Привет, Смартлаб.

 

Дисклеймер: книжек не читал, теханализом никогда не увлекался, на истину не претендую, в терминах могу ошибаться, просто описываю свой первый опыт.

 

Примерно год назад смотрел динамику своего портфеля в сравнении с бенчмарками LQDT и MOEX. И думал, эх, тут бы всё продать, переложиться в LQDT, а вот здесь совершить обратную рокировку. Даже придумал худо-бедный алгоритм для своей торговой системы. Совершил подход — заблудился в 3-х соснах IDE для Python + нужная версия Python + нужные библиотеки. Забил.

В начале апреля запал этой идеи вновь разгорелся. Методом проб и ошибок нашёл основные столпы для своей системы:

1. Разработка — Python, потому что по работе немного умел скопировать чужое и наложить на своё
2. Брокер — Т-Инвестиции. Потому что он у меня уже и так есть. А ещё есть нормальная документация: https://github.com/RussianInvestments/invest-python , https://tinkoff.github.io/investAPI/faq_python/
3. Крутой тип, который доступно объясняет, как со всем этим работать: https://azzrael.ru/api-v2-tinkov-invest-getportfolio , https://www.youtube.com/watch?v=QvPZT5uCU4c

( Читать дальше )

Внимание! Пожалуйста, уберите от экранов всех программистов в финансовой области с опытом менее 15 лет — мы будем обсуждать настоящие чудеса инженерии.

Введение

Протокол FAST (FIX Adapter for STreaming) — это международный стандарт, используемый для обмена данными в реальном времени на финансовых рынках. Этот протокол был разработан для повышения эффективности и скорости обмена информацией между различными участниками рынка, такими как брокеры, биржи, банки и другие финансовые учреждения. Протокол FAST является ключевым элементом в инфраструктуре высокочастотной торговли (HFT) и продолжает оставаться актуальным, несмотря на его «почтенный» возраст.

История и Развитие

Протокол FAST был разработан организацией FIX Protocol Limited (FPL) в начале 2000-х годов как улучшенная версия протокола FIX (Financial Information eXchange). Основная цель разработки FAST заключалась в снижении объема передаваемых данных и увеличении скорости их передачи, что стало критически важным с ростом объемов торгов и появлением высокочастотной торговли (HFT).

( Читать дальше )

Введение

Итак, это было обычное скучное утро, когда я решил: «А почему бы не попробовать этот Алгопак от Московской биржи?» Я давно слышал про него, а тут как раз была пара свободных часов и чашка горячего кофе. Что может пойти не так, верно?

Начало приключения

Регистрация и первый вход

Регистрироваться было просто. Почта, пароль, подтверждение — стандартный набор. И вот я уже на главной странице Алгопака, который выглядит достаточно дружелюбно. Однако, первый звоночек прозвенел, когда я начал искать справочную информацию. Документация оказалась несколько запутанной, а некоторые разделы вовсе не обновлялись годами.

Создание первой стратегии

Для начала я решил не мудрить и создать что-то простое. Пусть это будет стратегия на основе скользящих средних (SMA). Вот мой пример кода на Python, который я решил использовать:

import pandas as pd
import numpy as np

# Загружаем данные
data = pd.read_csv('historical_data.csv')

# Параметры стратегии
short_window = 40
long_window = 100

# Создаем сигналы
signals = pd.

( Читать дальше )

Рис.1: Ответ gRPC сервера на любой вопрос.

Краткое содержание для непрограммистов: gRPC круто и быстро и знать об этом незачем. Всего хорошего!

При написании коннектора к любой бирже на 99% везде используется два основных вида способа передачи запросов и получения данных — это через отдельные REST-вызовы (например, «биржа, дай мне список инструментов») и через веб-сокеты (например, «биржа, дай мне поток обезличенных сделок по Газпромнефти»).

В этих «обычных» случаях всё общение происходит через JSON-запросы, то есть, говоря по-русски, в текстовом виде.



( Читать дальше )

Совсем недавно, буквально 2 месяца назад, Мосбиржа запустила Algopack и выложила на Гитхаб долгожданную многими библиотеку на python –moexAlgo, которая должна упростить работу с AlgoPack API.

Что такое Алгопак?

ALGOPACK предоставляет исторические данные, на которых можно тестировать стратегии и делать бэктестинг. Также предполагаются онлайн данные для запуска торговых стратегий.

Данные в ALGOPACK включают:

– Super Candles – 5-минутные свечи с 50+ параметрами, история с 2020 года.

– Mega Alerts – уведомления о рыночных аномалиях.

– Market Signals – сигналы о рыночных аномалиях.

– Market Data – стандартные онлайн данные: стаканы и свечи.

Исторические данные в алгопаке доступны с 2020 года. Доступ к данным возможен через API и Python клиент на библиотеке moexAlgo.

В настоящий момент в Алгопаке доступен только раздел Super Candles (суперсвечи), который (согласно информации с мосбиржи) имеет более 50 готовых сигналов, рассчитанных:

( Читать дальше )

Приветствую.

В прошлой статье я решил немного рассказать о своем опыте с прямыми коннекторами для биржи и мне очень сильно понравился отклик. Спасибо. Поэтому я начинаю серию статей, которые будут постепенно раскрывать тему прямого подключения к московской бирже (moex) с организационной части и с технической. 

1. На текущий момент Twime является одним из самых быстрых, современных коннекторов к бирже, но есть некоторые нюансы. Московская биржа это не только срочный рынок, но также и фондовый и валютный рынок. 





И вот тут выходят нюансы :) 

Срочный рынок стоит в месяц 4 000 р./месяц, а если вы захотите торговать на фондовом или валютном, то вам придется уже платить 30 000 р. в месяц.  Также отдельно стоит сказать, что Twime — это только работа с ордерами. То есть никакие маркет данные отсюда вы также не сможете получать, а это означает, что вам также понадобиться еще и Fast подключение для маркет данных (об этом чуть позже).

Я думаю, что большинство читающих здесь людей не профессиональные HFT трейдеры, а скажем так «любители», которые хотят поиграться в арбитраж к примеру и платить по 30к в месяц довольного много, поэтому такими подключениями в основном пользуются серьезные «компании/конторы», которые занимаются арбитражем на российском рынке. 

( Читать дальше )

Главный писатель книги по тренду (хотя какая это книга, попытка контент мейкинга, чат AI и то лучше пишет текст) наконец-то снизил доходность но практически нуля.

https://tradelink.pro/portfolio/e8e7433e-6f97-4a4a-9dd8-4259f8c022bf



За 3 месяца было нашим писателем про тренд заработало настоящих твердых 42 доллара.

А вот «производительность» того, на кого он залу… за чей счет поднимал свой рейтинг - https://smart-lab.ru/blog/883031.php

Еще раз доказывает, как любят псевдо гении гордится и кичится своим сиюминутным заработком, забывая что трейдинг любит тишину, неспешность и дистанцию.

Есть горемычные, что отважились у него аренду сделать? Пишите в комментариях

Продолжение.  Начало публикации в первой части: https://smart-lab.ru/blog/876173.php 

В этой публикации мы пофантазировали на тему, какую торговую систему можно построить, опираясь на рекомендации Троицы, а также привели результирующую таблицу всех пусков ракет и скриншоты графиков “всех запусков”.
 

( Читать дальше )

Продолжаю учить язык программирования Питон.
Начал разбираться с фреймворком backtrader.
https://www.backtrader.com/
Он позволяет качать котировки с YahooFinance и анализировать их. Можно гонять разные стратегии, считать сколько заработал или потерял. По себе знаю, что самое трудное — сделать первые шаги. Потом всё идёт гораздо легче. Так вот, описываю первые шаги, чтобы получить вот такую картинку. Это код из базового примера с их заглавной страницы, я сам ничего не писал. 

Это стратегия по пересечению скользяшек. На графике видно, что все сделки убыточные (вверху красные кружочки). При удачных сделках они были бы синие. Но дело не в убыточности отдельной стратегии, а в том, чтобы освоить фреймворк.
1. Качаем питон и устанавливаем https://www.python.org/
2. Запускаем чёрное окошко — cmd.exe
3. В командной строке пишем:

pip install backtrader

это установит фреймворк, а потом

( Читать дальше )

Введение

Эта статья является заключительной в цикле тестирования японских свечей. Всего в этом цикле будет 8 статей. Вот список предыдущих статей:

1. Тестирование свечи молот на исторических данных
2. Тестирование модели бычье поглощение на исторических данных
3. Тестирование модели медвежье поглощение
4. Тестирование модели завеса из темных облаков
5. Тестирование модели медвежье харами на исторических данных
6. Тестирование модели просвет в облаках на исторических данных
7. Тестирование модели бычье харами на исторических данных

Все 7 свечных моделей, которые я описал до этого, не выдержали проверки на истории. Сейчас настало время привести ту единственную свечную модель (из мне известных), которая выдержала подобную проверку.

Описание модели

( Читать дальше )