Привожу пожалуй лучший в мире список книг на английском по финансовой математике (по квонтам, Quants):
quantivity.wordpress.com/2010/01/12/how-to-learn-algorithmic-trading-part-3/
-------------------------------------------------------------------------------------
Begin with standard introductory financial time series asset dynamics, volatility, and forecast modeling:

    Analysis of Financial Time Series, by Tsay: standard applied time series text for financial econometrics
    Market Models: A Guide to Financial Data Analysis, by Alexander: excellent introduction to financial modeling and forecast
    Asset Price Dynamics, Volatility, and Prediction, by Taylor: classic text on financial modeling and forecast

Proceed to modern portfolio theory and financial engineering:

    Modern Portfolio Theory and Investment Analysis, by Elton et al.: standard text on modern portfolio theory
    Options, Futures and Other Derivatives, by Hull: standard reference for introductory financial engineering
    Active Portfolio Management, by Grinold & Kahn: standard introduction to quantitative portfolio management by the BGI guys who invented it
    Principles of Financial Engineering, by Neftci: intermediate financial engineering

Continue on to volatility for options and correlation / dispersion for arb:

    Volatility and Correlation, by Rebonato: excellent coverage of volatility and correlation
    Volatility Trading, by Sinclair: volatility arbitrage by a retail practitioner

( Читать дальше )

Всем привет.
Решил выложить все источники инфы и идей по алго и трейдингу которыми пользовался, так как недавно появлялся такой вопрос.
Мне абсолютно не жалко, и ничего не зажал, может просто не всё сразу вспомнил и лень вспоминать.
На чтение и исследования потрачено несколько лет фултайм работы и чтобы кто-то сделал роботов лучше то ему скорее всего придётся потратить времени и сил ещё больше, но и я ведь тоже на месте не сижу, поэтому конкуренции особо не боюсь.


( Читать дальше )

Я, конечно, понимаю, что рассея сильно отсталая и большая часть населения тотальные нубы или по-просто мамонты, получающие перевернутую с ног на уши инфу в основном посредством тв или рбк, но, когда каждый день читаешь на форуме для трейдеров подобную мать ее полнейшую дичь — становится крайне удивительно, как вообще эти люди торгуют на фр?? Кто-то боится налоговых проблем из-за вывода денег с запада, кто то считает, что фейсбук и ютуб не более, чем ничего и не понимает, как соблюдать элементарные правила анонимизации собственного Я в клирнете. Я хочу всем вам немного рассказать о том, как использовать все блага цивилизации и, при этом, оставаться «в тени». 

1. Купите VPN — он стоит копейки, сервисов огромное количество, это, конечно, не сильно добавит анонимности, но, если не делать серых или черных дел — вам будет достаточно. Вам откроются все закрытые банановыми властями сайты плюс ваш ip сразу никто не узнает — а разрабатывать вас, опять таки, просто так никто не станет. Используйте его ВСЕГДА.

( Читать дальше )

  
Для того, чтобы лучше понять материал, можно ознакомиться в этими статьями:
https://smart-lab.ru/blog/180975.php
https://smart-lab.ru/blog/259824.php 
Там же видео как я оптимизировал 2,5 года назад(2015 год)

+++ Спасибо за твой плюс или коммент, они важны для меня!+++
*Картинки из статьи можно смотреть тут


( Читать дальше )

Обычно я просто читаю СМ и не лезу со своим «экспертным» мнением к людям. Но недавно я не выдержал и закусился на форуме, да еще и побил собственный рекорд, ушел в личный бан за 2 сообщения. Суть зарубы  очень проста:  утверждается что найти тренд можно не менее чем за 10млрд операций. За время чтения СМа я видел многое, но это похоже долго еще будет мой топ1 перлов по программированию.

Этот пост я написал для того самого человека, хотя он его и не увидит.

<Disclaimer>
Если ты настоящий программист за деньги, то ничего нового ты тут не найдешь.
Искать тренд мы пока не будем, а будем разбирать похожую задачу.
Для облегчения восприятия весь код написан на python.
</Disclaimer>

Дано: n случайных чисел
Найти: стандартное отклонение для последовательности из m чисел (m < n)

( Читать дальше )

Добрый день.

Некоторе время назад мы с другом (я пишу из под его аккаунта) интересовались темой торгов. Тогда мы разработали фреймворк для этих целей.

Что он позволяет:

1) Написание стратегий на Java/Scala. Это достаточно богатые высокоуровневые языки (по крайней мере по сравнению с языком того жэе метатрейдера), что позволяет проще писать сложную модульную логику.

2) Написание тестов — т.к. стратегия это просто стейт-машина реагирующая на внешние события, для нее можно написать юнит-тесты.

3) Торговля изолирована от стратегии т.н. «торговым бекендом», т.е. стратегия не знает о реальном способе осуществления торговли. Это позволяет, скажем, подменить торговый бекенд симулятором торгов.

4) Стратегия также изолирована от источников данных. Она видит просто источник событий, например тиков. Также стратегия может работать с несколькими источниками событий, то есть фактически есть простая возможность отслеживать несколько пар.

5) Стратегия также изолирована от системного таймера, что позволяет подменить таймер простым циклом. Это, вместе с пунктами 3 и 4 позволяет выполнять быстрые симуляции торговли на данных хранящихся локально (или даже выдуманных или генерируемых какими то алгоритмами).

( Читать дальше )

Введение

      Для меня в свое время стало огромным сюрпризом, что WireShark поддерживает lua. Это открывает отличные возможности для анализа сетевого траффика. Наверняка, не все об этом знают. Поделюсь некоторыми возможностями.

Для кого и для чего

    Речь пойдет об анализе сетевого траффика. В первую очередь, анализом траффика, пользуются алгоритмисты и разработчики для прямого доступом к рыночным данным. На нашей бирже задействованы целый ряд протоколов, под UDP — это в первую очередь FAST (протокол распространения рыночных данных), под TCP — это транзакционные протоколы FIX, TWIME, мульти протоколы (рыночные данные + транзакции) Bridge, Plaza.
   У таких разработчиков и алгоритмистов должны частенько, или периодически, вставать вопросы, что там вообще происходит с торговыми роботами. Во сколько пришли на сетевую карту данные, во сколько отправил заявки, во сколько получил ответы и тд. Ставить временные метки внутри программы и выводить их на экран бывает не совсем то что надо. Во первых, это своего рода лишние задержки выполнения задач, а это уже отвлечение от боевых условий. Во вторых, если железо поддерживает, лучше всего брать временные метки у железа и смотреть во сколько приходят данные с самого сетевого кабеля и во сколько уходят данные в сам сетевой кабель. Это уже будет хороший и точный уровень расчетов.

( Читать дальше )

Фундаментальная торговая стратегия по ОИ фьючерсного контракта. v.1.2 от 07.06.2016





Что бы не сливаться, по сути нужно только одно — определить накопление крупной позиции, которое является причиной дальнейшего безоткатного крупного тренда (пояснение. тренда-убийцы всех кто торгует без стоплосса. именно это является причиной их слива, невозможность определить данное накопление, а не само отсутствие стоплосса).

Данная стратегия не требует установки каких-либо сторонних инструментов. Достаточно открыть общедоступный сайт чикагской товарной биржи и наложить данные на график в Метатрейдере. Стратегия направлена на гарантированный профит без сливов, пусть и в меньшем объёме.
Для более детализированных стратегий мы разрабатываем бесплатные инструменты, но весь принцип остаётся тем же что и здесь, просто с использованием более детализированных данных. Так что если не осилили эту — ждать других в надежде сразу перейти к хорошему заработку приведёт к лишь очередному сливу.

( Читать дальше )

на Kaggle недавно завершилось соревнование под названием «two sigma financial modeling»
www.kaggle.com/c/two-sigma-financial-modeling/kernels
Задача представляла из себя классическую проблему предсказания цены актива 
Какой то нью йоркский хэдж-фанд слил кучу features, причем обезличенных, и даже не говоря при этом, с каким шагом по времени (хотя участники соревнования вроде быстро раскусили и название features, и шаг по времени), и надо было предсказать следующую цену актива
Предсказания в Kaggle обычно делаются посредством искусственного интеллекта (сейчас это обычно supervised классификаторы на основе XGboost, плюс (всё больше и больше) нейронные сети, плюс иногда unsupervised learning, плюс bagging и обычно на закуску stacking разных моделей)
По правилам соревнования, код победителей принадлежит его организаторам, поэтому, увы, там почерпнуть ничего не удасться (выигравшие Kernels публиковаться не будут)
Но участники в соревнованиях на Kaggle — реально круты, и некоторые из них в процессе соревнования делятся идеями (в разделе «Discussion») и кодом (в разделе «Kernels»)
Я в этом соревновании не участвовал, так как вляпался в другое соревнование от той же конторы, и эпично там тупил 2 месяца (хотя и научился очень многим приемам и перешел из разряда полного баклана в начинающего чайника)

( Читать дальше )

Введение

Сегодня я расскажу, что необходимо для создания и применения высокочастотных стратегий на российском рынке. Постараюсь этот рассказ проиллюстрировать примерами из нашей практики.

( Читать дальше )