Алготрейдинг

🔥 Мы это сделали! Теперь на нашем GitHub лежит настоящая кладовая готовых торговых стратегий на C# и Python — бери и запускай!

Зачем писать велосипеды с нуля, если всё уже под рукой? Любую стратегию можно использовать в Дизайнер, Раннер, Shell или напрямую через API. А если хочется вообще без заморочек — просто открывайте Галерею в Designer и запускайте понравившуюся стратегию в пару кликов!

В наборе: индикаторные, арбитражные, маркетмейкерские и даже стратегии с элементами машинного обучения. Каждый пример с понятными комментариями, чтобы разобраться мог даже самый начинающий кодер.

Давайте творить алгоритмическую магию вместе! Экспериментируйте, дорабатывайте, тестируйте — и пусть рынок будет к вам добр 😉

Ваш StockSharp 🚀

у Вас на сайте написано(достаточно коряво)

… Заключение: Ваше финансовое вклад — это ценная форма признания нашей трудолюбивой работы

Ваше финансовое вклад — такой темы в русском языке нет правильно будет писать — Ваш финансовый вклад

и очень странно звучит эта фраза

… нашей трудолюбивой работы

как будто какой-то бот писал)))

… Проявите свою поддержку, внесши финансовый вклад

внесши финансовый вклад — так тоже не правильно писать. Можно так — внеся(или — внесите) финансовый вклад

И сделайте на своём говносайте шифрование типа https а то он и так достаточно ущербно выглядит и тут ещё протокол который не шифрует данные. Это ботва какая-то.

Ну и самый главный момент. Если Вы создали то что у Вас на сайте описывается как — … Уникальные алгоритмы,… для точного фундаментального и технического анализа акций,… вы можете эффективно определить компании, выделяющиеся в определенных областях, что гарантирует обоснованные инвестиционные решения,… Ваша поддержка имеет значение У нас есть идеи для улучшения функциональности наших алгоритмов F-rank и T-rank. Однако перед вложением ресурсов в разработку мы хотим определить интерес инвесторов к относительному сравнению компаний…

Как мы и упомянули в предыдущем посте, после очередного обновления максимума торговля была продолжена, и, как теперь видно, совершенно не зря: последняя сделка, открытая с повышенным объемом (согласно системе управления риска в стратегии), забрала бОльшую часть роста крипты на прошлой неделе и принесла суммарную прибыль в 11 129 $ по всем личным счетам трейдера:

Таким образом, с последней точки входа прибыль составила 38% за 33 дня:

Продолжаю тестировать описанный тут алгоритм, основанный на парном трейдинге: smart-lab.ru/blog/1176485.php

Собрал сделки на всех парах в одну кривую — получил вот такой красивый результат на out-of-sample данных.


Что ещё нужно сделать: 
— Попытаться придумать критерий, чтобы еще на этапе тестирования отсеивать плохие пары.
— Проработать stop-loss'ы (и в целом продумать risk management). Пока единственное условие выхода — это боллингер.


Что НЕ работало:
— Алгоритмы из книжек и интернета в лоб, без своих идей.
— Метод наименьших квадратов (OLS) для вычисления коэффициентов регрессии. Коэффиценты получаются очень нестабильными, нужна какая-то регуляризация.
— Минутные данные. Издержки/спред/проскальзывания съедают прибыль.

Что заработало:
— Фильтр Калмана вместо OLS.
— Оптимизация параметров в фильтре Калмана не через прибыль, а через статистические свойства спреда.
— В статистических оценках — использование robust подходов, например https://medium.com/@aakash013/outlier-detection-treatment-z-score-iqr-and-robust-methods-398c99450ff3

Идея простая:
   Если пара ведёт себя «правильно» с точки зрения статистики, она неизбежно будет прибыльной на большой выборке.

Что значит «правильно»:
   1. Наличие возврата к среднему (mean reversion)
   2. Адекватный half-life у спреда, максимум несколько дней
   3. Стабильные коэффициенты регрессии

Алгоритм:
    — Использую фильтр Калмана для нахождения коэффициентов регрессии. 
    — Сначала подбираю параметры в фильтре Калмана так, чтобы соблюдались все условия выше.
    — И только потом оптимизирую вход и выход по коэффициенту Шарпа.

Реализовал этот алгоритм на C#, с вызовом Python-процедуры для выполнения ADF-теста.

Тестировал на BIST (Турция):

25 случайных large-cap, все пары с одинаковым сектором
    — Средний CAGR: 2% на out-of-sample 
    — По всей видимости, в крупных бумагах сидят роботы, которые высасывают арбитраж.

Предыдущий опыт (разработка, тестирование и эксплуатация) использования алготрейдинга оказался достаточно удачным. Пришло время обновления для новыми решениями в своей автоматизации на #Python

• реализовал безопасный сброс позиций на плохих новостях или котировках

• реализовал алгоритм ежедневного мониторинга для ребалансировки портфеля

Как и раньше только своими силами и за свои, реализую в алгоритмах лучшие практики и находки на конференциях Смартлаба!

https://kimkarus.ru/2025/06/27/realizoval-i-zapustil-novye-mehaniki-dlya-svoego-proekta-algotrejdinga/

Рынок пришел в движение сразу же после того, как мы запустили торговлю: от последней точки входа была получена прибыль 18% всего за 3 дня (мониторинг):

В целом же счет обновил максимум доходности: 147% против предыдущих 136%, а значит, следуя своему обещанию в марте, мы возвращаем комиссии за управление на Байбите только сейчас.

Тем временем, в процессе детального изучения статистики торгов выяснилось, что результаты по самому первому (старому, #2 отсюда) счету были посчитаны неправильно, потому что не учитывались все вводы и выводы денег, и поэтому общий результат стратегии, на который мы ссылаемся, также требует пересмотра. На самом деле он оказался намного выше, чем мы думали: предыдущий максимум составляет не 372% прибыли, а 727%! А текущий, соответственно, равен уже 764%: