Python

Всего лишь неделю нужно для того, чтобы каждый из вас смог сам научиться программировать сверточные нейронные сети, которые торгуют не хуже этой*:

Основное отличие машинного обучения от традиционного программирования состоит в том, что в задачах классического программирования вы знаете некие правила и жестко программируете их в поведении программы; в задачах машинного обучения вы не знаете по каким конкретно правилам должна работать программа и позволяете моделям машинного обучения самим найти их. Если вы хотите создать торгового робота, обычно, вы сами ищете некоторые правила (например, пересечение скользяшек, MACD>80 при убывающей луне — покупаю 2 лота) и жестко задаете такое поведения в роботе, тестируете и, возможно, оптимизируете некоторые параметры, но почему бы не поручить само придумывание правил машине? Методы машинного обучения, в теории, могут сами выбрать индикаторы, разработать правила входа, выхода и оптимальный размер позиций. Да чего уж… они могут сами придумать индикаторы, паттерны, которые могут быть гораздо лучше чем то, что придумали до этого люди. Ведь так и случилось в сфере обработки изображений, нейронные сети научились выделять значимые признаки из изображений гораздо лучше, чем алгоритмы, придуманные людьми. Компьютер обыгрывает людей в шахматы — игру, знания для которой люди накапливали ни одну сотню лет. Станет ли алготрейдинг следующей сферой, где будет господствовать нейронные сети или какой другой метод машинного обучения?

( Читать дальше )

Hello world


( Читать дальше )

Перевел тут (в автоматическом режиме) питонячий китайский фреймворк для алготрейдинга.

Что он может:

1) Тестить и пускать в лайв страты (а-ля plug and play)
2) Есть коннекторы к крипте, каким-то китайским брокерам, IB, Alpaca
3) UI на pyQT5
4) Качать/хранить котировки

в общем все что надо для базового (и не только) алготрейдинга. все это бесплатно и под MIT лицензией

Перевод пока так себе, но лучше чем китайский оригинал. Теперь хоть что-то можно понять в интерфейсе.  Запустил пару предустановленных страт, загрузил данные, написал простенькую стратегию — все работает, багов не нашел пока. Постепенно улучшаю перевод в ручном режиме.

vnpy — лучшее из python open source для трейдинга что я видел. Понятная и логичная структура, ожидаемая архитектура, хорошо написанный UI. Часть логики коннекторов написана на C++ (поэтому гитхаб и говорит что оно С++, но это не так)

( Читать дальше )

Когда выкатил библиотечку по поиску уровней многие писали, что она на питоне и по сути бесполезна, ведь терминалы поддерживают в основном C# и Java. Что ж, я решил подкинуть идею, как все это заставить работать вместе. Запушил пример склейки питона с Multicharts.Net и TSLab. Работает все просто и красиво и легко можно посадить любой терминал и фреймворк на стероиды ML и стат моделей.  По аналогии можно приклеить любой терминал/язык с минимальным количеством кода. Суть проста: на питоне поднимаем http сервер и слушаем данные, с терминала данные пушим и читаем что насчитал питон. 

Про преимущества такой склейки в виде безболезненного переноса логики с одного терминала на другой, идемпотентность и 100% тестируемость я вообще промолчу :)

Юзайте короче

Телеграмчик где ничего не продаю, не рекламирую и пишу когда мне не лень.

Набрёл на вот такую платформу, которая типа обещает отсутствие плясок с бубнами при подключении к шлюзу IB.

www.ibridgepy.com/

Как бы ставишь и кодишь прям на Pyhon свои алго. Сейчас есть необходимость переноса на Python нескольких стратегий. Кто-нибудь сталкивался / пользовался этой софтиной для одновременно торговли большого количества тикеров 800-1000 одновременно? Какие подводные камни?

 

Есть у индексов ценных бумаг всех стран одна замечательная особенность, они имеют сезонные циклы.

Цикл роста на выходе из сезона отпусков (октябрь — рождество), цикл роста на выходе из холодов (конец зимы— лето). Цикл падения в пост рождественский месяц (январь) и цикл падения на сезоне отпусков (май — сентябрь).

Вот вам визуализация средней динамики: SP500(США), FTSE(Англия), CAC40(Франция), Nikkei225(Япония):

( Читать дальше )

Написал тут питонячью библиотечку небольшую для поиска поддержки/сопротивления.

Там пара алгоритмов для поиска уровней, один алгоритм для скоринга и возможность отрисовать уровни на чарте.

Общая концепция такая:
1. Ищем разворотные точки
2. Обучаем Agglomerative Clustering, собираем уровни из точек

Находит оно примерно следующее:



Юзайте в общем. Работает на Python 3.6+

Когда не лень выкладываю что-то по трейдингу в телегу

Всем привет!

Месяц назад я поделился скриптом для анализа отчёта Сбербанк-брокера.
Сегодня решил выложить промежуточный результат доработок.
Теперь скрипт, дополнительно, показывает:
— ТОП 5 акций в портфеле,
— Сортировка акций в портфеле по секторам,
— ТОП 5 облигаций в портфеле,
— Сортировка облигаций в портфеле по типам (ОФЗ, Субъект или Корпорат),
— Параметры портфеля,
— Действия для достижения целевых параметров портфеля (для меня это: Акции — 50%, Облигации — 40%, Золото — 10%)




( Читать дальше )

Воодушевлённый статьёй с рекламой структурных продуктов на Хабре, адаптировал python-скрипт для их самостоятельного тестирования. Основная идея в том, что подобные продукты предлагают 100% защиту капитала.  А учитывая 10 лет бычьего рынка, исторические показатели подобных продуктов одурманивают безрисковым раем.

Скрипт подойдёт для быстрого и понятного тестирования своих портфелей с ребалансировкой в разные периоды. Ну а кому-то данный инструмент может пригодиться для самостоятельного построения подобных стратегий. Их наипростейшей формы. Однако брокеры пишут, что это не каждому под силу.

Код выложен в GitHub в виде Jupyter-блокнота. Поехали!

( Читать дальше )