ТОРГОВЫЕ РОБОТЫ

Всем привет!  

Значит больших процентов сделать не удалось, так как задействовался малый объем средств под ГО по фьючерсам, почти без плечей.

Присутствовала диверсификация по инструментам и по параметрам ботов – si/ri/br — 22 боты было, сократил до 17-ти

Количество убыточных сделок выше (62%), чем прибыльных (38%), но процент доходности прибыльных сделок выше в несколько раз, чем убыточные.

Преимущества: не нужно прогнозировать куда пойдет цена. Не нужно определять стоп, он меняется в зависимости от волатильности за N кол-во времени и atr.

Системы создавались на основании исторических данных за последние 10 лет по фьючерсам. Системы все трендовые, но с изменением позиции (объема) в зависимости от накопленной % прибыли или убытка.

Сейчас боты в лонгах по нефти и шорте по si.

 

Убрал явные мелкие ошибки коде и получил такой файл:


При бектесте, какое то время все идет ОК. Но потом вываливается ошибка pandas:

( Читать дальше )

Предыдущий пост

1. Что было сделано?

Тупо смотрел за ростом портфеля и стратегий… Завораживает...
Прошло 4 недели.

2. В каком состоянии сейчас?

Название (ссылка на мониторинг)	Время жизни, дней	Доход, %	Старт, USC	Текущий баланс, USC	Максимальная просадка, %
Стратегия 1	21	19.0	400.0	475.82	52
Стратегия 2	18	81.7	200.0	363.40	53
Стратегия 3	18	39.6	200.0	279.23	45
Стратегия 4

( Читать дальше )

Неделю назад, я рассказал о своих попытках применить градиентный бустинг к выбору акций на годовую перспективу.
Тогда, в комментариях мне рассказали много всего полезного, но основные замечания над которыми я работал в течении недели были:
1. Бэктест был проведен всего на 3-х годах (что было обусловлено небольшим обучающим набором)
2. Граница принятия решения 1.01 обеспечивала «заглядывание в будущее» из-за того что использовала прошлогоднюю отчетность.
Я сместил границу принятия решения на апрель и расширил тренировочный датасет (и ещё провел кучу мелких улучшений, например вместо RMSE перешел на квантильную функцию потерь, что оказалось очень уместно). К сожалению, расширение тренировочного датасета ни на грамм не снизило ошибку при обучении на 20 годах, но теперь при уменьшении количества лет, качество страдает значительно меньше, что в свою очередь позволило мне провести бэктест на 7 годах (хотя в качестве 2014-го я сильно сомневаюсь).
С выборкой в 7 наблюдений, уже можно (зажмурившись) попытаться оценить статистическую доствоерность гипотезы о том что моя модель дает лучшие результаты чем S&P500 по итогам года. У меня получилось p-value ~ 0.03 (парный стьюдент-тест), что вроде-бы хорошо, но я что-то в этом сильно сомневаюсь и буду ещё перепроверять.

( Читать дальше )

( Читать дальше )

Разовью прошлую тему в конструктивном ключе.

1. У меня был длительный неудачный опыт создания роботов для форекса. Возможно не хватило упорства. Возможно нужно было брать таймфрейм побольше. Я работал с тиками и минутами. Пробовал простейшие алгоритмы.

Скользящие средние от одной до пяти.

Трендовые — покупать на пробое хая и т.п.

Комбинации различных индикаторов, которые подбирала специальная программа.

Но график эфквити/баланса получался просто случайной линией.

2. Был не удачный опыт спекуляций на флэтовом рынке крипто. На нем я понял, что мою психику на рынке убивает время. Период колебаний рынка постоянно меняется. А торговать хочется все время.

По этому я стал присматриваться к независящим от времени индикаторам. Нашел один, дающий с виду стабильный профит на длинных годичных трендах. Правда не заметил некоторых деталей, немного обманувших меня, но все равно работа закипела.

3. Написал программу подбора и оптимизации алгоритмов. Подобрал наиболее рабочий алгоритм по принципу устойчивости к вариации входных параметров.

4. С помощью профессионального программиста написал первую версию бота на java для Битфинекса. Кстати программист не верил в успех. )

( Читать дальше )

Удобно когда бот шлёт сообщения в телеграм, а не в лог файл. Как это можно сделать в python? Очень просто.



Шаг 1. Устанавливаем либу loguru. Вам же нужно логирование в боте? Через loguru настраивается парой строчек.
Шаг 2. Устанавливаем либу notifiers которая шлёт сообщения куда угодно тоже парой строчек.
Шаг 3. Настраиваем

# подключаем либы
from loguru import logger
from notifiers.logging import NotificationHandler

# прописываем параметры телеграм бота, от чьего имени и куда слать, где их взять думаю сами разберетесь
params = {
    'token': 'dfdfsfasdfljsahdfkljhasdfklj',
    'chat_id': 'dfkdsflksdjfls;kfjas;ldkf'
}
tg_handler = NotificationHandler("telegram", defaults=params)

# добавляем в logger правило, что все логи уровня info и выше отсылаются в телегу
logger.add(tg_handler, level="INFO")

Я у себя настроил уровень info. Использую его как раз для сообщений в телегу. А вот debug сообщения в телегу уже не приходят. Нечего эфир засорять. Подробнее про уровни логов можно почитать в справке docs.python.org/3/library/logging.html#logging-levels

Шаг 4. Отправляем сообщение

logger.info("Слава роботам! Убить всех человеков!")

Если не нужны логи, можно слать просто через notifiers.

Всем привет!

Заранее оговорюсь, меня интересует исключительно теория, что с чем складывать/умножать/вычитать и тд, с кодом я сам справлюсь. Поэтому, даже если вы не разработчик, любой совет будет полезным.

Я разработчик, пишу инструмент на C# по переводу тиковой таблицы в 1-минутную с OHLC-данными и объемом. Работаю с фьючерсами.
Прошу помочь разобраться, поделиться опытом. Может кому-то тоже будет полезно. 

В итоге, я хочу получить 5 разных OHLCV-данных:
1. OHLCV цен контрактов.
2. OHLCV объема (не цены, а объема) контрактов на покупку. Это о том, сколько всего контрактов на покупку в течение 1 минуты.
3. OHLCV объема контрактов на продажу. Это о том, сколько всего контрактов на продажу стоит в течение 1 минуты.
4. OHLCV объема заявок на покупку. Это о том, сколько всего заявок на покупку стоит в течение 1 минуты.
5. OHLCV объема заявок на продажу. Это о том, сколько всего заявок на продажу стоит в течение 1 минуты.

Я в финансовой теме новичок, пытался разобраться, но боюсь ошибиться.
В таблице есть T-строки (Trade, примеры полей: <ACTIVITY.DATETIME>,<TRADE.PRICE>,<TRADE.SIZE>), Q-строки (Quote, поля: <ACTIVITY.DATETIME>,<BID.PRICE>,<BID.SIZE>,<ASK.PRICE>,<ASK.SIZE>), так же в первой H-строке заголовка (Header) есть поля <YEST.TRADE.CLOSE>,<YEST.TRADE.VOL> — это данные предыдущего дня — последняя цена закрытия, последний объем. Пример таблицы скопировал ниже.

( Читать дальше )

Привет! Сегодня не про результаты, а про методы. Закончил писать базовый функционал библиотеки для количественных исследований. Вот что из него можно выжать:

• Моделирование портфелей по кросс-секции и временным рядам;
• Квантильная методика формирования портфелей в % от выборки или фиксированное число инструментов;
• Возможность гибко задавать веса в портфеле по дополнительному фактору (почти smart beta);
• Можно вырывать данные для аналитики на каждом промежуточном этапе: сделки, размер позиций, комиссии, доходность портфелей;
• Возможность относительно точно учесть комиссионные расходы;
• Пока самая простая визуализация и метрики.

Как выглядит итоговая отрисовка:

Небольшая предыстория или зачем писать свой тестер

 

Не являясь базовым программистом, я пользовался готовыми решениями для бэктестов и особенно долго засиживался на платформе Quantopian. В прошлом году компания не получила нового транша от инвесторов и объявила о закрытии. Вместе с ней сгинул и весь написанный код, а знания синтаксиса несуществующей платформы близки по полезности к 1С-программированию при переезде в долину.
Поработав с другими сервисами, понял, что их существенные недостатки можно разделить на 3 группы:

( Читать дальше )

🕘 Время просмотра ~3 мин.

Детальный аналитический обзор по основным валютным парам рынка Форекс, а также золоту смотрите далее на YouTube-канале.

( Читать дальше )