Торговые роботы

Для лиги ленивых:

Цель изысканий – снизить волатильность портфеля через снижение доли наиболее волатильных инструментов и наоборот. Для трейдинга вряд ли подойдёт.

Идея понравилась, пока планирую использовать (как вспомогательный) вариант со сглаженным ATR + добавлю повышающий коэффициент, если цена выше sma200. Ребалансировка при отклонении текущей доли от рассчётной > 10% от значения (было 20% / стало 22%) хотя бы по одному из инструментов.
Вот код индикатора tradingview для тех, кому интересно самому покрутить:

//@version=6
indicator(«Динамическая ребалансировка портфеля»,  overlay = false)
string TS1_name = input.string(defval = 'RUS:IRUS2',title='IRUS2')
string TS2_name = input.string(defval = 'CAPITALCOM:US100',title='US100')
string TS3_name = input.string(defval = 'RUS:RGBITR',title='RGBITR')
string TS4_name = input.string(defval = 'TVC:GOLD',title='GOLD')
int SDlength = input.int(defval=100, title='StDiv', minval = 100)
int SMAlength = input.int(defval=100, title='StDiv', minval = 100)

( Читать дальше )

Код Python позволяет получать исторические данные по облигациям: цены, объемы, НКД. Нужно только ввести тикер или ISIN, а также указать диапазон дат. Полученные данные сохраняются в файл формата .csv

# Получение данных о ценах облигаций
import requests
import csv
from datetime import datetime
import time

def get_bond_data(bond_identifier, start_date, end_date):
    """Получение данных по облигации (ISIN, тикер или название)"""
    
    # Поиск облигации
    url = "https://iss.moex.com/iss/securities.json"
    params = {'q': bond_identifier}
    
    response = requests.get(url, params=params)
    data = response.json()
    
    # Ищем облигацию
    bond_info = None
    for security in data['securities']['data']:
        if (security[1] == bond_identifier or  # ISIN
            security[0] == bond_identifier or  # тикер
            security[2] == bond_identifier):   # название
            
            bond_info = {
                'ticker': security[0],
                'shortname': security[1],
                'fullname': security[2],
                'isin': security[1] if security[1].

( Читать дальше )

Я тут слышал у многих проблемы с получением котировок, после того, как Финам там что-то запретил у себя скачивать?
Вобщем я с ИИ посидел часов 10 и мы написали программу. Ну как мы. Я ни строчки не написал, но руководил и поставил себя автором.
Ну оно так и бывает. Вобщем, кому нужно, вот версия 1.0 такого добра:




( Читать дальше )

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 )