Избранное трейдера Игорь

Подводим промежуточные итоги эксперимента «Строим фермы, растим капусту»
Два месяца не заглядывал на грядки своих ферм, которые соорудил на полях трех брокеров. Сегодня есть повод проверить урожай — год назад построил первую ферму.
Доход от ферм уже превысил вложенное и составил почти 120%.

Как работает ферма?
Чем-то она напоминает мой легендарный эксперимент «Капитал с кредиток», в котором заработал 440 000 руб. полностью на заемные средства.
Только в случае с фермой будем аналогичным способом на заемные деньги получать доход на брокерских счетах. Доход поменьше, но и телодвижений — минимум. А доходность от 74% до 165% годовых в зависимости от фермы. Один раз настроить, а дальше просто наблюдать.
Слыхали выражение «Инвестирование должно напоминать наблюдение за тем, как растет трава». Вот это оно и есть!
Во всех подробностях строительство ферм описал в первом посте эксперимента.
В чем суть
Меня иногда упрекают, что я пишу не про трейдинг, а про какие‑то «технические игрушки». Но на самом деле все эти проекты — из одной экосистемы. Ведь алгоритмический трейдинг начинается не с покупки кнопки «BUY», а с умений собирать, очищать и анализировать данные.
Эта история как раз про это — про парсинг, обработку и анализ больших объёмов текстов локальной языковой моделью. Просто вместо новостей или отчётов компаний я анализировал комментарии к своим публикациям. Подход тот же самый, что и в работе с финансовыми новостями: собираем данные, структурируем, прогоняем через модель, выделяем позитив и негатив. В трейдинге это может стать элементом новостного сканера или инструмента для оценки тональности рынка. А в моём случае — это просто удобный способ собрать добрые слова, за которые я всем благодарен.
ДИСКЛЕЙМЕР: Статья написана автором блога на основе интервью с основателем компании по доставке авто Романом Жерловым.
Зарабатывать на машинах можно по-разному. Кто-то покупает автомобили за свои деньги и перепродает с наценкой — классическая перекупка. Вкладываешь 3 миллиона, продаешь за 3,5 — полмиллиона прибыли за пару месяцев.
Другие гоняют машины по России: покупают дешевле в одном городе, продают дороже в другом. Есть постоянная разница в ценах между регионами — этим и пользуются перекупщики.
Третьи работают консультантами — помогают людям выбрать и проверить машину за фиксированную плату в 20-50 тысяч рублей. Или устраиваются агентами в автосалоны и компании, получая процент с каждой сделки без собственных вложений и рисков.
Я выбрал четвертый путь — логистику под заказ. Везу машины из-за границы за деньги клиентов, как курьер, только дорогой посылки.
Меня зовут Роман, занимаюсь этим бизнесом уже седьмой год. Последние пять лет работаю самостоятельно.
В разгар Великой депрессии в маленьком австрийском городке Вергль в начале 1930-х годов произошло следующее: власти Вергля решились на эксперимент, вдохновленный идеями экономиста-еретика Йохана Сильвио Гезеля. Они выпустили в обращение свои собственные местные «свободные шиллинги» (Freigeld). Каждый месяц владелец такого «свободного шиллинга» должен был купить и приклеить к нему специальную марку стоимостью 1% от номинала купюры. Без этой марки деньги теряли свою ценность. Это был так называемый «демередж» – плата за хранение денег.
Люди, получив эти «горячие» шиллинги, стремились избавиться от них как можно скорее, чтобы не платить за марку в следующем месяце. Деньги буквально «горели» в карманах, заставляя их нестись по экономическим каналам с невиданной скоростью. Купюры переходили из рук в руки, стимулируя покупки, платежи за услуги, выплату зарплат и закупку материалов. За один только год каждый «свободный шиллинг» успел совершить в экономике города более 400 оборотов. Для сравнения: скорость обращения обычных денег в обычной экономике измеряется единицами или десятками оборотов в год.
Если вы задумывались о системной торговле, то, скорее всего, уже слышали о Python библиотеке Backtrader. Это гибкий фреймворк для тестирования торговых стратегий на исторических данных, который к тому же может быть подключён к автоторговле через API российского брокера. В нём можно реализовать практически любую логику, от простого пересечения скользящих средних до сложных многофакторных моделей.
➡️ Робот, который живёт в стене: мой опыт автоматизации торговли на Python
Однако даже самая изощрённая стратегия ничего не стоит, если протестирована на неликвидных бумагах — там, где в реальной торговле вы бы просто не смогли купить или продать по нужной цене. Именно поэтому работа с ликвидными акциями — ключ к достоверному тесту.
Ликвидность — это не про «красиво на графике», а про то, как на самом деле исполняются сделки, насколько проскальзывает цена и как часто ваши заявки останутся без исполнения. Здесь нам поможет Игорь Чечет — автор библиотек AlorPy, TinkoffPy и FinamPy, размещенных на GitHub, которые дают удобный способ подключиться к API этих трёх брокеров из Python. Эти инструменты и библиотека-обертка — фактически мост между Backtrader и живым рынком.