестве ответов на те вызовы, которые возникают перед нами. Это — этика покорителя горных вершин.

Альпинисты видят свою цель. Горный пик всегда маячит перед ними. Он вдохновляет их и влечет наверх. Достигнув вершины, вы не сомневаетесь в успехе, вы точно знаете, что закончили свое дело.

Суть альпинизма — в достижении определенного места назначения. Перед вами стоит вполне осязаемая цель, конечный результат которой может быть выражен словами. Откладывание денег на жизнь после выхода на пенсию можно сравнить с восхождением на гору. Ваша цель определена. Вы знаете, сколько денег вам нужно, чтобы спокойно жить, достигнув пенсионного возраста.
Однако если ваши цели не поддаются четкому словесному определению, если ваша жизнь — не есть рывок к финишной ленточке, тогда вы находитесь в процессе того, что может быть названо «пересечением пустыни».

( Читать дальше )

Итак, код обучения и прогнозирования нейросетью рыночных котировок на 5 минут.

import sqlite3 as sql
from scipy.stats import logistic
import math
import numpy as np
import numpy.random as rnd
import matplotlib.pyplot as plt
from sklearn.neural_network import MLPRegressor

sdata =[]
sql1= "select ticker, date, open, high, low, close, vol \
    from Hist_1m where ticker_id=1 order by Date;"
con=sql.connect('C:/Users/ubase/Documents/StockDB/StockDB21.sqlite')
cur=con.cursor()
cur.execute(sql1)
sdata=cur.fetchall()
con.commit()
con.close()

Ldata = len(sdata)
N = 8000 # Количество сделок
ld = 5 #Продолжительность сделки
NNinterval = 20 # Количество входов NN

# Генерация случайных чисел
rng = rnd.default_rng()
rm=rng.integers(0, Ldata, N )

class Candle:
    tr = 0
    dt = 1
    o = 2
    h = 3
    l = 4
    c = 5
    v = 6
    
cl = Candle
DataC =[sdata[i][cl.c] for i in range(0,Ldata)]

# sigmoid линейность до 0.5
def sigmoidnorm(x, alfa = 0.9, xmin = -1.3, xmax = 1.3):
    return (xmax - xmin)*((1 / (1 + math.exp(-x*2.0*alfa))) - 1.0) + xmax

x = [0.002 * i - 3 for i in range(0,3000)]
y = [sigmoidnorm(x[i]) for i in range(len(x))]


plt.plot(x,y)
plt.grid()
plt.show()

# формируем сделки.
def DealsGenL(rm,ld):
   #Lm = len(rm)
   ix = []
   x = []
   pr = []
   
   for i in range(0,N):
        if rm[i] + ld < Ldata and rm[i] - NNinterval - 1 > 0:
            delta = (sdata[rm[i]+ld][cl.c] - sdata[rm[i]][cl.c])/sdata[rm[i]+ld][cl.c]*100
            x0 = [sigmoidnorm((sdata[rm[i] - j][cl.c] - sdata[rm[i]][cl.c])/sdata[rm[i]][cl.c]*100) \
                 for j in range(0, NNinterval)]
            ix.append(rm[i])
            x.append(x0)
            pr.append(delta)
   return ix, x, pr


Ix, X, Pr = DealsGenL(rm,ld)



Ib = 0
Ie = 100

plt.plot(X)
plt.legend()
plt.grid()
plt.show()


plt.plot(Pr, label = 'Prof')
plt.legend()
plt.grid()
plt.show()


regr = MLPRegressor(hidden_layer_sizes = [30,20,15,10,5], \
                    max_iter=500, activation = 'tanh')

regr.fit(X, Pr)
Out = regr.predict(X)

plt.plot(Pr, Out, '.')
plt.grid()
plt.show()

И вот результат прогнозирования:

( Читать дальше )