#алгоритмическая_торговля — Public Fediverse posts

Почему алгоритмы сливают твой депозит? 3 причины, о которых молчат «успешные» бэктесты

Алгоритмический трейдинг давно превратился в новую форму цифровой мечты . Сегодня буквально каждый второй новичок уверен, что достаточно найти «правильный» индикатор , запустить Python-скрипт, подключить API биржи - и рынок начнёт стабильно печатать деньги . Реальный рынок уничтожает такие системы с пугающей регулярностью. И самое интересное здесь то, что проблема обычно не в самой идее. Проблема в фундаментальных ошибках проектирования алгоритма. Ошибках, которые допускает почти каждый начинающий алготрейдер. В этой статье разберём три главные причины, из-за которых большинство торговых алгоритмов в конечном итоге уничтожают депозит. Делать это будем на примере реального Python-скрипта для торговли ETHUSDT

https://habr.com/ru/articles/1038308/

#криптовалюты #финансы #заработок #алготрейдинг #трейдинг #торговля #бизнес #разработка #алгоритмическая_торговля #торговые_роботы

Почему алгоритмы сливают твой депозит? 3 причины, о которых молчат «успешные» бэктесты

Алгоритмический трейдинг давно превратился в новую форму цифровой мечты . Сегодня буквально каждый второй новичок уверен, что достаточно найти «правильный» индикатор , запустить Python-скрипт, подключить API биржи - и рынок начнёт стабильно печатать деньги . Реальный рынок уничтожает такие системы с пугающей регулярностью. И самое интересное здесь то, что проблема обычно не в самой идее. Проблема в фундаментальных ошибках проектирования алгоритма. Ошибках, которые допускает почти каждый начинающий алготрейдер. В этой статье разберём три главные причины, из-за которых большинство торговых алгоритмов в конечном итоге уничтожают депозит. Делать это будем на примере реального Python-скрипта для торговли ETHUSDT

https://habr.com/ru/articles/1038308/

#криптовалюты #финансы #заработок #алготрейдинг #трейдинг #торговля #бизнес #разработка #алгоритмическая_торговля #торговые_роботы

Почему алгоритмы сливают твой депозит? 3 причины, о которых молчат «успешные» бэктесты

Алгоритмический трейдинг давно превратился в новую форму цифровой мечты . Сегодня буквально каждый второй новичок уверен, что достаточно найти «правильный» индикатор , запустить Python-скрипт, подключить API биржи - и рынок начнёт стабильно печатать деньги . Реальный рынок уничтожает такие системы с пугающей регулярностью. И самое интересное здесь то, что проблема обычно не в самой идее. Проблема в фундаментальных ошибках проектирования алгоритма. Ошибках, которые допускает почти каждый начинающий алготрейдер. В этой статье разберём три главные причины, из-за которых большинство торговых алгоритмов в конечном итоге уничтожают депозит. Делать это будем на примере реального Python-скрипта для торговли ETHUSDT

https://habr.com/ru/articles/1038308/

#криптовалюты #финансы #заработок #алготрейдинг #трейдинг #торговля #бизнес #разработка #алгоритмическая_торговля #торговые_роботы

Почему алгоритмы сливают твой депозит? 3 причины, о которых молчат «успешные» бэктесты

Алгоритмический трейдинг давно превратился в новую форму цифровой мечты . Сегодня буквально каждый второй новичок уверен, что достаточно найти «правильный» индикатор , запустить Python-скрипт, подключить API биржи - и рынок начнёт стабильно печатать деньги . Реальный рынок уничтожает такие системы с пугающей регулярностью. И самое интересное здесь то, что проблема обычно не в самой идее. Проблема в фундаментальных ошибках проектирования алгоритма. Ошибках, которые допускает почти каждый начинающий алготрейдер. В этой статье разберём три главные причины, из-за которых большинство торговых алгоритмов в конечном итоге уничтожают депозит. Делать это будем на примере реального Python-скрипта для торговли ETHUSDT

https://habr.com/ru/articles/1038308/

#криптовалюты #финансы #заработок #алготрейдинг #трейдинг #торговля #бизнес #разработка #алгоритмическая_торговля #торговые_роботы

Архитектура монорепозитория для параллельного исполнения торговых стратегий

⚡ Архитектура монорепозитория для параллельного исполнения торговых стратегий Статья описывает архитектуру эмулятора биржи. Эмулятор ускоряет время в 6300x раз и запускает такую же торговую стратегию как в prod без изменений. В статье описаны практики структурирования кодовой базы для командной работы B-Tree O(log n) , memcache lookup O(1) , монорепозиторий, SRP, линейное расширение кодовой базы при модернизации

https://habr.com/ru/articles/1037822/

#typescript #javascript #python #binance #алгоритмическая_торговля #tradingview #мосбиржа #архитектура #архитектура_приложений #архитектура_по

Архитектура монорепозитория для параллельного исполнения торговых стратегий

⚡ Архитектура монорепозитория для параллельного исполнения торговых стратегий Статья описывает архитектуру эмулятора биржи. Эмулятор ускоряет время в 6300x раз и запускает такую же торговую стратегию как в prod без изменений. В статье описаны практики структурирования кодовой базы для командной работы B-Tree O(log n) , memcache lookup O(1) , монорепозиторий, SRP, линейное расширение кодовой базы при модернизации

https://habr.com/ru/articles/1037822/

#typescript #javascript #python #binance #алгоритмическая_торговля #tradingview #мосбиржа #архитектура #архитектура_приложений #архитектура_по

Архитектура монорепозитория для параллельного исполнения торговых стратегий

⚡ Архитектура монорепозитория для параллельного исполнения торговых стратегий Статья описывает архитектуру эмулятора биржи. Эмулятор ускоряет время в 6300x раз и запускает такую же торговую стратегию как в prod без изменений. В статье описаны практики структурирования кодовой базы для командной работы B-Tree O(log n) , memcache lookup O(1) , монорепозиторий, SRP, линейное расширение кодовой базы при модернизации

https://habr.com/ru/articles/1037822/

#typescript #javascript #python #binance #алгоритмическая_торговля #tradingview #мосбиржа #архитектура #архитектура_приложений #архитектура_по

Архитектура монорепозитория для параллельного исполнения торговых стратегий

⚡ Архитектура монорепозитория для параллельного исполнения торговых стратегий Статья описывает архитектуру эмулятора биржи. Эмулятор ускоряет время в 6300x раз и запускает такую же торговую стратегию как в prod без изменений. В статье описаны практики структурирования кодовой базы для командной работы B-Tree O(log n) , memcache lookup O(1) , монорепозиторий, SRP, линейное расширение кодовой базы при модернизации

https://habr.com/ru/articles/1037822/

#typescript #javascript #python #binance #алгоритмическая_торговля #tradingview #мосбиржа #архитектура #архитектура_приложений #архитектура_по

ИИ в трейдинге: почему предсказание цены — плохая постановка задачи

Это моя вторая часть заметок с Perm Winter School '26, некоммерческой научно‑практической конференции. В первой части я рассказал, что если просто взять котировки, скормить их нейросети попросив предсказать куда пойдёт рынок завтра, то скорее всего получится красивая иллюзия, которая может выглядеть убедительно, но в реальной жизни всё закончится убытками. Первая часть была довольно популярна, хотя многие мне написали что‑то вроде «Вы просто не ту модель пробовали», «Нужно больше данных», «Надо давать нейросети не график OHLCV, а что‑то другое». И в целом я согласен с таким ходом рассуждений, потому что из конференции я вынес не то, что нельзя заработать на бирже, а то, что большинство частных трейдеров решают вообще не ту задачу. Ошибка новичка: искать ответ на вопрос «куда пойдет рынок» Когда мы смотрим на график конечно же сразу возникает вопрос — вверх или вниз дальше. И вся индустрия трейдинга построена на этой бинарной ловушке — что на рынке всего две кнопки: 📈 Покупай. 📉 Продавай. Самый неожиданный для меня общий мотив нескольких докладов был таким: рынок не обязательно нужно предсказывать. Побывал в Перми на конференции

https://habr.com/ru/articles/1030572/

#ИИ #LLM #алгоритмическая_торговля

ИИ в трейдинге: почему всё сложнее, чем кажется

Я побывал на Perm Winter School "26, это такая ежегодная научно‑практическая конференция, объединяющая студентов, ученых и экспертов из финансовой, ИТ и экологической сфер. Она некоммерческая. И если честно на ней я надеялся услышать что‑то вроде того что «ИИ уже почти научился зарабатывать на рынке, осталось чуть‑чуть шлифануть». Но получилось наоборот — если обобщить опыт всех спикеров и дискуссии, которые я услышал, то картина будет довольно неприятной для тех кто до сих пор ищет «кнопку бабло» в теме больших языковых моделей (LLM). На конференции было порядка десяти докладов и в один текст статьи это не оформить — он получится слишком длинный, поэтому в этой первой части статьи о Perm Wesna School '26 я разберу популярный миф о том, что ИИ хорошо предсказывает финансовый рынок. Конференцию организовали классический и технический университеты города Перми. Конференция в Перми

https://habr.com/ru/articles/1028302/

#ИИ #LLM #алгоритмическая_торговля

Гамма-флип: Технический разбор перехода от диапазона к тренду и механика алгоритмического хеджирования

Современные финансовые рынки претерпели фундаментальную структурную трансформацию. Если в предыдущие десятилетия ценообразование активов и биржевых индексов определялось преимущественно макроэкономическими факторами, корпоративными отчетами и фундаментальным анализом, то сегодня архитектура рынка во многом подчинена рынку производных финансовых инструментов (деривативов). Рынок опционов, а в особенности сегмент контрактов с нулевым сроком до экспирации (те самые 0DTE), разросся до таких абсурдных масштабов, что объемы торгов по ним зачастую превышают объемы торгов самими базовыми активами. В этой новой парадигме традиционные рыночные нарративы просто отходят на второй план. Главным драйвером внутридневной волатильности стала сухая, механическая вещь - хеджирование опционных позиций маркетмейкерами.

https://habr.com/ru/articles/1024886/

#алгоритмическая_торговля #математика #data_science #анализ_данных #трейдинг #финансовые_рынки #опционы #опционы_акций

Гамма-флип: Технический разбор перехода от диапазона к тренду и механика алгоритмического хеджирования

Современные финансовые рынки претерпели фундаментальную структурную трансформацию. Если в предыдущие десятилетия ценообразование активов и биржевых индексов определялось преимущественно макроэкономическими факторами, корпоративными отчетами и фундаментальным анализом, то сегодня архитектура рынка во многом подчинена рынку производных финансовых инструментов (деривативов). Рынок опционов, а в особенности сегмент контрактов с нулевым сроком до экспирации (те самые 0DTE), разросся до таких абсурдных масштабов, что объемы торгов по ним зачастую превышают объемы торгов самими базовыми активами. В этой новой парадигме традиционные рыночные нарративы просто отходят на второй план. Главным драйвером внутридневной волатильности стала сухая, механическая вещь - хеджирование опционных позиций маркетмейкерами.

https://habr.com/ru/articles/1024886/

#алгоритмическая_торговля #математика #data_science #анализ_данных #трейдинг #финансовые_рынки #опционы #опционы_акций

Гамма-флип: Технический разбор перехода от диапазона к тренду и механика алгоритмического хеджирования

Современные финансовые рынки претерпели фундаментальную структурную трансформацию. Если в предыдущие десятилетия ценообразование активов и биржевых индексов определялось преимущественно макроэкономическими факторами, корпоративными отчетами и фундаментальным анализом, то сегодня архитектура рынка во многом подчинена рынку производных финансовых инструментов (деривативов). Рынок опционов, а в особенности сегмент контрактов с нулевым сроком до экспирации (те самые 0DTE), разросся до таких абсурдных масштабов, что объемы торгов по ним зачастую превышают объемы торгов самими базовыми активами. В этой новой парадигме традиционные рыночные нарративы просто отходят на второй план. Главным драйвером внутридневной волатильности стала сухая, механическая вещь - хеджирование опционных позиций маркетмейкерами.

https://habr.com/ru/articles/1024886/

#алгоритмическая_торговля #математика #data_science #анализ_данных #трейдинг #финансовые_рынки #опционы #опционы_акций

Гамма-флип: Технический разбор перехода от диапазона к тренду и механика алгоритмического хеджирования

Современные финансовые рынки претерпели фундаментальную структурную трансформацию. Если в предыдущие десятилетия ценообразование активов и биржевых индексов определялось преимущественно макроэкономическими факторами, корпоративными отчетами и фундаментальным анализом, то сегодня архитектура рынка во многом подчинена рынку производных финансовых инструментов (деривативов). Рынок опционов, а в особенности сегмент контрактов с нулевым сроком до экспирации (те самые 0DTE), разросся до таких абсурдных масштабов, что объемы торгов по ним зачастую превышают объемы торгов самими базовыми активами. В этой новой парадигме традиционные рыночные нарративы просто отходят на второй план. Главным драйвером внутридневной волатильности стала сухая, механическая вещь - хеджирование опционных позиций маркетмейкерами.

https://habr.com/ru/articles/1024886/

#алгоритмическая_торговля #математика #data_science #анализ_данных #трейдинг #финансовые_рынки #опционы #опционы_акций

DiffQuant: прямая оптимизация коэффициента Шарпа через дифференцируемый торговый симулятор

Большинство ML -систем для трейдинга оптимизируют MSE , а оценивают по коэффициенту Sharpe . В DiffQuant этот разрыв убран: весь путь от рыночных признаков до позиции, PnL и издержек собран в единый дифференцируемый граф. Градиент проходит не через proxy -цель, а через саму торговую механику. На двух последовательных held-out кварталах прототип показал Sharpe +1.73 и +1.15 после учёта комиссий. Код, данные и протокол эксперимента открыты. Это не готовая торговая система - это другая постановка задачи.

https://habr.com/ru/articles/1022254/

#machine_learning #алгоритмическая_торговля #deep_learning #pytorch #quantitative_finance #algorithmic_trading #quantitative_research #differentiable_programming #itransformer #backtesting

DiffQuant: прямая оптимизация коэффициента Шарпа через дифференцируемый торговый симулятор

Большинство ML -систем для трейдинга оптимизируют MSE , а оценивают по коэффициенту Sharpe . В DiffQuant этот разрыв убран: весь путь от рыночных признаков до позиции, PnL и издержек собран в единый дифференцируемый граф. Градиент проходит не через proxy -цель, а через саму торговую механику. На двух последовательных held-out кварталах прототип показал Sharpe +1.73 и +1.15 после учёта комиссий. Код, данные и протокол эксперимента открыты. Это не готовая торговая система - это другая постановка задачи.

https://habr.com/ru/articles/1022254/

#machine_learning #алгоритмическая_торговля #deep_learning #pytorch #quantitative_finance #algorithmic_trading #quantitative_research #differentiable_programming #itransformer #backtesting

DiffQuant: прямая оптимизация коэффициента Шарпа через дифференцируемый торговый симулятор

Большинство ML -систем для трейдинга оптимизируют MSE , а оценивают по коэффициенту Sharpe . В DiffQuant этот разрыв убран: весь путь от рыночных признаков до позиции, PnL и издержек собран в единый дифференцируемый граф. Градиент проходит не через proxy -цель, а через саму торговую механику. На двух последовательных held-out кварталах прототип показал Sharpe +1.73 и +1.15 после учёта комиссий. Код, данные и протокол эксперимента открыты. Это не готовая торговая система - это другая постановка задачи.

https://habr.com/ru/articles/1022254/

#machine_learning #алгоритмическая_торговля #deep_learning #pytorch #quantitative_finance #algorithmic_trading #quantitative_research #differentiable_programming #itransformer #backtesting

DiffQuant: прямая оптимизация коэффициента Шарпа через дифференцируемый торговый симулятор

Большинство ML -систем для трейдинга оптимизируют MSE , а оценивают по коэффициенту Sharpe . В DiffQuant этот разрыв убран: весь путь от рыночных признаков до позиции, PnL и издержек собран в единый дифференцируемый граф. Градиент проходит не через proxy -цель, а через саму торговую механику. На двух последовательных held-out кварталах прототип показал Sharpe +1.73 и +1.15 после учёта комиссий. Код, данные и протокол эксперимента открыты. Это не готовая торговая система - это другая постановка задачи.

https://habr.com/ru/articles/1022254/

#machine_learning #алгоритмическая_торговля #deep_learning #pytorch #quantitative_finance #algorithmic_trading #quantitative_research #differentiable_programming #itransformer #backtesting

Как собрать дашборд для анализа алготрейдинга без программирования: кейс на HTML + LLM

400 000 строк в файле Excel, а пропущенный день это дырка в истории и отчёты, которые тормозят даже на мощном ПК — именно с этим столкнулся алготрейдер Дмитрий Овчинников. Но он смог при помощи ИИ ассистента создать дашборд, который упрощает управлением его 100+ стратегиями в алготрейдинге. И это, по его словам, как пересесть с запорожца на вертолёт. На Хабре вообще очень мало пишут про алготрейдеров, а уж про работающие алгоритмы так и вообще ничего. А есть такая важная для любого сторонника алгоритмов тема как управление и отображение результатов трейдинга и она определенно заслуживает внимания. Проблемы алготрейдера

https://habr.com/ru/articles/1019640/

#алгоритмическая_торговля

Почему нейросети не предсказывают рынок (и что они делают вместо этого)

На прошедшей неделе в Москве состоялось мероприятие, посвящённое машинному обучению (Machine Learning) в трейдинге. Название мне показалось весьма злободневным: «ML в трейдинге: как выжить, если ты один, а против тебя — хедж‑фонды с бесконечным бюджетом». Я бы хотел побывать на нём лично, но из Перми ехать далековато и поэтому я отдал билет другу. Так что отдельное спасибо Сергею Степаняну за то, что он приехал в Москву из Ярославля и фактически стал моими глазами и ушами — то, что вы читаете — это его наблюдение, мои размышления и немного здравого смысла. Вообще моё текущее представление о ML в трейдинге на Московской бирже довольно прикладное. Смотришь за ценой: волатильность больше или меньше, скорость изменения цены быстрее или медленнее. И если за какой‑то из этих показателей меняется, то продаешь или покупаешь. Так можно попасть в вероятность, но точно определить конечно же невозможно. Ну и приходится постоянно это дело подкручивать под изменяющиеся параметры рынка — играть в догонялки — рынок меняется и всегда вынужден его преследовать. Встреча в Москве по ML

https://habr.com/ru/articles/1016436/

#алгоритмическая_торговля

Можно ли торговать, не анализируя рынок? Небольшое исследование

Я иногда наблюдаю за людьми которые зарабатывают на рынке. Достаточно часто они выкладывают годовые результаты или даже налоговые отчёты с миллионными выплатами. И при этом все в основном стесняются рассказывать о своих стратегиях даже чуть‑чуть. Правда это вполне естественно, ведь если стратегия приносит деньги зачем о ней говорить? Правда и то, что со стороны других людей (не наших многомиллионных героев) ситуация может выглядеть по‑другому. Представьте детский сад. Один ребёнок приносит коробку конфет. Он её открывает. Показывает всем. Но делиться не собирается. У остальных детей возникает понятная смесь эмоций: любопытство, раздражение. Чем больше заявленный результат, тем сильнее желание окружающих узнать хотя бы в общих чертах механизмы помогающие извлекать прибыль. Заработок без прогноза?

https://habr.com/ru/articles/1010348/

#алгоритмическая_торговля

Брокеры, инфраструктура и почему умер масс-маркет алготрейдинг

В начале февраля я узнал что в масленичную неделю в Москве состоится оффлайн мероприятие по алготрейдингу, которое будет посвящено биржевым алгоритмам. Также узнал что онлайн версии не будет, а основными темами будет инфраструктура, алгоритмы, математика и количественная аналитика. Это как раз те темы, которыми я интересуюсь, живя в Перми. А раз так, то я принял решение полететь на мероприятие и возможно получить новые ориентиры, познакомиться с людьми, взглянуть на рынок без маркетинговых очков. Получится ли это сделать? К концу статьи вы об этом узнаете. Алгоклуб

https://habr.com/ru/articles/1000768/

#алгоритмическая_торговля

Как перестать угадывать цены и довериться теории вероятностей. Хроника одного эксперимента

В прошлой своей статье я открыл для себя интересную, но неприглядную истину — что рынок это то место, где можно зарабатывать даже не зная будущего. Не угадывая направление — пойдёт вверх или вниз, не изображая из себя Вангу, а лишь правильно работая с вероятностями и размерами позиции. Если вы подбрасываете монетку и ставите 100% на орла — вы банкрот при первом же выпадении решки. Но если вы дробите капитал по формуле Келли или используете ребалансировку, вы можете зарабатывать даже при череде неудач. В прошлой статье по советам Дмитрия Шалаева я рассматривал математический трюк когда на сгенерированных котировках при убыточном активе капитал рос, а стратегия купил и держишь медленно обнуляла виртуальный счёт. В комментариях многие справедливо написали что теория — это хорошо, но реальный рынок — это совершенно другое. Что там существует комиссии, проскальзывания, разные режимы торгов, человеческая психология и главное — что я буду делать сам без математика в напарниках? Так вот, я решил принять этот вызов и самостоятельно, без Дмитрия Шалаева разобраться как похожая стратегия может вести себя на акциях Московской биржи . Про биржу часто пишут что это казино, но в данном случае я не буду ставить на красное или чёрное, а буду пытаться зарабатывать на самом факте вращения колеса рулетки: на волатильности, обороте и вероятности — то есть буду вести себя как казино, а не как игрок. Казино не знает, кто выиграет следующую раздачу, но оно знает, что в конце дня будет в плюсе.

https://habr.com/ru/articles/993978/

#московская_биржа #алгоритмическая_торговля #математика #волатильность #волатильность_рынка

Как перестать угадывать цены и довериться теории вероятностей. Хроника одного эксперимента

В прошлой своей статье я открыл для себя интересную, но неприглядную истину — что рынок это то место, где можно зарабатывать даже не зная будущего. Не угадывая направление — пойдёт вверх или вниз, не изображая из себя Вангу, а лишь правильно работая с вероятностями и размерами позиции. Если вы подбрасываете монетку и ставите 100% на орла — вы банкрот при первом же выпадении решки. Но если вы дробите капитал по формуле Келли или используете ребалансировку, вы можете зарабатывать даже при череде неудач. В прошлой статье по советам Дмитрия Шалаева я рассматривал математический трюк когда на сгенерированных котировках при убыточном активе капитал рос, а стратегия купил и держишь медленно обнуляла виртуальный счёт. В комментариях многие справедливо написали что теория — это хорошо, но реальный рынок — это совершенно другое. Что там существует комиссии, проскальзывания, разные режимы торгов, человеческая психология и главное — что я буду делать сам без математика в напарниках? Так вот, я решил принять этот вызов и самостоятельно, без Дмитрия Шалаева разобраться как похожая стратегия может вести себя на акциях Московской биржи . Про биржу часто пишут что это казино, но в данном случае я не буду ставить на красное или чёрное, а буду пытаться зарабатывать на самом факте вращения колеса рулетки: на волатильности, обороте и вероятности — то есть буду вести себя как казино, а не как игрок. Казино не знает, кто выиграет следующую раздачу, но оно знает, что в конце дня будет в плюсе.

https://habr.com/ru/articles/993978/

#московская_биржа #алгоритмическая_торговля #математика #волатильность #волатильность_рынка

Как перестать угадывать цены и довериться теории вероятностей. Хроника одного эксперимента

В прошлой своей статье я открыл для себя интересную, но неприглядную истину — что рынок это то место, где можно зарабатывать даже не зная будущего. Не угадывая направление — пойдёт вверх или вниз, не изображая из себя Вангу, а лишь правильно работая с вероятностями и размерами позиции. Если вы подбрасываете монетку и ставите 100% на орла — вы банкрот при первом же выпадении решки. Но если вы дробите капитал по формуле Келли или используете ребалансировку, вы можете зарабатывать даже при череде неудач. В прошлой статье по советам Дмитрия Шалаева я рассматривал математический трюк когда на сгенерированных котировках при убыточном активе капитал рос, а стратегия купил и держишь медленно обнуляла виртуальный счёт. В комментариях многие справедливо написали что теория — это хорошо, но реальный рынок — это совершенно другое. Что там существует комиссии, проскальзывания, разные режимы торгов, человеческая психология и главное — что я буду делать сам без математика в напарниках? Так вот, я решил принять этот вызов и самостоятельно, без Дмитрия Шалаева разобраться как похожая стратегия может вести себя на акциях Московской биржи . Про биржу часто пишут что это казино, но в данном случае я не буду ставить на красное или чёрное, а буду пытаться зарабатывать на самом факте вращения колеса рулетки: на волатильности, обороте и вероятности — то есть буду вести себя как казино, а не как игрок. Казино не знает, кто выиграет следующую раздачу, но оно знает, что в конце дня будет в плюсе.

https://habr.com/ru/articles/993978/

#московская_биржа #алгоритмическая_торговля #математика #волатильность #волатильность_рынка

Как перестать угадывать цены и довериться теории вероятностей. Хроника одного эксперимента

В прошлой своей статье я открыл для себя интересную, но неприглядную истину — что рынок это то место, где можно зарабатывать даже не зная будущего. Не угадывая направление — пойдёт вверх или вниз, не изображая из себя Вангу, а лишь правильно работая с вероятностями и размерами позиции. Если вы подбрасываете монетку и ставите 100% на орла — вы банкрот при первом же выпадении решки. Но если вы дробите капитал по формуле Келли или используете ребалансировку, вы можете зарабатывать даже при череде неудач. В прошлой статье по советам Дмитрия Шалаева я рассматривал математический трюк когда на сгенерированных котировках при убыточном активе капитал рос, а стратегия купил и держишь медленно обнуляла виртуальный счёт. В комментариях многие справедливо написали что теория — это хорошо, но реальный рынок — это совершенно другое. Что там существует комиссии, проскальзывания, разные режимы торгов, человеческая психология и главное — что я буду делать сам без математика в напарниках? Так вот, я решил принять этот вызов и самостоятельно, без Дмитрия Шалаева разобраться как похожая стратегия может вести себя на акциях Московской биржи . Про биржу часто пишут что это казино, но в данном случае я не буду ставить на красное или чёрное, а буду пытаться зарабатывать на самом факте вращения колеса рулетки: на волатильности, обороте и вероятности — то есть буду вести себя как казино, а не как игрок. Казино не знает, кто выиграет следующую раздачу, но оно знает, что в конце дня будет в плюсе.

https://habr.com/ru/articles/993978/

#московская_биржа #алгоритмическая_торговля #математика #волатильность #волатильность_рынка

Как зарабатывать на бирже, не предсказывая цену: математика против ML-интуиции

Недавно я пробовал машинное обучение на Московской бирже, пытаясь найти полезные признаки и при этом опираясь в поисках этих признаков на советы ИИ ассистентов, а поиск самого алгоритма переложил на ML. Технически всё заработало, но уже после экспериментов я понял что есть один нюанс — все ИИ помощники энциклопедически умны и знают абсолютно все алгоритмы и подходы, но у них нет практического опыта и для них все стратегии «на одно лицо». Попытки предсказания цены — это самый очевидный и простой путь, в который ИИ помощник легко уводит пользователя. Многие в статье про машинное обучение на Московской бирже пришли ко мне с советами или с критикой моего подхода в комментариях, но один человек связался со мной и подсказал, что на рынок можно смотреть совершенно по‑другому. Без угадывания цен, без работы с таймфреймами, опираясь только на цену. Человека зовут Дмитрий Шалаев. Эта наша совместная с ним статья. Сбор урожая с волатильности

https://habr.com/ru/articles/987808/

#московская_биржа #алгоритмическая_торговля #математика #волатильность #волатильность_рынка

Как зарабатывать на бирже, не предсказывая цену: математика против ML-интуиции

Недавно я пробовал машинное обучение на Московской бирже, пытаясь найти полезные признаки и при этом опираясь в поисках этих признаков на советы ИИ ассистентов, а поиск самого алгоритма переложил на ML. Технически всё заработало, но уже после экспериментов я понял что есть один нюанс — все ИИ помощники энциклопедически умны и знают абсолютно все алгоритмы и подходы, но у них нет практического опыта и для них все стратегии «на одно лицо». Попытки предсказания цены — это самый очевидный и простой путь, в который ИИ помощник легко уводит пользователя. Многие в статье про машинное обучение на Московской бирже пришли ко мне с советами или с критикой моего подхода в комментариях, но один человек связался со мной и подсказал, что на рынок можно смотреть совершенно по‑другому. Без угадывания цен, без работы с таймфреймами, опираясь только на цену. Человека зовут Дмитрий Шалаев. Эта наша совместная с ним статья. Сбор урожая с волатильности

https://habr.com/ru/articles/987808/

#московская_биржа #алгоритмическая_торговля #математика #волатильность #волатильность_рынка

Как зарабатывать на бирже, не предсказывая цену: математика против ML-интуиции

Недавно я пробовал машинное обучение на Московской бирже, пытаясь найти полезные признаки и при этом опираясь в поисках этих признаков на советы ИИ ассистентов, а поиск самого алгоритма переложил на ML. Технически всё заработало, но уже после экспериментов я понял что есть один нюанс — все ИИ помощники энциклопедически умны и знают абсолютно все алгоритмы и подходы, но у них нет практического опыта и для них все стратегии «на одно лицо». Попытки предсказания цены — это самый очевидный и простой путь, в который ИИ помощник легко уводит пользователя. Многие в статье про машинное обучение на Московской бирже пришли ко мне с советами или с критикой моего подхода в комментариях, но один человек связался со мной и подсказал, что на рынок можно смотреть совершенно по‑другому. Без угадывания цен, без работы с таймфреймами, опираясь только на цену. Человека зовут Дмитрий Шалаев. Эта наша совместная с ним статья. Сбор урожая с волатильности

https://habr.com/ru/articles/987808/

#московская_биржа #алгоритмическая_торговля #математика #волатильность #волатильность_рынка

Как зарабатывать на бирже, не предсказывая цену: математика против ML-интуиции

Недавно я пробовал машинное обучение на Московской бирже, пытаясь найти полезные признаки и при этом опираясь в поисках этих признаков на советы ИИ ассистентов, а поиск самого алгоритма переложил на ML. Технически всё заработало, но уже после экспериментов я понял что есть один нюанс — все ИИ помощники энциклопедически умны и знают абсолютно все алгоритмы и подходы, но у них нет практического опыта и для них все стратегии «на одно лицо». Попытки предсказания цены — это самый очевидный и простой путь, в который ИИ помощник легко уводит пользователя. Многие в статье про машинное обучение на Московской бирже пришли ко мне с советами или с критикой моего подхода в комментариях, но один человек связался со мной и подсказал, что на рынок можно смотреть совершенно по‑другому. Без угадывания цен, без работы с таймфреймами, опираясь только на цену. Человека зовут Дмитрий Шалаев. Эта наша совместная с ним статья. Сбор урожая с волатильности

https://habr.com/ru/articles/987808/

#московская_биржа #алгоритмическая_торговля #математика #волатильность #волатильность_рынка

ML на Мосбирже — почему мой грааль не работает?

Время после нового года решил провести с пользой и окунуться в машинное обучение. Заняться Machine Learning — и посмотреть получится что‑то или нет с российским рынком акций на Московской бирже. Моей целью было построить такую систему, которая будет учиться на истории и в перспективе торговать лучше чем случайное блуждание 50/50. Но из‑за комиссий и спреда подобные блуждания изначально отрицательны — чтобы выйти в плюс надо как минимум покрывать комиссии. Если говорить о результатах очень кратко, то технически всё работает, но вот финансовый результат на грани безубыточности. Если Вы только интересуетесь этой темой Вы можете посмотреть какие‑то шаги в моей статье, а если Вы уже опытный разработчик подобных систем, то можете подсказать что‑нибудь в комментариях. Причём вся эта работа выглядит совершенно не так как показывается в фильмах про уолл‑стрит: фактически это написание скриптов и монотонный запуск и всё происходит полностью локально на компьютере.

https://habr.com/ru/articles/984190/

#machine_learning #deep_learning #московская_биржа #мосбиржа #auc #Сезон_ИИ_в_разработке #алгоритмическая_торговля

ML на Мосбирже — почему мой грааль не работает?

Время после нового года решил провести с пользой и окунуться в машинное обучение. Заняться Machine Learning — и посмотреть получится что‑то или нет с российским рынком акций на Московской бирже. Моей целью было построить такую систему, которая будет учиться на истории и в перспективе торговать лучше чем случайное блуждание 50/50. Но из‑за комиссий и спреда подобные блуждания изначально отрицательны — чтобы выйти в плюс надо как минимум покрывать комиссии. Если говорить о результатах очень кратко, то технически всё работает, но вот финансовый результат на грани безубыточности. Если Вы только интересуетесь этой темой Вы можете посмотреть какие‑то шаги в моей статье, а если Вы уже опытный разработчик подобных систем, то можете подсказать что‑нибудь в комментариях. Причём вся эта работа выглядит совершенно не так как показывается в фильмах про уолл‑стрит: фактически это написание скриптов и монотонный запуск и всё происходит полностью локально на компьютере.

https://habr.com/ru/articles/984190/

#machine_learning #deep_learning #московская_биржа #мосбиржа #auc #Сезон_ИИ_в_разработке #алгоритмическая_торговля

ML на Мосбирже — почему мой грааль не работает?

Время после нового года решил провести с пользой и окунуться в машинное обучение. Заняться Machine Learning — и посмотреть получится что‑то или нет с российским рынком акций на Московской бирже. Моей целью было построить такую систему, которая будет учиться на истории и в перспективе торговать лучше чем случайное блуждание 50/50. Но из‑за комиссий и спреда подобные блуждания изначально отрицательны — чтобы выйти в плюс надо как минимум покрывать комиссии. Если говорить о результатах очень кратко, то технически всё работает, но вот финансовый результат на грани безубыточности. Если Вы только интересуетесь этой темой Вы можете посмотреть какие‑то шаги в моей статье, а если Вы уже опытный разработчик подобных систем, то можете подсказать что‑нибудь в комментариях. Причём вся эта работа выглядит совершенно не так как показывается в фильмах про уолл‑стрит: фактически это написание скриптов и монотонный запуск и всё происходит полностью локально на компьютере.

https://habr.com/ru/articles/984190/

#machine_learning #deep_learning #московская_биржа #мосбиржа #auc #Сезон_ИИ_в_разработке #алгоритмическая_торговля

ML на Мосбирже — почему мой грааль не работает?

Время после нового года решил провести с пользой и окунуться в машинное обучение. Заняться Machine Learning — и посмотреть получится что‑то или нет с российским рынком акций на Московской бирже. Моей целью было построить такую систему, которая будет учиться на истории и в перспективе торговать лучше чем случайное блуждание 50/50. Но из‑за комиссий и спреда подобные блуждания изначально отрицательны — чтобы выйти в плюс надо как минимум покрывать комиссии. Если говорить о результатах очень кратко, то технически всё работает, но вот финансовый результат на грани безубыточности. Если Вы только интересуетесь этой темой Вы можете посмотреть какие‑то шаги в моей статье, а если Вы уже опытный разработчик подобных систем, то можете подсказать что‑нибудь в комментариях. Причём вся эта работа выглядит совершенно не так как показывается в фильмах про уолл‑стрит: фактически это написание скриптов и монотонный запуск и всё происходит полностью локально на компьютере.

https://habr.com/ru/articles/984190/

#machine_learning #deep_learning #московская_биржа #мосбиржа #auc #Сезон_ИИ_в_разработке #алгоритмическая_торговля

Парадокс инвестиций: Почему $1,000,000 и команда сеньоров убили бы мой стартап

Пару месяцев назад я опубликовал технический лонгрид на 30 тысяч знаков , где описал опыт создания и показал архитектуру своего алго-трейдинг проекта DepthSight. Там были промпты, примеры кода, графы и боль интеграции с биржами. Но в комментариях многие упустили лес за деревьями. Обсуждая нюансы реализации, мы прошли мимо главного открытия, которое я сделал за эти 8 месяцев. Это открытие звучит дико для классического IT: наличие бюджета и команды сегодня тормозит инновацию, а не ускоряет её. Сегодня я хочу зафиксировать прецедент. Существует устойчивое мнение: «ИИ хорош для написания простых скриптов, но для серьезного Enterprise-продукта нужна команда». Я утверждаю обратное: в 2026 году наличие бюджета и штата — это барьер, который мешает создать продукт такой сложности, который под силу одиночке с «роем» AI-агентов. Меня зовут Артем. Я в одиночку создал систему алготрейдинга, которая по плотности фич и глубине аналитики превосходит решения компаний с капитализацией $100M+. И если бы у меня был миллион долларов на старте, я бы провалился. В этой статье я расскажу не о коде, а о смене парадигмы. О том, почему один человек с "роем" AI-агентов теперь эффективнее целой корпорации.

https://habr.com/ru/articles/982606/

#ai #разработка #vibecoding #ml #трейдинг #трейдинговый_бот #saas #алгоритмическая_торговля #стартап #llm

Парадокс инвестиций: Почему $1,000,000 и команда сеньоров убили бы мой стартап

Пару месяцев назад я опубликовал технический лонгрид на 30 тысяч знаков , где описал опыт создания и показал архитектуру своего алго-трейдинг проекта DepthSight. Там были промпты, примеры кода, графы и боль интеграции с биржами. Но в комментариях многие упустили лес за деревьями. Обсуждая нюансы реализации, мы прошли мимо главного открытия, которое я сделал за эти 8 месяцев. Это открытие звучит дико для классического IT: наличие бюджета и команды сегодня тормозит инновацию, а не ускоряет её. Сегодня я хочу зафиксировать прецедент. Существует устойчивое мнение: «ИИ хорош для написания простых скриптов, но для серьезного Enterprise-продукта нужна команда». Я утверждаю обратное: в 2026 году наличие бюджета и штата — это барьер, который мешает создать продукт такой сложности, который под силу одиночке с «роем» AI-агентов. Меня зовут Артем. Я в одиночку создал систему алготрейдинга, которая по плотности фич и глубине аналитики превосходит решения компаний с капитализацией $100M+. И если бы у меня был миллион долларов на старте, я бы провалился. В этой статье я расскажу не о коде, а о смене парадигмы. О том, почему один человек с "роем" AI-агентов теперь эффективнее целой корпорации.

https://habr.com/ru/articles/982606/

#ai #разработка #vibecoding #ml #трейдинг #трейдинговый_бот #saas #алгоритмическая_торговля #стартап #llm

Парадокс инвестиций: Почему $1,000,000 и команда сеньоров убили бы мой стартап

Пару месяцев назад я опубликовал технический лонгрид на 30 тысяч знаков , где описал опыт создания и показал архитектуру своего алго-трейдинг проекта DepthSight. Там были промпты, примеры кода, графы и боль интеграции с биржами. Но в комментариях многие упустили лес за деревьями. Обсуждая нюансы реализации, мы прошли мимо главного открытия, которое я сделал за эти 8 месяцев. Это открытие звучит дико для классического IT: наличие бюджета и команды сегодня тормозит инновацию, а не ускоряет её. Сегодня я хочу зафиксировать прецедент. Существует устойчивое мнение: «ИИ хорош для написания простых скриптов, но для серьезного Enterprise-продукта нужна команда». Я утверждаю обратное: в 2026 году наличие бюджета и штата — это барьер, который мешает создать продукт такой сложности, который под силу одиночке с «роем» AI-агентов. Меня зовут Артем. Я в одиночку создал систему алготрейдинга, которая по плотности фич и глубине аналитики превосходит решения компаний с капитализацией $100M+. И если бы у меня был миллион долларов на старте, я бы провалился. В этой статье я расскажу не о коде, а о смене парадигмы. О том, почему один человек с "роем" AI-агентов теперь эффективнее целой корпорации.

https://habr.com/ru/articles/982606/

#ai #разработка #vibecoding #ml #трейдинг #трейдинговый_бот #saas #алгоритмическая_торговля #стартап #llm

Парадокс инвестиций: Почему $1,000,000 и команда сеньоров убили бы мой стартап

Пару месяцев назад я опубликовал технический лонгрид на 30 тысяч знаков , где описал опыт создания и показал архитектуру своего алго-трейдинг проекта DepthSight. Там были промпты, примеры кода, графы и боль интеграции с биржами. Но в комментариях многие упустили лес за деревьями. Обсуждая нюансы реализации, мы прошли мимо главного открытия, которое я сделал за эти 8 месяцев. Это открытие звучит дико для классического IT: наличие бюджета и команды сегодня тормозит инновацию, а не ускоряет её. Сегодня я хочу зафиксировать прецедент. Существует устойчивое мнение: «ИИ хорош для написания простых скриптов, но для серьезного Enterprise-продукта нужна команда». Я утверждаю обратное: в 2026 году наличие бюджета и штата — это барьер, который мешает создать продукт такой сложности, который под силу одиночке с «роем» AI-агентов. Меня зовут Артем. Я в одиночку создал систему алготрейдинга, которая по плотности фич и глубине аналитики превосходит решения компаний с капитализацией $100M+. И если бы у меня был миллион долларов на старте, я бы провалился. В этой статье я расскажу не о коде, а о смене парадигмы. О том, почему один человек с "роем" AI-агентов теперь эффективнее целой корпорации.

https://habr.com/ru/articles/982606/

#ai #разработка #vibecoding #ml #трейдинг #трейдинговый_бот #saas #алгоритмическая_торговля #стартап #llm

OI‑сигналы и автоматический трейдинг: пишем трейдинг телеграм бота

Цель этой статьи — максимально подробно и практично разобрать реальный Python‑проект автоматического трейдинга. Это рабочий бот, который непрерывно анализирует рынок Binance Futures, ищет сигналы по открытому интересу (Open Interest), применяет набор защитных фильтров, работает с множеством пользователей одновременно, управляется через Telegram‑интерфейс, и при необходимости открывает реальные сделки через API биржи BingX. Я последовательно разберу всю логику и все функции основного файла main.py , объясняя, как и зачем они реализованы именно так.

https://habr.com/ru/articles/982572/

#api #алгоритмы #финансы #криптовалюты #торговые_роботы #алготрейдинг #алгоритмическая_торговля #телеграм_боты #анализ_данных #трейдинг

OI‑сигналы и автоматический трейдинг: пишем трейдинг телеграм бота

Цель этой статьи — максимально подробно и практично разобрать реальный Python‑проект автоматического трейдинга. Это рабочий бот, который непрерывно анализирует рынок Binance Futures, ищет сигналы по открытому интересу (Open Interest), применяет набор защитных фильтров, работает с множеством пользователей одновременно, управляется через Telegram‑интерфейс, и при необходимости открывает реальные сделки через API биржи BingX. Я последовательно разберу всю логику и все функции основного файла main.py , объясняя, как и зачем они реализованы именно так.

https://habr.com/ru/articles/982572/

#api #алгоритмы #финансы #криптовалюты #торговые_роботы #алготрейдинг #алгоритмическая_торговля #телеграм_боты #анализ_данных #трейдинг

OI‑сигналы и автоматический трейдинг: пишем трейдинг телеграм бота

Цель этой статьи — максимально подробно и практично разобрать реальный Python‑проект автоматического трейдинга. Это рабочий бот, который непрерывно анализирует рынок Binance Futures, ищет сигналы по открытому интересу (Open Interest), применяет набор защитных фильтров, работает с множеством пользователей одновременно, управляется через Telegram‑интерфейс, и при необходимости открывает реальные сделки через API биржи BingX. Я последовательно разберу всю логику и все функции основного файла main.py , объясняя, как и зачем они реализованы именно так.

https://habr.com/ru/articles/982572/

#api #алгоритмы #финансы #криптовалюты #торговые_роботы #алготрейдинг #алгоритмическая_торговля #телеграм_боты #анализ_данных #трейдинг

OI‑сигналы и автоматический трейдинг: пишем трейдинг телеграм бота

Цель этой статьи — максимально подробно и практично разобрать реальный Python‑проект автоматического трейдинга. Это рабочий бот, который непрерывно анализирует рынок Binance Futures, ищет сигналы по открытому интересу (Open Interest), применяет набор защитных фильтров, работает с множеством пользователей одновременно, управляется через Telegram‑интерфейс, и при необходимости открывает реальные сделки через API биржи BingX. Я последовательно разберу всю логику и все функции основного файла main.py , объясняя, как и зачем они реализованы именно так.

https://habr.com/ru/articles/982572/

#api #алгоритмы #финансы #криптовалюты #торговые_роботы #алготрейдинг #алгоритмическая_торговля #телеграм_боты #анализ_данных #трейдинг

Как я написал скрипт для 24-часового прогноза рынка: корреляции, волатильность и вероятностная модель

Финансовые рынки редко движутся изолированно. Криптовалюты реагируют на фондовые индексы, золото реагирует на макроэкономику, а внутри крипторынка движение биткоина задаёт направление для альткоинов. Гипотеза проекта : Если агрегировать данные по разным классам активов (крипто, акции, золото), измерить их волатильность, тренд и взаимную корреляцию, можно получить осмысленную вероятностную оценку того, каким будет рынок в ближайшие 24 часа: рост, падение или консолидация.

https://habr.com/ru/articles/979274/

#алгоритмы #финансы_в_it #криптовалюты #крипторынок #анализ_данных #аналитика #алгоритмическая_торговля #торговые_роботы

Google Maps для биржевого стакана: пишем визуализатор данных Московской биржи на Python

Обычный трейдер смотрит на свечной график, но свеча — это уже тень прошлого, постфактум. Между тем настоящая динамика рождается в глубине торгового стакана — Limit Order Book, где борьба заявок определяет будущий импульс. Проблема в том, что историю стакана почти нигде не увидеть: розничные терминалы для частных клиентов дают лишь текущую таблицу DOM ( Depth of Market ) и это статичный срез без прошлого. Чтобы увидеть то, на что обычный трейдер не обращает внимание я собрал инструмент, который превращает исторические данные L2 Order Book (стакан заданной глубиной) и Trades Stream (обезличенные сделки) в тепловые карты и позволяет изучать эволюцию заявок на Московской бирже через браузер с Deep Zoom — плавно, как в Google Maps.

https://habr.com/ru/articles/975106/

#DOM #стакан #Order_Book #алгоритмическая_торговля #Сезон_ИИ_в_разработке

Google Maps для биржевого стакана: пишем визуализатор данных Московской биржи на Python

Обычный трейдер смотрит на свечной график, но свеча — это уже тень прошлого, постфактум. Между тем настоящая динамика рождается в глубине торгового стакана — Limit Order Book, где борьба заявок определяет будущий импульс. Проблема в том, что историю стакана почти нигде не увидеть: розничные терминалы для частных клиентов дают лишь текущую таблицу DOM ( Depth of Market ) и это статичный срез без прошлого. Чтобы увидеть то, на что обычный трейдер не обращает внимание я собрал инструмент, который превращает исторические данные L2 Order Book (стакан заданной глубиной) и Trades Stream (обезличенные сделки) в тепловые карты и позволяет изучать эволюцию заявок на Московской бирже через браузер с Deep Zoom — плавно, как в Google Maps.

https://habr.com/ru/articles/975106/

#DOM #стакан #Order_Book #алгоритмическая_торговля #Сезон_ИИ_в_разработке

Google Maps для биржевого стакана: пишем визуализатор данных Московской биржи на Python

Обычный трейдер смотрит на свечной график, но свеча — это уже тень прошлого, постфактум. Между тем настоящая динамика рождается в глубине торгового стакана — Limit Order Book, где борьба заявок определяет будущий импульс. Проблема в том, что историю стакана почти нигде не увидеть: розничные терминалы для частных клиентов дают лишь текущую таблицу DOM ( Depth of Market ) и это статичный срез без прошлого. Чтобы увидеть то, на что обычный трейдер не обращает внимание я собрал инструмент, который превращает исторические данные L2 Order Book (стакан заданной глубиной) и Trades Stream (обезличенные сделки) в тепловые карты и позволяет изучать эволюцию заявок на Московской бирже через браузер с Deep Zoom — плавно, как в Google Maps.

https://habr.com/ru/articles/975106/

#DOM #стакан #Order_Book #алгоритмическая_торговля #Сезон_ИИ_в_разработке

Google Maps для биржевого стакана: пишем визуализатор данных Московской биржи на Python

Обычный трейдер смотрит на свечной график, но свеча — это уже тень прошлого, постфактум. Между тем настоящая динамика рождается в глубине торгового стакана — Limit Order Book, где борьба заявок определяет будущий импульс. Проблема в том, что историю стакана почти нигде не увидеть: розничные терминалы для частных клиентов дают лишь текущую таблицу DOM ( Depth of Market ) и это статичный срез без прошлого. Чтобы увидеть то, на что обычный трейдер не обращает внимание я собрал инструмент, который превращает исторические данные L2 Order Book (стакан заданной глубиной) и Trades Stream (обезличенные сделки) в тепловые карты и позволяет изучать эволюцию заявок на Московской бирже через браузер с Deep Zoom — плавно, как в Google Maps.

https://habr.com/ru/articles/975106/

#DOM #стакан #Order_Book #алгоритмическая_торговля #Сезон_ИИ_в_разработке

WarpTrade и робастные алгоритмические стратегии

Всем, Добрый день! На связи Андрей Счастливый. Продолжаю писать пакет для бэктестинга торговых стратегий "WarpTrade", о котором я писал в первой статье . Я обратил внимание, что в комментариях отписалось достаточно людей, не равнодушных к теме алготрейдинга, это радует. Какая моя цель? Продолжать заниматься любимым делом, а конкретно данной статьёй я хочу показать, что возможно то, что многие считают невозможным. Ну что, перейдём к делу и расскажу о своих наработках.

https://habr.com/ru/articles/973928/

#python #финтех #алгоритмическая_торговля #анализ_данных #moex #временные_ряды

Продолжение статьи: Архитектура торгового Telegram-бота для сигналов пампов и дампов

В первой статье я показал, как сделал парсер пампов/дампов на BingX. Сейчас же проект вырос: из простого сборщика сигналов он превратился в полноценного торгового бота , который позволяет делать максимально гибкую настройку для каждой стратегии. Я решил использовать 12% и 5% сигналы как основные - от них и будет отталкиваться бот. Сейчас он находится в стадии тестирования (на демо-апи) и каждый может его протестировать! Разобрал основную структуру бота, функции, работу с базой данных и логику стратегий.

https://habr.com/ru/articles/972562/

#криптовалюта #боты #алгоритмическая_торговля #финансы #крипторынок #трейдинг #торговые_роботы #автоматизация #алгоритмы

От Блэка-Шоулза до трансформеров: как устроена современная алгоритмическая торговля

Недавно купил книгу «Кванты. Как волшебники от математики заработали миллиарды и чуть не обрушили фондовый рынок», которую её автор Скотт Паттерсон написал ещё в 2010 году. Книга издана на русском языке в 2014, но я познакомился с ней только недавно и понял что в книге очень хорошо расписана хронология развития алгоритмической торговли и чем она заканчивалась. Спойлер: ничем хорошим в итоге, но в моменте очень выгодно для участников . Решил сделать статью по мотивам книги — краткую выжимку идей о том, какими алгоритмами и в какое время зарабатывались деньги. Первая часть этой статьи — на основе этой книги, а вторая этой часть — на основе открытых данных из интернета. Причём странная деталь — заказал книгу на обычном маркетплейсе, но книга шла из‑за рубежа и пришла даже без указания тиража — то есть какая‑то условно китайская копия — раньше с такими не сталкивался.

https://habr.com/ru/articles/972036/

#алгоритмическая_торговля