Всем привет.

Я QA-инженер, в инвестициях уже 6 лет. Мой путь стандартный: сначала слушал «гуру», потом поумнел и собрал гигантскую таблицу в Excel. Я из тех, кто не покупает акцию, не посмотрев тренды выручки, маржинальности и ROIC за 5–10 лет.

 

 

В чем была моя личная боль:

На глубокий анализ одной компании по моему чек-листу (14 метрик в динамике) уходило около 2 часов. Забивать руками данные из Macrotrends в таблицу — то еще удовольствие. Самое обидное, когда в конце второго часа понимаешь, что компания — переоцененный шлак с падающей маржой, и время потрачено зря.

Еще одна боль — это «магия цифр» (это касается и книг и обучающих видео).
Книги и видео говорят: «Ищите рост выручки > 7% или ROA > 6.5%». Но почти никто не объясняет — почему? Откуда взялись эти цифры? Почему 7 и 6.5, а не 10 и 8 или не 5 и 3...

 

 

Что я накодил:

Написал сервис на FastAPI, который через API тянет отчетность и делает «Sanity Check» компании за 2 секунды. А вместо слепого следования догмам из книг и видео, я привязал все метрики к усредненным показателям компаний из S&P 500.

( Читать дальше )

Приложение  github.com/Alex-Shur/moex-downloader

Привет, трейдеры!

Представляю вам MOEX-Downloader — python приложение для скачивания свечных исторических данных с MOEX для дельнейшего использования с библиотеками типа pandas и тестирование стратегий на python.
Это готовое приложение с UIна PyQt6, позволяющее в пару кликов:
- выбрать тикеры (акции или фьючерсы),
- скачать historical candles (OHLCV),
- сохранить данные в CSV,
- обновить список инструментов,
- и не смотреть в консоль.

Установка и запуск — дело пары команд для тех, кто хоть чуть знаком с Python-средами
После запуска — выбираешь тикеры, таймфреймы, и получаешь CSV-таблицы OHLCV для своих стратегий.

Параметры дат
Start — начальная дата, с которой приложение будет скачивать свечные данные.
End — конечная дата. Если поле пустое, данные будут скачаны до последнего доступного момента.

Обновление данных при повторном запуске

Если вы повторно запускаете скачивание с теми же параметрами:

( Читать дальше )

По мере исследования инструментов и классов активов иногда возникают наблюдения, что в определенные периоды палку воткни и она прорастает деньгами, в другие же, борьба с нулем и плохое настроение почти гарантированы.

В прошлый раз вскользь упомянул недавнюю ситуацию на рынке, когда рост реальной ставки вылился в снижение интереса к классу активов акций и их распродажам. Причин текущей ситуации несколько, но остановлюсь на том, что можно посчитать и вынести пользу на будущее.

При исследованиях торговых подходов возникает желание как-то определять режимы рынка, (привет фильтрам пилы, торговле по эквити). Далее можно пойти несколькими путями, более подробно буду на этом останавливаться, когда подойду ближе к «как начать в системном трейдинге» и что это вообще такое.

Так вот, первый путь, это рассказать вам красивую историю о том, как квант силой разума и хорошего образования дедуктивно т.е. от общего к частному нашел какие-то штуки, которые характеризуют разные рыночные периоды.

Второй путь, он обычно более честный, майнинговый, ну т.е. индуктивный в основном, когда копаем рынок, задавая ему вопросы и до определенного момента, не делая сколь ни будь значимых обобщений, просто собирая эмпирические факты, находки, «открытия».

( Читать дальше )

Актуальный back test торгующего робота MICRO

Подключен сейчас к публичному счету и торгует в REAL ALGOTRADING

( Читать дальше )

 

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.

( Читать дальше )

В предыдущих статьях я рассказывал, как пришёл к идее создания собственного торгового робота. Мотивация проста:

• Автоматизация — алгоритм не спит, не нервничает и не занят своими делами.

• Дисциплина — робот исключает эмоции, следуя правилам.

• Тестирование — любую идею можно проверить на исторических данных, прежде чем рисковать деньгами.

Я всегда разделял два этапа: разработку торговых идей (логика стратегии) и реализацию механизма исполнения (отправка заявок, автотрейдинг). Сначала — бэктестинг и базовая оптимизация, и только потом — реальная торговля.

Поскольку я нахожусь в активном поиске подходящего решения для автотрейдинга и уже опробовал несколько рабочих вариантов, то эта статья представляет мои размышления об этом механизме исполнения заявок. Ваша критика или поддержка идей приветствуется.

Почему я не хочу использовать QUIК и Windows?

По моему мнению QUIK архаичен, нестабилен для автоматизации и требует оконной среды. Он не предназначен для headless-серверов (это компьютер без монитора, клавиатуры, мыши). QUIK + LUA или внешнее ПО — это сложная, криво документированная и уязвимая связка.

( Читать дальше )

На простом языке разберем, как незамысловатые элементы статистики и математики могут сильно помочь на финансовых рынках.

Где встречается нормальное распределение (и почему оно плохо подходит для финансовых рынков), что за шапка жандарма такая, откуда берутся 1, 2 или 3 сигмы, как определить математическое ожидание стратегии — после прочтения статьи вам будет все понятно.

Полезные материалы, которые хорошо бы изучить перед продолжением:

1. Тестирование торговых стратегий на исторических данных (бэктест) — почему это так важно?
2. Эпоха больших данных и как к ней адаптироваться нам — частным трейдерам?
3. Кто такой Джим Саймонс и как он заработал $ 25 млрд с помощью количественного трейдинга.

Что такое нормальное распределение и где оно встречается

Многое, что нас окружает, имеет нормальное распределение. Средняя, нормальная скорость, с которой передвигаются машины в городе, средние зарплаты, средняя продолжительность фильма и т.д. Среднее и нормальное движение цен финансовых инструментов — не исключение (о них — чуть позже).

( Читать дальше )

В этой статье расскажу о том, как воспроизвел и протестировал торговую систему для фьючерсов Московской биржи, основанную на идеях Александра Резвякова. Недавно, просматривая раздел алготрейдинга на Смартлабе, я наткнулся на видео с его выступления на конференции 2024 года под названием "5-6 идей для построения прибыльной торговой системы на фьючерсах". Меня привлекла четкость и понятность предложенных им правил торговли.

Поскольку я активно занимаюсь автоматизацией процессов и стремлюсь глубже изучить возможности Python библиотеки backtesting.py, мне показалось это хорошей идеей для практического применения.

Хотя я лично не знаком с Александром, полагаю, что публичное представление идеи предполагает возможность её независимого анализа и тестирования сообществом трейдеров и программистов.

Обзор стратегии Александра Резвякова на фьючерсах

Основная идея — открывать сделки в строго определенное время и использовать структуру рынка последних дней для принятия решений.

Правила входа

( Читать дальше )

Навеяно статьей.
В порядке микроисследования несколько иллюстраций.
Расчёты на фьючерсе SR. Только лонг.
Если опираемся только на волатильность. Покупка, если волатильность среднего дня за неделю ниже средней волатильности за месяц. В противном случае — продажа.

Что-то зарабатывается. На всякий случай вот что даёт пассивное удержание лонга во фьючерсе SR:


( Читать дальше )

Сейчас облигации – довольно популярный инструмент для инвестирования, но не все эмитенты одинаково надёжны. Как правило, чем более доходна облигация, тем больше рисков в себе она несёт. В первой части мы рассмотрим, как «сюрпризы» может нести в себе сама облигация, а в последующих – как анализировать эмитент, выпустивший эту бумагу.

 1. Обращайте внимание на тип купона

На рынке существуют несколько облигаций со следующими ключевыми типами купонов:

• Постоянный – он не меняется до самого погашения облигации. Какие облигации сильнее всего зависят от ключевой ставки и тем больше падают, чем выше ставка.
• Переменный – он устанавливается эмитентом на основании неких его собственных мыслей. Условно говоря, в этот год купон 10%, на следующий – 5%. Чаще всего переменный купон применяется в облигациях с офертой.
• Плавающий – его значение привязано к некой величине. Например, сейчас популярны облигации с плавающим купоном (их называют флоатеры) с привязкой к ключевой ставке или ставке РУОНИА. Чем выше ключ – тем выше их доходность.

( Читать дальше )