Сделал подборку полезных сервисов. Большинство из них платные, но есть возможность демо-периодов. Рекомендую посмотреть и попробовать.

 

Investor's Business Daily

Сайт: investors.com
Стоимость: ~$20 за продукт в месяц

IBD считается второй деловой газетой в США после издания The Wall Street Journal. На основном сайте газеты много новостей, мнений, аналитики. Также есть различные скринеры и рейтинги — по дорогим акциям, дешевым акциям, ETF.

Наибольшую популярность сервису принесла аналитика акций по системе CAN SLIM. Это инвестиционная стратегия, которую основатель IBD Уильям О’Нилл описал в книге “Как делать деньги на фондовом рынке”. Стратегия сочетает фундаментальные данные и ценовую динамику, чтобы находить компании-победители. Во многом благодаря CAN SLIM издание и стало успешным. Сегодня оно имеет почти миллион человек регулярной читательской аудитории.

Решил начать писать небольшие заметки по алгоритмической торговле и всему что с ней связано. Возможно, когда-нибудь расширю, склею и опубликую в виде книжки. Пока же это просто наброски заметок, сделанные на скорую руку.

Можно часто слышать от тех, кто торгует алгоритмически, да и просто систематически, такие понятия как «оверфиттинг», «курвафиттинг», «зафит» и прочие ругательства с корнем «фит». Что все это значит?
На самом деле, все эти слова, как правило, используются для описания одного и того же явления, являющегося врагом всех трейдеров, торгующих систематически и пытающихся оценить исторический перформанс своих торговых логик — а именно, что «живой» аут-оф-сампл перформанс на реальном счете, как правило, хуже ожиданий, полученных ими при проверке своих идей на истории. Например, при тестировании торговой логики на истории трейдер с помощью своей модели «зарабатывал» 30% годовых, а в реале может в среднем иметь 10% годовых. Разница 20% годовых — может объясняться именно оверфиттингом (если нет других факторов — например, некорректный учет комиссионных и проскальзываний, или ошибка в торговом коде; но прочие факторы легко устранить, в отличие от оверфиттинга). На картинке в начале статьи — пример перформанса некоторого фонда в бэктесте и в реальности, наглядно иллюстрирующий написанное выше.

Оверфиттинг является следствием комбинации одного или нескольких из следующих факторов, положительно влияющих на бэктест (результаты прогонки модели на истории), что и создает у трейдера завышенные ожидания от своей модели. В этой части мы рассмотрим основные источники оверфиттинга, в следующей — поговорим о способах избежания или минимизации оверфиттинга при историческом тестировании моделей.