Сначала я пытался бэктестить системы в TradingView и этого было достаточно для быстрой оценки торговых гипотез, но оказалось, что мало просто знать, где купить и где продать. Не менее важно понимать, сколько купить или продать и для этого нужны другие инструменты.

Зачем Python?

Лично мне он показался удобнее. Например, можно быстро подключить telebot и система начнёт отправлять сигналы прямо в телегу на все девайсы. Работать со скриптами можно даже на айпаде где-нибудь в дороге, тоже плюс.

Самая простая система, которую можно потестить это пересечение двух скользящих средних: если быстрая SMA пересекает медленную вверх, то покупаем, а если вниз, то закрываем открытую позицию, шортить рынок не будем. Комиссии, проскальзывание и прочие расходы пока не учитываем, нужно начать с какой-то основы.

Что потребуется?

— backtrader для логики торговой системы

— quantstats для формирования отчёта

— Jupyter Notebook, если нужно удобнее редактировать код

( Читать дальше )

Многие воспринимают акции Яндекс, как перспективное вложение, а акции Сбера как консервативное и не способное на рост. Куда еще расти Сберу если уже 90 млн клиентов?

Но этот вопрос можно адресовать и Яндексу – куда расти если все и так уже пользуются поиском Яндекса. Другой вопрос, что Сбер и Яндекс пытаются построить экосистему, чтобы предлагать всем своим клиентам дополнительные платные услуги.

Яндекс и Сбер год назад решили разойтись в совместных проектах и объявили, что начинают строить свои экосистемы. И как я уже разбирал, учитывая наиболее широкий набор услуг и ресурсы, именно между ними будет основная борьба. Давайте подведем итог, кто уже преуспел в ключевых направлениях экосистемы в течение этого года. Из этого будет понятно, чьи акции перспективны. При сравнении мобильных приложений приведены оценки Android (больше пользователей). Почему мобильные приложения? Именно через них основные регулярные покупатели и за этим будущее рынка.

( Читать дальше )

Добрый день.
Решил поведать о своей судьбе тут, т.к. вижу наличие адекватных людей на форуме.

Карьеру начал в 2011 году на должности инженера-технолога на одном заводе в г.Зеленоград, что под Москвой. Сам я из Кирова, но учился в Москве, поэтому выбор локации был между этими городами. В пользу Кирова склоняла любовь (которая и стала в итоге женой)). В пользу Москвы перспектива работы по специальности (микроэлектроника). В итоге попробовал в Кирове, понял что «не мое» и уехал в Зеленоград. Проработал 3 года в позиции технолога, работа нравилась, начальник был (и есть, но теперь не у меня)) отличный человек (вспоминаю с благодарностью), старался поднимать зарплату своим подчиненным, все было человечно. Но «перерос», плюс к тому времени уже женился и родилась дочь, поэтому стал искать возможности роста. И нашел: в том же Зеленограде начался запуск амбициозного проекта по адаптации технологии IBM в России. Была закуплена и перевезена в Зеленоград целая фабрика AMD из Дрездена. Работать взяли на лучших условиях, плюс было очень интересно работать на запуске целого завода.
Я работал старшим инженером по процессам, вникая во все детали запуска своего участка. Приезжало много иностранных инженеров, завязывались хорошие интересные знакомства. В целом по результатам 3х лет работы помимо пользы для завода, которая выражалась в полностью работоспособном участке, приобрел неоценимую пользу для себя в плане практики (подключение и настройка установок, адаптация и настройка техпроцессов на них) и знакомств. Но по истечении трех лет завод так и не вышел на полноценное производство. Причина была в сложностях с фотолитографией + большим неподьемным кредитом. Не буду вдаваться в детали. В итоге начали задерживать зарплату. У меня рядом с Зеленоградом уже к этому времени появилась квартира в ипотеку. Она была источником проблем в моей жизни, там были ужасные соседи. Когда ее покупал – хозяева так все обставили, что я не заметил этого. Впрочем ответственности с себя не снимаю, сам дурак оказался в той ситуации.

( Читать дальше )

С проникновением аналитики во многие сферы нашей жизни она не могла обойти стороной финансы. В этой статье рассмотрим ее применение для анализа ETF с целью их анализа, в том числе и с применением визуализиции.

1. О данных

Для анализа будем использовать данные ETF c базовой валютой USD: FXCN, FXRL, FXIT, FXUS и FXRU. Временной ряд рассмотрим за три года с 2018 по 2020 года. Само исследование проведем в Google Colaboratory.

Как обычно в начале импортируем все необходимые библиотеки для дальнейшей работы.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from google.colab import files
import warnings
warnings.filterwarnings("ignore")

Сначала необходимо получить данные. Есть несколько способов. Мы воспользовались — взяли их с Finam в формате csv. Дальше написал функцию для обработки полученных данных и при помощи concat свел их в один датафрейм.

def changeDF(df):
  df['date'] = pd.to_datetime(df['<DATE>'].astype(str), dayfirst=True)
  name =[x for x in globals() if globals()[x] is df][0]
  df = df.drop(['<DATE>','<TIME>', '<OPEN>', '<HIGH>', '<LOW>'], axis=1)
  df = df.set_index(['date'])
  df.columns = [name+'_cl', name + '_vol']
  return df

fxgd_change = changeDF(fxgd)
fxrl_change = changeDF(fxrl)
fxit_change = changeDF(fxit)
fxus_change = changeDF(fxus)
fxru_change = changeDF(fxru)
fxcn_change = changeDF(fxcn)

etf = pd.concat([fxgd_change, fxrl_change, fxit_change, fxus_change, fxru_change, fxcn_change], axis=1)

etf.head()

В результате получили:

( Читать дальше )

Всем привет!

Друзья, Артем Кендиров провёл открытый вебинар!

Тема вебинара — Технический анализ на Binance и трейдинг через терминал!

Смотрите, оценивайте, комментируйте.



( Читать дальше )

На Санкт-Петербужской бирже, по мнению нейросети Investington, сейчас актуальны следующие позиции:

CNK, оптимальная цена для покупки — 14.495$. Цель — 15.407$. Вероятность роста 72.5%
TSLA, оптимальная цена для покупки — 680.89$. Цель — 728.4433$. Вероятность роста 68.9%
MYGN, оптимальная цена для покупки — 33.38$. Цель — 36.0119$. Вероятность роста 68.2%


Результаты поста от 2021-07-19

MSTR, купили по 509.58$. Продали 21 июля по 544.5344$. Итоговый процент +6.86%
CGEN, купили по 6.59$. Продали 21 июля по 7.0952$. Итоговый процент +7.67%
OIS, купили по 5.84$. Продали 21 июля по 6.2662$. Итоговый процент +7.3%
PBF, купили по 9.66$. Продали 21 июля по 10.4134$. Итоговый процент +7.8%
TAL, купили по 18.515$. Продали 20 июля по 19.7322$. Итоговый процент +6.57%

Итого: из 5 сигналов 5 оказались верными. Средний процент за этот день +7.24%

( Читать дальше )

Обещал в Процесс рождения интрадей Грааля пошагово освещать процесс проектирования торговой системы — освещаю).
Итак, первым делом скачал с Финам 1м котировки нескольких фьючерсов за 3 последних месяца перед экспирацией и поместил их в БД SQLite — так проще работать. Код экспорта из CSV в SQLite приводил ранее, см. раздел Python моего блога.
Вот эти:

1 GAZR-6.21 GZM1
2 GAZR-9.21 GZU1
3 SBRF-6.21 SRM1
4 SBRF-9.21 SRU1
5 Si-6.21 SiM1
6 Si-9.21 SiU1
С фьючем РТС работать и отрабатывать технологии сложнее, если и нужен будет, то оч нескоро.
У меня заготовлено несколько новых индикаторов для этой ТС. Конечно я на что-то рассчитывал при их проектировании, но все это умозрительно, и о реальных свойствах индикаторов я, ровным счетом, ничего не знаю. Для начала хотелось бы выяснить их возможности.
Для этого на множестве 1м истории (~66000 свечей) генерируем ~6600 равномерно распределенных по интервалу истории случайных сделок продолжительностью 5 минут ( потом будет и 10 и 15 минут), пока только Лонг (потом и Шорт будет, рассматривается отдельно) и находим прибыль в каждой из этих сделок.
Выглядеть это будет вот так:
 

( Читать дальше )

Заголовок кликбейт, хоть и правдивый. Не удержался, сорри :)


1. Восемь месяцев назад мы научили компьютер прогнозировать IPO. Это был эксперимент, в котором мы собрали тонну данных, обработали их алгоритмом машинного обучения и создали автоматическую прогнозную модель. Модель работает просто — мы скармливаем ей финансовые показатели предстоящего IPO, а она выдает прогнозы доходности.

2. На прошлых выходных мы сделали ревью модели. Почему именно сейчас? Во-первых, набралось достаточно прогнозов, которые позволяют анализировать результат. Хотя бы промежуточно. Во-вторых, рынок вышел из фазы «любое IPO растет на 100500%», и появился смысл сравнивать результаты рынка с результатами прогнозов.

3. Что мы скажем про прогнозную модель в результате ревью? Она молодец. Модель бьет слепой (=индексный) портфель IPO, пусть и не так круто, как на бэктестах.

4. К слову, чем сложнее и разнонаправленнее рынок, тем лучше работает модель. Так было на бэктестах и так есть сейчас. Ждем окончания эйфории, чтобы увеличить отрыв😎

( Читать дальше )

Привет, почти 2 месяца назад мы запустили первую версию нашей библиотеки PQR для тестирования инвестиционных идей. Основная суть: системно проверять аномалии на большой группе акций. Например, вы ведете таблицы с мультипликаторами компаний и биржевых котировок. Цель — покупать 10% недооцененных бумаг с наименьшим значение P/E и ребалансировать портфель раз в месяц.

Разделов для улучшения было так много, что Андрей (github.com/eura17) почти полностью переписал все функции. Основные изменения:

1) Переход к объектно-ориентированному программированию. Код легче читается и занимает меньше места.

2) Добавили функцию correct_matrices — она приравнивает матрицы с исходными данными к одному виду. Сортирует и удаляет отсутствующие в остальных матрицах столбцы (акции) и строки (периоды);

3) Появилась документация на readthedocs: pqr.readthedocs.io/en/latest/index.html

4) Возможность перебора параметров стратегии через grid_search. Быстрый вывод таблицы с результатами или отдельного параметра (например, Шарп) для стратегий с разными периодами наблюдения, удержания и лагом;

( Читать дальше )

На сайте Росстата можно посмотреть количество пенсионеров в РФ

С 1 января 2019 года по 1 апреля 2021 года численность пенсионеров в РФ сократилась с 43,865 млн до 42,598 млн человек – минус 1,276 млн человек – это максимум за всю историю доступной статистики (с 1998 года). 75% этого сокращения пришлись на период с 1 июля 2020 года по начало апреля 2021го (минус 956 тыс человек). 

Также бюджет Пенсионного Фонда РФ на 2021 год, заложен с максимальным за 5 лет дефицитом. В связи с этим сокращение количества приходится очень кстати.


Интересно, есть ли между этими событиями связь, или с пандемией?

Вообщем, надейтесь только на себя. Чем раньше начнете инвестировать в свой пенсионный план, тем меньше хлопот Вас ждет в преклонном возрасте.



Больше информации в Телеграмм