В общем долго я маялся, мучился, ленился и, таки себя пересилив, в конечном счете сел за программирование. Кое-как, со скрипом, но сел. Начал буквально через силу: думаю «блин, мне под сраку лет уже, а я пишу какие-то задачки для 5 класса, какого...?». Но это гонор, я засунул его в Ж. и стал тупо брать и делать. Цель есть и надо идти вперед.
Сначала по видео учился, благо недавно у Нильчанпаба вышел четкий курс по Go в 2 частях, большой объемный, хорошо рассказанный с кодом и большой аргументацией. На ютубе лежит, кому надо — найдёте. В принципе вот именно он меня и сдвинул с мертвой точки. Хорошо парень рассказывает, стал его подробно проходить, с тетрадкой, записывая все важное (а там — всё важное!). 2х13 часов видео курс по основам (недели 3-4 заняло по 5-6 часов в день).
Потом стал пробовать писать код, написал всяких простеньких залипух порядка 1.5 сотен. Теперь полностью (почти полностью) понимаю код и пробую писать бота по своей ТС, благо я эту систему сам придумал и знаю ее всю досконально.
Если вы не только что стали моим подписчиком, то наверняка в курсе, что я полностью перешел на Linux и даже написал пост о моем опыте: Месяц на ALT Linux на рабочей машине...
Но сейчас хотел поделиться кое-чем полезным, а заодно останется это в ленте, потому что когда ты редко пользуешься чем-то, то забываешь, и нужно снова вспоминать. Поэтому данный пост также послужит лично мне напоминалкой.
Сейчас люди настолько привыкли к графическим оболочкам (линуксоиды их называют ГУИ, GUI — Graphical user interface), что мало кто представляет себе возможность что-то делать на компьютере с помощью командной строки. А между тем, командная строка очень мощный и в определенных случаях очень полезный инструмент. В Linux его довели до совершенства. Конечно, большинству людей она не понадобится, но при этом она остается очень полезной сисадминам и программистам.
Мои программы написаны на python и их очень удобно запускать прямо из командной строки. Достаточно написать:
python3 my_python_script.py
Продолжаю совершенствовать свою базу SQL и автоматизированные средства расчетов.
В июне я написал пост: "Автоматизация — ключ к успешному инвестированию. Python и SQL приходят на помощь❗️", где описал как и зачем я поднял собственный SQL сервер, и какие задачи он мне поможет решить.
Теперь у меня есть собственная база котировок по всем интересующим меня ценным бумагам.

Чтобы упростить себе жизнь в части расчетов параметров облигаций, следующим этапом развития данного направления, конечно, было желание написать свой калькулятор для оценки облигаций. Для этого в SQL базу пришлось добавить новые таблицы, с параметрами облигаций. С ними пришлось покопаться, потому-что не было понимания, какие именно графы мне понадобятся изначально. После нескольких вариациях я нашел оптимальное для себя решение.
Как и любой исследователь-инвестор, я сталкиваюсь с необходимостью обрабатывать огромное количество различных данных, чтобы принять взвешенное инвестиционное решение.
И одна из самых трудоемких частей работы — это сбор данных, их систематизация и подготовка для работы. Конечно, очень хочется как можно больше автоматизировать данную работу, чтобы тратить на это как можно меньше времени.
Я уже рассказывал, что на самоизоляции осваивал Python, и демонстрировал, что мне удалось написать профессиональный инвестиционный калькулятор, который рассчитывает различные финансовые показатели и сравнивает между собой два актива. Кстати, в последней его версии я добавил возможность учета комиссий и налогов. Это позволяет намного легче сравнивать NET результаты для инвестора, особенно если в стратегии по ДУ есть вознаграждение управляющего за успех, а в ПИФах комиссия за приобретение и погашение паев.
Все первичные данные для сравнения приходилось формировать в ручном режиме — скачивать котировки в файл, потом их обрабатывать, и уже потом считать результаты. И даже немало известная программа
Today I’m excited to announce our plans to bring SQL Server to Linux as well. This will enable SQL Server to deliver a consistent data platform across Windows Server and Linux, as well as on-premises and cloud. We are bringing the core relational database capabilities to preview today, and are targeting availability in mid-2017.
