Постов с тегом "ТОРГОВЫЕ РОБОТЫ": 5999

ТОРГОВЫЕ РОБОТЫ


торговый робот - это автоматизированная торговая система, принимающая решения и отдающая приказы на выполнение рыночных заявок на основе программного алгоритма.

В этом разделе вы найдете самые актуальные записи по теме торговые роботы.

Марафон по роботам

Добрый день!
🚀Марафон по роботам день 88

После вчерашних негативных новостей — рынок полетел вниз, чем и воспользовались роботы. Показатели очень хорошие и сентябрь месяц выходит в плюс. Большинство настрое смогли подхватить движение и прокатится на этой горке, а вот кто не успел, с ними буду разбираться и проводить анализ, почему так произошло. Вообще на первый взгляд напрашивает добавления еще одного робота на SI и на BR ( каналы) 

По криптовалюте после хорошего движения пошли плановые просадки, пока все стабильно)) 

➡️Мой телеграм канал t.me/robots_s

Марафон по роботам
Марафон по роботам

( Читать дальше )

Что показывают роботы

    • 20 сентября 2022, 20:45
    • |
    • endever
  • Еще
Добрый вечер! Сегодня все повально вниз, из последнего:

Акции

Сбербанк

SELL @: 136.35 Date: 2022-09-20 at 11:00
Stop Loss: 138.35 (-2.00)
Target_1: 135.67 — исполнено
Target_2: 134.82 - исполнено
Target_3: 133.46 - исполнено
Target_4: 130.36 - исполнено


ВТБ

SELL @: 0.01957 Date: 2022-09-20 at 11:00
Stop Loss: 0.01997 (-0.00)
Target_1: 0.01947 - исполнено
Target_2: 0.01935 - исполнено
Target_3: 0.01916 - исполнено
Target_4: 0.01871 - исполнено


Ростелеком

SELL @: 59.84 Date: 2022-09-20 at 11:00
Stop Loss: 60.25 (-0.41)
Target_1: 59.54 - исполнено
Target_2: 59.17 - исполнено
Target_3: 58.57 - исполнено
Target_4: 57.21 - исполнено


Акрон

SELL @: 17366 Date: 2022-09-20 at 14:00
Stop Loss: 17778 (-412.00)
Target_1: 17280 - исполнено
Target_2: 17172 - исполнено
Target_3: 16998 - исполнено
Target_4: 16604 - исполнено


Фьючерсы

Сбербанк

SELL @: 13913 Date: 2022-09-20 at 11:00
Stop Loss: 14119 (-206.00)
Target_1: 13844 — исполнено
Target_2: 13758 - исполнено
Target_3: 13619 - исполнено
Target_4: 13303 - исполнено



( Читать дальше )

Нейросеть выбрала лучшие акции

На Санкт-Петербужской бирже, по мнению нейросети Investington, сейчас актуальны следующие позиции:

MARA, оптимальная цена для покупки — 10.63$. Цель — 11.5429$. Предсказанная вероятность роста 83.7%
RIOT, оптимальная цена для покупки — 6.37$. Цель — 6.767$. Предсказанная вероятность роста 83.1%
VXRT, оптимальная цена для покупки — 2.3794$. Цель — 2.5723$. Предсказанная вероятность роста 82.5%


Результаты поста от 2022-08-23

ENDP, купили по 0.3221$. Продали 19 сентября по 0.108$. Итоговый процент -66.47%
NVAX, купили по 35.74$. Продали 20 сентября по 28.44$. Итоговый процент -20.43%
PACB, купили по 5.96$. Продали 24 августа по 6.3472$. Итоговый процент +6.5%

Итого: из 3 сигналов 1 оказались верными.


Что это такое? || Отчет

Как заработать денег на MOEX. Системная торговля российскими акциями.

Привет!

Как заработать денег на MOEX. Системная торговля российскими акциями.


Прошлая неделя была сложной для алгоритма, сильно откатывались вниз. С 373к опускались в моменте минимум до 360к. В этот понедельник уходили через ночь разнонаправленно. Были лонги: TCSG/MAGN/CHMF/AFKS/. И были шорты: SBER/GAZP/MTLR/POLY. Утро вторника открыли с закрытия лонгов по стопам, но дальше день получился хорошим.


Отчитываюсь о результатах работы алгоритма на российском рынке.

 

Начали с 300к рублей 04.08.2022.


Август закрыли +17%


Сентябрь по состоянию на сегодня вечер +10.47%


За месяц успели набрать 12 клиентских счетов, которые сейчас небольшими суммами для себя тестируют алгоритм. Привлечением средств занимаются три менеджера, заинтересованные в комиссии со своих клиентов. На данный момент собрали не много — 3.15 млн руб. Однако, надо понимать, что все зашли тестовыми суммами чтоб посмотреть как работает алгоритм.



( Читать дальше )

Август – сентябрь. Отчёт по торговле роботами. Первый месяц в минус в этом году

Итоги:

Месяц к месяцу: — 7.44 %

Год к году: + 57 %

Всего: + 19.2 %

 

 Август – сентябрь. Отчёт по торговле роботами. Первый месяц в минус в этом году

Рис. 1. Эквити за этот год

 

Что было:

Пила… Вроде бы и достаточно широкая, но тем не менее вздохнуть пока роботам не даёт. Ждём движений…

 

Из интересного, за месяц:

Ездил в Сочи на крипто-нетворкинг, приглашённой звездой. Рассказывал о том, как надо правильно торговать роботами. Видео с выступлением будет на ютубе нашем в конце недели.

Темы совсем для начинающих. На СмартЛабе буду выступать с темами поглубже. Для профессионалов.

 

Личное:

Посмотрел на этот раз на Сочи с другой стороны, с хорошей.

Покушал мидий на причале. Повидал старых друзей.

Август – сентябрь. Отчёт по торговле роботами. Первый месяц в минус в этом году



( Читать дальше )

Марафон по роботам

Добрый день!
🚀Марафон по роботам день 87

На днях что то приболел, так что очень кратко:

По сентябрю пока небольшой минус идет, ну еще есть время исправится.

По криптовалюте изменений пока немного, сделаю по ней обзор завтра.

➡️Мой телеграм канал t.me/robots_s

Марафон по роботам
Марафон по роботам

( Читать дальше )

История спреда разных брокеров.

    • 20 сентября 2022, 03:43
    • |
    • fxsaber
  • Еще

История цен торгового символа на рынке Forex имеет особое значение. Децентрализация рынка создает условия, когда цены одного и того же символа на разных торговых площадках отличаются. Это же касается криптовалютного рынка, дарк-пулов.

 История спреда разных брокеров.

В общем, имеет смысл изучить вопрос перед торговлей, чтобы сделать ее наиболее выгодной. Вполне возможно, что особенно хорошие цены позволят использовать определенные закономерности в прибыль.

 

Ниже пойдет об истории одной из ценовых характеристик — спред (соотношение между Bid/Ask-ценами).

 

Сервисы анализа истории спреда.

Довольно много Web-сервисов сравнения онлайн-спредов брокеров. Значительно меньше вариантов анализа истории спреда. Вот несколько ссылок.

 



( Читать дальше )

Нейросеть выбрала лучшие акции

На Санкт-Петербужской бирже, по мнению нейросети Investington, сейчас актуальны следующие позиции:

MARA, оптимальная цена для покупки — 10.56$. Цель — 11.4852$. Предсказанная вероятность роста 82.1%
NVAX, оптимальная цена для покупки — 28.16$. Цель — 30.1553$. Предсказанная вероятность роста 80.5%
RIOT, оптимальная цена для покупки — 6.38$. Цель — 6.7756$. Предсказанная вероятность роста 75.2%


Результаты поста от 2022-08-22

NVAX, купили по 35.63$. Продали 24 августа по 37.8846$. Итоговый процент +6.33%
MARA, купили по 13.3317$. Продали 9 сентября по 14.4881$. Итоговый процент +8.67%
NEO, купили по 10.585$. Продали 25 августа по 11.3258$. Итоговый процент +7.0%

Итого: из 3 сигналов 3 оказались верными.


Что это такое? || Отчет

Марафон по роботам

Добрый день!
🚀Марафон по роботам день 86

Сегодня кратенько. Пятница закрылась немного в минусе, ну как говорится ничего не поделаешь. По криптовалюте все падает и в принципе для роботов это неплохо, но еще не все среднесрочные стратегии вышли в плюс.

➡️Мой телеграм канал t.me/robots_s

Марафон по роботам
Марафон по роботам


( Читать дальше )

Результаты небольшого исследования про модели ML vs участки данных.

Активно использую в алго ML модели. При обучении моделей тоже есть свои фишки и с точки зрения защиты от оверфиттинга и в целом. Поэтому часто обучаю по несколько моделей в одном скрипте. Это и параметры разные и участки данных разные и т.д.

Когда скрипты уже отлажены ты просто их гоняешь, оцениваешь результаты, принимаешь решения. Часто при этом в голове всплывают неотвеченные вопросы, одни помечаешь себе, другие нет. Одними из таких вопросов были: это модель хреновая или OOS неудачный для модели, или в целом неудачный, а есть для него удачная модель, а для удачной модели есть неудачные участки данных тоже? В общем если убрать за скобки ML – классическая тема про переоптимизацию про то, что рынок может благоприятствовать стратегии (а скорее целому классу стратегий), а может нет. Но как с этим у моделей обстоит. В общем до этого момента только фантазировал на эту тему, закрыть вопрос через исследование было не сложно, но как-то руки не доходили, а теперь дошли.

 

Что делал: условно, взял много данных, единое признаковое пространство, по-всякому нарезал данные таким образом чтобы разные модели обучались на разных участках данных и было так же сопоставимое с кол-вом моделей кол-во OOS участков. Убедился, что OOS в конкретной паре модель-OOS не участвовал в обучении данной модели и погнал тестить разные модели на разных OOS кусках.



( Читать дальше )

....все тэги
UPDONW
Новый дизайн