Статьи. StockSharp

Старая песня о главном: долги (часть 1)

2015-07-13T14:58:32Z

*:::right Падает рубль, растет напряжение, в панике биржа, раздрай на торгах… Так и привыкнешь держать сбережения в самых надежных активах — в долгах.

Много уже копий сломано на предмет государственного долга. В частности актуализировавшиеся экономические проблемы Южной Европы и самый яркий пример Греции, которая должна МВФ порядка 1,6 млрд. евро, подстегивают интерес к этим темам. Сегодня мы постараемся непредвзято разобраться в механизмах возникновения государственного долга, понять, а так ли страшен гигантский по номинальным значениям долг США и не такой гигантский долг греков.

Прежде всего, начнем с истоков и подумаем, а существует ли вообще в природе государственный долг, кто здесь кредитор, а кто заемщик. Не спешите с ответом, прямой ответ в лоб, что кредитор здесь какой-либо фонд или частное лицо, а заемщик государство в корне неверен, по сути. Чтобы это понять, нужно задаться вопросом, а откуда у нашего фонда возникли деньги, которые он может дать в долг, как они образовались? Так мы приходим к механизму эмиссии денег, который на монопольном праве принадлежит государству. Итак, рассмотрим гипотетический пример, Минфину срочно нужны деньги на финансирование государственных обязательств, скажем 1 млрд. руб. Допустим, денег в экономике еще нет, в этом случае, Минфин первым делом идет в ЦБ и просит эмитировать этот самый 1 млрд. руб. под облигации федерального займа.

В первой итерации проходит следующая сделка:

Теперь у Минфина есть 1 млрд. руб., которые он может потратить, эти деньги уходят в экономику и расходятся по предприятиям, домохозяйствам и т.д. в целом они никуда не деваются, если кто то потратил 1 руб., то вторая сторона сделки должна этот самый рубль получить. Допустим на данном этапе 1 млрд. руб. это достаточная сумма для функционирования экономики, но через некоторое время сумма свободно обращающихся в системе денег – уменьшится. Причиной этому послужит фактор неравномерного распределения доходов и как следствие возникновение сбережений. Действительно, когда доходы распределены неравномерно, в системе появятся люди, которые не потратят все полученные деньги, т.е. часть денег будет изъята из оборота. В лучшем случае эти изъятые из оборота деньги пойдут в банки и тогда запустится механизм банковской эмиссии, в худшем – они попадут под подушку и не выйдут оттуда до наступления черного дня, который может и не наступить никогда. Продолжим наше рассмотрение оценкой первого сценария, а именно банковской эмиссии. Сбережения в полном объеме поступают в банк, значит банк уже имеет деньги, которые он может дать в кредит, предварительно не забыв отдать ЦБ определенную сумму на резерв, т.е. часть сбережений, скажем 20%. Это значит, что получив на вклад 1 млн. руб. банк отдаст 200 тыс. руб. в ЦБ, а остальные 800 тыс. сможет выдать в кредит.

Поскольку доходы распределены неравномерно, то этот кредит обязательно возьмут, потому что иначе возникает проблема с ликвидностью (тут, должно уже быть понятно, что она и так возникнет, но попозже), после цикла выдачи кредитов деньги уходят в экономическую систему по 2-ому кругу, после которого доходы снова перераспределились и зависли на счетах сбережений у определенной группы лиц. Вот тут, уже начинает остро не хватать ликвидности для обеспечения нормального функционирования экономики. Это происходит потому, что существует норма резервирования, через которую ЦБ возвращает обратно эмитированные ранее деньги, хуже того, в том же направлении нехватки денег работает ставка процента.

Решая эту проблему, ЦБ запускает новый виток эмиссии, покупая новые обязательства МинФина. Теперь общий объем эмитированных денег возрастает, одновременно возрастает государственный долг. Поскольку денег в системе становится больше, то возникает инфляция, на которую также оказывает влияние процентные ставки, сложившиеся в экономике. В принципе инфляция не может быть ниже процентных ставок.

Продолжая модель, можно говорить о том, что ЦБ будет продолжать эмитировать ликвидность, Минфин будет продолжать эмитировать обязательства и они будут только расти, не забывая о том, что Минфин должен не только тело долга, но и проценты, темп роста размеров долга будет со временем экспоненциальным. Вот только есть ли тут, что-то страшное? Ведь что происходит, Минфин взял у ЦБ 100 млн. руб. на проценты, отдав взамен ОФЗ на 100 млн. руб., после этого Минфин отдал ЦБ 100 млн. руб. по процентам и остался должен уже на 100 млн.руб. больше тому же самому ЦБ. ЦБ же вернув деньги от Минфина, просто утилизировал их как ненужную денежную массу. После этой операции номинальный объем долга вырос на 100 млн. руб., а денег в системе не прибавилось, то есть размер долга правительства в национальной валюте может быть абсолютно любым, потому что первичным его держателем является ЦБ и долг является всего лишь средством обеспечивающим эмиссию.

Совсем другое дело, когда речь заходит о государственном долге в отличных от национальной валютах. Именно этот долг необходимо отдавать, делясь частью национального дохода, именно этот долг является реальным, а не мнимым, нарисованным. Проблема в том, что государство, привлекая средства в иностранной валюте, не обладает правом на эмиссию этой валюты, поэтому единственный способ исполнить обязательства – заработать эту самую валюту, посредством участия в мировом разделении труда.

Логика подсказывает, что единственной целью привлечения кредита в иностранной валюте является финансирование затрат на приобретение товаров, произведенных за рубежом, при этом экономическая теория говорит нам, что привлекать кредит имеет смысл, только в случае наличия положительного эффекта финансового левериджа, а он в свою очередь, возникает, только при покупке ИНВЕСТИЦИОННЫХ товаров (оборудования, технологий и т.п.). При покупке за кредитные деньги потребительских товаров (джинсов, пармезана, телевизоров) экономика государства начинает скатываться в финансовую яму и начинает полностью зависеть от зарубежных кредитов.

(продолжение следует)

Укрощение Гидры в прямом эфире

2015-06-08T12:21:37Z

04 июня 2015 года наша команда провела вебинар, посвященный работе с одной из самых популярных программ - S#.Data (HYDRA).

Для тех кто впервые слышит об этой программе, она позволяет с легкостью скачивать, хранить и работать с историческими данными, а также находить нетривиальные закономерности с помощью встроенного анализа данных.

Сегодня мы выкладываем запись этого вебинара.

Скачать презентацию можно здесь

Исходный код S# на GitHub

2015-02-10T14:20:01Z

Мы делаем вторую попытку создания Open Source комьюнити, и сегодня выложили на GitHub наш код S#.

На данный момент опубликованы следующие компоненты (Инструкция использования GitHub):

Ядро (общие библиотеки). Такие как Messages и BusinessEntities.
Графическая библиотека Xaml с различными компонентами (стакан, таблицы сделок, заявок, инструментов и т.д.).
Библиотека с базовыми алгоритмами (Strategy, статистика, опционы, проскальзование, PnL, хранилище истории, бэктестер).
Коннекторы к торговыми системам (SmartCOM, AlfaDirect, Transaq и т.д., за исключением платных Plaza и Micex, и несколько зарубежных коннекторов). Мы учли предыдущие ошибки, и теперь в паблике все необходимые компоненты, которые потребуются при разработке торговых роботов.

Но одна лишь публикация исходников не переводит проект в Open Source "режим". Мы меняем и процесс разработки.

Для закрытых компонентов (корпоративные или те, которые невозможно выложить в паблик из-за ограничения лицензии) мы продолжаем исправление ошибок и модернизацию силами StockSharp независимо от типа пользователей.

По открым компонентам на GitHub мы исправляем ошибки ТОЛЬКО для корпоративных пользователей и пользователей с активной техподдержкой. Для всех остальных (а это большинство) мы предлагаем попробовать себя в самостоятельном поиске ошибок с последующей публикацией решения на форуме. Пожалуйста, не прячьте свои решения. Множество глаз лучше увидит проблему в вашем решении, чем одна пара (codereview). Тем более, что не будет проблем с обновлением новых версий (merge).

Регистрируйтесь на GitHub, качайте наши исходники, помогайте проекту. Не забудьте поставить лайк нашему проекту (кнопка Star)!

Обсуждение участников ведется в чате Алготрейдеров.

Теория и практика дефолтов

2014-12-16T15:38:52Z

Текущий кризис развивается по классическому сценарию описанному еще в далеком 2005 году и текущий его размах может поразить воображение. Здесь мы приведем только начало этой довольно объемной для сайта работы, полный текст прикладываем ниже.

Модель информационного управления.

Теория игр относится к числу тех немногих наук, момент «оформления» которых в отдельную дисциплину известен достаточно точно. В 1944 г. вышла монография Дж. фон Неймана и О. Моргенштерна «Теория игр и экономическое поведение», в которой были изложены известные на то время результаты. Монография положила начало бурному развитию этой науки, не прекращающемуся и по сей день.

График №1

Хотя и не сразу, но теоретико-игровое моделирование заняло прочное место в арсенале методов экономического анализа. Завершение этого процесса можно отнести, по-видимому, к 90-м годам. В 1994 г. Нобелевскую премию по экономике получили Дж. Нэш, Дж. Харшаньи и Р. Зельтен, внесшие большой вклад в развитие теории игр. С тех пор любое изложение основ современной экономической теории так или иначе сообразуется с теорией игр.

С теоретико-игровой точки зрения задача управления активной системой (элементы которой способны к целенаправленному поведению) состоит в том, чтобы создать для управляемых субъектов (агентов) игру с такими правилами, чтобы ее исход (набор действий агентов) был как можно более благоприятным для управляющего органа (центра). Сам центр не входит в число игроков , а лишь формирует условия их взаимодействия («правила игры») . (Убедительно просим запомнить выделенное предложение). В дальнейшем понятия «игрок» и «агент» мы будем считать синонимами (отметим, что первое характерно для теории игр, второе – для микроэкономики).

Приведенные ссылки говорят об одном: рыночной макроэкономики нет, есть макроигра. Забегая вперед, скажем: доллар, кредит, кредитная ставка, золото, биржа, акции рыночными инструментами не являются. Данные величины сосредоточены в одних руках и устанавливаются произвольно, т.е. они – фишки в чьей-то игре. Официально это признано в 1944 г. Тогда же, кстати, образовался Международный валютный фонд – МВФ. Как увидим позже, не случайно….

Что это за игра?

В принципе, игра одна – "Поле чудес" в разном виде. В основе «Игры» - финансовая пирамида. Принцип действия, полагаем, объяснять не надо – все знают МММ. МММ и другие разновидности финансовых пирамид есть всего лишь алгоритм одной «Большой игры».

Способами управления игрой или «пирамидой» являются:

1). Доллар ($) – как всемирное платежное средство есть первая комплексная (мнимая), манипулируемая величина, не отражающая в каждый момент времени реальное положение дел и являющаяся лишь фишкой в игре. Доллар перестает отражать реальную цену товара, т.к. появилась возможность искусственно манипулировать стоимостью этой фишки (речь идет не о курсах валют). Второе свойство доллара – его самого сделали товаром.

2). Кредитование – собственная емкость, куда должно перетечь содержимое чужих «амбаров» за счет манипуляции реальной стоимости $ (разбалансировка экономической системы). Доллар - это рычаговый инструмент главного игрока: сначала необходимо разбалансировать систему (например, подняв цену на золото), в результате чего понижается относительная стоимость доллара и можно раздать всему миру дешевые(!) кредиты; после чего поднять его (доллара) стоимость и «собрать урожай». Процентная ставка как дополнительное средство сбора «дани» не является основным, а выполняет функцию рычага и ширмы.

Т.о. искусственно поднять стоимость доллара выгодно, если раздать всему миру кредиты в долларах. Тогда люди отдают не только сумму кредита и процент по нему, а значительно больше, т.к. $ - отображающая фишка, которая в разное время отображает разное количество материала. Другими словами, меняя во времени стоимость такого инструмента, как доллар, можно заниматься отъемом реальных материальных ресурсов (РМР) и реальных материальных процессов (РМП) у граждан, предпринимателей, государств.

График №2

т.е. раздавать кредиты народу, предпринимателям и государству выгодно в периоды: Т1-2, Т3-4, Т5-6, а собирать урожаи в периоды: Т2-3, Т4-5, Т6.

Периоды Т1-2, Т3-4, Т5-6 → характеризуются мощными инвестициями во все, что можно. Периоды Т2-3, Т4-5, Т6 → характеризуются оттоком «перепуганных инвесторов», отъемом РМР (захвата должника, т.е. его земель, территорий, всего, что у него есть).

Сам механизм поднимания и опускания стоимости доллара не есть свободный и рыночный, он – инструмент «игры». В которой мировая система, повязанная кредитами, в переводе на реальную стоимость РМР все отдает и еще остается должна. Опустили - подняли относительную стоимость доллара, – вытащили «улов».

3). Следующий способ управления игрой (управления игровой площадкой) – биржа, которая, в конечном итоге, контролируется теми же лицами, которые манипулируют долларом.

Ценные бумаги дорожают, потому что они дорожают; при этом публике всеми продвинутыми средствами внушается, что бумаги эти непременно должны расти, а стало быть, будут расти всегда. Тот факт, что с акциями как-то связана некая замечательная собственность, не представляется особо важным, поскольку реально влиять на политику предприятий могут только самые крупные акционеры, а для них тут игра другая, во многом завязанная на политиков, государства, СМИ, многоступенчатые явные и неявные угрозы и теневые методы решения вопросов.

А что до прочих акционеров (скажем, в Америке их основу составляют пенсионеры и пенсионные фонды), то им остается лишь тешить себя хорошо развитым чувством хозяина и надеяться на «светлое завтра», которое, как известно, наступает не для всех…. В эпохи кризисов и потрясений пожилые люди часто лишаются своих сбережений…».

Акции – еще одна, вторая комплексная величина (плоскость, измерение). Это также мнимая, не существующая реально, а отражающая (отображающая) какие-то реальные материальные процессы в какой-то комплексной области – виртуальной, не существующей в мире реальных материальных ресурсов (РМР) и реальных материальных процессов (РМП). Это фишка, также как и доллар – комплексная фишка, только другого измерения. В отличие от доллара она манипулирует не только стоимостными параметрами каких-то материальных процессов, но и таким параметром, как право собственности, т.е. кому принадлежат сейчас, и кому будут принадлежать потом какие-либо РМР и РМП. Т.е. эта комплексная величина позволяет в какие-либо РМП, уже описываемые мнимой (комплексной) величиной доллара вкачивать средства (доллары и мнимые, и реальные), создавая некий многоукрупненный процесс во второй комплексной величине (на плоскости). А именно – на бирже, где происходит другая, более крупная игра в общей «пирамиде», в которой доллары уже являются самостоятельным инструментом. Где Великим и Могучим ставят грандиозные подножки. Сам этот некий укрупненный процесс и есть ни что иное, как финансовые пирамиды или «амбар» с урожаем вкладчиков.

Акции на акции. Это третье комплексное измерение, описывается тройными интегралами функций комплексных переменных. Это новое измерение игры. Печатается много долларов, необеспеченных ничем или обозначается создание новых долларов в электронном виде. Собственно, это ни для кого не секрет, но! Чтобы в примитивной схеме "товар – доллар – товар" доллар не потерял видимой ценности, а на подозрительном рынке акций шел живой процесс, владельцы игры придумали новые измерения, в которых они автоматически на порядок состоятельнее. Т.е. деньги в реальной экономике могут проходить холостым ходом, но чтобы поддерживать свою пирамиду (механизм) в живом виде, чтобы за доллары можно было все скупать, они наращивают комплексные пространства игры. Т.е. наращивают количество самих пространств, и уводят основную игру в новое измерение для перемещения туда свободных финансовых средств (электронно-бумажных фикций). О том, что это за пространства, мы поговорим ниже.

Другими словами, это новый мешок, куда можно ссыпать мнимые деньги и создавать видимость движения. Сам процесс игры держится в натянутом виде, за виртуальные триллионы в этот момент можно скупить реальные земли, воздух, воду и сделать всех рабами.

Фиктивные доллары с реальной покупательной способностью, виртуальные среды с астрономическими суммами, увод игры в запредельные квазипространства – все это уже из высшей математики. Эта точная наука полностью описывает теорию игр…. Здесь же важно увидеть одно: выиграть в этих и других подобных "лохотронах" все равно, что выиграть в электронную игру, которая при каждом вашем удачном шаге будет до бесконечности увеличивать скорость и сложность ходов, пока вы не проиграете, а вы при этом платите каждую минуту все, что зарабатываете. Т.е. если бы можно было в общем и целом обыграть игральные автоматы, их бы никто не выпускал. Обыграть игровой автомат, в алгоритме которого заложено, чтобы вы приносили деньги и проигрывали, можно только кувалдой.

Немного о равновесии систем

Ресурсы в любом своем виде представляют энергию или сумму всех потенциалов и являются как бы «единым полем».

Равновесная система характеризуется единым объемом энергии, который складывается из суммы всех потенциалов и со временем плавно увеличивается за счет увеличения общего ВВП.
Любая замкнутая система стремится к равновесию.
Чтобы ограбить всех, нужно – вывести систему из равновесия, т.е. ее нужно деформировать.

К примеру, поднять стоимость золота в цене относительно доллара (мы говорим – «относительно», т.к. второе свойство доллара – товар), соответственно потенциал доллара будет ниже прежней равновесной точки. А потенциал золота – выше прежней равновесной точки.

При раздвижении друг относительно друга двух больших частей ($и золота, к примеру, или можно$ и нефть) в системе создается огромная разность потенциалов, или ЭДС (чтобы электрики не цеплялись за терминологию, назовем ЭДС – энергодвижущей силой).

После деформации любая система стремится к равновесию. В нашем случае это происходит в виде эмиссии $ в общемировое пространство (инвестиции в финансовом секторе, кредитование).

Когда «система» насыщается кредитами, (рыба засела на все крючки или зашла в сеть) систему вновь выводят из «равновесия», деформируя уже в обратном направлении, как бы меняют фазы на клеммах.

Новая деформация системы опять стремится к равновесию и отдает обратно все доллары, только с прилипшими к ним чужими «урожаями» (кроме %). Т.к. фишка $ - одна, а ее относительная стоимость в разное время – разная.

Золото. В нашем случае это огромный потенциал, которым манипулируют для выведения общей экономической системы из равновесия.

Золото обладает двойственностью:

с одной стороны это потенциал, который может «давить» на все и менять относительный вес других частей поля, таких как доллар и нефть;
с другой стороны, несмотря на то, что оно может при необходимости задавить доллар, во многих случаях оно выполняет роль, параллельную доллару (при его росте), т.е. выступает как аккумулятор финансовых капиталов, особенно при самых неустойчивых ситуациях. Это его второе свойство. Исходя из этого золото может идти вверх при росте доллара. Но при этом должны расти процентные ставки кредита (рычага).

Имея в одних руках и золото, и доллар, и такой рычаг, как процентная ставка доллара, появляется 100% возможность деформировать систему в любом направлении. И, к примеру, параллельно поднимая золото, доллар и процентную ставку кредита можно «задавить» и нефть, и все остальные ресурсы общего поля (поднять ставку в час Х).

Из графика золото-нефть мы видим, что систему из равновесия выводят именно золотом. С его, золота помощью и забрасывают сеть и поднимают ее с уловом. Золотом же и поднимают нефть и опускают ее. Хотя нефть и сама может давить доллар, но выглядит это наоборот, т.к. здесь механизм выглядит золото – доллар – кредитная ставка – кредиты, а нефть – как следствие игры (не причина всего, а лишь промежуточное звено этой машины).

Золото, с одной стороны, манипулирует и нефтью (прямо или опосредовано) и всеми глобальными процессами, с другой стороны, учитывая двойственность золота, - сама по себе зависимость доллара от нефти или золота не однозначная, т.к. доллар – это самостоятельная наиважнейшая фишка в игре. Это вторые вожжи в одних руках (с учетом рычага – процентной ставки).

Поэтому мы и видим на графиках, что значительное опускание золота относительно равновесного состояния системы всегда приводит к опусканию нефти и что это всегда приводит к отъему «урожая».

И в то же время иногда, когда нужно временно, мнимо опустить доллар, основные игроки компенсируют это поднятием потенциала золота (как балласт). И сама по себе такая игра не оставляет ни одного шанса даже теоретически жертве уйти из котла (жертва – весь продукт мировой экономики).

Золото может делать обманное движение после своего долгого роста, опускается немного вниз (подсечка, подножка). В этот момент нефть однозначно падает, а доллар растет. Затем, после небольшого периода, характеризующегося ростом доллара, золото вновь может начать расти. Причем расти очень сильно и это будет существенным свидетельством начала обрушительного процесса для всей остальной системы.

График №3

Вверх - вниз «урожай» собран вверх - сеть забросили, вниз – сеть с уловом вынули.

График №4

Колебания в системе №1 – волновой процесс (пример – график изменения «цены» доллара), в результате которого и происходит перетекание энергии (ресурсов) из одной системы в другую. По закону сохранения, энергия (в т.ч. деньги, собственность) не возникает ниоткуда и не исчезает бесследно.

А теперь о самой игре

.... далее читайте в оригинале.

Новый формат активной техподдержки от S#

2014-11-24T21:21:34Z

**Привет уважаемым Фсем!

Подчиняясь стремлению использовать передовые технологии и способы работы, сделать так, чтобы вам было еще удобнее, мы приняли решение изменить формат активного общения и активной техподдержки. С 01 декабря 2014 г. активная техническая поддержка будет оказываться только в специальной группе Телеграм, куда будут приглашены пользователи, проходящие обучение на наших курсах. Теперь мы можем быть с вами на мобильном, на десктопах, на планшетах и в веб, всегда рядом, всегда онлайн!

Мы ни в коем случае не отказываемся от коммьюнити и поэтому все желающие не имеющие статуса активной техподдержки приглашаются в общий чат S# - также в Телеграм. Кроме того, мы каждый день будем постить на форуме вопросы и ответы из чата активной техподдержки, в максимально близкой по духу и созданной специально для этого теме.

Мы остаемся в скайп и вы сможете, как и раньше, напрямую задавать вопросы или StockSharp, или AlgoTradingRus. В Телеграм нас можно найти по ЮзерНейму: @Trading.

Кроме того, с 01 декабря 2014 г., стоимость активной техподдержки будет повышена с текущих 4 900 рублей за 1.5 месяца до 7 900 рублей за 1 месяц, помимо этого будут добавлены пакеты техподдержки стоимостью 19 900 рублей за 3 месяца и 32 900 рублей за 6 месяцев. Продлить активную техподдержку можно будет с 10% скидкой.

Все эти изменения безусловно отразятся и на цене наших курсов, которая также возрастет. Тем кто задумывается об обучении, рекомендуем успеть купить до конца ноября.

В конечном итоге мы надеемся, что все эти изменения позволят нам с вами выйти на новый уровень, где любой желающий сможет максимально быстро испытать на собственном опыте всю мощь платформы S#**

Высокочастотные трейдеры на рынке интернет-рекламы.

2014-11-19T10:35:29Z

В здании из красного кирпича в Нью-Йорке, одна из стартап-компаний использует собственные компьютерные программы для поиска арбитражных возможностей на рынках, делает миллионы сделок каждый день, генерируя оборот в десятки тысяч долларов. Она не продает и не покупает акции, облигации, товары. Ее специализация – онлайн реклама.

Высокочастотные трейдеры нашли новую нишу и новый рынок. Значительный процент от миллиардов объявлений, появляющихся на компьютерных экранах продается предложившему наилучшую цену на онлайн площадках, таких как AppNexus, Microsoft Ad Exchange (MSFT), PubMatic, Rubicon Project (RUBI), и Yahoo! Ad Exchange.

Прежде, чем объявления появятся на экранах компьютеров, они не раз поменяют владельца в сложной паутине электронных торгов среди вебсайтов, аггрегаторов, бирж, рекламных агентств. Торговля в режиме реального времени, как правило, крайне сложна, говорит Бен Эдельман, профессор Гарвардской школы бизнеса, который изучает рынок интернет-рекламы. Количество посредников в одном размещении объявления может быть просто громадным.

Это множество сделок порождает возможности для арбитражеров. Используя компьютерные программы, трейдеры сканируют рынки в поиске ценовых неэффективностей, покупая и продавая объявления с минимальной прибылью за доли секунды. «Я вижу много парней, которые покупают на одной бирже, и продают на другой», говорит Эдельман. «Другие покупают и продают на одной и той же бирже».

Вот упрощенная версия того, как работает этот процесс. Скажем, Форд хочет показывать рекламу потребителям, которые предположительно относятся к покупателям сегмента люксовых автомобилей – женщинам в возрасте от 35 до 60 лет, которые искали «Мерседес» в Гугл, лайкали истории о БМВ на Фейсбук, или просматривали страничку люксовых авто на About.com. В каждом из этих случаев, Форд или рекламное агентство которое он нанял, такое как Omnicom Group, может создать профили людей, которых они ищут и подключиться к бирже на которой рекламодатели покупают места на сайтах. Сайты отправляют информацию о свободном месте и своей аудитории. Когда Форд видит аудиторию, которую он ищет, он может поставить бид на покупку места на сайте. Если его бид оказывается лучшим, объявление о роскошном седане от производителя тут же появляется в заданном месте сайта. Вся сделка происходит за 100 миллисекунд или меньше.

И это еще достаточно времени для того, чтобы арбитражеры успели отхватить свой кусок. Может быть Форд не ищет на какой-нибудь бирже, которая предлагает множество нужных вариантов. Или он поставил бид не достаточно быстро. В любом случае, трейдеры могут успеть купить свободное место по более низкой цене и тут же перепродать его Форду, получив неплохую прибыль.

Два трейдера, управляющих операциями говорят, что в обычный день их команда из 10 человек арбитражит около 500 миллионов доступных для размещения рекламы мест, в основном рекламу на баннерах. В то время, как нет ничего противозаконного в подобной деятельности многие участники рекламной индустрии обращают внимание на возможность роста цен вследствие этих манипуляций. Те же двое, говорят, что они просто спецагенты рыночной эффективности, приносящие рекламные объявления тем, кто больше всего их хочет.

В то время как, компания Google ограничивает участие в торгах только рекламодателями и их представителями, другие биржи не запрещают участие посредников. Отвечая на вопрос, будут ли они пытаться запретить участие арбитражеров на их биржах AppNexus, Microsoft, и Rubicon отказались от комментариев. Президент PubMatic Кирк Макдональд говорит, что его компания не будет блокировать посредников, потому что невозможно контролировать их деятельность на других биржах.

По мнению Magna Global научно-исследовательскому и медиа подразделению Interpublic Group (IPG), в этом году компании по всему миру потратят порядка 9,33 млрд. долл. на онлайн-рекламу. Хотя аукционы принесли эффективность ценообразования в бизнесе, компьютеризация происходит настолько быстро, что рекламные агентства стараются не отставать, говорит Мэтт Зайлер, главный исполнительный директор компании IPG Mediabrands.

Арбитражеры «могут искажать рынок и убирать эффективность, что мы предполагаем увидеть на торгах в режиме реального времени», говорит Маркус Пратт, дирктор по технологиям в Mediasmith. Также Пратт заметил, что его фирма покупала объявления на About.com по самым различным ценам на разных биржах и в конечном итоге он договорился с About.com напрямую, избежав публичных торгов. «Мы получили лучшие цены, чем когда мы просто работали на открытом рынке».

Хотя они и процветают сейчас, трейдеры говорят, что арбитражные возможности не всегда будет столь же широки, как сегодня. По данным исследовательской компании Маркетер, к 2016 году почти треть выставленных на аукцион объявлений в США будет продана на частных рынках, которые соединяют покупателя и продавца напрямую. Так в целях диверсификации бизнеса есть еще команда на западном побережье, которая занимается развитием инструментов, помогающим рекламодателям ориентироваться в мутном интернет мире и покупать места более эффективно.

from Bloomberg BusinessWeek

Почему супермассив данных никогда не заменит исследование рынка.

2014-10-31T11:52:30Z

:::right Опубликовано в рамках конкурса

Не легко быть исследователем в наши дни. В новостях и блогах нет недостатка в статьях доказывающих уход исследований рынка в прошлое или о том, как супермассивы данных превратят исследования в устаревший вид деятельности. Согласно этим экспертным мнениям, в то время как в прошлом мы страдали от недостатка данных - и, таким образом, была необходимость в исследовании рынка, чтобы заполнить пробелы в знаниях, сегодня нам посчастливилось иметь обилие информации. В результате, с правильными методами обработки гор данных и толикой таланта для их просеивания, на все наши вопросы будут даны ответы, и исследования рынка могут, наконец, поклониться и уйти со сцены.

Ерунда.

Для начала, позвольте мне сделать необходимую ремарку. Я ни в коем случае не выступаю против супермассивов данных. На самом деле, я очень взволнован крупными и богатыми наборами данных, которые, мы надеемся, приведут к новым знаниям и интересным идеям. Моя точка зрения состоит в том, что супермассивы данных не являются панацеей. Они могут рассказать нам, что произошло в прошлом, и, возможно, вывести будущие события, но они имеют ограниченные возможности объяснить, ПОЧЕМУ что-то произошло. Без понимания ПОЧЕМУ, супермассивы данных не обладают значительной практической ценностью.

Чтобы проиллюстрировать это, давайте сосредоточимся на двух компаниях обладающих крупнейшими массивами данных в мире.

Не существует никаких сомнений, что колоссальный рост Facebook, был вызван Супермассивом данных. Каждое фото, лайк, комментарий, и так далее, которые вы делаете, собираются, берутся на анализ и анализируются, чтобы создать высоко персонализированный профиль каждого пользователя. С такой огромной сокровищницей персональных данных, какая возможная необходимость могла заставить Facebook обращаться к методам старой школы исследований? Но, как сообщает Huffington Post, Facebook не только "регулярно опрашивает своих пользователей", но и создал панель обратной связи для подготовки данных для долгосрочных исследований, которые по утверждению многих скептиков уже давно ушли в прошлое. Несмотря на огромное количество пользовательских данных, Facebook видит ценность в непосредственном опросе своих пользователей.

Другим гигантом больших данных является Google, который объединяет личные данные из своих поисковых систем, электронной почты, карт, браузера и других продуктов, чтобы создать высокоточный портрет того, кто мы есть, с целью лучше таргетировать рекламу. С разнообразным и подробным объемом данных размером с гору Олимп, не говоря уже о команде супер-умных ученых, безусловно, Google не нуждается в том, чтобы задавать вопросы своим пользователям. Само упоминание о проведении таких исследований рынка, кажется таким старомодным, как телефон с диском. На самом деле, в соответствии с thenextweb, Google опрашивал своих пользователей чтобы лучше понять, почему пользователи реагируют определенным образом на различную рекламу. Супермассивы данных могут рассказать Google, что пользователи делают (отключение звука в объявлении, закрытие рекламы на полпути, и т.д.), но они не могут объяснить, почему пользователи реагируют именно таким образом. Отсюда, полагаю, что потребность в традиционных исследованиях рынка никуда не исчезла и не исчезнет в ближайшем будущем.

Если понравилось, не забудьте сказать "спасибо"

О новом интерфейсе IMarketDataProvider

2014-09-25T21:47:11Z

Достаточно тихо прошло нововведение интерфейса IMarketDataProvider. Тем не менее, сама фича очень важна, так как она меняет использование самого старого класса - Security.

Как известно, класс Security, олицетворяющий собой финансовый инструмент, имеет просто огромное количество полей (классические OHLC, лучшие котировки, последную сделки, греки опционов и многое другое). Пользоваться этим получается достаточно удобно:

// получение цены последней сделки
var lastTradePrice = sber.LastTrade == null ? (decimal?)null : sber.LastTrade.Price;

// получение открытого интереса по РИ
var oi = ri.OpenIntereset;

И чудесным образом подключение к торговой системе через XXXConnector обновляет эти данные. Но в этой красоте скрывается один серьезный недостаток. А что если у нас 2, или даже, 3, поключения (причем, некоторые из них могут быть вполне виртуальными, как HistoryEmulationConnector)? И все они транслируют данные по многим одинаковым инструментам. Какое подключение будет обновлять данные?

Ответ простой - все одновременно. И мы получаем кашу, если мы используем единые объекты для разных подключений. По-умолчанию, подключения создают отдельные объекты Security. Тогда перезапись данных невозможно. Но получается другая проблема - разные объекты для одного и того же инструмента.

В итоге родилась идея, чтобы хранить изменяющиеся поля в подключении (точнее, реализации IMarketDataProvider), а константные (код, дата экспирации, шаг цены и т.д.) оставить в классе Security.

Спешу сразу успокоить - по-умолчанию все работает в классическом режиме. При обновлении вам не нужно "доводить напильником" старый и проверенный код. Но чтобы получить возможность использовать один объект в разных подключения - просто включите соответствующие режимы. Вот как будет выкглядеть старые код на новый лад:

// получение цены последней сделки
var lastTradePrice = myStrategy.GetSecurityValue<decimal?>(sber, Level1Fields.LastTradePrice);

// получение открытого интереса по РИ
var oi = myStrategy.GetSecurityValue<decimal?>(ri, Level1Fields.OpenIntereset);

Конечно же, это несколько сложнее, чем предыдущий код. Но тем самым будет упрощено взаимодействие с параллельным тестированием и работой стратегий. И да, в Студии нужно использовать, конечно же, последний вариант. Есть повод для осмысления и модернизации.

Аналитика - новая фича Гидры для квант анализа и дата майнинга

2014-03-17T18:08:58Z

В S#.Data (Гидра) появилась новая фича Аналитика. Она позволяет производить анализ над данными, что скачала Гидра. Стандартно входят 2 скрипта: Анализ объема с разбивкой по часам и анализ объема с разбивкой по цене:

Множество примеров о том, как делать красивые графики на компоненте SciChart.

Сам код так же пишется внутри Гидры:

Для того, чтобы пойти чуть дальше, и попробовать заместить R и Python, добавлена библиотека Math Numerics. В одной программе (Гидра) теперь можно и скачивать данные, и анализировать, и производить визуализацию.

Для тех, кто пользуется серверным режимом S#.Data, теперь можно анализировать данные, не закачивая их к себе на диск.

Многослойный персептрон! Грааль где то рядом!

2014-01-22T18:23:12Z

Начало здесь: http://www.stocksharp.com/forum/4136/Mnoghosloinyi-piersieptron--Vstriechaitie--Vpiervyie-na-arienie/

Первая часть: Для тех, кто верит в нейросети В вышеуказанном посте я описал работу персептрона, как он учится и торгует после обучения. Проблема в том, что я начитавшись постов в интернете сделал как все. То есть, собрал сеть, обучил, написал стратегию под сеть, и давай ее тестировать! Обучу на одних входных параметрах, тестирую стратеги, обучу на других, тестирую. И тут меня осенило! Когда сеть обучается идет подсчет ошибки, а что если вести параллельный подсчет еще и ошибки работы сети на данных не участвующих в обучении? После реализации чего, прогнав данные в которые я верил, окончательно разочаровался в персептроне. Но все по порядку.

Вторая часть: Что я поправил еще до этой идеи. Убрал позорный график и вставил родной от S# . Параметры персептрона теперь передаются в StatisticParameterPanel от S# . Обучается параллельно 5 нейросетей с одинаковыми параметрами, но с разными первоначальными весами. Сохраняется одна сеть на выбор пользователя, один раз при остановке обучения (раньше сохранялась при обновлении минимума). Еще по мелочи, кнопки убрал, перегруппировал и тп.

Третья часть: Что я поправил после этой идеи. Добавил еще график для вывода контрольной ошибки. Ошибка считается теперь не среднеквадратичная, а абсолютная. Так легче для понимания графика. Например, на рисунке видно, что образов для обучения 804 это значит, что сети предоставлено 804 единиц, минус единиц, и нулей. Если сеть на каждый образ выдаст ноль, то суммарная ошибка будет равна 804. Что мы и видим на нижнем графике рисунка, вначале обучения ошибка сети равна 804. Контрольная ошибка считается также, как и ошибка обучения, но на следующий день после последнего дня обучающей последовательности. И НИКАКИМ ОБРАЗОМ НЕ ВЛИЯЕТ НА ОБУЧЕНИЕ СЕТИ. На рисунке видно, что количество образов проверки 161, это значить что если сеть не нашла закономерность, то контрольная ошибка будет колебаться вокруг 161. По логике вещей если сеть нашла закономерность, то контрольная ошибка всех 5 сетей должна устремиться вниз. И дойти хотя бы до 100-110. Но такого я не видел. Прошу если кто-то этого добьется, опубликуйте скирин окошка, верните веру. В выложенном варианте входную последовательность, и эталон я менять не стал(ну не выкладывать же грааль ). Все как первом моем посте на эту тему. И лежит там же.

Четвертая часть: Мой соображения Вместе с входными полезными данными мы подаем много мусора в надежде что сеть из мусора вытащит закономерности. А она подстраивается под мусор, и запоминая его, обучаясь до определенного момента. Вывод: на вход сети надо подавать обработанные данные в которых много полезной информации и мало мусора, вопрос зачем мне нейросеть если у меня есть такие данные?

Вот и все! Всем спасибо за внимание! Жду отзывов, и лайков!

Один день из жизни Ri. Баланс объема сделок.

2013-12-24T22:23:42Z

В предыдущей статье мы расмотрели, как выглядит рынок на микроуровне (ордер лог сделок). На этот раз мы углубим наш анализ, в следующем направлении. Как известно на рынке действует простое правило, если кто-то продает значит кто-то это покупает и наоборот, таким образом если сложить объемы всех сделок на покупку(+объем) и продажу(-объем) то получится ноль, то есть существует некоторое соотношение "баланса" которое никогда не нарушается. Как нам это может помочь в анализе? Очень просто, если классифицировать весь входящий поток сделок по некоторым группам, мы можем увидить как изменяется динамика баланса (поглащенного объема) между разными группами. Самый простой вариант - классифицировать сделки по группам, используя объем выставленный в заявке которая породила сделку, учитывая наш предыдущий анализ распределния объема, выберем следующую сегментацию на три группы по объему заявки 1-10, 10-100, 100-10000. Затем просуммируем выставленный объем на покупку со знаком '+', на продажу со знаком '-' для каждой из групп таким образом получим временной ряд отображающий изменение баланса объема между группами (если сделки происходили внутри группы, то они не приведут к изменению). Рассмотрим один из графиков построенных указанным способом(с добавлением графика цены Ri).

Как видно из графика, хотя динамика Ri и не определяется полностью динамикой группы крупных трейдеров (объем сделки 100-10000), видно что большинство крупных структур в цене движения актива (в том числе небольшие спайки) вызываются именно ей, в то время как остальные две более мелкие группы (в том числе HFT) выступают абсорберами этого дисбаланс сделок.

Рассмотрим такой же график за другой день.

Как видно из графика, в этот день взаимная динамика носит иной характер, баланс сделок группы (100-10000) носит более размытый по времени характер, и корреляция с активом возникает лишь в моменты возникновения более интенсивных "спайков" объема, в остальное время динамика скорее всего определяется внешними факторами.

И на последок еще одна торговая сессия, на этот раз динамика опять напоминает первый случай, с ярко выраженным влиянием на динамику Ri крупных трейдеров.

Продолжение следует.

Рассказ нашего ученика 2

2013-12-18T00:50:55Z

В прошлой статье рассмотрели общую схему создания и проектирования системы для алгоритмической торговли на бирже. Рассмотрим более подробно работу каждого модуля.

Как получить исторические данные для работы мы уже знаем. Сейчас рассмотрим необходимый минимальный функционал для своего терминала визуализации.

Ниже буду приводить скриншоты моей последней версии «Анализатора», более раннюю версию можно скачать с серверов S#. Просто опишем, что из себя представляет система визуализации стратегий. Задаем диапазон тестирования, таймфрейм и тестируемый инструмент. Как дополнительно, но не обязательно можно задать комиссию, начальный депозит и др. настраиваемые параметры.

Строим свечной график, также выводим индикаторы. Снизу строим график Эквити. В данном примере для оценки стратегии я использую свой расчет Профита. В стандартной версии графика PnL от S# используется немного другой вариант, более приспособленный для торговли в реальном времени с расчетом вариационной маржи.

Выводим сделки на график в виде стрелок. Зеленая стрелка покупка, красная продажа. Это стандартная функция. Прикрутить к коду не сложно, главное округлить время сделки до времени свечки, а то она может выставиться некорректно. Что нам еще нужно? Не плохо бы знать, что и в какой последовательности делала наша стратегия. Нам нужно Логирование! В стандартных версиях полно разных видов окон логирования, но я как всегда не ищу легких путей и сделал свое логирование на базе ListView из WPF C#. Для удобства вывел на экран кнопки для запуска результатов тестирования и таблицу с расчетом статистических данных стратегии.

Статистика

Очень важно перед запуском стратегии для реальной торговли на бирже проверить ее на работоспособность – протестировать. Как нам узнать какая стратегия хорошая, а какая плохая? Оказывается итоговая прибыль в конце тестирования не единственно важный показатель нашего алгоритма. Для полной картины нам нужно изучить статистические показатели нашей стратегии.

Основные формулы для расчета показателей стратегии: 1. Profit factor (PF) Рассчитывается как отношение за определённый период суммы всех прибыльных сделок к сумме всех убыточных с положительным знаком. Большее значение соответствует меньшей вероятности разорения. Profit Factor = [Сумма прибылей всех прибыльных сделок] / [Сумма прибылей всех убыточных сделок]

2. Maximum Intraday Drawdown (MIDD) Максимально Нарастающий Убыток (MIDD — Maximum Intraday Drawdown). Он обозначает самую большую финансовую яму, в которую попадала наша система. Максимальный нарастающий убыток – это глубина максимальной просадки за период.

3. Вероятность выигрыша %W (P) %W(P) вероятность выигрыша (отношение количества выигрышных сделок к общему их количеству).

вероятность выигрыша > 0,5.

4. Математическое ожидание M[X] Математическое ожидание — понятие среднего значения случайной величины в теории вероятностей. В зарубежной литературе обозначается через Е[X], в русской M[X]. В статистике часто используют обозначение μ. Наиболее распространенные варианты расчета:

M Математическое ожидание = вероятность выигрыша * средняя величина выигрыша + вероятность проигрыша * средняя величина проигрыша (в качестве результата прирост на 1 сделку в абсолютных величинах)
M Математическое ожидание (1+( средняя величина выигрыша / средняя величина проигрыша))* вероятность выигрыша -1 (в качестве результата вероятность в % получения прибыли за период)

M > 0,6 верно для варианта 2.

5. Фактор восстановления (RF) RF (фактор восстановления, restoration factor) = отношение прибыли за период (Profit) к максимально нарастающему убытку (MIDD) за тот же период.

при тестировании RF должен быть > 2

6. Стандартное отклонение (σ) Стандартное отклонение σ или SD (sigma) — это широко используемая мера разброса или вариабельности (изменчивости) данных. Стандартное отклонение популяции определяется формулой: SD= [S(xi-m)2/N]1/2, где m — среднее популяции, N — размер популяции.

7. Z-счет Z-счет позволяет определить эффективность торговой системы одной цифрой, предоставляя более точные результаты при сравнении с другими ТС. Кроме того, положительный либо отрицательный результат Z-счета несет в себе дополнительную информацию об особенностях использования взятой торговой системы. Собственно, формула вычисления Z-счета имеет вид: Z-счет = (N*(R — 0.5) — X)/((X*(X — N))/(N -1))^(1/2) N – общее количество сделок; X – 2количество прибыльных сделокколичество убыточных сделок; R – количество серий (сколько раз после прибыльной сделки шла убыточная и наоборот); ^(1/2) – это квадратный корень. Для определения Z-счета необходимо иметь данные как минимум по 30 сделкам. Положительный либо отрицательный Z-счет несет в себе дополнительную информацию:

Положительный Z-счет означает, что практически после каждой прибыльной сделки следует убыточная, т.е. торговая система склонна к чередованию. И, чем больше число Z-счета, тем чаще происходит чередование. Основываясь на этом, следует после каждой убыточной сделки увеличивать размер лота (т.к. следующая сделка будет прибыльной), а после прибыльной – уменьшать лот.
Отрицательный Z-счет означает, что ТС имеет последовательные серии как прибыльных, так и убыточных сделок. Эти данные вырисовывают следующий сценарий – если система склонна к сериям, то после первой убыточной сделки следует прекратить торговлю и войти в рынок снова только после первой прибыльной сделки. Мы пропускаем одну прибыльную сделку, но, при этом, минуем серию убыточных.

Прочая статистическая информация: 8. Общее число сделок. 9. Число прибыльных сделок. 10. Число убыточных сделок. 11. Средняя прибыль от сделки. 12. Средний убыток от сделки. 13. Максимальная прибыль. 14. Максимальный убыток.

Есть, конечно, и другие показатели стратегии, но эти наиболее распространенные и информативные. Так выглядит статистика в сводной таблице стратегий: Подробнее о тестировании и простой оптимизации

Ранее мы рассмотрели на примерах как можно визуализировать свою стратегию: И рассчитать основные ее показатели: Но все эти приложения имеют графическую оболочку (англ. Graphical user interface, GUI), что сказывается на производительности таких приложений. Для того чтобы тестировать много стратегий и очень быстро нам нужно использовать более производительную архитектуру приложений.

Например, консольные приложения, хотя некоторые профессионалы умудряются обходиться вообще без GUI.

Рассмотрим простое консольное приложение для тестирования стратегий методом перебора. Для тестирования нам совсем не обязательно выводить графики, строить свечки, визуализировать таблицы. Все это можно оставить на заднем плане.

На примере стратегии из двух пересекающихся SMA (Simple Moving Average, простое скользящее среднее) постараемся выбрать лучшие варианты из сочетания длин периодов «короткой» и «длинной» скользящих средних.

Для этого создадим диапазон параметров «длинной» SMA от 20 до 120 и выберем шаг для этого диапазона равным 1. Итоговые данные сохраним в одномерном массиве {20, 21, 22, … ,120}. Аналогично для «короткой» SMA с диапазоном от 5 до 20 с тем же шагом 1 создадим одномерный массив {5, 6, 7, …, 20}.

Теперь сформируем массив всех возможных вариантов стратегий сочетанием значений массива «длинной» и «короткой» SMA. Получим следующий массив всех вариантов параметров нашей стратегии: {{20, 5}, {20, 6}, …, {20, 20}, {21, 5}, …, {120, 19}, {120, 20}}. Итого 1500 вариантов нашей стратегии. Не мало. Поэтому нам так важна скорость тестирования.

В S# есть простые примеры как провести такое тестирование. Я брал исходные параметры наших SMA из массива параметров стратегий и по очереди в цикле их тестировал. В итоге, после каждого теста получал массив []MyTrades в котором хранились данные времени совершения сделок, их направление (Покупка или Продажа), объем сделок (количество контрактов в сделке) и цены сделок за временной период тестирования.

В конце мы получили число массивов с результатами тестирования равное числу всех возможных параметров нашей стратегии. Сохраняем (сериализуем в бинарный файл) все наши параметры и результаты тестирования. Открываем эти файлы в рассмотренном ранее «Анализаторе», рассчитываем по этим данным статистику и получаем итоговую таблицу с результатами тестирования. Сортируем данные, например, по матожиданию и анализируем результаты. При этом можем сразу визуализировать заинтересовавшую нас стратегию. Примерно так проходит тестирование и оптимизация стратегий. Но оптимизация методом перебора зарекомендовала себя как неэффективная и ресурсоемкая при больших объемах данных. В следующей статье мы рассмотрим другие более производительные варианты оптимизации стратегий.

Всем восходящего тренда! С уважением, Bond. Бонд наш ученик!

Рассказ нашего ученика

2013-12-17T12:52:08Z

Как я стал алготрейдером

Год назад в Вконтаке я увидел скриншоты из Квика одного своего знакомого. На них была прибыль от сделки в 34 тысячи рублей. Потом он еще парочку выложил с прибылью в несколько десятков тысяч рублей. Парень учился на экономическом - гуманитарий, а я закончил технический факультет на инженера. И вот сидя на заводе с зарплатой в 25 тысяч рублей, я задумался… «А какого собственно хрена, я 6 лет учил сопромат, теормех, высшую математику? Когда обычный студент с эконома за пару минут заработал больше, чем я за месяц въе**** на заводе???» Эти мысли не давали мне покоя, и я решил разобраться с этой несправедливостью) Нет, я не пошел и не набил ему морду))) А полез в гугл читать, что такое акции и как торгуют на бирже!

После первых статей в интернете понял, что ничего сложно в этом нет. Ставишь Квик, регистрируешься у брокера и покупаешь и продаешь акции одним кликом мышки! Но тогда я еще не представлял на сколько глубока кроличья нора… После первых сделок на тестовом сервере, я понял, что с моими руками что-то не то))) Когда я видел, что график растет, я понимал, что нужно покупать, забивал настройки и периодически нажимал вместо «Покупать» на «Продавать». Или не ту цифру в суматохе прописывал! Пока все переустановишь и проверишь, уже собственно график туда и обратно три раза обернется. Ужас в общем! И как люди так торгуют?

Полез опять в интернет и нашел, что у Квика есть встроенный язык QPILE для совершения автоматических сделок по алгоритму. То, что мне нужно! Никакого бездумного клацанья по мышке, машина не ошибается! Полез в документы и руководства. Как же все сложно… Я в школе Паскаль с трудом сдавал на уроках информатики… И как это давно было… Но упорство сделало свое дело и через месяц не без помощи такой-то матери, смог запустить свой первый алгоритм! Радости моей не было предела!)

Постепенно код усложнялся и вскоре перевалил за тысячу строк! Я использовал кучу индикаторов и однажды заметил, перематывая свою программу, что собственно забыл, чего искал в том месте программы, пока перематывал код. Так разросся код и стал сложным в восприятии. Потом осознал, что-то, что я писал вчера, сегодня уже не работает. Рынок другой. Индикаторы ведут себя по-другому.

«Нужно сначала тестировать стратегии!» - подумал я. И опять начал гуглить. И чем больше я ковырялся в интернете, тем больше ухудшалось мое настроение. А в QPILE никаких тестеров то и нет. В Excele? Я еще не настолько отчаялся… Другие программы типа Wealth-Lab? Но там все на английском, платная, ничего не понятно и из него нельзя торговать… Как туда перевести стратегии? Опять по-новому переучиваться? Только не это…

Предпринял последнюю попытку написать рекурсивный цикл в QPILE для тестирования! Та еще порнография! Сделал замкнутый цикл и в нем обращался к историческим свечкам и индикаторам, и тестировал свои алгоритмы. Вы не поверите! Работало! Выставлялись заявки, логировались сделки, ставились метки входа и выхода на графике! Но… Протестировать можно было не глубже чем на неделю, и тестирование стратегии за один торговый день на одних параметрах занимало 10-15 минут. И таймфрейм нельзя было сделать меньше минуты, и стратегии выполнялись по очереди, а не параллельно, если их было много, то до последней выполнение могло не дойти. Все сыпалось на глазах, ничего не хотело работать так как я хотел… Я зашел в тупик. Понял, что зря потратил время и ничего у меня с моими алгоритмами не получается. Потом я узнал, что тот самый знакомый слил всю свою прибыль на паре неудачных сделок (хоть как-то приподняло настроение). Дурацкий трейдинг!..

Как я решил эти проблемы благодаря парням из S# и их платформе для алготрейдинга!

С чего начать алготорговлю

В итоге я полностью разочаровался в QPILE, не хотел извращаться с Excel и собственно не знал, что мне делать дальше. В общем, решил пока приостановить все работы пока не соберусь с собственными мыслями. Но идея о торговле меня не оставляла, люди же как-то зарабатывают на этом хорошие деньги? В интернете наткнулся на S#, посмотрел, почитал и пришел к выводу, что мне нужно двигаться в этом направлении. Русскоязычная платформа, специально заточенная под алготрейдинг, есть обучение, форум, техподдержка. После головной боли от QPILE напрочь отмел все остальные скриптовые языки и криворукие оболочки. Только низкоуровневый код, только тру алготрейдинг! Но вот незадача… Я c QPILE еле совладал, а в С# вообще полный 0. Да, и цена на обучение кусается. Решил сначала немного подготовиться, купил Герберта Шилдта «Полное руководство C# 4.0» и почитывал на работе, когда выдавалось свободное время. Мой мозг разрывался на маленькие кусочки, полиморфизм, инкапсуляция, наследование… Пару раз бросал с мыслью: «Зачем я во все это ввязался!».

Но через месяц заметил, что стал более-менее разбираться в элементарных вещах. Шилдт молодец! Не зря считается одним из лучших писателей книг по обучению программированию. Рекомендую! Начав в общих чертах разбираться в логике построения программ и поняв, что это все можно читать до бесконечности, и пора уже изучать применительно к алготорговле, купил обучающие курсы S#.

Сначала прошел курс C#, если честно он был тяжелый. Насколько я знаю, они сейчас его переделали и выпустили новые более адекватные и понятные уроки. Разобрался с Visual Studio. И начал потихоньку изучать примеры из уроков. Собственно первые буковки и циферки кода я начал писать с этих примеров. Потому что если еще с Шилдта примеры пробовать писать так это точно на все про все одной жизни не хватит. Сначала все шло очень тяжело, нехватка знаний в C# и специфика работы API S# давали о себе знать. Но постепенно, при возникновении проблем, я все реже и реже стал обращался в техподдержку, и научился решать задачи самостоятельно. Отельное спасибо Бухарину Ивану из техподдержки S# за помощь в изучении! Так что все реально, нужно идти от простого к сложному и все получится!

А теперь перейдем непосредственно к сути статьи. Что нам необходимо для алготорговли? Как вообще все это происходит? Какие модули и в какой очередности создавать? Оговорюсь сразу, в своих статьях я буду затрагивать чисто технические моменты алготорговли, супер профитных стратегий и граалей не будет. Ну, может если только в более поздних статьях. Ниже представлена общая комплексная схема работы моих приложений для анализа, тестирования и оптимизации стратегий:

"АНАЛИЗАТОР" - приложение с графическим интерфейсом WPF и графиками Chart для визуализации и анализа стратегий, проверки на работоспособность стратегий. "ОПТИМИЗАТОР" - консольное "производительное" приложение для тестирования стратегий. «РОБОТ» – непосредственно торговый робот в который передается уже готовая стратегия для торговли на Бирже. «Исторические данные» – хранилище исторических данных. «Хранилище стратегий» – хранилище результатов тестирования «Оптимизатора» и «Анализатора», готовых стратегий и других параметров.

Исторические данные

Алготрейдинг без бэктестинга не алготрейдинг! Прежде чем запускать алгоритм в работу его нужно проверить, протестировать. В этом огромное преимущество алгоритмической торговли! Что нужно для тестирования? Это, конечно, исторические данные. В S# есть готовое решение S#.Data. С ее помощью закачал с сайта Финама исторические данные в бинарном формате. Сейчас у меня в хранилище исторических данных лежит более 400 тысяч файлов по разным инструментам, в каждом файле хранится информация о тысячах сделок. И все это занимает не более 10-11Гб на жестком диске. Исторические данные заимели. Теперь нам нужно их как-то визуализировать, научиться строить по ним свечные графики разных таймфреймов, индикаторы, выводить сделки на график и т.д. Также нам нужно научиться тестировать стратегии, сохранять результаты тестирования и находить самую оптимальную стратегию. Обо всем этом и многом другом вы сможете прочитать в моих следующих статьях)

Всем восходящего тренда! С уважением, Bond.

Научиться алготрейдингу быстро

Работа с TFS и EduLive

2013-11-18T14:13:32Z

Введение в работу с Microsoft Team Foundation Server

Темы урока:

Краткий обзор возможностей TFS
Преимушества TFS как системы версионного контроля кода
Начало работы с TFS репозиториями S# Education
Загрузка проектов, работа с зависимостями
Добавление нового проекта в TFS
Концепция ветвления версий

Описание: в этой лекции дается введение в системы версионного контроля, а также рассказано обо всём что необходимо знать, для работы с сервером TFS и нашим новым сервисом EduLive, показаны примеры работы с EduLive.

Полезные ссылки:

Управление жизненным циклом приложения с помощью Visual Studio и Team Foundation Server http://msdn.microsoft.com/ru-ru/library/vstudio/fda2bad5(v=vs.110).aspx

Разработка с использованием TFVC http://msdn.microsoft.com/ru-ru/library/vstudio/ms181382.aspx

Введение в использование TFS c Visual Studio 2010 (EN) http://blogs.msdn.com/b/jasonz/archive/2009/10/21/tutorial-getting-started-with-tfs-in-vs2010.aspx

Team Foundation Service переименован в Visual Studio Online (EN) http://www.visualstudio.com/products/visual-studio-online-overview-vs

Хранилище стратегий

2013-11-08T12:45:51Z

Готовые примеры роботов

Вебинар прошёл успешно, в основном рассказывал про новые примеры, как для учеников так и для всех желающих, а также всё что было предоставлено у нас на сервере по обучению. В основном рассматривали новый проект, который мы сделали специально для всех учеников и любых желающих:

А теперь подробнее для тех, кто хочет получить доступ к серверу, где лежат проекты (в том числе и к этому проекту). В основном наш сервер по обучению делится на две части:

StockSharp Lessons - здесь представлены все открытые коды по роботам и проектам принадлежащим видео-урокам. Есть много различных торговых стратегий, кластерных свечек, вообщем все проекты, относящиеся к этим урокам + много дополнительных закомментированных примеров. Бесплатно доступ к нему получают все ученики наших курсов, а также все желающие под услугой EduLive.

StockSharp Public - публичный сервер, куда мы накинули уже не мало всего готового. Более подробный разбор того, что есть сейчас в паблике:

Robots (на скриншоте) - 8 торговых стратегий. Исходные коды 3 самых сложных стратегий, находятся у нас в репозитории Lessons. Все остальные стратегии открыты, так что можете смотреть и изучать. Проект позволяет задавать настройки запускать и останавливать стратегии.
BestBuySell - реальный проект торгового робота на заказ. Что делает? Включается в определенное время, прописанное в xml настройках. Основная задача - изменение позиции по корзине инструментов (прописаны в настройках) с помощью котирования. К примеру при включении у RIZ3 текущая позиция 5, а должна быть 10. Он начинает с прописанными условиями и итерациями отправлять заявки, пока позиция по инструменту не станет правильной. Исходники безотказной стратегии котирования лежат в Lessons.
Analyzer - специальный анализатор стратегий. Более подробно.
MarketDepthAnalyzer - подгружает историю стаканов и выводит соответствующие индикаторы на график. Более подробно.
Data - сохраненные данные с помощью S#.Data. Сейчас на сервере бесплатно лежит 1 месяц Ордер Лога по 3 инструментам. Берите и изучайте, кстати ордерлог - это платная услуга от МБ.
NN_Developing - нейросеть. Простой проект для исследований и обучения нейросети.

Как скачать все текущие проекты?

Подключиться к нашему TFS (в любом случае надо будет сделать)
Скачать через Visual Studio (ссылка в первом пункте)
Скачать архивом всё что есть в StockSharp.Public (для ленивых)
Скачать архивом всё что есть StockSharp.Lessons (для ленивых)

P.S. В связи с большим объёмом вложений, лучше качать их напрямую из Visual Studio

использование PCA в торговле парами инструментов

2013-11-05T10:42:57Z

Всем доброго времени суток...сейчас занят в проекте создания нового алгоритма для маркет-мейкера, по этому почти нет времени для нормальных «исследований и тестирования» нашего рынка. Поэтому пришла идея выкладывать обзор разных статей из мира Quantitative Analysis, HFT, трейдинга и всего, что относится к нашему рынку. Сразу прошу извинить за вольность и не точность перевода. Основная цель просто передать суть, для любопытных – всегда есть ссылка на оригинал.

Начну с любопытной статьи про использование PCА.

Введение: PCA - Метод главных компонент (англ. Principal component analysis, PCA) очень-очень популярный метод преобразования исходных признаков в анализе данных. Его идея состоит в следующем пусть у нас есть N признаков, факторов или переменных (назовем их X1,X2,X3,X4…). Представим наши X (их может быть ооочень много) в виде матрицы. Применяя к этой матрице SVD-разложение, мы можем перейти к новым переменным, которые будут обладать рядом замечательным свойств:

первое - наши новые признаки (назовем их главными компонентами и будем обозначать Y) будут некоррелированы (в смысле линейной корреляции. второе – дисперсия главных компонент равна собственному числу ковариационной матрицы, а собственные числа у нас обладают упорядоченностью. Итого: DY1>DY2>DY3….

Лучше всего это проиллюстрировать картинкой. Рассмотрим 2х мерное облако данных в коррдинатах X1 X2, которые в свою очередь обладают ненулевым коэффициентом корреляции: После преобразования получаем Новые координаты Y1 Y2, которые не будут коррелированы между собой, и в тоже время первая компонента будет иметь наибольший вклад в общую дисперсию данных (красная стрелочка), а на вторую (черная полоска) придется остаток дисперсии.

Есть сотни случаев, где такой метод может понадобиться в анализе данных. Например вы хотите анализировать 100500 признаков и их влияние на какую-то величину Z. Применяя PCA вы получаете некоррелированные признаки (что уже хорошо в смысле оценок коэффициентов регрессии или что вам там надо) и упорядоченные признаки, что дает вам возможность отбросить хвост из признаков и использовать только 10 первых компонент с наибольшим вкладом в дисперсию (такой метод называется отбеливание данных). Есть и другие примеры.

Причем здесь рынок, спросите Вы?

Классическая торговля парами (спредами) обычно требует некоррелированности спреда с рынком..То есть нулевой корреляции между приращением спреда и приращением рынка (естественно нам также нужна ограниченность значений нашего спреда в каком-то смысле.

Обычно когда мы хотим начать торговать парой инструментов мы выбираем 2 сильно коррелированных актива, и используя «бета коэффициенты инструментов» образуем нейтральную к рынку пару. В случае конструкции синтетического инструмента состоящего из нескольких «ног» такой подход приносит трудности, и тут мы приходим к методу главных компонент: Используя PCA мы трансформируем наши данные при этом упорядоченность дисперсии дает следующий результат: 1-ая компонента, обладающая наибольшей волатильностью, зачастую очень сильно коррелирует с рынком. 2ая компонента, с одной стороны обладает наибольшей дисперсией после вычета из данных первой компоненты, с другой является нейтральной по отношению к первой. Соответственно портфель состоящий из компоненты Y2=a1X1+….anXn мы и будем рассматривать для нашей торговли.

На этой картинке даны 4 инструмента (X1..X4 в нашей терминологии) и 4 главных компоненты после преобразования. Налицо убывание волатильности от 1ой компоненты к 4ой.

Если взглянуть на оставшиеся компоненты после вычета первой, то можно увидеть что компоненты вполне торгуемы на той истории на которой проводилось исследование:

оригинал: http://matlab-trading.blogspot.ca/2012/12/using-pca-for-spread-trading.html

P.S. данный подход относится к классической торговле акциями, куда не стоит относить торговлю ставкой или связанами инструментами. P.P.S. недавно всвязи с переходом на Т2 рассматривал под микроскопом движение ставки в наших замечательных парах Акция-Фьючерс.. на лицо было заметна корреляция между движением нструмента (внутридневной масштаб) и микродвижением ставки. Пример:

никто не строил стратегий на внутридневной торговли ставкой (базисом) в сбербанке,лукойле,газе?

на след. Неделе раскажу про популярный подход VPIN и OrderFlow для анализа микро движений рынка.

Один день из жизни Ri. Или введение в микроструктурный анализ

2013-10-10T11:26:28Z

Для большинства трейдеров свечные графики различного таймфрейма это и есть рынок, там скрывается все - и тренд и боковик и хитрый маркет мэйкер с глобальным кукловодом. Начнем с простых фактов, за одну сессию 2012.11.07 на фьючерсе Ri ядро биржи обработало 10 449 043 транзакций или примерно 12 000 транзакций в минуту, одна свечка самого "высоко частотного" минутного таймфрема скрывает за собой огромное количество более элементарных действий. Поэтому мы спустимся на самый низкий уровень того, что происходит на бирже и начнем оттуда.

Можно долго рассказывать про то как устроена биржа, про промежуточные сервера и другие части "транспортной" инфракстуры, какие задержки они вносят при путешествии заявки, но в конце пути любая заявка попадает в ядро биржие, где непосредственно происходит то ради чего все собственно и затевалось - сведение(matching). И на этом уровне, в смысле формата данных и производимых элементарных действий, FORTS мало чем отличается от той же CME или любой другой современной биржи. Входной поток состоит из заявко двух типов, на вставку(insert) и отмену(cancel). Бьете вы по рынку или выставляете заявку в глубь стакана - для ядра нет разницы, все это в конечном итоге преобразуется в заявку на вставку, которой присваивается свой уникальный идентификатор. Другой тип заявок - на отмену, позволяет убрать часть(или всю) предшествующей заявки на вставку. Ядро принимая на входе поток состоящий из заявок на вставку и отмену, создает поток сведенных сделок, каждая сведенная сделка связана с двумя заявками участвующих в сделке. Исходя из полученного потока, затем строятся стаканы, и тиковые данные(сведенные сделки), которые рассылаются пользователям(к примеру на RTS срезы стаканов строятся с периодичностью 30 миллисекунд), и лишь затем тики преобразуются в красивые свечки, отображаемые на экране. Поток данных содержащий заявки на вставку, отмену и сведенные сделки, на FORTS называется Full Order Log.

Рассмотрим более подробно формат данных Full Order Log. Возьмем для примера маленький, кусочек:

 QUOTE  TYPE    TIMESTAMP      SESSION    ORDER_ID  STATUS ACTION PRICE  VOL  DEAL_ID DEAL_PRICE
['riz2',  1, 1352315357375000, 20121107, 9368447574, 101401, 1, 141870.0, 1,,]
['riz2', -1, 1352315357380000, 20121107, 9368447558, 100001, 0, 141900.0, 3,,]
['riz2', -1, 1352315357380000, 20121107, 9368447580, 101401, 1, 141890.0, 3,,]
['riz2', -1, 1352315357381000, 20121107, 9368447559, 100001, 0, 141890.0, 2,,]
['riz2', -1, 1352315357381000, 20121107, 9368447581, 101401, 1, 141880.0, 2,,]
['riz2',  1, 1352315357381000, 20121107, 9368447507, 100001, 0, 141840.0, 4,,]
['riz2',  1, 1352315357381000, 20121107, 9368447582, 101401, 1, 141860.0, 4,,]
['riz2',  1, 1352315357384000, 20121107, 9368447522, 100001, 0, 141850.0, 8,,]
['riz2',  1, 1352315357384000, 20121107, 9368447586, 101401, 1, 141860.0, 8,,] <- A
['riz2',  1, 1352315357386000, 20121107, 9368447255, 201401, 0, 141850.0, 2,,]
           .... 
['riz2', 1, 1352315358149000, 20121107, 9368447396,      1, 2, 141860.0, 2, 657525271, 141860.0]
['riz2', 1, 1352315358149000, 20121107, 9368447454,      1, 2, 141860.0, 2, 657525272, 141860.0]
['riz2', 1, 1352315358149000, 20121107, 9368447586,      1, 2, 141860.0, 1, 657525273, 141860.0] <- B
['riz2',-1, 1352315358149000, 20121107, 9368447766,    402, 1, 134840.0, 5, ,,] <- C
['riz2',-1, 1352315358149000, 20121107, 9368447766,      2, 2, 134840.0, 2, 657525271, 141860.0]
['riz2',-1, 1352315358149000, 20121107, 9368447766,      2, 2, 134840.0, 2, 657525272, 141860.0]
['riz2',-1, 1352315358149000, 20121107, 9368447766,   1002, 2, 134840.0, 1, 657525273, 141860.0] <- D
['riz2', 1, 1352315358189000, 20121107, 9368447761, 100001, 0, 141840.0, 4, ,,]
['riz2', 1, 1352315358189000, 20121107, 9368447770, 101401, 1, 141860.0, 4, ,,]

QUOTE - содержит название инструмента, TYPE - направление заявки (+1 - bid, -1 - ask), TIMESTAMP - временная метка в микросекундах, SESSION - идентификатор сессии, ORDER_ID - идентификатор заявки, STATUS - флаги заявки, ACTION - тип заявки (0 - отмена, 1 - вставка, 2 - сведенная сделка), PRICE - цена, VOL - объем заявки, DEAL_ID - идентификатор сделки, DEAL_PRICE - цена сделки. На примере выше показан цикл жизни заявки, вставка заявки c идентификатором 9368447586 в поток (A), вставка встречно заявки (C), первая сторона сведенной сделки (B) и вторая сторона (D).

Теперь, немного разобравшись в формате данных, можно приступить к статистическому анализу. Всего за сессию было произведено 10 449 043 транзакций, из них 4 990 732 на вставку, и 4 362 829 на отмену, а сведено сделок - 1 095 482. То есть "в среднем по больнице" на каждую сделку приходилось 4 перестановки. Следующий вопрос, который возникает - каким образом данная активность распределена по объемам. Для этого посчитаем следующие факторы - количестов вставок и отмен для заданного объема, отношение отмененых заявок к выставленным, чем меньше это соотношение тем больше количество сделок сведено на каждую вставленную заявку, тогда умножив соотношение на количество вставленных заявок, мы получим количество проторгованных заявок для данного объема заявки. В результате получим следующую табличку, отсортированную по столбцу проторгованного объема(для анализа использовался python + scipy):

   cancel_count  cancel_volume  insert_count  insert_volume     ratio    trade_volume  
        1176407              1       1452121              1  0.810130      275714  
         272998              5        327113              5  0.834568      270575  
        1257775              2       1369794              2  0.918222      224038  
          39698             10         55877             10  0.710453      161790  
         432361              4        470513              4  0.918914      152608  
         668395              3        718625              3  0.930103      150690  
          15002             20         20662             20  0.726067      113200  
           1455             50          3608             50  0.403271      107650  
            453            100          1404            100  0.322650       95100  
         201295              8        212359              8  0.947900       88512  
          21651             15         27185             15  0.796432       83010   
          99168              6        110608              6  0.896572       68640  
           1989             30          4107             30  0.484295       63540  
           4926             25          7438             25  0.662275       62800  
           1025            200          1310            200  0.782443       57000  
          37216             12         41715             12  0.892149       53988  
             68            500           172            500  0.395349       52000  
          17857              7         25274              7  0.706536       51919

cancel_volume, insert_volume - объем в заявке на вставку или отмену, cancel_count - количество отмен, insert_count - количество вставок, ratio - соотношение, trade_volume - оценка проторгованного объема в контрактах.

Как видно, объемы заявок на вставку, можно условно разделить на две группы, small-volume traders с диапазоном объема 1-10 - высокочастотные трейдеры и скальперы, и всех остальных, как видно во второй группе, значения проторгованного объема кучкуются вокруг "психологических" уровней заявок - 15, 20, 25, 30, 50, 100, 200, 500.

код на питоне Продолжение следует...

Анализируем стаканы из плазы

2013-10-09T18:40:31Z

Анализируем стаканы из Plaza! несложный проект по выводу стаканам на чарты S#

Открываю серию простых ботов/проектов (S#.Api). Простые и сложные версии будут лежать у нас на сервере по обучению. Как это было:

Собрались с алго-пацанами, стали обсуждать какие темы "тяжело" проходят у стокшарповцев. В итоге был реализован такой простой проект:

Подгружает хранилище стаканов, закаченное из плазы, с помощью гидры
Выводит простые индикаторы с расчетом по стаканам на чарт
Можно поменять формулу и сделать свой аналайзер стакана.

Проект простенький, данные сразу лежат в готовом варианте:

Скачать исходники можно через наше хранилище на TFS (бесплатно), подключиться к публичному серверу! Скачать exe.

Скоро на всех экранах страны. Исполнитель стратегий для Wealth-Lab.

2013-10-08T14:50:18Z

Как вы все наверное знаете Wealth-Lab это отличная штука для создания и тестирования торговых роботов. Он позволяет визуализировать, протестировать и оптимизировать вашу стратегию. Но к сожалению, Wealth-Lab очень плохо дружит с российским рынком. Мы конечно же решили эту проблему нашим адаптером S#.Wealth-Lab но перед вами встаёт другая проблема, это то что для запуска адаптера необходимо лицензионная версия Wealth-Lab которая к слову сказать стоит 800$ плюс 150$ за продление лицензии на следующий год, а это порой непозволительная роскош для российского человека. Плюс при проторговке системы мы столкнёмся с тем что Wealth-Lab не позволяет запускать тиковые и секундные стратегии через свой Strategy Monitor, а также в велсе отсутствует стакан. Мы решили все эти проблемы программой Wealth Script Executer.

Что же из себя представляет Wealth Script Executer? Wealth Script Executer это отдельная программа которая позволяет запускать велсовские стратегии и при этом подключаться к большинству российских и зарубежных площадок без переписывания роботов. Плюс у вас будет возможность работать с любым типом графиков которые поддерживает S# и пользоваться стаканом, отслеживать статистику по стратегиям и запускать их по расписанию, что полностью исключит человеческий фактор из торговли!

И так как происходит процесс работы с Wealth Script Executer. Вы берёте Wealth Lab создаёте и оптимизируете в нём стратегию можно использовать даже Wealth Lab 5.6 сохраняете стратегию стандартными средствами и отрываете её в Wealth Script Executer настраиваете параметры и запускаете в торговлю и наслаждаетесь результатом. Так же вы сможете использую Visual studio отнаследовавшись от специальной библиотеки создать и скомпилировать стратегию, а потом просто открыть её в Wealth Script Executer.

Сейчас Wealth Script Executer находится в состоянии закрытого бета тестирования и совсем скоро будет доступен нашим подписчикам. Ждите анонса.

Ещё один способ определения пробоя уровня

2013-10-02T11:05:10Z

Доброго времени суток. Я зная, что в предыдущей статье я обещал развить тему методов определения отскока от уровня, но я решил немного дополнить предыдущую статью, добавив ещё один метод определения пробоя уровня.

Суть данного метода заключается в том, что мы дожидаемся пока цена начнёт консолидироваться вокруг нашего уровня. Тестируя его в разные стороны. После того как цена некоторое время, а точнее некоторое количество баров тестирует наш уровень, мы откладываем от нашего уровня канал на заданный процент и только после того как цена пробьет наш канал мы входим в позицию. Суть определения того что цена тестирует наш уровень заключается в том что предыдущие свечки должны полностью оставаться в канале.

В наглядном виде всё это выглядит примерно так.

Входим в длинную позицию

Входим в короткую позицию

Результаты

Вы можете сравнить результаты данного метода с результатами методов из прошлой статьи и убедиться, что данный метод намного лучше определяет точки входа чем предыдущие. Конечно такую торговую систему не в коем случае не стоит использовать на реальной торговли, она годится лишь для тестирования различных методик определения пробоя и отбоя от уровня. Так как если кто не помнит мы строим уровень на основе вчерашней цены закрытия.

Думаю, результаты будут намного лучше, если мы будем использовать нормальный алгоритм определения уровней. К примеру, камарилья или уровни мюррея. Также можно попробовать строить канал на основе волатильности что позволит ему более динамически подстраиваться под текущее состояние рынка. Исходные коды данного метода, как и всегда лежат у нас на сервере. В свою очередь жду от вас предложений по улучшению данной методики.