Избранное трейдера Максим
Мы привыкли, что график нарезается у нас по стандартной схеме — равными временными промежутками. 1мин, 5мин, 1час, 1 день и т.д.
Подобное представление информации плотно вошло в нашу жизнь и подавляющее большинство ничего другого себе и не представляет. Хотя появляется все больше и больше народу, кто знакомится и начинает отдавать предпочтение так называемой синтетике — ренко, rangebars, volumebars.
Третьего дня я, кстати, выложил скрипт МТ5 для общего пользования, который дает возможность нарезать чарт в стиле РЕНКО.
Но еще меньше людей задумаются глубже — а что еще можно придумать? Что еще и, главное, зачем? А затем. Ведь что мы хотим получить, уходя от временной нарезки? Снижение субъективности, верно? Ибо человек начинает думать — ну почему именно час? Или 5 минут? И почему час будет заканчиваться именно в 00 минут, а не в 16:37? Поэтому и уходят на бары с одинаковым объемом или одинаковым размахом. Вроде как бы да — ушли от субъективизма. Одного. Но получили другой — теперь мы должны определить, что в свече у нас будет именно 1000 контрактов. Или 580? Или высота свечи будет 10 пунктов. А почему? Можно ли что-то с этим сделать? Можно!
Ну что же, я смотрю, что народ на сайте все же опытный, его на мякине не проведешь. Никто не пожелал купить у меня робота за 10 руб. со скидкой 99% от стандартной цены в 1000 руб. Чувствуют все-таки, что 34% прибыльных сделок и серии аж из 17 убыточных сделок подряд — это липа. А ведь бывало и много хуже. Ладно, придется склепать вам что-нибудь по-настоящему дельное. Ну и предложение по цене придется улучшать, конечно. Раз по 1 тыс. руб. за бота — дорого, то этого отдам бесплатно, уж так и быть. Но это крайнее предложение! Какие там еще могут быть варианты получше? Я вам что ли должен приплачивать, чтоб вы моих роботов попробовали?!
Алгоритм
В этот раз будем торговать контр-тренд. Используем два индикатора: ATR (Average True Range) – биржевой технический индикатор, отражающий волатильность движения актива, а также по-прежнему будем использовать
На днях Правительство утвердило 42 стратегические инициативы развития РФ. Это федеральные проекты, которые будут внедряться до 2030 года и охватят различные стороны жизни граждан: от экологии до беспилотников.
Планируется потратить на их реализацию около 4,6 трлн рублей из федерального бюджета и Фонда национального благосостояния, также планируется привлекать частные инвестиции.
Вник во все инициативы и заодно подготовил краткое описание всех проектов. Можно составить представление, куда будет двигаться страна.
Вот ссылка на распоряжение Правительства.
Вот ссылка на подробное описание всех инициатив.
Беспилотные логистические коридоры
Ранний доступ к рейтингам российских компаний на сайте «Финансовый анализ предприятий ВДО». Подпишись и предсказывай дефолты вместе с ЛИСП-ИР
ИНН: 7453326003
Организация: АО АПРИ «Флай Плэнинг»
Рейтинг-статистика финансового состояния компании с 2017 года. Финансовые показатели, уровень инвестиционного риска и рейтинг предприятия рассчитывался по данным бухгалтерской отчётности предоставленной в ФНС России. С подробным финансовым анализом предприятия по годам, можно ознакомиться перейдя в раздел АО АПРИ «Флай Плэнинг»
Рейтинг АО АПРИ «Флай Плэнинг»
import sqlite3 as sql from scipy.stats import logistic import math import numpy as np import numpy.random as rnd import matplotlib.pyplot as plt from sklearn.neural_network import MLPRegressor sdata =[] sql1= "select ticker, date, open, high, low, close, vol \ from Hist_1m where ticker_id=1 order by Date;" con=sql.connect('C:/Users/ubase/Documents/StockDB/StockDB21.sqlite') cur=con.cursor() cur.execute(sql1) sdata=cur.fetchall() con.commit() con.close() Ldata = len(sdata) N = 8000 # Количество сделок ld = 5 #Продолжительность сделки NNinterval = 20 # Количество входов NN # Генерация случайных чисел rng = rnd.default_rng() rm=rng.integers(0, Ldata, N ) class Candle: tr = 0 dt = 1 o = 2 h = 3 l = 4 c = 5 v = 6 cl = Candle DataC =[sdata[i][cl.c] for i in range(0,Ldata)] # sigmoid линейность до 0.5 def sigmoidnorm(x, alfa = 0.9, xmin = -1.3, xmax = 1.3): return (xmax - xmin)*((1 / (1 + math.exp(-x*2.0*alfa))) - 1.0) + xmax x = [0.002 * i - 3 for i in range(0,3000)] y = [sigmoidnorm(x[i]) for i in range(len(x))] plt.plot(x,y) plt.grid() plt.show() # формируем сделки. def DealsGenL(rm,ld): #Lm = len(rm) ix = [] x = [] pr = [] for i in range(0,N): if rm[i] + ld < Ldata and rm[i] - NNinterval - 1 > 0: delta = (sdata[rm[i]+ld][cl.c] - sdata[rm[i]][cl.c])/sdata[rm[i]+ld][cl.c]*100 x0 = [sigmoidnorm((sdata[rm[i] - j][cl.c] - sdata[rm[i]][cl.c])/sdata[rm[i]][cl.c]*100) \ for j in range(0, NNinterval)] ix.append(rm[i]) x.append(x0) pr.append(delta) return ix, x, pr Ix, X, Pr = DealsGenL(rm,ld) Ib = 0 Ie = 100 plt.plot(X) plt.legend() plt.grid() plt.show() plt.plot(Pr, label = 'Prof') plt.legend() plt.grid() plt.show() regr = MLPRegressor(hidden_layer_sizes = [30,20,15,10,5], \ max_iter=500, activation = 'tanh') regr.fit(X, Pr) Out = regr.predict(X) plt.plot(Pr, Out, '.') plt.grid() plt.show()И вот результат прогнозирования: