алгоритмы

Кто-то этого давно ждал, кто-то не ждал, кому-то вообще параллельно. Тем не менее, встречайте: библиотека для работы с брокерами бинарных опционов OpenBoApi. Не благодарите.



Либа написана на С++, почему? Потому что это не питон. Либа пока еще сырая, тем не менее я сам ее использую, тут я как сыроед, в кодинге, ну. Либа будет дальше там, ну, улучшаться, дополняться и т.д.

Лирическое отступление

Обычно у библиотек и языков программирования есть какой нибудь талисман, ну там хомяк, лисичка, еще что нибудь безобидное. И тут я вспомнил, что был один в истории человек, который прям как в бинарках обещал 100% в месяц. Многие его называли мошенником, однако он всю жизнь проходил в трениках, был далеко не дурак, хотя, судя по всему, верил в свои пирамиды. И вообще о народе думал. В общем, нестандартная личность. 

Ближе к телу

OpenBoApi - это C++ header-only библиотека для работы с API брокеров бинарных опционов. С помощью этой библиотеки выполняется правило трех сигм, тфу, то есть, трех 

( Читать дальше )

Когда-то давно я занимался распознавание образов и использовал такую вещь как интегральное представление изображения. И на самом деле этот же метод применим и в алготрейдинге, например для быстрого расчета SMA, или сбора статистики винрейта за указанный период. 

Например, был ценовой ряд из 6-ти элементов:

1.104, 1.102, 1.105, 1.106, 1.103, 1.101 

Найдем его интегральное представление (начнем с нуля):

0.0, 1.104, 2.206, 3.311, 4.417, 5.52, 6.621

Чему будет равно SMA за последние 3 элемента? Достаточно посчитать разницу: 6.621 - 3.311 и разделить ее на 3.

SMA(3) = (6.621 - 3.311)/3 = 1.103

Убедимся, что SMA(3) найдено верно. 

(1.106 + 1.103 + 1.101)/3 = 1.103

Таким образом можно найти SMA с любым периодом, совершив всего навсего одну операцию вычитания и одну операцию деления. Это позволит гораздо быстрее получить набор значений индикаторов типа SMA, RSI, STD_DEV.
Вроде все хорошо, НО НАДО ПОМНИТЬ, что если использовать тип данных с плавающей точкой, то у нас будет накапливаться ошибка. Поэтому ценовой ряд лучше сначала преобразовать в целочисленный тип. Для этого достаточно для 5-ти значных котировок умножить цену на число 100 000.

В случае с подсчетом винрейта необходимо иметь два ряда, один для удачных сделок, другой для убыточных. Оба ряда преобразуются в интегральное представление, дальше по аналогии находим две суммы за выбранный период, после чего уже можно и винрейт посчитать.

В свое время для алготрейдерских задач мне нужно было много оперировать датой и временем. Конечно, в С++ и Си есть библиотеки для работы с датой и временем. Но мне захотелось сделать свой велосипед, который бы мог легко и удобно превращать строковое представление времени в метку времени, менять часовой пояс, получать время UTC компьютера, преобразовывать метку времени в стандартный формат даты и времени и обратно и т.д. и т.п. Одним словом, целый спектр задач.

В итоге я сделал библиотеку xtime (ну, громко сказано «библиотека», это всего лишь два файла .cpp и .hpp). Для хранения и преобразования меток времени используется тип данных uint64 либо double, поэтому у данной библиотеки нет проблемы 2038 года.

Используемые типы данных:

• timestamp_t — тип длиной 64 бита для хранения метки времени.
• ftimestamp_t - тип с плавающей точкой длиной 64 бита для хранения метки времени с дробной частью секунд.
• oadate_t - тип с плавающей точкой длиной 64 бита для хранения даты автоматизации (OADate)

( Читать дальше )

Кто читал об этой истории здесь: smart-lab.ru/blog/571765.php, тому это видео ни к чему. Хотя свежая информация присутствует.

Да что ходить вокруг, да около.
Смотрим и думаем… а что это было?



( Читать дальше )

История

Компания Two Sigma Investments была основана в 2001 году Джоном Овердеком, Дэвидом Сигелем и Марком Пикардом. Cигель является доктором компьютерных наук из Массачусетского технологического института и занимал должность директора по информационным технологиям в DE Shaw & Co. до создания Two Sigma. Овердек — серебряный призер Международной математической олимпиады, который впоследствии изучал математику в Стэнфордском университете, а затем перешел на должность управляющего директора в DE Shaw, перед тем как уйти в соучредители Two Sigma. Пикард занимал пост президента фирмы с момента ее основания до выхода на пенсию в 2006 году.

Согласно Two Sigma, название фирмы было выбрано, чтобы отразить двойственность слова sigma. Сигма в нижнем регистре, σ, обозначает волатильность доходности инвестиций по данному эталону, а сигма в верхнем регистре, Σ, обозначает сумму. Сложив воедино волатильность отдельных позиций, измеренную по отношению к эталону, Two Sigma может усилить прогнозные сигналы, говорится на сайте компании.

( Читать дальше )

Что то я немного пропал, не понял до конца полезно ли вести такой дневник или нет.

Возможно писать все подряд каждое действие и не имеет смысла, а вот какие нибудь исследования и выводы, мысли, а так же проблемные места… Интересно ли это кому и надо ли мне?

-----
По разработке спекуляционной стратегии направленного движения: собрал правила на основе чистого графика, поведение толпы, добавив только самописный индикатор по типу ATR(но без хвостов) для ориентира размера длины точки переворота и защитного SL на случай резкого сквиза.

Записал все жестко на «бумаге» и накидал визуальный скрипт помощник на Tradingview, ручками прогнал, результаты предварительно удовлетворяют.

Теперь все описываю для своего самописного тестера в эксель, что б прогнать другие инструменты и посмотреть как себя покажет. Если ок, то все упирается в ликвидность и некореляционные инструменты.

А на рынке крипты с этим сегодня все плохо, альты гуляют почти синхронно и ликвидности под капитал выше 2млн$ хватает только на ETH,XRP, LTC, BCH...
Фактически торговля только 2 инструментами, BTC и ALT.

( Читать дальше )

Давно было модно вести свой ютубчик канал.
Когда то на заре русского инета я что-то там открыл (линейку отличных видео), да после трейдинг мощно отвлек.

Однако, появился интерес открыть новый проект, связанный с ютубом. И чтобы не ударить в грязь лицом, решил оттестить общий навык видео_обращений. Первый блин получился, не такой румяный, как Колобок. А комом.

Не судите, да несудимы будете.
Заваял чисто трейдинг, под музыкальную песню (тавтология)).



( Читать дальше )

Управляющий партнер DTI Algorithmic Александр Бутманов в эфире у Pro Blockchain от 24.10.2019 рассуждает о торговых алгоритмах и шорте биткоина, глобальном развитии криптосферы и манипуляциях игроков на крипторынке:

 

«Приятно удивлен силой и мощью ребят с большими „кохонес“, которые продолжают продавливать биток. Если бы запуск TON не отложили, скорее всего, они встретили бы „поезд“. А сейчас им повезло. Снимаю шляпу»

 

На видео:

• 2:20 — Проблемы запуска Libra
• 4:40 — О «циклах» биткоина
• 9:50 — Стоит ли сейчас покупать биткоин?
• 14:12 — О торговых алгоритмах и шорте биткоина: «Сделал терминатора — не вмешивайся»
• 20:15 — Криптовалюты перестают быть маргинальными 
• 23:09 — Страх исчез: криптосфера развивается
• 26:03 — Игроки на крипторынке искусственно манипулируют ценой?
• 30:20 — Какие технологии нужны миллениалам

 

( Читать дальше )

Дополнение к серии «Портфельная оптимизация как бустинг на слабых моделях»

• Обобщённая проблема

Результаты оценки любых случайных величин представляют из себя случайную величину. Не исключением здесь будут оценки ковариации.

Особенно сильно эффект неточности полученных оценок (случайности статистик) будет проявляться в портфелях, составленных из большого количества ценных бумаг — большего или сопоставимого количеству располагаемых наблюдений. И, поскольку, в некотором приближении задача портфельного инвестирования сводится к поиску двух максимально независимых активов из множества:


 

где R — коэффициент взаимной корреляции — её решение, естественным образом, будет располагаться в области максимально отрицательной статистической ошибки.

( Читать дальше )

Устойчивые долгосрочные модели


В предыдущих частях (часть 1, часть 2) мы рассмотрели построение композитных систем оценок ценных бумаг, построенных при помощи распространённых средств машинного обучения (Bag/Boost методы). Однако, такой подход, несмотря на все свои преимущества (скорость, точность) имеет ряд больших недостатков – отсутствие универсальности моделей в результате проблем «переобучения»  (точной настройки на определённые типы рынков и временные интервалы) и сложность интерпретации полученных композиций.

В результате решения этих проблем мы разработали базовую модель на основе наших представлений о стохастических дифференциальных уравнениях с квантовыми скачками, образующих улыбку волатильности. Эта макромодель получила в наших исследованиях наиболее полную микроскопическую интерпретацию.

( Читать дальше )