backtesting

Я завершил разработку коннектора bn_quik (репозиторий на GitHub) для интеграции с backtrader-next. Коннектор основан на моем модуле quik_python (репозиторий на GitHub). Теперь вы можете подключаться к Quik и осуществлять торговлю!

С чего начать?

1. Зарегистрируйте демо-аккаунт Quik на сайте ARQA.
2. Попробуйте свои силы на демо-версии.
3. Ознакомьтесь с примерами использования коннектора в репозитории.

Немного о backtrader-next

Backtrader-next — это обновленная версия оригинального backtrader. Хотя модуль не мой, я активно его использую и могу выделить следующие преимущества:

• Ускоренное тестирование: работает примерно в 4 раза быстрее, чем оригинальный backtrader.
• Новые индикаторы: добавлены индикаторы Джона Эллерса, реализованные с использованием Numba для высокой производительности.
• Улучшенная визуализация: графики, индикаторы, таблицы сделок и навигация по датам сделок реализованы на базе библиотеки TradingView.
• Расширенная статистика: доступна как в тестовом формате (аналогично backtesting.py), так и в HTML-формате (похожем на quantstats).

( Читать дальше )

История о том, как один индикатор может изменить твой взгляд на торговлю навсегда

Представь, что ты стоишь в толпе на оживленной ярмарке. Вокруг шум, гам, все что-то продают и покупают. Ты видишь только хаотичное движение людей и меняющиеся ценники. А теперь представь, что вдруг получил специальные очки, которые позволяют видеть, куда на самом деле текут деньги — кто по-настоящему покупает, а кто только делает вид. Круто, правда? Именно такие «волшебные очки» для финансовых рынков и представляет собой MFI Nexus Pro.

Когда я впервые столкнулся с проблемой ложных сигналов в трейдинге, это было похоже на попытку перейти оживленную магистраль с завязанными глазами. Цена идет вверх — я покупаю, а потом бац! — разворот, и мой депозит тает на глазах. Знакомая ситуация, не так ли?

Почему я не доверяю обычным индикаторам (и как решил эту проблему)

Классические индикаторы вроде RSI похожи на прогноз погоды, который учитывает только температуру, игнорируя осадки, ветер и влажность. Они смотрят лишь на цену, полностью игнорируя объемы торгов. Это всё равно что судить о популярности ресторана только по ценам в меню, не замечая, пуст он или битком набит посетителями.

( Читать дальше )

headlines Q. (backtesting):

● Что будет, если покупать фьючерс на индекс RTS RI1! после формирования pin-bar свечи в определенный час и выходить из позиции через фикс. количество времени (через N баров)?

● На графике приведена одна из реализаций стратегии. Итоги данной реализации с начала 2023 года:
1. Доходность в год: стратегия +23.44% vs. RI1! +16.02%
2. Кол-во сделок: 19
3. Нахождение в рынке: 41.98% от всего времени
4. Макс. просадка: -4.28%
5. Коэф. Шарпа: 2.39
6. Коэф. Сортино: 10.72

● Результаты и подробное описание стратегии (характеристики pin-bar свечи, время входа и время выхода из позиции) вы найдете в headlines QUANTS EXTRA.

______________

Закрытые каналы с бóльшим количеством исследований от команды headlines:
Технический анализ: t.me/headlines_TA_bot
Рыночные настроения и позиционирования: t.me/headlines_sentiment_bot
Количественный анализ: t.me/headlines_QUANTS_bot
Детальное изучение действий ФРС: t.me/headlines_FED_bot

Если вы используете стратегии в трейдингвью, например чтобы быстро накидать прототип идеи из какого нибудь источника и посмотреть её, то у вас наверняка также появлялся вопрос поиска приемлемых параметров и проверка как они влияют на стратегию. Делать это вручную крайне трудозатратно. Простейшая стратегия двух скользящих средних может давать 400 и более вариантов параметров. А любое увеличение кол-ва параметров и диапазона их значений приводит к необходимости перебора значений растущих в геометрической прогрессии. Например стратегия из 5 параметров по 15 значений дает 15 ^ 5 = 759 375 вариантов. Подобрать их руками, когда один вариант вычисляется пару секунд не реально.

А можно ли автоматизировать этот процесс? Ниже описание решения через расширение для браузера на основе Chrome.

В прошлый раз я публиковал статью, в которой говорил об ассистенте для

( Читать дальше )

Доброго времени суток вам, 

Пожалуйста, подскажите простой (без программирования) бесплатный сервис с историей (end of day подойдет).
Роюсь в сети уже больше четрых часов, не могу найти. Нужен простой сервис который будет:
— искать по всему рынку США, а не по отдельным бумагам (NYSE, NASDAQ, AMEX) 
— не требовать знаний питона и другого языка — нужны простые параметры: цена пробивает SMA, Relative Volume, Capitalization, etc
— бесплатный или за триальные пригоршню баксов
— с историей больше чем 1 год (интрадей, тики — не надо) 
— желательно детальные репорты чтобы прооптимизировать там где надо (но не обязательно)

Нужно что-то очень похожее на 
https://www.marketinout.com/stock-screener/backtest/strategy.php (все хорошо, но ограничение на историю — дают всего 6 мес)


Смотрел:
— Amibroker
- https://www.portfoliovisualizer.com/backtest-portfolio
- https://www.wealth-lab.com/
- www.alphaarchitect.com/tools
и многое другое. 

Багодарю заранее.

Доброго дня, товарищи инвесторы. 

Для знающих сразу вопрос:
Есть ли какой либо инструмент, рассчитывающий взвешенную по времени доходность для S&P 500?  
Если прямо инструмента нет, то есть ли инструмент считающий эту TWR для набора данных?
Может там сайт какой или эксель у кого завалялся?



Вкратце про исходные данные проблемы:
Я пишу на коленке свой бэктестер с питоном и куртизанками, что получается, выкладываю в открытый репозиторий.
Предыдущие посты можно глянуть в оглавлении.

Теперь к теме топика. Я затормозил в вроде бы совершенно простом моменте — как считать доходность!
Тут можно начинать кидать в меня тапки, отписываться и вот это все, ведь даже школьник знает, что считать доходность при условии пополнения и изъятия можно двумя методами:
Взвешенно по деньгам MWR и взвешенно по времени TWR!

Для взвешенного по деньгам расчета (Money weight return) я нашел и честно скомуниздил готовое решение, вы можете посмотреть его в

( Читать дальше )

Не понятно, к чему это все? Почитай тут

Доброго дня! 
Вашему вниманию представляется продолжение потуг начинающего программиста / аналитика по созданию самопальной системы бэктестинга на python. 
Настала пора поближе понять, что же такое backtesting торговых стратегий. Расскажу как обычно своими словами.

Вот сидел я, смотрел на графики и прозрел! Все же просто в этих ваших инвестициях, покупай на дне, продавай на пике! Изи же! 

Осталось понять, когда оно на дне, когда на пике.

И вот тут раскрывается все море возможностей, трейдеры разворачивают сети осцилляторов, средних и нарисованных фигур, стоимостные инвесторы сдувают пыль с мультипликаторов и сравнивают со средними значениями по отраслям и историческими средними, пассивные инвесторы расчехляют свои корреляции, собирают портфель и ждут перекосов для ребалансировки. Тысячи инструментов, миллионы идей, миллиарды комбинаций и это я еще не сказал про рынок производных инструментов. 

Ну и как водится, истина где то там, в безбрежном океане информации и пока не попробуешь, не узнаешь. 
А пробовать то надо за деньги, а деньги жалко! 

И тут снова приходит великолепная идея, есть же данных о прошлых значениях, цен, объемов, мультипликаторов, осцилляторов, корреляций. Что если сформировать портфель в прошлом и посмотреть, как все было бы сейчас, если бы мы все купили/продали тогда?  

Это и есть backtest. Ответ на вопрос, что было бы, если бы мы в соответствии с подсказками, которую дает наша стратегия, купили / продали в прошлом. 
Такое тестирование можно делать смотря на графики, табличками в экселе используя специально предназначенные для этого инструменты. 

А можно написать код, который будет проверять на сколь угодно больших объемах данных и выдавать результат. Как долго он будет то делать и как точно у него получится, вопрос уже к коду. 

Ну и хватит потока мыслей, переходим к реализации. 
То, что я пытаюсь написать называется событийно — ориентированным бэктестом. 

( Читать дальше )

Вот тут написано, к чему это вообще и содержание

Если уж начинать рассказ про проект по анализу данных, нельзя не упомянуть про инструментарий, который поможет в этом нелегком деле. 
Для тех кто в теме, буду краток, для тех кому вдруг интересно мое видение, расскажу подробнее. 

Отдельной ремаркой, немаловажной для данного сайта, все инструменты описанные ниже совершенно open source, то есть даром! 
Используемый инструментарий:

Python 3.8 + Pycharm + anaconda + git(необязательно)

В комменты накидали еще инструментов, грех упускать случай.
Что еще используют пользователи smart-lab:
— Язык R
- jupyter notebook
— Collab google


Если вы хотя бы немного умеете в программирование, не читайте дальше, вам не понравится.

Я предупреждал. 


( Читать дальше )

Это будет пополняемый пост с общими решениями по ходу проекта и набором грабель, на которые я натолкнулся. 

Тут будет пополняемый список общих решений, которые мне помогли:
1. Найти ментора. То есть человека, который работает с python и за вменяемую деньгу будет рассказывать как вылезти из того треша, что я написал. Не делать за меня, а именно рассказывать и давать ссылки.
Найти такого человека совсем не просто. Искал в яндекс услугах и профи. За неделю, откликнулись всего четверо, с одним договорился. 
Найти человека, который ответил на мои вопросы по инвестиционному анализу, было труднее. Помогли товарищи, мы вскладчину оплатили инвестиционного советника. Закрепил с ним те идеи, которые у меня были. 

2. git — система контроля версий, это круто удобно и правильно. Но для старта, очень трудно. Посвятил какое то время изучению статей для новичков, поиграл в игру и неделю разбирался, как его подключить в pycharm. Помог ментор и создание пары тестовых проектов / репозиториев на github

( Читать дальше )

День добрый! 
Предлагаю вам понаблюдать в прямом эфире процесс зарождения и танцев по граблям начинающего автоматизатора анализа ценных бумаг. 

Немного про проект:
Написание собственного пошагового бэктестинга инвестиционных идей на python. 

Это попытка развития под свои нужды кода из вот этой статьи:

Репозиторий вот тут

В блоге буду описывать созданные велосипеды и баги, с которыми столкнулся по ходу творчества.

Если вы все еще читаете, у вас наверняка возникли вопросы:

Кто ты вообще такой?
В анамнезе:
— профессия и профильное образование бизнес / системный аналитик
— куски знаний про инвестиции набранные на курсах про инвестиции курсеры 
— куски знаний по python набранные на курсах по машинному обучению той же курсеры и всякие 

( Читать дальше )