FAQ по UnionPay


1. Что это вообще такое?
UnionPay (UP, «Юпи», читается «Юнион Пэй») — китайская карточная платежная система, аналог и конкурент Visa и MasterCard, но при этом не Visa, не MasterCard, не JCB, не МИР и не American Express. Третья платёжная система в мире по известности после «двух гигантов».

2. Где она популярна?
Утверждают, что «в 180 странах мира», в основном, конечно, в Китае и странах Юго-Восточной Азии (Таиланд, Сингапур, Малайзия, итд). Весьма популярна в ОАЭ и странах Персидского залива, в Турции и даже в СНГ (Узбекистан, Таджикистан).

3. Зачем оно мне?
Кратко — чтобы иметь возможность платить за рубежом, как на сайтах, так и в магазинах и кафе, снимать деньги в банкоматах за границей, т.е. пользоваться картой и дальше.
Почему так — да потому что карты российских банков больше не работают за рубежом. Вы не сможете оплатить что-то на зарубежных сайтах российскими картами Visa и MasterCard за несколькими исключениями типа AliExpress, который научился принимать «МИР». Не сможете не только оплатить в магазине, гостинице, в кафе или снять деньги в банкомате, но и оплатить что-то на иностранном сайте в интернете, где нужно вводить данные своей карты.

( Читать дальше )

Мой дорогой друг, с сегодняшнего дня ты начнешь зарабатывать как настоящий гуру — на спросе и предложении!

Для этого тебе нужно построить графики спроса и предложения в QUIK. Повторяй за мной:

Зайди в Quik. Открой график. Нажми на графике правую кнопку мыши. В открывшемся меню жми пункт Добавить график (индикатор) — откроется окноДобавить график. В нем следуй по красным стрелкам:

Так ты получишь график Суммарного предложения под графиком цены. После этого повтори процедуру (для Суммарного спроса).

В результате у тебя получится такой дополнительный красивый график, показывающий динамику Спроса и Предложения:



( Читать дальше )

Торговый робот (опционы, фьючерсы и акции) Функционал. Построение и управление опционными конструкциями любой сложности, реал, виртуал, автомат, полуавтомат. Цена по запросу, привязка к UID


( Читать дальше )

Длинная историческая волатильность по-быстрому Использовать на часовом ТФ или выше (до дневки). Периоды указываются кратно барам. В моем примере 17 на часовике — это 17 часов, одна торговая сессия, суточное окно.

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/

//@version=4

study("Historical Volatility")

// Настройки окон
HVPeriod1 = input(17, minval=1, title="Окно 1")
HVPeriod2 = input(34, minval=1, title="Окно 2")
HVPeriod3 = input(51, minval=1, title="Окно 3")
HVPeriod4 = input(85, minval=1, title="Окно 4")

// Настройка периода для сглаживания
EMAPeriod = input(17, minval=2, title="Период сглаживания")

// Собственно индикатор

// мультипликатор, для нормирования к году
mul = 252 * 1210 / timeframe.multiplier
//приращение за бар
ch = log(close) - log(close[1]) 

// Историческая волатильность в окнах
HV1 = ema(sqrt(sum(ch * ch, HVPeriod1) * mul / HVPeriod1) * 100, EMAPeriod)
HV2 = ema(sqrt(sum(ch * ch, HVPeriod2) * mul / HVPeriod2) * 100, EMAPeriod)
HV3 = ema(sqrt(sum(ch * ch, HVPeriod3) * mul / HVPeriod3) * 100, EMAPeriod)
HV4 = ema(sqrt(sum(ch * ch, HVPeriod4) * mul / HVPeriod4) * 100, EMAPeriod)

// Рисуем красивое
plot(HV1, color=#cccccc)
plot(HV2, color=#ffcccc)
plot(HV3, color=#ff9999)
plot(HV4, color=#ff0000)

Чтобы использовать, копируем, в TradingView открываем Редактор Pine, создаем там новый индикатор (Открыть -> Новый индикатор), удаляем все что там в скрипте по умолчанию и вставляем этот код. Жмем Сохранить. Дальше скрипт будет доступен в выпадающем списке над графиком под кнопкой Индикаторы во вкладке Мои скрипты. Модно, быстро и удобно )

Держим опционный строй даже когда на море качка!

Друзья, насколько вы все знаете, для back test существовала отличная программа для алготорговли WealthLab 6.
Я пользовался ей ещё 8-10 лет назад. Она поражала своей простотой и удобством. Её использовали все алго тестеры в «кулуарах».
К сожалению нормальной адаптации между Quik и Wealth Lab никогда не было. Либо она очень плохо поддерживалась, либо чего — то не хватало и т.д. Также на тот момент Quik выдавал данные только через DDE.

Поэтому, я, как и многие другие, тестировал бота в WLD, а потом шёл переписывать его на какой — то другой платформе. На тот момент я писал на S#. Переписка обычных timeFrame стратегий на S# не очень благородное дело, потому что S# — это библиотека больше для реализации сложных ботов, ибо 30% кодинга это алгоритм, а 70% — это создания самого .NET проекта. (windows exe приложения) S# больше подходит для реализации нестандартных ботов. 

Прошло время и много моментов поменялось.
Во-первых, вышла новая версия WLD 7.0 и её можно оплачивать ежемесячно, она стоит всего 40$ в месяц.

( Читать дальше )

Идея не нова, вопрос был только в реализации.

Платформа MetaTrader 5 обладает возможностями автоматизации Тестера. Расчет огромного количества данных на истории реальных тиков — обыденность.

Проверка адаптивности ТС — аналогично.

Обработка расчетов.

Однако, при большом количестве уже проведенных вычислений требуется разобрать эту кучу данных и найти в ней что-то, действительно, интересное.

Это можно делать двумя способами:

1. Создать автоматический критерий, который отфильтрует что-то стОящее от вычислительной шелухи.
2. Перебрать руками каждый кусочек цифровой кучи, доверяя фильтрацию мощной интеллектуальной машине — головному мозгу человека.

В первом случае получается быстро, но можно легко что-то упустить, действительно, важное.

Во втором случае все гораздо тщательнее, но очень много времени на это уходит. Элементарно утомить природную машину настолько, что больше никогда не захочется к этому возвращаться.

( Читать дальше )

Привет всем. Чтобы не изобретать велосипеды #софты для просмотра структуры портфеля#.

Скачиваем R, RStduio. В RStudio устанавливаем библиотеки: rusquant, PerformanceAnalytics, PerformanceAnalytics.
Добавляем следующий код в RStudio.

Подключаем библиотеки:

library(rusquant)
library(PerformanceAnalytics)
library(PortfolioAnalytics)

Задаем тикеры, веса, начальную дату и просто переменную куда вытянем цены.

tickers <- c("FXGD","IRAO")
weights <- c(.5,.5)
start_data <- "2014-01-01"
PortPrices <- NULL

Вытягиваем данные с финама, есть и другие источники mfd,alor(вроде)

for(curr in tickers) {
               PortPrices <- cbind(PortPrices, getSymbols(curr, src = 'Finam', auto.assign = FALSE)[,4])
}

Тянем значения индекса, очищаем от пропущенных значения, считаем дневную доходность.

benchmark <- getSymbols("MICEX", src = "Finam", auto.assign = FALSE)[,4]
benchmarkRet <- na.omit(ROC(benchmark))

Тоже самое для портфеля акций, плюс считаем портфель и включаем ребалансировку каждый месяц.

PortReturn <- na.omit(ROC(PortPrices))
PortRet <- Return.portfolio(PortReturn, weights = weights, rebalance_on = "month")

PortCum <- cumsum(PortRet)
Micex <- cumsum(benchmarkRet)

( Читать дальше )

Если вы следите за творчеством Тимофея Мартынова на youtube, то знаете, что Тимофей покупал золото через фьючерс. В этой статье, я бы хотел поговорить о том, как Тимофей и Вы теряете на Московской Бирже, вкладываясь в долларовые инструменты (золото, серебро, нефть, RTS). В конце поста я покажу как этого избежать.

Итак, начнем с pdf-документа, который выложен на сайте МосБиржи на странице под якорем «Все продукты Срочного рынка». Для экономии вашего времени, привожу скрины страниц 145-147.



( Читать дальше )

Это исследование я сделал под влиянием бурной дискуссии на форуме  о распределении «хвостов» приращений логарифмов цен, возникшей, казалось, на «пустом месте»: насколько корректны доверительные интервалы для оценок параметров линейной регрессии в альфа-бета модели?

Кроме указанной ссылки, дискуссия продолжилась в еще двух ветках: тут и тут.

Действительно, эти оценки в классическом случае строятся на основе центральной предельной теоремы для статистик оценок параметров линейной регрессии. Однако, как я уже писал на смартлабе, необходимым условием которой является скорость роста дисперсии суммы слагаемых как О(N), N – число слагаемых, а для быстрой сходимости в центральной области еще и требуется конечность абсолютного третьего момента любого слагаемого (если говорить о сходимости на всей прямой, включая «большие уклонения»,  то еще требуется  и конечность всех моментов отдельных слагаемых). Однако эти условия не выполняются для части распределений Парето и Стьюдента с полиномиальной скоростью убывания «хвостов» и поэтому для «хорошего» приближения суммы таких слагаемых нормальным законом требуется очень большое число испытаний, которых, как правило, в альфа-бета модели, построенной на дневных данных, нет. А значит традиционные методы построения доверительных интервалов для оценок параметров этой модели «не работают».

( Читать дальше )

Проведем небольшой тест — возьмем один случайный фьючерс, приращения которого представлены временным рядом случайных чисел, и набор случайных стратегий, представленный множеством N временных рядов случайных чисел (он же матрица признаков, фичей, пространство предикторов и т.д.) и попытаемся найти из этого большого набора тот признак, который будет лучше всего говорить нам когда покупать фьючерс, а когда продавать. Что это будет, мультипликатор P/E, фаза луны или MACD — не важно, главное чтобы на выходе получилась «идея» или, как ещё говорят, «грааль».


Хорошо известно, что случайная стратегия примененная к случайному инструменту даст случайное эквити, которое будет иметь гауссову плотность распределения коэффициента шарпа  с математическим ожиданием  0 и среднеквадратичным отклонением 


  

где L — число известных значений случайного фьючерса. 


Это означает, что достаточно большое множество случайных стратегий (или случайных признаков), примененных к случайному фьючерсу абсолютно случайным образом окажутся способными достаточно хорошо описать любое поведение случайного фьючерса (отклика) в бек-, форвард-, голкипер-, кросс-, спринт-  и всех прочих тестах… но только на истории.

( Читать дальше )