Я работаю дома под люстрой, в ней много ламп, жрет она много э\э.   Решено было для вечерней торговли сделать экономное освещение.
Лампочки, которые освещают через USB — фигня, темно. Настольная лампа 30 W  много.
Я сделал себе 10 W- самое то!
смотрим фотки


протянул провод через люстру и ништяк


( Читать дальше )

В перерывах между ТСЛабом и голым кодингом копаюсь в разного рода онлайн сервисах по роботобилдингу. Пока вот очередной перерыв, решил опубликовать список из онлайн-сервисов, которые предоставляют разные возможности для бектестов и деплоймента алгоритмов. Т.к. большинство смартлабовцев сидят на иглах ТСЛаба и WL, делать детальное описание не буду, хотя покопался там изрядно. Может как-нибудь за следующим перерывом...

RIZM — прикольный конструктор. Недавно вроде гугл показал подобный кодогенератор. Суть — Вы не пишете коды, а складываете кубики. Только не такие, как в ТСЛабе или еще где-то, а более близкие к программированию. Т.е., если Вы умеете читать код, но не умеете его писать (аки покорный Ваш слуга), то это для Вас.

QUANTOPIAN — упоминался несколько раз тут на СЛ. Quantopian стал центром для выпускников математических и научных дисциплин, которые обладают навыками программирования. Для кодеров. Python. Многие говорят, что соскочили с квантконнекта в квантопиан именно по причине простоты питона. Легендарный

( Читать дальше )

Для тех, кто не успел вчера присутствовать на вебинаре, выкладываю запись))
Приятного и полезного просмотра))))


( Читать дальше )

( Читать дальше )

Тема доверительного управления постоянно будоражит смартлабовцев. Вот на днях был драматический рассказ о сливе миллионов за короткий срок. Хочу на этом фоне поделиться своим опытом торговли чужими деньгами. Надеюсь, он хотя бы немного охладит пыл как потенциальных управляющих, так и инвесторов, мечтающих разбогатеть с помощью трейдеров.

Свой первый счет я открыл в середине 2006 года. Это была моя собственная версия шадринизма: в портфеле было около десятка «голубых фишек» и акций второго эшелона. Новичкам везет: к концу года мой портфель вырос наполовину. И я наивно поверил, что на бирже не так уж сложно зарабатывать. В начале 2008 года перешел на ФОРТС, в течение года более-менее его освоил. Очень хорошие результаты были во время мегаобвала осенью 2008 года. Ветераны помнят (есть кто живой на Смарт-лабе?), как каждый день были стоп-торги и бумаги летали на десятки процентов в день. Мне тогда за месяц удалось удвоить свой счет. Такая же ситуация была в начале 2009, когда были мощные движения Si, заработки были очень хорошие, десятки процентов в месяц. После этих событий я уверовал, что могу хорошо зарабатывать и нахожусь в более-менее устойчивом плюсе.

( Читать дальше )

Регулярно на мой телефон звонят люди, предлагающие брокерские услуги.
Обычно я вступаю в диалог со звонящими — в основном ради того, чтобы задать пару-тройку вопросов, на которые они не могут ответить.
Вот сегодня звонит некий молодой человек, телефон с питерским кодом, говорит, что представляет компанию такую-то (ни о чем не говорящее название), предлагает услуги доступа на западные рынки. 
Разговор строится шаблонно, явно с расчетом на лохов, имеющих о бирже смутное представление. 
— Здравствуйте! Вам интересна торговля на финансовых рынках?
— Я давно там торгую. Давайте без лишних предисловий, скажите, в чем ваше предложение.
Далее следует краткая презентация — общие слова о том, что «наша компания такая-то, предлагает то-то».
— А сейчас в какой компании торгуете? 
Называю компанию, спрашиваю:
— Что в ваших услугах есть такого, чего нет у них?  
— Ну-у, практически то же самое… Но вы знаете, это же банк, он должен заниматься вкладами, кредитами…

( Читать дальше )

Разработку как ремонт, нельзя закончить. Её только можно прекратить волевым усилием.
Не прошло и месяца после моего заявления, что я сделал все что мог, как новые бредовые и не очень идеи привели к изменениям в торговых алгоритмах. И с роботами начали происходить изменения. Новые идеи, обновленные алгоритмы, угроза безработицы среди персонала... Фермерами, как в Японии, они конечно не станут, не та специализация, но часть уже уволена вчистую.

Путь клонирования роботов под различные типа трендов оказался не то, чтобы тупиковым, но избыточным.
По здравому размышлению и после некоторых экспериментов в строю в качестве основного остался только робот SWT_Local, предназначенный для торговли на движениях локального тренда — тренда недельного цикла.

Роботы — SWT_I-Day — для торговли внутридневного тренда и SWT_Daily — для торговли дневного тренда мы исключили из использования, так как риски при их автономном использовании достаточно высоки из-за худшего соотношения волатильность/спред. Однако фрагменты алгоритма этих советников включены в обновленную версию 

( Читать дальше )

( Читать дальше )

Как известно, на долгосрочную доходность инвестиций очень сильно влияют  налоги. По сравнению с США, где ставка налога на прирост капитала может достигать 20%, налоговое законодательство в России весьма либерально: наш НДФЛ всего лишь 13%. Но и тот можно не платить, если вы продержите акции более 3 лет.

Есть правда ограничение — максимальная сумма освобождаемых от налога доходов рассчитывается по формуле: количество лет * 3 млн. рублей. То есть после 3-х лет владения акциями вы сможете освободить от НДФЛ 9 млн. руб. дохода от их продажи, что вполне достаточно для подавляющего числа частных инвесторов. Важно, что размер освобождаемых от налога доходов увеличивается каждый год на 3 млн. рублей, то есть за инвестиционный период в 30 лет вы сможете не платить НДФЛ с 90 млн. рублей дохода от продажи акций. 

Для получения освобождения никаких документов по общему правилу подавать не нужно, брокер сам все рассчитает и удерживать налог с вас не будет. Однако для того, чтобы не продать акции раньше 3-х летнего срока и не попасть на налог, даты и сроки покупки акций нужно учитывать

( 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.