Постов с тегом "Python": 237

Python


Реализовал и запустил новые механики для своего проекта алготрейдинга

Предыдущий опыт (разработка, тестирование и эксплуатация) использования алготрейдинга оказался достаточно удачным. Пришло время обновления для новыми решениями в своей автоматизации на #Python

  • реализовал безопасный сброс позиций на плохих новостях или котировках

  • реализовал алгоритм ежедневного мониторинга для ребалансировки портфеля

Как и раньше только своими силами и за свои, реализую в алгоритмах лучшие практики и находки на конференциях Смартлаба!

https://kimkarus.ru/2025/06/27/realizoval-i-zapustil-novye-mehaniki-dlya-svoego-proekta-algotrejdinga/


Я самый ленивый трейдер, часть 2

Ранее я писал о своёй поделке — надстройка над терминалом quik на python для торговли.
С тех пор сделал ещё пачку полезных фич, индюшатню, сигналы, исправил ошибки, прошёл стресс-тест в условиях повышенной торговой активности(после снижения ключевой ставки). Вчера доделал офлайн голосового помощника. Можно торговать, не вставая с дивана и не отрываясь от телефона:)

Команды, которые понимает помощник:
«Кеша, включи голосовые уведомления» или «Кеша, включи голос»
«Кеша, выключи голосовые уведомления» или «Кеша, выключи голос»
«Кеша парковка» — паркует все свободные деньги в фонд ликвидности
«Кеша купи/продай газпром(яндекс, т техно, и ещё ряд тикеров)» — покупает или продаёт указанный инструмент на определенный в настройках объём.
«Кеша как дела» или «Кеша рынок» — докладывает о состоянии рынка.

Архитектура очень простая — распознавание голоса крутится отдельным процессом, а торговый терминал на python коннектится к нему и получает готовые команды в виде json. Распознаватель сделан на упрощенной руcскоязычной модели с помощью KaldiRecognizer. Расширенная грамматика и преобразование в json сделано на Lark. Процесс распознавания голоса использует cpu на 0.4-0.5%.

( Читать дальше )

🧠 DeepSeek R1 взорвал рынок: как заработать на ИИ-революции с акциями Baidu и NVIDIA

🚀 Китайский ИИ меняет правила игры

В январе 2025 китайская нейросеть DeepSeek R1 стала самым скачиваемым ИИ-приложением в мире. Созданная за $5,5 млн, она показала эффективность ChatGPT, но работает на дешёвом оборудовании и распространяется как open-source. За неделю —:

  • 📉 Обвал NVIDIA на -18%

  • 📈 Ажиотаж вокруг Baidu и китайских ИИ-компаний

  • 🛑 Расследования в США о нелегальных поставках чипов

Это не просто хайп — это новая глава в ИИ-гонке, и на этом можно заработать. В статье — как я вышел в +15% на акциях Сбербанка и как ловить рост Baidu и NVIDIA.


🔍 Почему DeepSeek R1 — это «бомба»

  • Бюджет: $5,5 млн за 2 месяца (у OpenAI — сотни миллионов).

  • Инфраструктура: обучена на NVIDIA H800, а не H100.

  • Доступ: 2,5 млн скачиваний форков на HuggingFace.

  • Интеграции: в Baidu, WeChat и Tencent уже встроено ядро R1.

На фоне этого США приостанавливают поставки чипов, NVIDIA теряет $750 млрд капитализации, а китайский рынок получает буст.



( Читать дальше )

Нейросеть взломала рынок: 20% прибыли на Сбербанке за 30 дней с моим кодом!

🚀 Введение: ИИ против рынка — кто кого?

Можно ли с помощью нейросети заработать на фондовом рынке больше, чем руками? Я поставил эксперимент и дал ИИ задачу: анализировать акции Сбербанка (SBER) и выдавать сигналы на основе прогноза. Результат — +20% прибыли за месяц на демо-счёте. В статье — полный разбор: какие инструменты я использовал, какой код написал, и как вы можете повторить всё это шаг за шагом.


🔍 Почему именно Сбербанк и нейросети?

  • SBER — ликвиден: высокий объём торгов, идеален для алгоритмических сделок.

  • Волатильность: движение цены даёт точки входа.

  • Популярность на Smart-Lab: кейс интересен широкой аудитории.

А нейросети, в отличие от людей, не устают, не поддаются эмоциям и умеют видеть закономерности, которые не видны глазом.


⚙️ Эксперимент: +20% за 30 дней

Шаг 1. Сбор данных

Источники:

  • moexalgo — данные с Мосбиржи

  • yfinance — данные с Yahoo Finance

pythonКопироватьРедактироватьfrom moexalgo import Ticker import pandas as pd sber = Ticker('SBER') data = sber.candles(date='2022-01-01', till='2024-12-31', period='D') data = pd.DataFrame(data)[['close', 'volume']]

( Читать дальше )

DeepSeek + TSLab: как ИИ генерирует код для профессиональных трейдеров

Введение

В трейдинге каждая секунда может иметь значение. Но стандартные инструменты часто не позволяют работать с данными высокого разрешения. В этой статье я поделюсь опытом создания кастомного решения для TSLab, которое сохраняет 1-секундные свечи с расширенными метриками (открытый интерес, количество продавцов/покупателей, лента сделок, лучшие бид/аск и др.). Покажу, как забрать эти данные из TSLab, передать их в Python для ML – анализа и т.д.

Задача

Трейдеры часто сталкиваются с ограничениями стандартных платформ: нельзя сохранить сверхмалые таймфреймы, добавить кастомные метрики или быстро переложить данные в Python для ML.

**Цель проекта** — создать инструмент, который:

— Сохраняет 1-секундные свечи с расширенными данными (открытый интерес, лента сделок…).

— Автоматически генерирует CSV-файлы для анализа.

— Позволяет строить интерактивные графики и обучать ML-модели.

 

**Главный герой** — ИИ-ассистент DeepSeek, который ускорил разработку в несколько раз и решил ключевые технические проблемы.



( Читать дальше )

Тестирование торговой стратегии с использованием нового индикатора Джона Ф. Элерса на Python для дневных данных Московской биржи

Торговля акциями требует гибкости, особенно когда речь идет о тестировании стратегий технического анализа на прошлых данных. Я выбрал Python и библиотеки backtesting.py и aiomoex, потому что они позволяют анализировать рынок без сложных платформ и ограничений. Python дает свободу автоматизации, backtesting.py обеспечивает удобный и быстрый механизм тестирования стратегий, а aiomoex позволяет скачивать данные напрямую с Московской биржи без привязки к брокеру.

Важно, что backtesting.py получил обновление после четырех лет без обновлений, что делает его актуальным инструментом. И в отличие от MetaTrader, StockSharp, TSLab и Quik, которые работают с Московской биржей, но требуют Windows, если брокер имеет API, то можно запускать скрипт на любом сервере, включая облачные решения и Raspberry Pi.

В этой статье я протестирую самую свежую стратегию теханализа Джона Ф. Элерса (John Ehlers), направленную на устранение запаздывания скользящей средней. Разберемся, как её адаптировать к акциям Московской биржи и протестировать с помощью Python.

( Читать дальше )

Мои результаты работы (>30% г/г) на Московской бирже (MOEX) в этом 2024 году и выполнение целей

Писать заметки нужно, так мы оставляем следы своих достижений, хотя бы для самих себя.

Для автоматической торговли облигациями на MOEX (тут подробнее)
1) реализовал работу в режим мультиброкер с использованием API: Финам, Алор Т-Инвестиции (Тинькофф)
2) реализовал автоматическое перекладывание свободных средств в фонды ликвидности (овернайт)
3) питонизировал (Python) монолит на разные микросервисы (роботы): аналитика, мониторинг, подготовка и размещение заявок, овернайт

Цели инвестирования:
1) пассивный доход достиг 42 из 100% за один год
2) доходность стратегии выше чем 30% г/г с учетом налогов, всех брокерских сборов и просадок
3) инвестиционный рейтинг от мосбиржи держится на уровне ~590-700

Получение минутных котировок индекса MOEX, RTS

    • 08 ноября 2024, 13:18
    • |
    • Quntag
  • Еще
Всем привет.
На пути к красоте при публикации ежедневных отчётов в канале Gilean Talk, хочу добавить ежедневную-еженедельную-ежемесячную публикацию изменения индекса в сравнении с моей стратегией. 
Как я забираю дневки (Python):
IMOEX_req = requests.get(
  'https://iss.moex.com/iss/history/engines/stock/markets/index/securities/IMOEX.json?from=' + yesterdayDate + '&till=' + todayDate + '&interval=1').json()
data = [{k: r[i] for i, k in enumerate(IMOEX_req['history']['columns'])} for r in IMOEX_req['history']['data']]
frame = pd.DataFrame(data)
Но, если день не закончен, значения дневной свечки по нему не приходят.
А потому: может ли кто то подсказать запрос получения минуток текущего дня?

Торговля по луне

Попробуем быстренько исследовать, можно ли извлечь что-нибудь из лунного цикла с помощью питона и библиотек pandas и pylunar на индексе IMOEX. Предварительно устанавливаем pylunar. Библиотека дает дает информацию о луне на основе локации и даты.

import pylunar
import pandas as pd
import matplotlib.pyplot as plt

*** Теперь готовим дневные данные индекса IMOEX ***
*** Если есть минутные данные в формате DataFrame, то делаем следующее  ***

df = intraday_df.resample('D').agg({'Open': 'first', 'High': 'max', 'Low': 'min', 'Close': 'last'})
df = df.dropna() 

Теперь в df содержатся дневки IMOEX.

  *** Вычисляем процентное изменение цены за один день
df['pct'] = df['Close'].pct_change().shift(-1)  

  *** Изменение цены за один день
df['diff'] = df['Close'].diff().shift(-1)              

Делаем стобец для хранения лунных дней
df['age'] = 0.0

mi = pylunar.MoonInfo((55,45,7),(37,36,56))

Здесь цифры (55,45,7),(37,36,56) — широта и долгота г.Москвы



( Читать дальше )

Голосовое управление торговлей в программе Биржевой Спекулянт Инвестор (Платформа 1С Предприятие 8)

На данный момент голосовое управление в 1С в самом развитии. Пока реализовано только распознавание речи в конфигурации 1С Документооборот корп версия 3.
speech.1c.ai/apps/1c-do_30/
Достаточно удобная интеграция, помогает связать распознавание речи и голосовое управление.


1 Для итого необходимо сделать типовые настройки работы с речью в конфигурации 1С Документооборот корп 3
Голосовое управление торговлей в программе Биржевой Спекулянт Инвестор (Платформа 1С Предприятие 8)


2 Дополнить их настройками детализации процесса распознавания (выводить или нет сообщения)


( Читать дальше )

....все тэги
UPDONW
Новый дизайн