ТОРГОВЫЕ РОБОТЫ

В этой статье я опишу самый простой способ сделать робота для торговли криптовалютой. Кто подтолкнул меня к этой идеи можно узнать из предыдущего поста.

Для анализа акций многие используют TradingView и правильно делают, инструмент действительно очень качественный и даже за бесплатно можно писать скрипты и использовать финансовые данные. 

Самое интересное, что в TradingView есть встроенный бектестер стратегий и можно очень быстро что-то написать. Конечно, для реализаций уникальных стратгеий вам нужно будет открыть документацию и потратить какое-то время, но большая часть стратегий уже описана и вам нужно только понять, как пользоваться кодом.

Например только лонг стратегия на двух МА выглядит вот так:

//@version=5

strategy(«2MA by Denis», commission_value = 0.022, initial_capital = 10000, default_qty_type=strategy.percent_of_equity, default_qty_value=100, overlay=true)

Мы здесь: Глава 2: . Выбор платформы для алготрейдинга и языка программирования 2.1: Хороший язык программирования для алго. 

Вам повезло и выбор языка для программирования торговых роботов очень прост.

Это – СИ ШАРП (C#). Язык, разработанный компанией Microsoft. Один из самых популярных языков программирования на планете.

Почему Си Шарп? 

Так исторически сложилось, что большинство торговых роботов в Российской Федерации пишутся на этом языке.

Популярные платформы для алготрейдинга в русскоговорящем интернете, в порядке от большего к меньшему:

1)      TsLab

2)      OsEngine

3)      S #

1, 2 и 3е место занимают робот-билдеры, в которых используется язык Си Шарп.

Поэтому, без сомнений, учите Си Шарп. Кроме того, что на нём будет очень удобно писать роботов, так вы ещё и сможете найти работу по профессии программиста, в случае если решите в какой-то момент связать свою жизнь с этой профессией.

Сделал нейросеть для прогноза цены фьючерса RTS к клирингу на основе точки минимальных выплат по опционам.

Как трактовать результаты — вообще не понимаю. Вроде что-то интересное и есть, если поставить количество эпох более 5000.  Ну это по коэффициенту детерминации еще более менее. А по loss и mae, вообще беда.

Кто занимается нейронками, гляньте пожалуйста. Может поставить входной слой LSTM и не перемешивать train, тогда результат будет лучше?

Ссылка на Colab notebook:

colab.research.google.com/drive/1MXjYUVcLMbiiE5hPauNtp9o8VE3QSu8c?usp=sharing