ТОРГОВЫЕ РОБОТЫ

В общем долго я маялся, мучился, ленился и, таки себя пересилив, в конечном счете сел за программирование. Кое-как, со скрипом, но сел. Начал буквально через силу: думаю «блин, мне под сраку лет уже, а я пишу какие-то задачки для 5 класса, какого...?». Но это гонор, я засунул его в Ж. и стал тупо брать и делать. Цель есть и надо идти вперед.

Сначала по видео учился, благо недавно у Нильчанпаба вышел четкий курс по Go в 2 частях, большой объемный, хорошо рассказанный с кодом и большой аргументацией. На ютубе лежит, кому надо — найдёте. В принципе вот именно он меня и сдвинул с мертвой точки. Хорошо парень рассказывает, стал его подробно проходить, с тетрадкой, записывая все важное (а там — всё важное!). 2х13 часов видео курс по основам (недели 3-4 заняло по 5-6 часов в день).

Потом стал пробовать писать код, написал всяких простеньких залипух порядка 1.5 сотен. Теперь полностью (почти полностью) понимаю код и пробую писать бота по своей ТС, благо я эту систему сам придумал и знаю ее всю досконально.

( Читать дальше )

На этой неделе большинство работ было посвящено машинному обучению и новым вычислительным методам в трейдинге и управлении рисками. Основной тренд — использование больших языковых моделей (LLM) и трансформеров для прогнозирования и оптимизации портфелей.

Все данные взяты из свежих научных статей и препринтов. Каждую неделю мы анализируем сотни работ и отбираем самое важное.

Основные направления

1. ИИ в трейдинге и управлении портфелем

Исследования сосредоточены на улучшении стратегий через анализ настроений и прогнозные модели.

• LLM для оптимизации портфеля
Фреймворк 3S-Trader использует языковые модели для оценки акций, выбора стратегий и адаптации к рынку. Результаты показывают высокую доходность «3S-Trader: A Multi-LLM Framework for Adaptive Stock Scoring, Strategy, and Selection in Portfolio Optimization».

• Риски стратегий на базовых моделях
Исследование предлагает расширить модель CAPM, чтобы разделить систематические и индивидуальные риски при использовании foundation models «Trading with the Devil: Risk and Return in Foundation Model Strategies».

( Читать дальше )

Конечно нет. Большинство людей, в том числе имеющие толстый кошелёк, вообще не имеют брокерского счёта. Поэтому это мечта идиота)))

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.).

( Читать дальше )

Представьте, что вы построили гоночный болид, но, чтобы управлять им, вам приходится не самостоятельно нажимать на педали, а давать команды человеку за рулем через переговорное устройство. Примерно так выглядит работа торгового робота без использования API — много лишних посредников, задержек и неэффективности.

Trade API (Application Programming Interface) убирает этого «посредника», предоставляя вашему алгоритму прямой доступ к торговой системе брокера. Давайте разберемся, как этот инструмент превращает сложный процесс интеграции в простую и понятную задачу.

• Что такое Trade API и как это упрощает работу

Эволюция автоматизации: от «костылей» к прямому доступу

До появления удобных API разработчикам и трейдерам приходилось искать обходные пути для автоматизации, которые были сопряжены с существенными недостатками.

• Эмуляция мыши и клавиатуры (AutoHotkey, Sikuli): программа буквально «нажимала» кнопки в графическом интерфейсе терминала.

( Читать дальше )

В этом видео разбираем индикатор Bollinger Bands: немного истории, формулы расчёта, торговые сигналы и практическое применение. В конце покажем готового бесплатного робота для OsEngine, который торгует по данному индикатору.

VK Видео:

RuTube:


( Читать дальше )

Каждый инвестор рано или поздно сталкивается с необходимостью ведения учёта своего портфеля, особенно если брокеров несколько. В первом приближении для этого подходит Excel: многим знаком, работает локально и почти всегда установлен на компьютере. Подходит для расчета доходности, учета дивидендов.

Однако механическая работа со временем утомляет, а возможности Excel для автоматизации онлайн получения котировок ограничены. Google Таблицы решают эту проблему: это изначально облачный инструмент. Чтобы получить актуальную цену акций, достаточно одной формулы.

В этой статье мы разберём, как Google Таблицы могут дать инвестору больше свободы. Я покажу на примерах, как с помощью встроенных инструментов и простых гугл скриптов (Google Apps Script) превратить таблицу в полноценную платформу для анализа и автоматизации вашего портфеля. А ещё разберем получение котировок в обоих инструментах.

( Читать дальше )

Сейчас в Потоке пост про робота на индикаторе Биар Повер.
Индюк говно, я проверял. Это, вроде, от Элдера.
Идея торговая тоже дрянь, робот сливать будет!
Автор запретил комменты всем, кроме друзей.
Поэтому пишу так.

В этом видео мы разберём индикатор Bears Power: расскажем о его происхождении, рассмотрим формулы расчёта, проанализируем торговые сигналы и, конечно, представим готового бесплатного робота для OsEngine, основанного на этом индикаторе.

VK Видео:

RuTube:


( Читать дальше )

Iterated Distillation and Amplification (IDA) — это концепция, которая появилась в ходе эволюционирования систем машинного обучения. Например, широко известный алгоритм AlphaGo использовал, а системы обучения с подкреплением (reinforcement learning) могут использовать эту концепцию для повышения качества своей работы.

В случае ML, амплификация — это разбиение сложной задачи на более простые подзадачи, которые решаются, а потом их результаты объединяются и, таким образом, создаётся сложная модель, которая способна решать сложные задачи в различных контекстах.
Дистилляция же — это процесс создания упрощённой модели на основе сложной, но так, что качество работы этой простой модели практически не ухудшается. Она проще в смысле архитектуры: меньше в размерах, менее требовательна к ресурсам, но обеспечивает качество решения задач на уровне сложной.

Как всё это связано с трейдингом?
Хотя я создаю торговые системы с использованием генетических алгоритмов, всё равно, в каком-то смысле, это брутфорс: нужно придумать элементы стратегии (условия входов/выходов), нужно придумать их параметры, собрать из этих ингредиентов ТС, нужно просчитать каждую ТС, проанализировать результаты, ранжировать ТС по эффективности, объединить в портфель.

( Читать дальше )