Алготрейдинг

Сентябрь 2024 года. Мы, команда StockSharp, активно используем ИИ для написания коннекторов к криптобиржам. Но спешу вас предупредить — если вы читаете эту статью в 2025 году или позже, всё это может уже устареть. Если вы из будущего, добро пожаловать в прошлое! И не забудьте проверить, актуальны ли наши методы.

Наш путь с ИИ начался с ChatGPT 3.5, который, откровенно говоря, не мог бы написать не то что коннектор для криптобиржи, а даже простую торговую стратегию. Однако с приходом ChatGPT 4.0 и Claude Sonnet 3.5 ситуация резко изменилась. Теперь ИИ может писать сложные модули кода, хотя и с оговорками: приходится вмешиваться, уточнять и исправлять ошибки, что, впрочем, стало уже нормой в нашем процессе.

Шаг 1. Запуск проекта в Claude.ai

Прежде чем начать писать новый коннектор, первым делом мы создаём проект в Claude.ai. Это не просто чат, который забудет всё, как только вы его закроете. Проект позволяет сохранять всё, что вы туда загружаете: коды, документы, комментарии. Это аналог настроек Custom GPT, где ИИ «учится» на ваших примерах и указаниях, а не просто отвечает на вопросы.

Дорогие друзья!

Сегодня хочу поделиться с вами отличной новостью! Два дня назад мой проект — OSAEngine — получил первое крупное пожертвование. Этот вклад стал важной вехой в развитии проекта и подтверждением того, что моя работа находит отклик среди вас, моих уважаемых подписчиков и коллег.

Это событие вдохновляет меня на новые свершения, и в ближайшее время я планирую запустить серию лекций по Zero Coding — подходу, который позволит создавать стратегии без необходимости программирования. Лекции будут выходить ввиде статей здесь на протяжении всего года и, надеюсь, станут полезным ресурсом как для новичков, так и для опытных трейдеров.

Спасибо всем, кто поддерживает проект! Ваша поддержка делает меня сильнее и помогает двигаться вперед.

Подписывайтесь на меня, добавляйтесь в друзья и лайкайте, если вам нравится то, что я пишу. Впереди много интересного, и я буду рад делиться с вами новыми идеями и проектами!

В мире алгоритмической торговли и высокочастотных операций скорость получения данных играет критическую роль. Хотя выбор брокера зависит от множества факторов, включая тарифы, удобство использования платформы и набор инструментов, для определенной категории трейдеров и разработчиков торговых систем скорость обновления стакана котировок может быть решающим фактором.

Исследование скорости API

Я провел сравнительное исследование скорости работы API двух популярных брокеров: Alor и Tinkoff. Целью было определить, какой из них обеспечивает более быстрое обновление данных стакана котировок.

Методология

Исследование проводилось с использованием открытых протоколов API обоих брокеров. Это важно отметить, так как открытые протоколы представляют собой передовые технологии в области биржевой торговли, обеспечивая максимальную скорость и эффективность передачи данных.

Для каждого API был разработан клиент, который подключался к серверам брокера, подписывался на обновления стакана и регистрировал время получения каждого обновления. Мониторинг проводился в течение 30 секунд, что позволило получить репрезентативную выборку данных.

Привет Алготрейдер!

Алготрейдинг обещает высокие доходы и финансовую независимость, но путь к этим целям начинается с тестирования торговой стратегии. Тестирование показывает, как стратегия могла бы себя вести на исторических данных и помогает нам подготовить её к реальным рыночным условиям. Но что, если результаты тестирования дают ложные надежды?

В своём новом видео ?si=bhkaR6C1NFiB0URM

я рассказываю об одной из самых коварных ловушек, в которую могут попасть даже опытные трейдеры, — иллюзии краткосрочной эффективности. Часто системы, которые на первый взгляд кажутся успешными, на самом деле не обладают реальными преимуществами и обречены на убытки в реальной торговле.

Чтобы реально становиться богаче необходимо обогнать эмиссию денег (M2). Для меня одной из ключевых задач является задача долгосрочно обогнать эмиссию рублей и долларов. Далее речь пойдет о обгоне долларового M2.

Обгонять эмиссию денег (M2) — задача, требующая стратегий с высокой доходностью. M2 — это показатель денежной массы, включающий наличные деньги, депозиты до востребования и другие формы денег, легко конвертируемые в наличные. В последние десятилетия денежная масса M2 в долларах росла в среднем на 6-8% в год (хотя могут быть значительные колебания). Соответственно, для того чтобы обгонять этот рост, нужно стремиться к доходности выше этого уровня.

Основные стратегии для обгона M2

1. Инвестирование в акции:

   • Индивидуальные акции: Компании, особенно из секторов с высоким ростом (технологии, биотехнологии и т.д.), могут приносить значительно более высокую доходность, чем M2. Однако это связано с высоким риском и требует тщательного анализа и отбора.
   • Индексные фонды (ETF): Инвестирование в индексы, такие как S&P 500, может быть менее рискованным и позволяет получать среднерыночную доходность. Исторически доходность S&P 500 составляла около 7-10% в год, что выше роста M2.

Привет, друзья алготрейдеры!

Сегодня я покажу вам, как создать торговую систему MACD Sync Strategy на платформе TsLab!


🎯 Эта стратегия использует уникальный метод фильтрации трендов и уже доказала свою эффективность на разных тестах.

?si=j2NZLaWr-xuSwMk_

Мой ТГ все скрипты бесплатно здесь ====>  t.me/ArgusAlgo

С развитием искусственного интеллекта (ИИ) и машинного обучения меняются не только технологии, но и способы их изучения. Особенно это заметно в области финансовых технологий, где программирование торговых роботов играло ключевую роль в автоматизации торговли и принятии инвестиционных решений. Однако с появлением новых ИИ-инструментов, многие считают, что традиционные курсы по программированию торговых роботов могут стать менее актуальными. В этом лонгриде мы рассмотрим, почему это происходит и какие изменения стоит ожидать в ближайшем будущем.

1. Автоматизация разработки торговых алгоритмов

Одним из главных факторов, влияющих на снижение необходимости традиционного обучения программированию торговых роботов, является автоматизация самой разработки торговых стратегий. Ранее, для создания успешного торгового робота требовались глубокие знания в области программирования и алгоритмов. Разработка сложных торговых стратегий включала анализ данных, написание и тестирование кода, а также оптимизацию алгоритмов. Это подразумевало длительное и дорогостоящее обучение на специализированных курсах.