Бывает, что частные инвесторы не доверяют сервисам для ведения портфеля ценных бумаг и ведут учет своих инвестиций в «Экселе» или «Гугл Таблицах».

Если количество ценных бумаг не так велико, то подобное использование таблиц оправдано:

• не требуется платить кому-либо за хранение данных;
• никто не удалит ваш файл, например, за неактивность;
• отчеты можно сделать такие, как вам нравится.

Но у такого метода учета есть и свои минусы, главным образом связанные с необходимостью ручного обновления котировок. Если раз в квартал сделать это несложно и вручную, но чтобы поддерживать актуальность чаще, потребуется много времени: нужно зайти на сайт, где опубликованы текущие котировки, найти нужную цену, скопировать ее и вставить в ячейку таблицу. И так для каждой ценной бумаги в портфеле. Печально и долго.

Зачем вообще нужны актуальные цены в таблицах:

• Инвесторам — для эффективного управления портфелями и рисками.
• Трейдерам — для оптимизации решений о покупке и продаже с максимальной прибыльностью.

( Читать дальше )

Четыре года назад я написал систему поиска поиска недооцененных американских акций, используя данные Яху Финанс, ведь на американском рынке торгуется больше 10 тысяч бумаг, из которых около 4 тысяч бумаг имеют рекомендации аналитиков о прогнозируемой цене. Это большие цифры, с которыми сложно работать. Но что по России?

Я вялотекуще пытался найти систему которая бы также отдавала рекомендации аналитиков по российским компаниям, пока недавно не нашёл такой API. Вот например какие рекомендации для оператора аренды электросамокатов WUSH:

{
  "targets": [
    {
      "uid": "b993e814-9986-4434-ae88-b086066714a0",
      "ticker": "WUSH",
      "company": "SberCIB Investment Research",
      "recommendation": "RECOMMENDATION_HOLD",
      "recommendationDate": "2024-10-02T00:00:00Z",
      "currency": "rub",
      "currentPrice": {
        "units": "192",
        "nano": 0
      },
      "targetPrice": {
        "units": "250",
        "nano": 0
      },
      "priceChange": {
        "u

( Читать дальше )

 

Данный текст не является инвестиционной рекомендацией и не является предложением по покупке или продаже финансовых инструментов или услуг.

Россети Центр и Приволжье (ПАО «МРСК Центра и Приволжья») — крупнейшая межрегиональная распределительная сетевая компания, осуществляющая передачу и распределение электроэнергии на территории 11 регионов Центрального и Приволжского федеральных округов России. Компания занимает лидирующие позиции в отрасли по протяженности линий электропередачи, трансформаторной мощности и количеству подстанций.

Исходные данные:
1. Финансовые показатели берем из РСБУ за 2019-2023 год.
2. Период прогнозирования — период 5 лет (2024 — 2029).
3. Прогноз консервативного роста выручки берем из «Прогноза социально-экономического развития Российской Федерации на 2024 год и на плановый период 2025 и 2026 г.» — 2,00% в год.
4. Средний процент по кредитам берем из «Статистического бюллетеня Банка России» от 07.08.2024 — 7,80% в долларах и 14,56% в рублях.

( Читать дальше )

Вместе с растущими ставками по вкладам растут и доходности облигаций с постоянным купоном. Рассчитывать на сильное снижение ключевой ставки в этом году не приходится, хотя все может быть. Поэтому кроме облигаций-флоатеров смотрю в сторону облигаций с ежемесячным начислением купонов. Выбрал самые интересные варианты. Доходность указана до вычета налогов с учётом реинвестирования купонов. Если покупать на ИИС, то доходность будет выше.

1. Брусника 2Р02
Строительная компания, основана в 2004 г.
Рейтинг: А- (АКРА)
ISIN: RU000A107UU5
Стоимость облигации: 96,31%
Доходность к погашению: 21,5% (купоны 16,25%)
Амортизация: нет
Дата погашения: 28.03.2027 (оферта опцион колл 16.09.2025)

2. Балтийский лизинг БП8
Лизинговая компания, в портфеле которой преобладает грузовой и легковой автотранспорт, а также строительная и дорожно-строительная техника.
Рейтинг: ruAА- (эксперт РА)
ISIN: RU000A106ЕM8
Стоимость облигации: 91,36%
Доходность к погашению: 22,7% (купоны 10,7%)
Амортизация: нет
Дата погашения: 31.05.2033 (оферта 12.06.2025)

( Читать дальше )

В скриптах напрямую доступны все данные Quik'а, кроме греков с доски опционов. Но есть возможность рассчитывать их по формуле Блэка-Шоулза, исходя из доступных значений базы, страйка, дюрации и волатильности.
Чтобы удостовериться в совпадении греков с доски и расчётных, пришлось в скрипте отваять на Lua C API сервер DDE для приёма экспорта от доски опционов. И вот картинка

Разница в самом главном Греке — Дельте — менее 1%.
Через Lua в Quik'е доступны все возможности Windows.

local Titles, Entries, Desk = {}, {}, {}
local Wn1_Hndl
local Wn1_Field1, Wn1_Field2, Wn1_Field3, Wn1_Field4, Wn1_Field5
   = "Код CALL", "Страйк", "Дельта CALL", "Дельта расч", "Теор. расч"
   
function OnInit (scriptPath)
  qu = require ("QuikUtil(qu)") -- qc, lu, tu
  blk = require ("BlackScholes(blk)")
  glb_ScriptDir, glb_ScriptName = lu.SplitPath (scriptPath)
  message (glb_ScriptName .." started")
  server = require ("OptionDesk")
end -- OnInit()

function OnStop (signal)
  if Wn1_Hndl then DestroyTable (Wn1_Hndl) end
  StopFlag = true
  return 1000 -- 1 sec
end

local function ShowWin (cols)
  for k = 1, #Desk do
    local calCode = Desk[k][Entries[Wn1_Field1]]
    if calCode:sub (3,3) == "0" then
      calCode = calCode:sub (1,2) .

( Читать дальше )

Введение

Итак, это было обычное скучное утро, когда я решил: «А почему бы не попробовать этот Алгопак от Московской биржи?» Я давно слышал про него, а тут как раз была пара свободных часов и чашка горячего кофе. Что может пойти не так, верно?

Начало приключения

Регистрация и первый вход

Регистрироваться было просто. Почта, пароль, подтверждение — стандартный набор. И вот я уже на главной странице Алгопака, который выглядит достаточно дружелюбно. Однако, первый звоночек прозвенел, когда я начал искать справочную информацию. Документация оказалась несколько запутанной, а некоторые разделы вовсе не обновлялись годами.

Создание первой стратегии

Для начала я решил не мудрить и создать что-то простое. Пусть это будет стратегия на основе скользящих средних (SMA). Вот мой пример кода на Python, который я решил использовать:

import pandas as pd
import numpy as np

# Загружаем данные
data = pd.read_csv('historical_data.csv')

# Параметры стратегии
short_window = 40
long_window = 100

# Создаем сигналы
signals = pd.

( Читать дальше )

Прогнозирование — это просто. Доступно любому желающему. Прогнозирование котировок на 5 минут вперед. Для интрадея самое оно. Для чего-то большего и длительного — эт не знаю.
В данном примере берем язык Python, строим простейшую нейросеть (перцептрон, 4 слоя) — 15 входов и 1 выход, на котором имеем прогнозируемое значение котировок. На входы подаем обучающую последовательность — Close минутных данных и Close через 5 минут после окончания нашей входной 15 минутной последовательности. Формируем также тестовую последовательность (у меня это 1000 экземпляров). Нормируем наши обучающую и тестовые последовательности, обучаем, и получаем на тестовой последовательности картинку.

по х — прогнозируемые значения на 5 минут вперед, по у — реальные значения через 5 минут.
Значения predict около нуля (> -0.05 и <0.05) для сделок нас не интересуют, мы же не хотим получать нулевую прибыль, а вот значения <-0.05 и >0.05 для совершения сделок уже вполне подходят, и на графике мы видим, что в этом диапазоне неудачных сделок не так уж и много — в прибыли больше.

( Читать дальше )

Функция OnTrade
Сохранение параметров сделки в файл.
Работа с таблицей сделок.
Сохранение всех сделок дня.
Скрипт автосохранения всех заявок и сделок под завершение торгового дня.

Для отслеживания прошедших сделок мы можем задействовать функцию обратного вызова OnTrade. Она во многом похожа по логике на OnOrder, только возвращает коллбэки уже по исполненным сделкам. В случае, если заявка разбивается на несколько сделок, мы получим информацию по каждой.

В файле QLUA.chm в директории терминала находим через поиск описание самой функции:

И таблицу с параметрами:

( Читать дальше )

Ребята помогите с QuiкPy, хочу подключить второй квик. 
Меняю порты в файле QuikSharp.lua,


 
Далее в питоне в файле который прекрасно работал с строкой 

qp_provider = QuikPy()<br /><br />теперь пишу<br /><br />

qp_provider = QuikPy(host='127.0.0.1', requests_port=50827, callbacks_port=50828)<br /><br />получаю<br /><br />

C:\Users\vadim\PycharmProjects\pythonProject\.venv\Scripts\python.exe C:\Users\vadim\PycharmProjects\pythonProject\MyFolder\TestSupport.py
Traceback (most recent call last):
File «C:\Users\vadim\PycharmProjects\pythonProject\MyFolder\TestSupport.py», line 25, in <module>
qp_provider = QuikPy(host='127.0.0.1', requests_port=50827, callbacks_port=50828)
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
File «C:\Users\vadim\PycharmProjects\pythonProject\QuikPy\QuikPy.py», line 168, in __init__
self.socket_requests.connect((self.Host, self.RequestsPort)) # Открываем соединение для запросов
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
ConnectionRefusedError: [WinError 10061] Подключение не установлено, т.к. конечный компьютер отверг запрос на подключение

( Читать дальше )

Что необходимо для заработка?

1.Соблюдение рисков, важнейший параметр, при его не соблюдении хана без вариантов, обязательно к просмотру     с 12 минуты основная суть, я просматривал раз 10.

2.Сделки нужно планировать, поделюсь как это делаю я. 
   
2.1 сделать премаркет, в трейдинг вью акции в растущем тренде и в падающем, растущие на поддержках подбираем, падающие на сопротивлениях продаем. 
2.2 посчитать наши риски, для этого эксель. Основное этот лист мне считает сколько взять лотов под мой стоп, чтоб не превысить риски.
2.3 Далее все это хозяйство заносить в программу помощник  Acceleration LUA.
  1.Это автоматический стоп и самое интересное пакет заявок


( Читать дальше )