Python

Ни для кого не секрет, что рынок криптовалют обладает феноменальной волатильностью, по причине своей молодости и отсутствию регулирования. На регулируемых рынках в борьбе с волатильностью помогает портфель, представляющий собой набор активов с периодической ребалансировкой.

Поможет ли портфель на рынке криптовалют? И позволит ли он сохранить и приумножить биткойн (BTC)? Мы в команде решили это проверить. Одним из условий создания портфеля была простота его поддержания. Подбор и поиск активов мы проводили с помощью Jupyter на Python. Разбору кода мы посвятим отдельную статью. А в этот раз рассмотрим, какие портфели нам удалось получить.

Анализ и поиск возможностей будем осуществлять за последний год, начиная с августа 2017 года. За этот короткий период были резкие взлёты монет, сопровождаемые не менее быстрыми падениями.

В продолжение статьи о вреде избыточной диверсификации создадим полезный инструментарий️ по подбору акций. После этого сделаем простую ребалансировку⚖️ и добавим уникальные условия технических индикаторов, которых так часто не хватает в популярных сервисах. А затем сравним доходность отдельных активов и различных портфелей.

Во всем этом задействуем Pandas и минимизируем количество циклов. Погруппируем времянные ряды и порисуем графиков. Познакомимся с мультииндексами и их поведением. И всё это в Jupyter на Python 3.6.

У. Баффет завещал жене после своей смерти️ вложить все средства  в биржевой фонд ETF на S&P 500 (VOO) и жить в своё удовольствие️. Однако книги, интернет и финконсультанты призывают нас составлять диверсифицированные портфели с обязательным включением в них облигаций. К слову, о диверсификации Баффет тоже отзывается не лестно и призывает все яйца хранить в одной корзине, просто внимательно за ней присматривать.

В данной статье мы попробуем разобраться, стоит ли верить оракулу из Омахи или прислушаться к финансовым консультантам. А поможет нам в этом Python и Quantopian.

В этот раз повторим на Python индикатор KST (Know Sure Thing), созданный Мартином Прингом. Если вы подписаны на StockCharts.com, то вы получаете платную рассылку обзоров рынка от Джона Мэрфи и Мартина Принга. Принг в своих анализах постоянно ссылается на свой индикатор KST. И у него всегда всё складно и точно совпадает.

Я же в бессонных поисках граалей решил повторить индикатор KST и провести коротенький анализ за предыдущие 14 лет.

Разбил много ☕кружек в поисках решения для ️быстрого получения длинных историй цен для большого количества активов в Python. Ещё имел смелость желать работать с ценами в numpy-массивах, а лучше сразу в pandas.

Стандартные подходы в лоб работали разочаровывающе, что приводило к выполнению запроса к БД в течение 30 секунд и более. Не желая мириться, я нашёл несколько решений, которые полностью меня удовлетворили.

Успешно прошел курс по Машинному обучению, а так же прослушал соответсвующие лекции в Школе анализа данных Яндекса. Следующая задача — реализовать на Python те расчеты, которые я сейчас выполняю в Excel. Опыт программирования близок к нулю, поэтому процесс будет небыстрым. Для начала создал репозиторий. В перспективе хочу попробовать немного модифицировать текущую торговую систему с использованием машинного обучения.

Итак, как я и обещал, исходники торгового терминала RTS-Robot версии 1.0 выложены на GitHub!

Напоминаю, что язык программирования — Python 2.7, брокер — Финам, коннектор — Transaq XML Connector. (в том числе и Transaq HFT)

Что умеет:

• Возможность 10-мс подключения.
• Встроенный Python
• Использование сколь угодно большого количества памяти системы в скриптах
• Многопоточность и утилизация всех ядер процессора
• API для создания сколь угодно сложных систем и их связок
• Создание по двойному щелчку «снимков» любых таблиц в формате Excel (на память)
• Индикатор баланса стакана
• Экономный жор памяти (получилось порядка 150 мегабайт)
• Нормальная работа под Linux

Выложенное решение имеет некоторые ограничения, а именно:

— Упрощенный код, многое из «планов на будущее» отключено и/или убрано.
— Торговые алгоритмы работают только с одной бумагой. (несложно доделывается.)
— Коннектор только один
— Бесплатной поддержки нет и не будет (мне работать надо!)
— Короткий документ о том, «как это всё собрать и заставить работать» если напишу, то позже
— Сайт проекта обновлю позже, сейчас нет времени заниматься.

В остальном же — это работающий торговый терминал, запускаемый как под Windows, так и под Wine.

Будьте осторожны. Нужны специальные знания и навыки профессионального программиста.

Прочитал книжку Think Python: How to Think Like a Computer Scientist — очень понравилась: вместо сухого изложения с самого начала рассматриваются маленькие программы, которые в последующих главах дорабатываются с учетом более продвинутых концепций языка. Почти в каждой главе даются подходы, которые применяются при разработке и отладке больших по объёму программ. Даны основы data science — быстродействие различных структур данных, как организована их работа под капотом и т.д.

До прочтения написал программу строк на 200 про отслеживание диеты, которая представляла мало понятный кусок кода. После прочтения книги переписал в 100 строк.

Автор понравился, поэтому на очереди Think Complexity: Complexity Science and Computational Modeling. По планам к январю хочу поднабраться знаний и приступить к автоматизации торговой системы на  Python.