python

Кто лайкает посты про Lua и Python?

Если человек не шарит в программировании, то эти посты ему не помогут. Он по жизни будет платить программистам.

Если человек занимался программированием, то эти посты ему не интересны. У него — свой стиль, свои методы и свой код.

Кто остается? Ау! Откликнитесь! Вы кто??))

В статье "Грааль, которые вы так долго искали" даётся алгоритм торговли:

• если клоуз больше предыдущего клоуза, то покупаем (лонг) на закрытии сессии,
• если клоуз меньше предыдущего клоуза, то продаем (шорт) на закрытии сессии.

Работаем на месячном таймфрейме.

Сейчас изучаю Python и Pandas и хотелось применить знания на каких-то реальных данных. Вот случай подвернулся. 

Выводы

Тестировал на данных по Газпрому (с 3.03.2010 по 20.05.2020) и Сбербанку пр. (с 21.11.2011 по 20.05.2020).
Отношение текущей стоимости портфеля к общей вложенной сумме: у Газпрома — 1,27, у Сбербанка пр. — 2,08.

Предварительные замечания 

Собрал данные для Сбербанк пр из Yahoo Finance (дневки). 
Написал код Pandas + Python. Это пока всё, чем владею на текущих момент, и то владею так себе. 
Pandas для преобразования таблицы с Yahoo Finance и обрезки ненужных столбцов. Python для прогонки алгоритма. 
Дивиденды учитывались в том случае, если на дату отсечки в портфеле были акции, если акций в портфеле не было, то дивиденды не учитывались. Дивиденды учитывались с учётом налога 13%.

( Читать дальше )

Всех с пятницей — самоизолятницей!
Представляю общественности Python-сервер (в 9 строк кода) для получения данных из КВИКа в Питон через луа-скрипт в режиме реального времени.
Для примера приведу получение тиковых данных по SIM0.
Нам понадобятся следующие ингредиенты.
1. Понятное дело КВИК, версии ниже 8 или 8.5.2 и выше.
2. Питон Jupyter Notebook (Anaconda 3)
3. Луа-скрипт, взятый из Jatotrader (в нем буквально изменено пару строк)
Как работает сервер можно посмотреть в этом видео (1 мин. 38 сек.) Ну и по правилам хорошего тона, естественно сам текст ниже.


( Читать дальше )

Продолжаю сидеть на самоизоляции и учусь программировать на Python. Написал полноценный калькулятор для сравнения двух любых активов.

Считает такие показатели как:

✅ Ожидаемая доходность
✅ Волатильность
✅ Коэффициент Шарпа для каждого актива
✅ Корреляцию
✅ Бету
✅ Альфу
✅ Долю волатильности исследуемого актива в базовом (удобно для сравнения с индексными фондами или индексами, если их брать в качестве базового актива)
✅ Коэффициент Трейнора
✅ Альфу Дженсена



Можно задать период на котором необходимо произвести расчеты. Строить графики для сравнения.

( Читать дальше )

Начиная с текущего обновления, все новые версии выпускаются только для 64-битных компонентов.

Обновление содержит следующие изменения:

1. Terminal: Представляем новый сервис — «Подписки». С ним вы сможете легко получить дополнительные услуги, которые помогут вам в трейдинге. Например, вы можете купить подписку на качественные рыночные данные от известных поставщиков, чтобы потом эти данные анализировать и разрабатывать на них свои стратегии. Или же заказать услуги персонального менеджера, который поможет вам освоить основы торговли и разобраться в тонкостях платформы MetaTrader 5.
   
   В данный момент сервис находится в активной разработке, и в ближайших версиях платформы вы уже сможете им воспользоваться.
   
   Как это работает
   В «Навигаторе» платформы появился новый раздел — «Подписки». В нем отображаются доступные услуги. Их перечень зависит от сервера, к которому вы подключены — все они настраиваются на стороне брокера. Для удобства подписки разделяются на категории.
   

   
   
   

   Выберите услугу, чтобы посмотреть ее подробное описание. Далее нажмите «Подписаться». Для удобства все ваши активные подписки отображаются в отдельном подразделе.

( Читать дальше )

Прошу помощи от трейдерского комьюнити! 
Торгую фьючерсными на Мосбирже. Несколько стратегий, частые сделки, ввод-вывод средств. Задача посчитать доходность и риск по портфелю за всю историю и помесячно. Доходность в годовых, просадка, альфа, бетта, шарп и т.д. Как считаете? Может есть хороший ресурс где почитать/посмотреть/подглядеть. Теорию знаю, нужны практические советы, как из брокерского отчета данные перевести в статистику. Возможно кто-нибудь применяет Python для таких расчетов, за идею буду очень благодарен. Памагите, плиас)

Платформа MetaTrader 5 позволяет легко получать реал-тайм и глубокую тиковую историю по тысячам символов одновременно со многих торговых площадок мира. Сейчас это еще более актуально с вводом сервиса платных подписок, где данных огромное количество, а доступ к ним все также прост.

Количество данных измеряется терабайтами, десятки тысяч символов. Очень простой и эффективный доступ к этим данным возможен через MQL и встроенную интеграцию с Python, что позволяет играться с BigData MT5 с помощью последних достижений в области МО через соответствующие библиотеки.

Есть информация, что некоторые хедж-фонды держат специальные сервера на десятки терабайт с MT5, чтобы заниматься исследовательской деятельностью через встроенную инфраструктуру получения и хранения ценовых данных.

Просьба написать в ЛС, кто этим занимается?

Тем, кто не читал предыдущий топик этой темы, рекомендую для начала ознакомиться с ним [1].

В комментариях к предыдущему топику меня критиковали за неоптимальность кода Python. Однако, текст читают люди с совершенно разной подготовкой — от почти не знающих Python или знающих другие языки программирования, до продвинутых пользователей. Последние легко могут обнаружить неоптимальность кода и заменить его своим. Тем не менее, код должен быть доступен и новичкам, возможно не обладающим знанием пакетов и продвинутых методов. Поэтому, в коде я буду, по возможности, использовать только базовые конструкции Python, не требующие глубоких знаний, и которые могут легко читаться людьми, программирующими на других языках. Вместе с тем, по мере изложения, без фанатизма, буду вводить и новые элементы Python.
Если вы хотите как-то улучшить или оптимизировать код, приводите его в комментариях — это только расширит и улучшит изложенный материал.

Ну, а сейчас мы займемся разработкой и тестированием индикаторов. Для начала нам нужна простейшая стратегия с использованием МА — его и построим. Самой лучшей по характеристикам МА является ЕМА. Формула ЕМА:

( Читать дальше )

Всем привет!

В этом топике напишу способ, как можно отобразить свои сделки на графике у брокера сбербанк.

Есть способы сделать это через Excel, есть, наверное через quik или какой либо другой сторонний сервис. Я буду делать через Python, так как по сравнению с экселем, питон будет давать нам актуальные данные, а эксель придется забивать руками(да я знаю, что можно и в него авто подгрузку вкрутить, но это на мой взгляд еще сложнее чем на python).

Коротко:

На входе нам нужен файл с тикерами(смотри на яндекс диске https://yadi.sk/d/hpfgtS1BEiVRiQ) и история сделок с сайта сбербанка.

На выходе мы получим вот такую вот карикатуру
Да, тут кривой текст, и нет столбиков объема, которые я так бы хотел, но кому и в таком формате пойдет, тот может читать дальше, а если тут есть добрые люди, то возможно, они смогут в комментариях кинуть исправленный фрагмент кода, чтобы была картинка по круче, особенно столбики объема добавить, как ни корячился, не допер, ибо опыт программирования у меня = школьный паскаль.

( Читать дальше )

Не вдохновлено ссылками ниже, но напомнило о выкладывании в публичный доступ.
smart-lab.ru/blog/620330.php
smart-lab.ru/blog/616708.php
Всем привет!
В ходе тестов калькулятора портфелей
github.com/Oppositus/CalculatorAA
возникло понимание, что его внутренние инструменты импорта котировок уже не работают. Так давайте напишем скрипт, который будет получать их через MOEX ISS API. Вывод скрипта-CSV файл.
Репозиторий github.com/helpau/MOEX_ETFs/blob/master/main.py
Тот же код:

tickers=["FXGD","FXUS","FXIT","SBSP","FXRL","FXRB","FXRU","SBCB","SBGB","SBRB"]
import requests
import apimoex
import pandas as pd
df=pd.DataFrame()
for ticker in tickers:
    with requests.Session() as session:
        data = apimoex.get_board_history(session, ticker,board="TQTF")
        df1 = pd.DataFrame(data)
        df1.set_index('TRADEDATE', inplace=True)
        df.info()
        df[ticker]=df1["CLOSE"]
df.to_csv("your_table.csv",sep=";")

P.S. Касательно самого калькулятора портфелей-полученный файл необходимо дополнительно обработать, чтобы на 1 год для 1 ETF было 12 записей. Особо пытливые могут исследовать, в какой день лучше проводить ребалансировку.