Стратегия полностью автоматизирована и выполняется исключительно торговыми роботами основываясь на технических индикаторах, которые были зразработаны или улучшены при использовании торговых паттернов. Стратегия показывает такие результаты :
На Pepe: 96% прибыльных сделок и доходность 600% за 1.5 года.На Near: 93% успешных сделок и 1700% прибыли за 4 года.
На Solana: 93% трейдов в плюс и 1225% прибыли за 4 года.
На Avax: 94% прибыльных сделок и 1300% прибыли за 4 года. 🔥
Все результаты подтверждены статистикой, основанной на большом количестве трейдов, с использованием 5-го плеча.
4you.us/cdzv больше готовых стратегий
4you.us/vytcdzvr видео
Продолжаем разбираться с тем, как создавать источники для роботов OsEngine. В этом посте обсуждаем класс BotPanel, в котором используются источники.
В проекте OsEngine это здесь:
function cnd(x) -- taylor series coefficients local a1, a2, a3, a4, a5 = 0.31938153, -0.356563782, 1.781477937,-1.821255978, 1.330274429 local l = math.abs(x) local k = 1.0 / (1.0 + 0.2316419 * l) local w = 1.0 - 1.0 / math.sqrt(2 * math.pi) * math.exp(-l * l / 2) * (a1 * k + a2 * k * k + a3 * (k^3) + a4 * (k^4) + a5 * (k^5)) if x < 0 then w = 1.0 - w end return w end -- The Black-Scholes option valuation function -- is_call: true for call, false for put -- s: current price -- x: strike price -- t: time -- r: interest rate -- v: volatility function black_scholes(is_call, s, x, t, r, v) local d1 = (math.log(s / x) + (r + v * v / 2.0) * t) / (v * math.sqrt(t)) local d2 = d1 - v * math.sqrt(t) if is_call then return s * cnd(d1) - x * math.exp(-r * t) * cnd(d2) else return x * math.exp(-r * t) * cnd(-d2) - s * cnd(-d1) end endПроверено вчера на путах сишки. Расчет совпал с табличными значениями «теор цена» на июньских, сентярьских, декабрьских досках опционов.
Продолжаем разбираться с тем, как создавать источники для роботов OsEngine. В этом посте обсуждаем интерфейс (класс родитель) для всех источников в проекте. А именно то, как IIBotTab используется в проекте.
Продолжаем разбираться с тем, как создавать источники для роботов OsEngine. В этом посте обсуждаем интерфейс (класс родитель) для всех источников в проекте.
В обозревателе решения OsEngine это здесь:
Добрый день!
Ищу решение для автоматизированного получения исторических фундаментальных данных по российским компаниям. Нужна история изменения P/E, P/S, ROE, EPS, выручки и других показателей за несколько лет для построения скринера и проведения фундаментального анализа.
Проанализировал два доступных API, но везде есть ограничения:
GetAssetFundamentalsResponse(fundamentals=[
StatisticResponse(asset_uid='40d89385-a03a-4659-bf4e-d3ecba011782',
currency='RUB',
market_capitalization=6878249241240.0,
high_price_last_52_weeks=330.45,
low_price_last_52_weeks=219.2,
average_daily_volume_last_10_days=65639361.43,
average_daily_volume_last_4_weeks=60348494.76,
beta=0.8,
free_float=0.48,
forward_annual_dividend_yield=0.0,
shares_outstanding=21586948000.0,
Рубрика «вопрос-ответ».
«Александр, а при тестировании стратегий на какие данные опираетесь:
— только теханализ
— теханализ + фундаментальный
— теханализ + макроанализ
и так далее?»
При тестировании чисто технически очень сложно, почти невозможно опираться на фундаментальный анализ. Где бы будете брать мультипликаторы 2015 года, а тем более «макроанализ»? Хотя при сильном желании можно и мультипликаторы брать, я знаю случаи, когда брали… И даже имели какие-то валидные результаты. Но по мне — та овчинка не стоит выделки. Голая цена вполне дает пищу для построения систем. Если добавлять к ней то, что вы перечислили, это будет 90% всех усилий ради 10% дополнительного результата. И то не факт, что он будет.
«1. Как по вашему долго еще можно эксплуатировать неэффективность на нашем рынке в паре юань рубль, что в вашей стратегии автоследования?