В связи с тем, что многие относятся скептически к моей затее создания Открытого Универсального Робота, — кто-то сомневается, что робот будет создан, кто-то думает, что он не заработает денег, — решил написать этот пост!

По сути, робот уже давно создан на тслабовских кубиках, еще в 2014 году он тестировался на реале forum.tslab.ru/ubb/ubbthreads.php?ubb=showflat&Number=64156&page=1, для его создания на кубиках мне пришлось приложить не мало усилий — досконально изучить кубики тслаба и даже лезть в изучение программирования на С#. Для кого-то это просто, для кого-то невозможно, а я где-то посередине.

К сожалению, по указанной здесь причине тслаб пришлось оставить (хотя для тестирования на истории это хорошая программа), попытался перейти на проги от cofite.ru, но с ними все закончилось гораздо быстрее — не то (хотя в чем-то даже лучше тслаба). И тут узнаю про qlua, понял, что это то, что надо — не слишком сложно и очень функционально, но запал уже иссяк конечно. Ведь была потрачена уйма сил и времени, не только на изучение этих программ, но и на тестирование идей и т.п.

( Читать дальше )

Всем привет! 
Чуть о себе: зарабатываю на российском рынке (только для себя), делаю торговые программы (для себя и для других).
Давно читаю Smart-lab, нахожу что-то полезное и интересное. Вот добавлю одну свою легенькую утилитку для Квика, надеюсь пригодится.



Индикатор Fractal_Chennal, рисует уровни по «фракталам» с задаваемым периодом. В отличии от штатного  «Fractals» дожидается окончательного формирования формации. Я его использовал в качестве трейлинг-стопа в некоторых программах. Отдает два значения скриптам.
Код:

Settings={
Name = "Fractal_Chennal",
period=5,
line={
{
Name = "Level_High",
Type =TYPE_LINE,-- = LINE --линии  = DASH -- тире  = POINT -- точки
Width = 1,
Color = RGB(0,255, 0)--green
},
{
Name = "Level_Low",
Type =TYPE_LINE,
Width = 1,
Color = RGB(255,0,0)--root
}}}

idx_prosl=0

function Init()
return 2
end

function OnCalculate(idx)
if idx==1 then
P = math.floor(Settings.period/2)*2+1
message("Код бумаги: "..getDataSourceInfo().sec_code.." ; период индикатора: "..P,1)
t_H,t_L={},{}
end
if idx~=nil and idx>P then
if idx_prosl~=idx then
local l=idx-P
for l=l,idx-1 do
t_H[l]=H(l)
t_L[l]=L(l)
end
if t_H[#t_H-(P-1)/2]==math.max(unpack(t_H,#t_H-P+1,#t_H)) then
H_ind_value=t_H[#t_H-(P-1)/2]
end
if t_L[#t_L-(P-1)/2]==math.min(unpack(t_L,#t_L-P+1,#t_L)) then
L_ind_value=t_L[#t_L-(P-1)/2]
end
end
else
H_ind_value=nil
L_ind_value=nil
end
idx_prosl=idx
return H_ind_value, L_ind_value
end

Как пользоваться:

( Читать дальше )

Как было отмечено в предыдущей части – вся суть технического анализа со всеми его индикаторами сводится к пересечению линий. Например, быстрая скользящая средняя пересекает медленную скользящую среднюю; цена пересекает уровень или любую линию какого-нибудь индикатора; RSI пересек уровень 70% и т.д. Ну пусть даже и есть исключения – напишем под них отдельные функции, главное, что наше обобщение будет охватывать 90% случаев ))).

Итак, из чего же состоят сигналы пересечения линий? А состоят они из событий и состояний. Событие – это факт пересечения, состояние – это фактическое расположение линий относительно друг друга.

На рисунке показано, как это выглядит геометрически на примере пересечения скользящих средних. А с точки зрения программирования эти события и состояния удобно представить в виде битовых флагов – сопоставить каждому из них определенный бит числа и если он установлен, то событие или состояние имеется и наоборот.

( Читать дальше )

По совету обсуждавших «1 издание» дополнил картинками слайды, посвященные Vol_t.

drive.google.com/file/d/0BzRUUWXCOSO5QVg4ckFLVWtwMnM/view

Важно. Это не доклад о том, как строить торговые алгоритмы, а методика классификации рынка, которая дает ключ к пониманию:

— какие алгоритмы были эффективнее в прошлом;
— на каком рынке от построенного алгоритма ждать «подлянки»;
— как построить эффективный портфель из имеющихся алгоритмов;
— на каких задачах сосредоточить усилия с целью улучшения существующего портфеля.

За картинки сорри — принтскрин с PDF

Торговые стратегии трейдера ТАТАРИН30

 Содержание

1.Предисловие.
2. Рост/падение 5 дней подряд.
3. Лидеры роста. 4,5%.
4. Контртренд.
5. Статистический арбитраж ФСК ЕЭС — Россети.
6. Свечные паттерны. Разворот
7. Свечные паттерны. Продолжение
8. Свечные паттерны. Треугольники
9. Работа на после торговых сессиях
10. Фьючерсы
11. Вход при пробое границы коридора.

1. Предисловие.

В настоящем обзоре приводятся стратегии успешного трейдера, ведущего свой блог на Смартлабе.
Основанием для написания послужило обучение, пройденное у него некоторое время назад. Обладая собственным значительным опытом торговли на фондовой бирже, должен отметить, что все предложенные стратегии являются рабочими. Однако возможность практической работы по ним несколько различается. Для некоторых стратегий возможна простая торговля «руками», для других предпочтительна небольшая «механизация» в виде вспомогательных программ и/или скриптов, реализацию третьих либо полу-, либо полностью автоматизировать.

( Читать дальше )

В последние дни много разговоров о секте Романа Андреева. Нанёс на график с конца 2015 г. его систему по RI. Получилось почти 30 тыс. пунктов.
Теперь тоже подумываю присоединиться. Правда иногда возникают спорные моменты с отработкой стопа.

Если кто пропустил хорошую новость, напоминаю, что OPERA стали первым крупным браузером, который интегрировал безлимитный и бесплатный VPN или виртуальную частную сеть. Теперь  не нужно скачивать расширение VPN или платить за него, чтобы получить доступ к заблокированным веб-сайтам и защитить свои персональные данные в общественных сетях Wi-Fi.

Несмотря на то, что встроенный VPN от Opera бесплатен, он предлагает тот же функционал, что и платные VPN:

• Скрыть IP-адрес – Opera заменит IP-адрес пользователя на виртуальный IP-адрес, чтобы было сложнее определить его местоположение и определить компьютер. Благодаря этому, пользователи могут повысить степень своей конфиденциальности в интернете.
• Разблокировать файрвол и веб-сайты – во многих странах, а также довольно часто в школах и офисах блокируют онлайн-сервисы видеостриминга, социальные сети и другие сервисы. Используя VPN, можно получить доступ к своему любимому контенту, где бы ни находился пользователь.

( Читать дальше )

В 2001 году, открывая счет на американской бирже, я блуждал между московскими дилингами в поисках брокера, который поможет это сделать.
Помог в итоге бородатый дядька в старых кроссовках.Позвонил людям, которые меня встретили и все оформили.
После этого я начал торговать в зале офинтрейда.
Каждый день бабушка приносила нам макароны по флотски и за их поглощением я в качестве благодарности обучал дядьку премудростям теханализа(ведь я уже был опытен, бо прочитал книгу Неймана).
Он внимательно слушал, а потом предложил мне посмотреть один сайтик.

Тогда интернет был еще маленький.
Существовал всего один сайт, позволяющий вбивать ордера, исполняющиеся по реальным ценам и участвовать во всемирном виртуальном конкурсе трейдеров.
Из 31,3к участников на первом месте был он, Атаман, точнее Александр Ермаченко:


( Читать дальше )

Автор Майкл Снайдер.

Систематическое уничтожение американского образа жизни происходит всюду вокруг нас, и все же, большинство людей понятия не имеют, что именно происходит.

Когда-то давно в Америке, если Вы были ответственны и усердны, Вы могли получить хорошо оплачиваемую работу, которая могла бы поддержать Ваш образ жизни на уровне среднего класса,  для всей Вашей семьи, даже если бы у Вас было только образование средней школы. Все не было совершенным, но во всей стране все могли заботиться о себе без поддержки со стороны правительства.

Мы упорно работали, нам было трудно, а наше, на вид, безграничное процветание  было предметом зависти для всей планеты. Но все изменилось в течение нескольких прошедших десятилетий.

Мы стали потреблять намного больше благосостояния, чем  производим, мы перенесли миллионы хорошо оплачиваемых рабочих мест за границу, мы накопили самый большой долг в истории человечества, и мы продолжаем выбирать политиков, у которых нет абсолютно никакого беспокойства о перспективах и будущем этой страны. Таким образом, теперь хорошие рабочие в большом дефиците, мы тонем в океане долгов, средний класс сокращается, и зависимость от правительства сейчас в непревзойденном верхнем уровне.

( Читать дальше )

Копался в статьях по алготрейдингу, решил присмотреться в сторону машинного обучения. Но это в моем случае не про какой-то искусственный интеллект с нейросетями, в нейросети пока не хочу лезть, слишком сложно. Для начала хочу использовать простые алгоритмы для классификации и оценки хороших точек входа на основе обучения модели на истории.

Я исходил из того, как сам разрабатываю обычно торговую систему: ищу хорошие точки входа на истории и классифицирую их. Но так как человеческие возможности ограничены, использую только 3 таймфрейма и около 10 индикаторов в сумме. Кроме этого, история в точности никогда не повторяется и нужна какая-то более умная модель, которая не просто сравнивает индикаторы, как делают сейчас мои роботы, а дает оценку данной рыночной ситуации на основе всей совокупности индикаторов.

С помощью машинного обучения можно создать и обучить много моделей по разным алгоритмам, эта область уже хорошо развита (Logistic regression, Linear discriminate analysis, Stochastic gradient boosting, Decision trees, Support Vector Machine, KNN и другие). Можно быстро попробовать разные модели (Spot-checking algorithms). Модели могут работать вместе и делать предсказания. Можно улучшать точность моделей (Algorithm parameter tuning, Ensemble methods). Можно посчитать точность предсказаний по модели, обучив сначала модель на части выборки, а затем протестировав ее на другой части выборки (resampling). 

Как я понял, R для машинного обучения идеально подходит. Сделал первые шаги сегодня: cоздал модель по туториалу, которая определяет по размеру чашелистиков и лепестков растения ирис точный вид (всего 4 вида) какого-то одного растения(особи) на основе обучения по выборке из 500 других растений(особей). 

Код: 

# Скачивание и инициализация библиотек mlbench(используется для machine learning), caret (используется для нормализации данных)
install.packages("mlbench") 
library(mlbench)
install.packages("caret") 
library(caret)

# Краткая информация про базу данных iris
data(iris)
summary(iris)

# Определение тренировочной выборки
trainControl <- trainControl(method="cv", number=10)

# Оценка точности алгоритма Naive Bayes на данном dataset
fit <- train(Species~., data=iris, trControl=trainControl, method="nb")

# Вывод оценки точности
print(fit)

Сейчас я точно так же хочу сделать модель, которая на основе 30-300 хороших точек входа на истории определяет, насколько хороша данная пятиминутка для входа в лонг или шорт. 

Что скажете? Есть ли там грааль? Есть ли у кого-то опыт использования машинного обучения для торговли? Что посоветуете? 

Также представляю вашему вниманию грубую оценку того, на сколько в среднем ходят нефть Brent и Si за час и 1 день. Посчитал с использованием библиотеки rusquant на R. Также делюсь элементарным кодом. 

Я взял данные за последние 15 дней для BRK6 и 30 дней для SiM6. Затем посчитал доходности и их среднеквадратичное отклонение. Затем отклонение умножил на среднюю цену. 

Получилось:

Brent
за час: 0.25$
за день: 1.15$

Si
за час: 235 руб.
за день: 757 руб. 

Код на R: 

# Инициализация библиотеки rusquant (русская версия от quantmod, поддерживает все функции quantmod)
library(rusquant)

# Получение исторических данных с Финама
getSymbols("SiM6", from=Sys.Date()-30, src="Finam", period="day")

# Рисуем график, чтобы увидеть данные
candleChart(SIM6)

# Расчет доходностей встроенной функцией библиотеки rusquant (унаследована от quantmod)
rr <- OpCl(SIM6)

# Цены закрытия
p <- Cl(SIM6)

# Получение абсолютного значения среднеквадратичного отклонения доходности
sd(rr)*mean(p)

[1] 757.7013

# Аналогично для часовика
getSymbols("SiM6", from=Sys.Date()-30, src="Finam", period="hour")
candleChart(SIM6)
rr <- OpCl(SIM6)
p <- Cl(SIM6)
sd(rr)*mean(p)

[1] 234.9929

#Аналогично для BRK6.