торговые роботы

Сегодня рассматриваем источник данных для роботов в OsEngine, который называется BotTabScreener. Это источник позволяющий в несколько десятков строк кода торговать одновременно сотни инструментов.


VK Видео:


RuTube:


( Читать дальше )

Сегодня будем учиться скачивать огромные массивы исторических данных с сервера Мосбиржи MOEX ISS. Без программирования. Всё при помощи готовых интерфейсов в терминале для алготрейдинга OsEngine. Бесплатно и без регистрации)

В рамках OsEngine данный сервер данных называется MoexDataServer. Далее так и будем его называть наравне с MOEX ISS.

( Читать дальше )

У них, похоже что в алгоритмах по принятию решений купить или продать есть оглядка как на биржевой индекс, так и на цены у соседей по сектору рынка. Но совершенно отсутствует понимание причины роста цены у соседа перед его дивидендной отсечкой.

С утра акции Северстали за два торговых дня до отсечки немного оживились, т.к. нашлись желающие взять акций, чтоб получить с них дивиденды. Так и НЛМК с ММК за ней потянулись. Северсталь уже обратно вернулась, т.к  желающие продать на пике роста цены пред дивидендной отсечкой на падающем рынке всегда много.  Но это всё понятно применительно к сегодняшним изменениям цены у Северстали. Но вот что творится сегодня у соседей по этому сектору Рынка — совершенно не логично, у других же металлургов див.отсечки в понедельник нет.

В общем, к концу дня если цена НЛМК с ММК тоже вернётся к исходной, то надо подумать на предмет стратегии  под названием: Отбери деньги у глупого торгового робота. Ведь реально же что-то в этом есть? Что думаете? Просто сегодня так случайно вышло? Нет тут никаких закономерностей, позволяющих нам получить профит?

( Читать дальше )

VK Видео:


RuTube:


( Читать дальше )

Много лет я пытался понять, что главнее — коэф Шарпа, или фактор восстановления.  Но так и не понял. Они как бы усредняют друг друга. Если один из них зашкаливает, то другой ниже среднего. Я так понял, что усреднить эти 2 коэффициента программа архисложная. Есть здравые мысли?

Продолжаем разбираться с BotTabSimple, источником, предоставляющим функционал для торговли одним инструментом.

В данной статье обсудим методы открытия позиций, которые существуют в OsEngine.

 

В OsEngine есть пример, который использует все нижеперечисленные способы открытия позиций. Вместо торговой логики у данного робота кнопки в окне параметров, нажимая которые можно попасть в обработчики, где выставляются определённого рода заявки.

Обязательно откройте этого робота и посмотрите, как это выглядит в исходном коде!

Его исходный код на ГитХаб находится здесь: https://github.com/AlexWan/OsEngine/blob/master/project/OsEngine/Robots/BotsFromStartLessons/Lesson9Bot1.cs

В проекте это тут:

( Читать дальше )

( Читать дальше )

Сегодня будем разбираться с тем, как настроить автоматическое скачивание исторических данных с помощью коннектора к сайту MFD.

Делать это будем в полностью автоматическом режиме при помощи торговой платформы OsEngine. Скаченные данные будут сразу доступны для того, чтобы на них проводить тесты более 300 встроенных в OsEngine роботов.

1. Доступные данные с MFD.

Через коннектор MFD доступно скачивание тиковых и свечных данных по российскому рынку и некоторым международным инструментам.

Продолжительность периодов ограничена:

• По российскому рынку трейды доступны не более чем за 1 месяц, свечные внутридневные данные не более 1 года.
• По международным рынкам трейды доступны не более 3 дней, внутридневные не более 3 месяцев.

 

2. Подключаем скачивание данных с MFD.

В главном меню OS Engine выбираем Data:

( Читать дальше )

    В этом опусе рассмотрим попытку использования алгоритм случайного леса для создания торгового модели для слива денег на примере индекса IMOEX. Используется язык питон и библиотеки pandas и scikit-learn. Модель будет предсказывать сторону закрытие на следующий день, т.е. оно положительное или отрицательное, и на основании этого строится торговая система.

df["Tomorrow"] = df["Close"].shift(-1)
df["Target"] = (df["Tomorrow"] > df["Close"]).astype(int)  # наша цель

    Очень важно, какие данные будут использоваться для прогнозирования. Здесь используется: показатель силы закрытия бара (т.е. (Close-Low)/(High-Low)) за текущий и предыдущий день, процентные соотношения между ценой закрытия и средними за периоды 2,10,15,25,50 дней по индексам IMOEX, RVI, RGBITR, и плюс цены закрытия индексов RVI, RGBITR.
    Для обучения модели используется период 2013-2022 гг., для проверки 2023-2024г.:

train = df.loc['2013':'2022']
test = df.loc['2023':]

    Для создания модели используется <a href=«scikit-learn.

( Читать дальше )

VK Видео:


RuTube:

( Читать дальше )