Я давно занимаюсь алготрейдингом, периодически также работают боты для монет с низкой капитализацией. На многих биржах остаются монеты маленькой и средней капитализации — периодически их пампят. В хороший день 10-15 монет могут дать рост больше чем на 50%.

Первоначально бот не только уведомлял, но и открывал сделки.
Однако для безопасной публикации я убрал торговую логику, так как бот пока что находится в стадии тестирования. Можно, при желании, добавить филтьтры по объёму, росту на 24часа и прочее.

Я взял за основную цифру — 5% роста. Также при желании можно добавить и шорт-позиции, но пока что, в стадии теста, мне это неинтересно.

В результате получился лёгкий и автономный инструмент, который:

• отслеживает все фьючерсные пары на BingX;

• фильтрует токены по рыночной капитализации (через CoinMarketCap API);

• каждые 5 минут проверяет изменение цены;

• при росте выше заданного порога — шлёт уведомление в Telegram.

Архитектура проекта

Весь код можно разбить на 4 основных блока:

Напилил микроскопический Питон коннектор REST для Торгового API БКС — https://github.com/kimkarus/BcsPy.git. Для моей стратегии AlgoBond, в общем, хватает. На след неделе начну тестировать. Кому хватает, пользуйтесь.

Документация к БКС Trade API — https://kimkarus.ru/go/bks-torgovoe-api/

https://kimkarus.ru/2025/11/14/python-bcs-trade-api-bks-trade-api/

Все что напишу ниже — исключительно мой личный опыт, опыт рядового российского инвестора, без специального экономического образования, который с детства мечтал обрести финансовую независимость из книжек Кийосаки, Наполеона Хилла и прочих цыган. И который ее добился.

Уже несколько лет я живу только на процент от капитала, никаких других источников дохода нет. И это разрушило мою жизнь. По правде сказать, жизнь никогда не была настолько унылой как последние годы. Да что там, это не жизнь — это тюрьма с пожизненным, в которой тебе гарантированно неплохое питание до смерти и больше ничего. 

Школа, студенчество — друзья, первые успехи и неудачи, вызовы и преодоления.

Работа, первые успехи в бизнесе — радость от успешных проектов, взлетевшая вверх самооценка, ощущение что все двери открыты и нет предела росту.

и выход на раннюю пенсию, F.I.R.E. — я живу на 2% от капитала в год, все деловые компетенции утеряны, окружение и друзья — почти обнулились, самооценка на нуле, амбиции ограничиваются индексацией расходов на инфляцию. И ощущение, что я никогда не был настолько несчастлив.

Каждый инвестор рано или поздно сталкивается с необходимостью ведения учёта своего портфеля, особенно если брокеров несколько. В первом приближении для этого подходит Excel: многим знаком, работает локально и почти всегда установлен на компьютере. Подходит для расчета доходности, учета дивидендов.

Однако механическая работа со временем утомляет, а возможности Excel для автоматизации онлайн получения котировок ограничены. Google Таблицы решают эту проблему: это изначально облачный инструмент. Чтобы получить актуальную цену акций, достаточно одной формулы.

В этой статье мы разберём, как Google Таблицы могут дать инвестору больше свободы. Я покажу на примерах, как с помощью встроенных инструментов и простых гугл скриптов (Google Apps Script) превратить таблицу в полноценную платформу для анализа и автоматизации вашего портфеля. А ещё разберем получение котировок в обоих инструментах.

Многие частные инвесторы ведут свои портфели в Excel: это удобно, бесплатно и всё — на вашем компьютере. Но у Excel есть слабое место: он не умеет напрямую «разговаривать» с современными сайтами. Если нужно автоматически подтянуть котировку с конкретной страницы в интернете, встроенные веб‑функции часто не справляются: они не умеют обходить современные защиты.

В этой статье я покажу простой и надёжный способ заставить Excel получать котировки практически с любого сайта — на примере курса USD/RUB с investing.com. Идея не требует глубоких технических знаний: вместо того чтобы пытаться что-то делать со страницей в Excel, мы используем на своём компьютере небольшой скрипт‑посредник. Excel просто запрашивает у него одно число, а посредник уже «ходит» на сайт, берёт данные, при необходимости обрабатывает их и возвращает в понятном для Excel виде.

Короткая схема работы:

┌───────────────────┐      ┌──────────────────────┐      ┌──────────────────┐
│ 1.

Это четвёртая часть цикла об идеях из Technical Analysis of STOCKS & COMMODITIES. Мы уже прошлись по 2001-2005, 2006-2010, 2011–2015. Теперь период 2016-2020 годы, когда трейдеры постепенно адаптируются к новым реалиям рынка. Появляются роботы, но и индикаторы никуда не деваются — они обновляются и перерабатываются.

Контекст эпохи 2016–2020

После бурного восстановления 2009-2014 годов темпы роста начинают замедляться, но глобальные рынки остаются на плаву. Этот период характеризуется относительным спокойствием и стабильным восходящим трендом, особенно в США. Инвесторы, уставшие от турбулентности прошлого десятилетия, начинают постепенно возвращаться — в том числе розничные игроки, которых привлекают новые удобные платформы и мобильные приложения.

С технической стороны — всё стабильно: скользящие средние, стохастики, MACD и ADX по-прежнему в ходу. Но трейдинг становится более методичным. Журнал S&C всё чаще публикует не просто «индикаторные идеи», а системные подходы, сочетающие фильтрацию сигналов, подтверждения и оптимизацию параметров.

Это уже третья часть исследования идей из журнала Technical Analysis of STOCKS & COMMODITIES. Если вы не читали предыдущие выпуски — рекомендую начать с них: 2001-2005, 2006-2010.

Эпоха алгоритмов и адаптивных решений

Период 2011-2015 был временем стремительного восстановления после мирового кризиса. Центробанки заливают рынки ликвидностью через программы количественного смягчения, а индексы уверенно ползут вверх. Волатильность снижается, но неопределённость остаётся, и трейдеры ищут новые подходы к анализу.

На первый план выходят алгоритмы. Высокочастотная торговля (HFT) меняет структуру рынков, а Python и R становятся популярными среди независимых аналитиков. Количество «ручных» методов снижается — им на смену приходят полуавтоматические и адаптивные системы.

Развиваются кластеры, рыночные профили, волновые и гибридные индикаторы. Журнал STOCKS & COMMODITIES отражает эти сдвиги: всё больше авторов публикуют идеи, сочетающие классику с новыми математическими подходами.

Если вы задумывались о системной торговле, то, скорее всего, уже слышали о Python библиотеке Backtrader. Это гибкий фреймворк для тестирования торговых стратегий на исторических данных, который к тому же может быть подключён к автоторговле через API российского брокера. В нём можно реализовать практически любую логику, от простого пересечения скользящих средних до сложных многофакторных моделей.

➡️ Робот, который живёт в стене: мой опыт автоматизации торговли на Python

Однако даже самая изощрённая стратегия ничего не стоит, если протестирована на неликвидных бумагах — там, где в реальной торговле вы бы просто не смогли купить или продать по нужной цене. Именно поэтому работа с ликвидными акциями — ключ к достоверному тесту.

Ликвидность — это не про «красиво на графике», а про то, как на самом деле исполняются сделки, насколько проскальзывает цена и как часто ваши заявки останутся без исполнения. Здесь нам поможет Игорь Чечет — автор библиотек AlorPy, TinkoffPy и FinamPy, размещенных на GitHub, которые дают удобный способ подключиться к API этих трёх брокеров из Python. Эти инструменты и библиотека-обертка — фактически мост между Backtrader и живым рынком.

В предыдущих статьях я рассказывал, как пришёл к идее создания собственного торгового робота. Мотивация проста:

• Автоматизация — алгоритм не спит, не нервничает и не занят своими делами.

• Дисциплина — робот исключает эмоции, следуя правилам.

• Тестирование — любую идею можно проверить на исторических данных, прежде чем рисковать деньгами.

Я всегда разделял два этапа: разработку торговых идей (логика стратегии) и реализацию механизма исполнения (отправка заявок, автотрейдинг). Сначала — бэктестинг и базовая оптимизация, и только потом — реальная торговля.

Поскольку я нахожусь в активном поиске подходящего решения для автотрейдинга и уже опробовал несколько рабочих вариантов, то эта статья представляет мои размышления об этом механизме исполнения заявок. Ваша критика или поддержка идей приветствуется.

Почему я не хочу использовать QUIК и Windows?

По моему мнению QUIK архаичен, нестабилен для автоматизации и требует оконной среды. Он не предназначен для headless-серверов (это компьютер без монитора, клавиатуры, мыши). QUIK + LUA или внешнее ПО — это сложная, криво документированная и уязвимая связка.