Python

В серии следующих постов я расскажу о том, как проводить бэктестинг с помощью Python. Для тестирования торговых стратегий я использую сайт Quantopian. Почему именно его? Потому что он: а) простой и наглядный; б) дает доступ к бесплатным историческим данным; в) имеет богатый функционал. 

( Читать дальше )

Меня, как и многих, заинтересовал шум вокруг IPO компании SnapChat (SNAP). Лично я IPO не люблю, так как там нет достаточной истории цены. Тем не менее я не смог удержаться и не провести небольшое исследование результатов прошедших IPO за 2016 год. Как всегда, со мной Python.

• Посмотрим, какие секторы были наиболее активны и где была лучшая доходность.
• Изучим, стоит ли входить в актив в день IPO или по цене предложения до начала торгов.
• Проверим, как актив растет последующие полгода при входе через месяц после IPO.

( Читать дальше )

Тем, кто копает глубже, рекомендую блог Quantrum.me Трейдинг для программиста. Программинг для трейдера. Если слова Python, Quantopian для вас что-то значат, то вам однозначно сюда. Здесь вы найдете обзоры, готовые для применения. Вот темы некоторых постов. Парный трейдинг на Python. Бэктестинг с помощью Quantopian. Анализ торговых стратегий: по MACD, скользящим средним, Elder’s Impuse System и пр. 

3 преимущества данного блога:

1. Легко и быстро читать — наглядная структура коротких(!) постов.
2. Просто понять — никаких заумных терминов, тешащих эго программиста.
3. Море примеров с готовым кодом для Python — просто бери и торгуй.

Такой сайт — настоящий подарок для тех, кто только встал на путь алготорговли или уже по нему идет. К тоже же ведет его человек, который давно торгует, то есть практик. Одним словом: musthave. Подписаться на RSS можно здесь. Также можно вступить в Паблик В Контакте. 

Продолжаю рассказывать о простейших скриптах. Если вы читали предыдущий пост, то без проблем разберетесь и в этом коде.

На прошлой неделе мне задали такой вопрос:

Т.е. простой смертный берет питон пишет код. Типа там если сегодня среда 10-00, то купить 1 акцию. Прикрепляет блок, данные идут, условие срабатывает, покупка, лог… и т.п.

Спрашивали — отвечаю.

( Читать дальше )

Под катом рассматриваем структуру самого простого плагина.


( Читать дальше )

Под катом скучное и неинтересное описание устройства торговой программы.

( Читать дальше )

После многолетнего молчания на смартлабе, я решился наконец написать свой первый пост и заодно показать альфа-версию торговой платформы, которую пилю под свои нужды. Очень хотелось иметь программу для автоматизации скальпинга и высокочастотного трейдинга, не такую топорную как Quik и с собственным блекждеком.

Вдохновила меня прекрасная программа Николая Морошкина Qscalp и захотелось иметь похожую, но с блекджеком Python внутри. С большим уклоном в автоматический скальпинг, и с меньшим — в ручной.

Я хотел писать торговые стратегии для скальпингового привода на Питоне, имея возможность творить с рыночными данными все, что угодно. Например, экспортировать тики в базу данных или скармливать их нейросетям в реальном времени. Ну и заодно проверить, действительно ли Python, как уверяли некоторые, слишком медленный для реализации подобных задач. Создавал программу в свободное время.

Итак, у нас был Transaq XML Connector, QT, Python и целое множество библиотек всех сортов и расцветок, а также Windows, Linux, wine и VirtualBox. Не то чтобы это был необходимый запас для разработки. Но если начал писать проект, становится трудно остановиться. Единственное, что вызывало у меня опасение — это pyinstaller. Нет ничего более беспомощного, безответственного и испорченного, чем ошибки при сборке. Я знал, что рано или поздно мы перейдем и на эту дрянь.

( Читать дальше )

Имеется в наличии десятилетний временной ряд, например по ценам закрытия акции или Settle (по фьючерсу).
Для упрощения задачи по фьючерсам можно упростить модели и использовать склеенные контракты, так называемый continuous futures. Данные есть в наличии.


Необходимо написать код на PHP, Python, C  или R:

1. Выявить среднюю продолжительность тренда и его «силу».
2. Можно разбить тренды на категории по силе и определить среднюю продолжительность тренда
3. Определить в какой стадии находится текущий тренд. Например 3/4 от конца соответствующего конкретной силе.
4. Вероятность продолжения тренда
5. Предпочтительно использовать несколько моделей для сравнения результатов

На основании этого мы сможем еще более улучшить наши результаты по применению недооцененных опционных стратегий, которая на сегодняшний день уже зашкалила за 30% YTD
 
Если код будет на R, мы сможем более плотно обмениваться информацией, хотя это далеко не самый лучший язык.

Лучшего кванта-программиста примем в Provalue Team

Небольшая статья с ресурса http://www.talaikis.com/ о построении простой стратегии, использующую наивный байесовский классификатор при создании процесса возврата к среднему. Весь код в статье приведен на языке Python.

Это достаточно большая область исследований, но расскажем все очень кратко. Мы попытаемся найти взаимоотношение между  временными сериями  (в данном случае возьмем в качестве сигнала взаимный фонд XLF из финансового сектора, сдвинутый по времени на 1 день назад), а нашей целью будет фьючерс S&P500 в форме CFD. Будем входить в длинную позицию по этой бумаге при нулевой вероятности приращения. Логически нулевая вероятность ни о чем не говорит, другими словами, будем покупать возврат к среднему.

1. Получение данных

Y = read_mongo(dbase, "S&P5001440")
X = read_mongo(dbase, syms[s]).shift()

#готовим набор данных
res = pd.concat([X.CLOSE, Y.CLOSE], axis=1, join_axes=[X.index]).pct_change().dropna()
res.columns = ['X', 'Y']

( Читать дальше )