Мосбиржа сегодня запустила торги четырьмя фьючерсами на отраслевые индексы. 

Индекс	Код индекса	Код июньского фьючерса/Размер ГО	Код сентябрьского фьючерса/Размер ГО
Нефти и газа	MOEXOG	OGM2 (2 375 ₽)	OGU2 (2 465 ₽)
Металлов и добычи	MOEXMM	MAM2 (2 458,39 ₽)	MAU2 (2 561,46 ₽)
Финансов	MOEXFN	FNM2 (2 733,1 ₽)	FNU2 (2 840,24 ₽)
Потребительского сектора	MOEXCN	CSM2 (1 600,04 ₽)	CSU2 (1 672,26 ₽

Посмотрим из чего состоят эти индексы и чем фактически будем торговать.

Посмотреть значения индексов можно на Смартлабе в разделе Котировки-Индексы smart-lab.ru/q/index_stocks/  или на Трейдингвью по коду индекса из таблицы выше.

( Читать дальше )

Итак, сегодня будем учиться рубать бабло лопатой на фьючерсных контрактах МосБиржи на цветные металлы. Для анализа скачаем с сайта «Финама» котировки фьючерсов, например, на алюминий (ALMN):


( Читать дальше )

Всем привет, с наступающим праздником! Который, надеюсь у большинства пройдет, как обычно, в ЖО ЗОЖе (блин, слово-то придумали).
В продолжение топика "КВИК-->Lua-->Python. Трансляция данных из КВИКа в Питон в реальном времени".
В Python-сервер добавлен парсер и визуализатор стакана. Стакан в стиле QSCALP-лайт вариант. Все как обычно в 20 строк кода.

У Тимофея гифки со сторонних сайтов не кажут. Приходится ссылку давать… Или отказываться от главной. Выбрал второе.
Чтобы насладиться созерцанием стакана нам нужны следующие ингредиенты:
1. Квик версии 8.5.2 и выше.
2. Lua-скрипт QuikLuaPython.lua (собственно сокет-клиент)
3. Питон (Jupyter Notebook Anaconda 3)
4. Python_QUIK_Server.ipynb (собственно сокет-сервер)
Считаем, что Квик и Питон у вас уже установлены. Чтобы запустить трансляцию, скачайте папку PythonServer в ней вы найдете все необходимое. Файл Python_QUIK_Server.ipynb поместите в папку Питона (чтобы его видел Jupyter Notebook). Затем, содержимое папки

( Читать дальше )

Всех с пятницей — самоизолятницей!
Представляю общественности Python-сервер (в 9 строк кода) для получения данных из КВИКа в Питон через луа-скрипт в режиме реального времени.
Для примера приведу получение тиковых данных по SIM0.
Нам понадобятся следующие ингредиенты.
1. Понятное дело КВИК, версии ниже 8 или 8.5.2 и выше.
2. Питон Jupyter Notebook (Anaconda 3)
3. Луа-скрипт, взятый из Jatotrader (в нем буквально изменено пару строк)
Как работает сервер можно посмотреть в этом видео (1 мин. 38 сек.) Ну и по правилам хорошего тона, естественно сам текст ниже.


( Читать дальше )

Последние несколько месяцев время от времени начинал времени ломать голову над одной задачкой.
Суть в следующем.
Я сделал скрипт на питоне, на основе торговых данных пишет заявки в tri файл квиковский.
Чтоб заявку создать нужно принять решение на основе каких то данных из таблиц квика (например исполнилась какая то ранняя заявка, или банально цена дошла до нужного уровня, и т.п.)
Данные из таблиц квика, как известно, встроенными методами можно экспортировать через ДДЕ сервер, или в базы данных через ODBC.
То есть — для этого не надо обладать знаниями по программированию, это простые, очевидные способы, доступные всем, у кого установлен квик.
Я выбрал способ по ODBC, и пользуюсь им.
Связка работает стабильно, ничего не рушится, правда пару раз за несколько месяцев зависал сам квик из за того, что кончалась оперативная память (сервер слабенький у меня).

Но у такой связки есть слабое место, приходится в питоне запускать таймер, по кjторому питон опрашивает базу данных.

( Читать дальше )

Заметил, что тут временами кидают подборки книг. Могу ошибаться, но это реально бросилось глаза. Идея хорошая, тоже решил поделиться своим списком, который годится для новичков и тех, кто не имеет бэкграунда в области экономики.

Список построен по принципу от простого к сложному — начиная с вступления в экономику и заканчивая опционами. Не поленился, ради вас, друзья, пронумеровал каждую в порядке очереди, чтобы отчётливо понимать, что за чем читать. Давать рецензию для каждой книги, с вашего позволения, не буду, иначе у меня на это сутки уйдут. Признаться, я бы туда с радостью добавил ещё и книги по эконометрике и по Python, чтобы те, кто только-только начал искать себе работу, могли себе позволить занять крутую позицию в финансовой сфере, например, должность аналитика, ведь, к сожалению, без умений в области статистики, вероятности, эконометрики, макры и теории рынка ценных бумаг + Python пытаться устроиться будет довольно сложно.

Кстати, ещё обратил внимание на то, что Мартынов Тимофей очень любит книги по типу прикладной медицины и биологии. К его счастью, у меня есть майнор в дипломе по вычислительной нейробиологии (хоть где-то мне этот навык пригодился)! Скину сюда архив с учебниками и полезными ссылками в следующий раз.

( Читать дальше )

Волатильность, как хороший продавец — всегда улыбается своему покупателю. Шутка с долей шутки.


Предположим, что в качестве фундаментального сигнала (событийный ряд) у нас выступает некоторая случайная величина, обладающая следующими «катастрофическими» свойствами:

1. Существует некоторая средняя мощность событий во времени.
2. Если не произошло малого события, то, вероятно, произойдет большое, если не произошло большого, то, вероятно, произойдёт катастрофическое, если не произошло катастрофического — произойдёт ещё более катастрофическое.  Как при землетрясениях и лавинах.
3. Сила события не зависит от уже произошедшей силы события (невозможность скальпинга), то есть отсутствуют ограничения и эффекты памяти для последующего роста мощности события, а  функция плотности распределения моментальной мощности в каждой своей точке имеет самоподобную природу. 

( Читать дальше )

В первой части мы рассмотрели «теорему о средней волатильности» где,  обозначили такое свойство:волатильности могут на разных таймфреймах значительно отличаться друг от друга. Но они всегда будут со временем сходится к одному  значению.

Вот, на этом свойстве и будет построен индикатор. Для индикатора нам нужны волатильности на различных таймфреймах. В качестве индикатора волатильности берутся два стандартных индикатора, но которые по сущности показывают одно и тоже.

Price Channel (PC) или ценовой канал. Индикатор представляет из себя две линии, которые ограничивают канал колебаний цены. Верхняя граница канала обозначает уровень локального максимума за прошедшие N периодов, а нижняя граница – уровень локального минимума за тот же промежуток времени. Таким образом, цена ограничивается максимальными точками колебаний – экстремумами за N периодов.

( Читать дальше )

Доброй ночи, коллеги!

Я тут давеча обещался написать большой пост на условную тему «Фракталы и тренды — существуют ли они на рынке?». К сожалению, в процессе творчества выяснилось, что весь вычислительный софт сдох, тексты программ сохранилось частично (описалово осталось, конечно). Так что пока потихоньку восстанавливаю.
В процессе перечитывания материалов 2014 года я придумал идею, которая позволяет быстрее, чем раньше, отличить рыночный процесс от случайного. Раньше это было 18 запусков проги, на которые уходило часов 12-14, сейчас это 5 мин (с совсем другой математикой).

Так вот — я вроде умею с высокой вероятностью (пока более 90% на 89 численных экспериментов) отличать рыночный процесс от случайного (логнормального с дрейфом).

Если это интересно — предлагаю эксперимент в реальном времени. Вы даете данные, неким образом нормированные (дабы трудно было угадать исходный актив). Условно — первое значение 1, СКО приведено к 1e-4, отсчетов нужно от 300,000 до 1,000,000 (к примеру, в торговом году около 350 тыс. минуток). Я говорю — это модификация рыночного актива или смоделированная траектория логнормального процесса. Внешне, кстати, они практически неотличимы.

( Читать дальше )