алготрейдинг

В последние годы использование искусственного интеллекта (ИИ) стало популярной темой в трейдинге. Многие платформы обещают невероятные результаты благодаря ИИ, но насколько это соответствует действительности?

Недавняя новость от StockSharp, где команда рассказала о применении ИИ для создания коннекторов к криптобиржам, заставила меня задуматься: насколько искусственный интеллект действительно уместен и применим в трейдинге на текущий момент? С этой мыслью я решил изучить рынок и выяснить, что же на самом деле предлагают платформы, которые рекламируют использование ИИ.

Реальность: роботы, а не платформы

Большинство решений, которые я обнаружил в процессе исследования, оказались не полноценными платформами для анализа и разработки собственных стратегий, а готовыми продуктами — роботами. Примером таких решений являются продукты, описанные в статье на Techopedia. Эти роботы представляют собой закрытые системы, «черные ящики», где пользователю остается лишь верить, что в их основе лежит ИИ. Однако пользователю не предоставляется возможность исследовать, тестировать или как-то модифицировать эти стратегии.

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.