пока сбер топчется на месте и киты плещутся где-то в других морях(инструментах).... 

сбер дневки с 2005 году по сегодняшний день....
 рассмотрим два варианта работы
— по плюсовым приращениям  и
— по скользяшке приращений

сумма на все времена одна...

если входить по окончанию плюсового дня,  то по сути вопроса… вероятность, что следующее приращение дня будет с плюсом равна 50,%...
вероятность увеличения капитала за все времена 54,1%, прибыль 8,1% (все в идеале)
но минус комса бирже… и минус комса брокеру....
сливаем по — немногу....  но очень уверенно сливаем..


если входить по скользяшке по закрытию первого дня выше скользяшки то… вероятность, что следующее приращение дня будет с плюсом равна 59,3% (ну энто же совсем другое дело)...
вероятность увеличения капитала за все времена 66,0%, прибыль 32,1% (все в идеале)
но минус комса бирже… и минус комса брокеру… минус налоги…
где-то остается 28% (может быть и еще меньше точно считать не хочется)

короче говоря, статистическая вероятность говорит, что на круг в идеале при спокойной игре можно взять в год 30% денег по среднему… и больше не взять…

( Читать дальше )

Привет! Новая интересная тема в ночь, как я люблю, а так же ликбез для тех, кто хочет достичь больше большинства (и стать успешным меньшинством), и стремится к новым свершениям.

Размышляя и говоря о самообучающихся торговых системах, невозможно пройти мимо Machine Learning / Deep Learning (ML / DL), и это — пост, который посвящён этой теме.



О технологиях ИИ и областях их применения в алготрейдинге
Я бы разделил применение ML в трейдинге на три части:

1. Классический ML, который представлен, например, библиотекой scikit-learn. Она позволяет обрабатывать данные статистически, а так же предоставляет простые модели классификации, кластеризации и регрессии. Функций этой библиотеки достаточно, чтобы несколькими строчками кода выявить наличие или отсутствие зависимостей/корреляций в данных, разбить данные на кластера и выполнить другие типовые задачи, в том числе, препроцессинг данных (предварительную обработку) — стандартизацию, нормализацию, очистку и т.п. Кроме того, её можно использовать для уменьшения размерности, что может пригодиться, например, для выявления значимых метрик торговых стратегий для дальнейшей фильтрации и отбора по существенным. И это только одна библиотека, а их теперь существует множество.

( Читать дальше )

Привет.

Это продолжение темы, которая была затронута в этом посте: Адаптивные алгоритмы торговли (smart-lab.ru)



Вводная часть
Мою мысль тогда не так поняли, как мне кажется, решив, что адаптивная торговая система в моём понимании — это система, которую нужно периодически выключать и подстраивать/оптимизировать, и запускать заново.
Я имел ввиду, однако, совсем не это.
Я имел ввиду, что система является самоподстраиваемой, изменяя свои настройки или логику прямо в ходе торговли.
Топорно это можно сделать элементарно, используя в качестве параметра торговой системы не константу, как обычно, а динамическое значение некого индикатора, так или иначе описывающего поведение цены или других рыночных данных. Это верное направление, но, если его реализовать, как описано, ничего хорошего не получится, поскольку влияние значения настроечного параметра на результат торговой системы практически всегда нелинейно, и поэтому между выходом индикатора и входом торговой системы со значением нужно будет произвести некоторые преобразования, а какие именно — это вопрос исследований для конкретного кейса.

( Читать дальше )

Торговый терминал

QUIK (брокера «Открытие») склеивает фьючерсные контракты сначала по вечернему клирингу, а через несколько часов работы программы переносит стык на ночь. Крайне странное поведение… У других брокеров тоже так? Я просто за 12 лет это первый раз попробовал...

Тестер стратегий

Склеивая исторические данные [ссылка] в своей программе на C++, я тоже беру новый контракт именно утром. Делаю так по двум причинам:

— export.finam.ru отдаёт данные за день с 00:00 по 23:59 (т.е. удобно)
— intraday-позицию back-тестеру нужно закрыть, а делать это дважды за день нет смысла

Я перехожу на новый контракт в день экспирации предыдущего. Это оправдано для Ri (цена исполнения которого рассчитывается с 15:00 до 16:00) и даже для Si (цена исполнения которого рассчитывается с 12:25 до 12:30), но оказалось некорректным для Brent (цена исполнения которого рассчитывается вообще непонятно когда).

В «параметрах инструмента» [ссылка] подробности не указаны, но подозреваю, что расчётная цена Brent формируется за день до дня экспирации. Это бы объясняло:

( Читать дальше )

На данный момент поток MAIN в OsEngine практически никаких действий не предпринимает, в основном прорисовывает интерфейсы. Всю остальную работу делают другие потоки. Как стандартные Thread, так и более современные (но не везде необходимые) Task.

После прочтения всех книг и завершения курсов из серии «Коннекторы к OsEngine», у Вас обязательно уже сложилось своё представление обо всём этом. Но, если вдруг у Вас появится свободное время, можно уделить ещё неделю вопросу потоков. Для закрепления понимания того, как это устроено.

 

 

Мы устроили в нашем чатике небольшое обсуждение среди продвинутых программистов и подыскали для Вас несколько вариантов.

 

1 Книга Клири С. Конкурентность в C#:

https://www.piter.com/product/konkurentnost-v-c-asinhronnoe-parallelnoe-i-mnogopotochnoe-programmirovanie-2-e-mezhd-izd?_gs_cttl=120&gs_direct_link=1&gsaid=42817&gsmid=29789&gstid=c

 

( Читать дальше )

Доброй ночи вам.

Тематика этого поста — про подход и способ выявления торговых систем, которые с наибольшей вероятностью будут работать в будущем, на неизвестных им прежде данных, а так же про понятие кросс-валидации в ML и его адаптации к трейдингу.

Итак, начнём.

Само понятие кросс-валидации пришло к нам из машинного обучения.





В классике, в машинном обучении, определение звучит так: кросс-валидация — это метод проверки качества модели, при котором данные разбиваются на несколько частей. Одна из частей используется как тестовый набор данных, а остальные части используются для обучения модели. После этого процесс повторяется несколько раз, каждый раз выбирается новый тестовый набор данных, пока все части данных не будут использованы как тестовый набор.

Давайте рассмотрим пример для ML, где мы используем 12-кратную кросс-валидацию для оценки качества модели. У нас есть набор данных, который мы разбиваем на 12 частей. Затем мы проводим обучение модели на 11 частях данных и тестируем на 1 части данных. Далее мы меняем тестовую часть и повторяем процесс обучения и тестирования. После завершения всех итераций у нас есть 12 наборов результатов (один для каждой части данных).

( Читать дальше )

Как-то зашла речь smart-lab.ru/blog/961365.php
хорош Quik или плох.

Replikant_mih, последнюю мою систему Квик просто физически не потянул, хотя вся его задача была, это трансляция данных и получение заявок. До заявок дело не дошло.))
3Qu Сегодня в 00:28

3Qu, использовать события типа On-Anything для чего-то, кроме table.sinsert() — очень плохая идея. Никаких ДЛЛ в событиях! Эти события — в главном потоке Квика.
Для обработки данных из таблицы следует использовать table.sremove() в  функции main(). Например в цикле через wait (1) или wait(100) — тыщу или 10 раз в секунду. И очищать накопления в  таблице одним махом.
Rostislav Kudryashov Сегодня в 01:02

Rostislav Kudryashov, про main я в курсе. С другой стороны, что отдать в main, что сразу в ДЛЛ — время практически одинаковое (еще неизвестно, куда быстрее)). Дальше по любому асинхронно.
Кстати, и через main не тянет. Даже с пропусками части значений.
Квик, кстати, не виснет, с виду все нормально, время сервера начинает отставать от реала. Как вам данные 5-ти минутной давности?))

( Читать дальше )

Доброго всем дня!

Хочу рассказать сегодня об ошибке налоговиков, которую в последнее время часто встречаю в актах проверки деклараций 3-НДФЛ. Сразу к примеру, чтобы всем вам было легче понять суть…

У инвестора в 2017 году был убыток в размере 500 000 рублей по акциям, а в 2022 году он получил прибыль – 750 000 рублей, с которой российский брокер удержал НДФЛ. Соответственно, мы подаем декларацию 3-НДФЛ за 2022 год и пытаемся вернуть налог. Сумма НДФЛ к возврату будет 13% от 500 000 рублей, потому что сумма убытка меньше прибыли. Убыток можно полностью зачесть.

Но налоговая прислала акт проверки, в котором среди «лишней информации» указано, что вернуть излишне удержанный налог обязан сам брокер. И вот тут грубая ошибка. Когда брокер действительно сам в течение года удерживает НДФЛ в большем размере, чем положено, то эта сумма «переплаты» указывается в обязательном порядке в справке 2-НДФЛ. И вернуть эту сумму можно через брокера. Но брокер не делает зачет убытка прошлых лет с текущей прибылью. И для брокера никакая лишняя сумма налога не была образована.

( Читать дальше )

Болею, простуда, температуры почти нет — думаю, что в адеквате.) Чем-то серьезным заниматься явно не хочется, а писать посты на СЛ легко и приятно.
Последнее время на СЛ стало много постов об искусственном интеллекте (ИИ) и нейросетям (НС). Про ИИ я ничего не знаю, от слова совсем — мне это не по погонам, а в НС простой структуры что-то понимаю. Даже прочитал одну книгу — читал аж 3 месяца. А что вы хотите, почти 1000 страниц, сплошная математика, описаны перцептроны, SVM, машины Больцмана, рекуррентные, сверточные НС и пр. «простой» структуры. «Простой», в смысле без наворотов и вывертов. Сама такая «простая» НС может содержать хоть бесконечное число элементов. Саму книгу рекомендовать не буду — оч много математики и, чтобы разобраться, нужно как минимум 3-4 курса ВУЗа.
Но что написано в книге — «НС, как правило не применяется самостоятельно и хорошо решает узкоспециализированные конкретные задачи в составе сложных систем». © Цитирую по памяти.
Т.е., в дополнение к НС, нам еще нужно неплохо разбираться в смежных областях для построения системы, а также уметь выделить и сформулировать задачу для самой НС в составе системы и подготовить для НС данные. М… да, нехило так получается. Никому не рекомендую таким заниматься.) Мне можно, мне это интересно.)

( Читать дальше )

Нейросети с алгоритмами обучения перцептрон и Коханен являются абсолютно нерабочими для ситуаций, когда на вход подаются последовательности случайных величин с нестационарными средними и дисперсиями. Это доказано ещё в конце 80-х. ИМХО, но в рядах цен акций и фьючерсов эти нестационарности и есть.

Поэтому, когда читаете, что-то об ИИ и их применении в торговле, то  «забивайте» на те материалы, где ничего не говорится об алгоритмах обучения нейросетей или указаны те алгоритмы обучения, которые я указал выше.

Про иные алгоритмы обучения, к сожалению, ничего не могу сказать. Надо разбираться в их существенных отличиях от указанных выше.