Избранное трейдера Роман Давыдов
Все мы знаем, что некоторые брокеры перешли на фиксированную ставку маржинального кредитования БКС (до 5000 на каждом из счетов бесплатно, максимум счетов 10) Т инвестиции (3 счета) Альфа инвестиции (7 счетов)
Некоторые инвесторы купили за заёмные деньги инструменты денежного рынка и тем самым увеличили доход в несколько раз. Но такие инструменты привязаны к ставке, и следовательно доходность будет снижаться при понижении ставки.
Но как же воспользоваться ситуацией по максимуму и в идеале зафиксировать высокий доход? Есть одно неочевидное и простое решение — купить ОФЗ. Самые интересные это 26247 и 26248 (берите тот выпуск где дают максимальное плечо)
В чем суть идеи?
Начнем с БКС Здесь мы возьмём 26247 (плечо 1.85, то есть на нашу 1000 можно взять сверху 1850) Для того чтобы по максимуму использовать заёмные 5000 рублей, на каждый счёт нужно внести по 3000 рублей Сейчас ОФЗ стоит 89% и даёт возможность зафиксировать купонный доход 13.73% Так как мы берём ее с плечом 1.66 (3000 свои 5000 заем = 8000 / 890 = 9 штук. 8000/3000 = 1,66. Купон от 8000 13,73% = 1100р. А от 3000 это 36%) то фиксируем купон 36% годовых Следовательно на наши 30 тысяч (3000р на каждый счёт) будет приходить в год примерно 10 800 р.
Для алготрейдеров, работающаих с QUIK, связка «QUIK + Lua» всегда была одновременно и благословением, и проклятием. Мощно — но на малопопулярном в трейдинге языке.
Решения вроде QUIKSharp (.NET) стали шагом к более распространённым экосистемам, но что насчёт многомиллионного сообщества Python?
Новый проект QUIK-python портирует нативный QUIK Lua API прямо в Python — с сохранением всей гибкости оригинала и удобством современного async-кода.
Ключевые особенности и преимущества
- Полностью асинхронный клиент — коллбеки данных из стаканов, сделок и свечей не блокируют основную логику.
- Прямой доступ к API QUIK — вызывайте функции Lua напрямую из Python-кода.
- Событийная модель — подписывайтесь на стаканы, свечи и сделки, получая события прямо в Python.
— 🐍 Нативный Python-код — всё, от коллбеков до торговой логики, пишется на чистом Python с доступом к его экосистеме (NumPy, Pandas, asyncio и др.).
В мире алгоритмической торговли доминируют крупные фонды с их колоссальными ресурсами. Но что, если мы, частные инвесторы и разработчики, можем создать собственный мощный и доступный инструмент? Что, если больше не придётся зависеть от проприетарных платформ или писать с нуля сложную инфраструктуру для тестирования каждой новой идеи?
Сегодня у нас есть Python и такие мощные библиотеки, как Backtrader. Однако голый фреймворк — это лишь половина дела. Чтобы он стал по‑настоящему народным инструментом, ему нужна удобная обвязка: готовая структура проекта, автоматический импорт стратегий, наглядные отчёты, тепловые карты для оптимизации и бесшовное подключение к API брокеров — не только российских, но надо начать с Мосбиржи.
Мы стремимся сделать инструмент таким же удобным, как TradingView. Простота в использовании и доступность всех функций для пользователей без глубокой технической экспертизы — мне кажется вот идеал. Чтобы каждый, кто заинтересован в алгоритмической торговле, мог без усилий внедрить свою стратегию, протестировать её и получить результаты, не проводя часы и дни за настройкой системы.



Не рекомендация, анализ делал для себя. Пару дней сомневался – стоит ли публиковать это здесь, обращаясь к тишине и молчанию в ответ. Ну, да пусть будет в блоге…
Интересовал ответ на пару популярных полярных мнений – текущий рынок дорогой/дешевый. Никакого ТА, ФА и прочего рукоблудия здесь нет, чисто математическая логика без эмоций, политики и слюнявых ожиданий.
Исходные данные: исторические High и Low (далее просто H и L) за период 01.01.2018 – 16.06.2025 и 01.02.2022 – 16.06.2025, последняя цена Close (далее просто С) на утро 16.06.2025, средние торговые диапазоны за последнюю неделю (табл. 1). Выбор именно этих 43 акций объясняется банально – они мониторятся у меня ежедневно и потенциально входят в список торгуемых, никаких интриг и подтекста здесь нет.


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:
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).
«При покупке стрэддла, также как и при работе с любой купленной опционной позицией, мы, как и при продаже стрэддла, считаем точки корректировки для различных временных интервалов. Единственная разница заключается в том, что теперь мы вынуждены более внимательно следить за временным распадом. Нужно понимать, что приобретая длинную опционную позицию, Вы, в сущности, делаете ставку на рост волатильности. И если Ваша длинная опционная позиция начинает терять деньги быстрее, чем Вы прогнозировали, то это означает, что рынок говорит Вам: «Ваша ставка скорее всего проигрышная».