ТОРГОВЫЕ РОБОТЫ

ФРС США сегодня впервые с 2020 года снизила ставку на 0,5%. Это говорит о том, что уже даже ФРС признает проблемы в экономике. А исторически начало цикла снижения ставок вкупе с началом роста безработицы (что мы сейчас и наблюдаем) — это сильный сигнал грядущего кризиса в США и падения рынков. Теперь оба эти индикатора сходятся. Пора валить из американских акций, из российских пожалуй тоже. Благо такое турбулентное время — это хлебные периоды для нашей алгоритмической стратегии, которая зарабатывает на волатильности, как на росте, так и на падении рынков.

Мой телеграм-канал: @alfa_quant
Алгоритмическая стратегия на комоне: https://www.comon.ru/strategies/109402/

Извините, за совсем новичковый вопрос.

Где вы берете историю котировок российской биржи?

Ранее я брал с финама, но теперь вижу, к примеру, что данные по минуткам по фьючам на нефть ограничены октябрем 23го:
 

Я попробовал выкачать данные у брокера (Алор), но у него аналогичные ограничения. 

Где взять историю за пару лет хотя бы?

VK Видео:


RuTube:

В данном посте будем учиться запускать «профилирование» в Visual Studio, чтобы глазами увидеть место самых больших нагрузок у бота.

Ну и в целом заканчиваем нашу минисерию постов про производительность роботов и как делать так, чтобы у Вас никакие очереди не забивались, а роботы работали быстро и качественно.

1. Профилировка – это что?

Профилировка производительности C# — это процесс анализа производительности программы путём мониторинга использования процессора различными функциями и сегментами кода.

Профилируя приложение C#, можно определить, какие части кода занимают больше всего времени процессора и вызывают проблемы с производительностью. Эта информация важна для оптимизации приложения и улучшения его общей производительности.

С точки зрения прикладного:

Профилировка производительности – один из способов запуска проектов на СиШарп (OsEngine), который помогает увидеть «узкие» места в коде, где больше всего расходуется ЦП.

Так проект OsEngine можно запустить в нескольких режимах:

VK Видео:


RuTube:

Сегодня инвестирование — это не просто выбор активов, это профессиональная диверсификация потенциальных доходов и диверсификация потенциальных рисков. Это умение найти и использовать все возможные инструменты для достижения стабильного роста капитала.

Современный инвестор, как правило, уже сформировал для себя несколько инвестиционных портфелей. Но, к сожалению, традиционные методы инвестирования больше не приносят ожидаемых результатов и не могут обеспечить адекватную прибыль.

Технологии трансформируют одну отрасль за другой – и инвестиции не исключение. Уже сейчас алгоритмические решения способны создавать уникальные инвестиционные стратегии, которые имеют значительное преимущество перед традиционными методами, и не просто следуют за рынком, а опережают его.

Так что же модели Искусственного интеллекта и технологии Машинного обучении способны дать современному инвестору?

1. Улучшение диверсификации и управление рисками: Алгоритмы анализируют огромные объемы данных, находя возможности и оценивая риски с точностью, недоступной для человеческого анализа. Это дает возможность эффективно диверсифицировать существующий портфель и минимизировать влияние рыночной волатильности.

В данной статье поговорим о проблемах «перегрузки» в пользовательской логике в роботе. Очень условно поговорим про поточную модель OsEngine и о том, почему нельзя нагружать поток робота «лишней» работой или укладывать «Спать».

Для начала давайте взглянем на поток, который отдаёт данные в роботов в реале. Для этого нужно открыть класс AServer. Это вот здесь:

VK Видео:


RuTube: