Избранное трейдера Роман Давыдов
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».
Вот расчёт среднегодового роста курса доллара к рублю с 2000 года, основанный на исторических данных ЦБ РФ и ФРС США. Для наглядности разобьём анализ на ключевые периоды....
2000 год: 1 USD = 28.13 RUB
2023 год: 1 USD ≈ 90 RUB (пиковые значения в 2022–2023)