Избранное трейдера LeO
Если вы используете стратегии в трейдингвью, например чтобы быстро накидать прототип идеи из какого нибудь источника и посмотреть её, то у вас наверняка также появлялся вопрос поиска приемлемых параметров и проверка как они влияют на стратегию. Делать это вручную крайне трудозатратно. Простейшая стратегия двух скользящих средних может давать 400 и более вариантов параметров. А любое увеличение кол-ва параметров и диапазона их значений приводит к необходимости перебора значений растущих в геометрической прогрессии. Например стратегия из 5 параметров по 15 значений дает 15 ^ 5 = 759 375 вариантов. Подобрать их руками, когда один вариант вычисляется пару секунд не реально.
А можно ли автоматизировать этот процесс? Ниже описание решения через расширение для браузера на основе Chrome.
В прошлый раз я публиковал статью, в которой говорил об ассистенте для
Добрый день, инвесторы и трейдеры.
Вот я и решилась зарегистрироваться здесь, чтобы делиться своим мнением и обсуждать насущие проблемы рынка)
О себе: Елена, на рынке с 2015 года, сначала наблюдение, изучение материалов, потом робкие шаги и попытки найти систему. Каждый трейдер проходит этот путь, пока не поймёт, что именно ему интересно. Пришла в итоге к тому, что интересно среднесрочное инвестирование, а также краткосрочные спекуляции под красивый тренд. Обычно торгую только голубые фишки, в эшелоны смотрю редко. Ну вы знаете, без инсайда и отчасти знания внутренней кухни там делать практически нечего.
Об ЛЧИ 2020 и ЛЧИ в общем. Для меня было неожиданностью, что взяла 1 место в номинации «Лучший частный инвестор на фондовом рынке». ЛЧИ это всегда случайность, ведь в конкурсе участвуют тысячи людей.
Хороший тренд прошлой осени и усидчивость позволили получить такие результаты. Основной результат получен на SBER, SBERP, GMKN. На начало периода ЛЧИ был резко отрицательный фон, многие ждали просадки, но я думала иначе и ожидала аптренда по сберу и гмк.
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:
По ФА…
Nonfarm Payrolls
Заголовок в отчете по рынку труда США вышел более однозначным, нежели сопровождающие данные, которые смягчили негатив.
Тем не менее, последствия августовского нонфарма для политики ФРС очевидны, члены ФРС не смогут огласить о достижении «дальнейшего существенного прогресса» в отношении рынка труда на заседании 22 сентября, а значит не смогут выдать предупреждение рынкам о начале сворачивания программы QE.
ФРС придется дождаться публикации отчета по рынку США за сентябрь и, при сильном росте новых рабочих мест, первая возможность для оглашения предупреждения рынкам о сворачивании программы QE представится на заседании 3 ноября с фактическим снижением темпа покупок активов на заседании 15 декабря.
При этом, если ситуация в экономике США продолжит ухудшаться или главой ФРС будет назначена Брайнард, то сворачивание программы QE будет перенесено на 1 квартал 2022 года.
Опционы относятся к производным финансовым инструментам, или деривативам. Данные инструменты называются производными потому, что их цена привязана к цене какого-то другого актива (например, акции, etf, нефти, валюты.) Актив, к цене которого привязана цена опциона, называется базовым (или базисным) активом. Говорят так: “опционы на Apple”, “опционы на золото” Отличие опционов от других деривативов в том, что их цена меняется нелинейно относительно цены базового актива.
Например, если цена акции растет на 5%, цена опциона может вырасти на 25%. Может быть ситуация, что базовый актив не изменился в цене, а опцион все равно вырос. Говоря философски, опцион — это инструмент, который позволяет зарабатывать сразу в трех измерениях: цена, время и настроение рынка. Если вы покупаете акцию, вы зарабатываете в одном измерении — ценовом. Вы ожидаете, что цена акции вырастет (плюс дивиденды). Насколько вырастет акция, такой и будет ваша прибыль.