торговые роботы. StockSharp

Распродажа продолжается! Скидки до 20%

2015-12-28T11:31:09Z

Всем привет!

В преддверии наступающего Нового 2016 года, распродажа всех продуктов StockSharp продолжается!

И хотя наша большая скидка закончилась, вы все еще можете купить любой наш продукт с Огромной скидкой от наших партнеров - брокера Ай-Ти Инвест.
Чтобы получить скидку достаточно написать письмо на: prof (пёс) itinvest (тчк) ru

Или купить напрямую у нас:

Любой курс обучения по самой мощной платформе для создания торговых роботов со скидкой 20%.
Любую корпоративную лицензию для быстрого подключения к бирже со скидкой 20%.

Что такое торговый робот?

2023-05-26T10:33:24Z

💥💥Торговые роботы, также известные как автоматизированные торговые системы или алгоритмические торговые системы, являются компьютерными программами, которые осуществляют сделки на основе заранее определенных правил и алгоритмов. Эти роботы разработаны для автоматического анализа рыночных условий, выявления возможностей для торговли и выполнения сделок без необходимости вручную вмешиваться.

⚡️Торговые роботы могут быть полезны для трейдеров, поскольку они позволяют исключить человеческие эмоции и предубеждения из процесса торговли, выполнять сделки с высокой скоростью и точностью, и работать круглосуточно без необходимости постоянного наблюдения.

💥Для использования торгового робота обычно необходимо разработать или приобрести торговую стратегию и программировать ее в роботе с использованием языка программирования или специализированной платформы. Стратегия может быть основана на различных индикаторах, технических аналитических методах или фундаментальных факторах. После программирования робот может автоматически выполнять сделки на основе заданных правил.

⚡️Торговые роботы широко используются на различных финансовых рынках, включая акции, форекс, криптовалюты и товары. Они могут использоваться для различных стилей торговли, таких как скользящий скальпинг, дневная торговля, краткосрочная торговля или долгосрочные инвестиции.

💥Важно отметить, что хотя торговые роботы могут быть мощными инструментами, они не гарантированно приносят прибыль. Эффективность торгового робота зависит от качества базовой стратегии, рыночных условий и должного управления рисками. Трейдеры должны тщательно проводить обратное тестирование и оценивать свои стратегии перед внедрением их с помощью торгового робота и тщательно отслеживать их производительность для внесения необходимых корректировок.

⚡️Торговые роботы могут быть ценным инструментом для трейдеров, предлагая автоматизацию, эффективность и потенциальные преимущества. Однако важно понимать их ограничения и использовать их в рамках всестороннего торгового подхода.

Инструкция по открытию счета в Gain Capital.

2016-10-18T01:24:33Z

Сегодня мы расскажем вам как открыть счет в Gain Capital для торговли на фьючерсных рынках США. Для этого нужно совершить несколько простых действий.

Прежде всего, идем по ссылке на онлайн-форму.

Если вы являетесь физическим лицом, то заполняем анкету в соответствии с рисунками ниже, не забывая обращать внимание на комментарии:

1.
Нам нужен Individual account.

2.
E-mail нужно указывать действующий, на него придет запрос, который нужно будет подтвердить для продолжения. Нажимаем кнопку Submit.

3.
После нажатия кнопки вы получите уведомление как на картинке. Теперь нужно проверить свою почту и пройти по ссылке из письма.
Текст ссылки: "Click here to continue your new account application" После этого на новой странице вас попросят ввести пароль, указанный вами на шаге 2.

4. Далее вас снова попросят выбрать тип аккаунта. (Please select the type of account you would like to open) Выбираем: Individual.

5.

6.

7.
Здесь все должно быть заполнено из предыдущих данных. При желании можете ввести второй номер телефона.

8.
Заполняем домашний адрес. Латиницей.

9.
Выбираем в соответствии со своим статусом. В качестве источников средств выделяют следующие:
Investments - инвестиции
Inheritance - наследство
Loan - займы
Savings - сбережения
Pension - пенсионные накопления
Government Support - субсидии государства
Third Party Source - средства третьей стороны
Other - другое. При выборе этого пункта, необходимо будет описать источники средств.

10.
Заполняем статус занятости.
Employed - имеющий работу
Self-Employed - предприниматель. При выборе этого параметра потребуется указать отрасль экономики и время в течение которого вы являетесь предпринимателем.
Retired - пенсионер. При выборе этого параметра потребуется указать источник средств, указываем то же самое, что было на шаге 9.
Unemployed - безработынй. При выборе этого параметра потребуется указать источник средств, указываем то же самое, что было на шаге 9.
Student - студент. При выборе этого параметра потребуется указать источник средств, указываем то же самое, что было на шаге 9.

11.
Если на предыдущем шаге вы выбрали Employed, то необходимо заполнить информацию о работодателе.

12.
Здесь требуется указать имеющийся опыт в торговле. Если вы указываете какой-либо опыт, то на следующем шаге вас попросят указать брокера у которого вы обслуживались и номер счета.

13.
Указываем брокера и номер счета.

14. Здесь вас спросят кто будет распоряжаться счетом (Who will be placing trades in this Account?). Выбираем себя.

15.

16.
Везде нет. Для интересующихся и незнающих английский поясняем:

Have you ever been party to any litigation, arbitration or reparations proceeding against any Brokerage firms?
- Вы когда-либо были участником любых судебных, арбитражных или дел о возмещении ущерба в отношении каких-либо брокерских фирм?

Do you currently have or have you previously had any unsatisfied debt at a brokerage firm?
- Есть ли у вас сейчас или имелись ли ранее какие-либо неудовлетворенные долги перед брокером?

Are you currently, or have you within the last ten years, been involved in any investigation or court proceedings involving any governmental or regulatory agency or private party?
- Вы в настоящее время, или в течение последних десяти лет, принимали участие в каких-либо следственных или судебных разбирательствах с участием любых государственных или регулирующих органов или частных лиц?

Have you been involved in a Bankruptcy?
- Вы когда-либо становились банкротом?

17.
Тоже везде нет. Поясняем:
Are you, or an immediate family member, a principal or employee of a member of the National Futures Association, any futures exchange, or broker?
- Являетесь ли вы или члены вашей семьи участниками или сотрудниками члена Национальной фьючерсной ассоциации, любой фьючерсной биржи или брокера?

Are you, or an immediate family member, a principal or employee of a member of FINRA, any securities exchange, or broker?
- Являетесь ли вы или члены вашей семьи участниками или сотрудниками члена FINRA, любой фондовой биржи или брокера?

18. На вопрос будет ли аккаунт использоваться для хеджирования (Will this account be used for Hedging?) отвечаем Нет.

19.
Проверяем все ли данные корректны и нажимаем "Create Forms"

20.
Подписываем документы, выбирая "Yes to All". Можно их все скачать и ознакомиться, нажав "Download All". После этого нажимаем "Submit Application"

21.
На этом шаге вас попросят загрузить паспорт и выписку с банковского счета. Также эти документы можно отправить по электронной почте.

22. После того, как документы будут отправлены и проверены, вам придут инструкции по внесению денежных средств на депозит.

В случае возникновения вопросов смело обращайтесь на lesson@stocksharp.com или скайп AlgoTradingRus.
Удачи в торгах!

S#.Designer - простое начало успешной торговли.

2020-03-31T18:51:41Z

Совсем недавно мы рассмотрели такую программу как Shell и библиотеку API.
Безусловно, овладение навыками программирования торговых стратегий, открывает для пользователя огромные горизонтов не только как трейдера, но и как создателя торговых роботов на продажу.
Однако, не для каждого пользователя интересно программирование, и не каждый пользователь готов потратить время на изучение библиотек.
Не каждый трейдер хочет научиться писать торговых роботов на заказ и, зачастую, хочет создавать торговые стратегии для себя.
Согласитесь, было бы круто иметь программу, которая может с помощью уже готовых компонентов создавать торговые стратегии.
В S# понимают это, и создали конструктор торговых роботов, который позволяет создавать торговых роботов при помощи кубиков – Designer.

Сейчас многие начнут думать: «Зачем? Есть же TSlab.»
На самом деле - «Есть за чем».
Во первых, он более интуитивно понятный, то есть пользователю проще сориентировать в интерфейсе программы.
Во вторых, программа совершенно бесплатна, что позволяет пользователю, начать работать с ней не вкладывая ни копейки!
В третьих, программа интегрируется со всеми нашими продуктами, например с Hydra, и более того, сама способна скачивать маркет данные.

Вообще умение скачивать маркет данные самостоятельно – огромное преимущество..
Пользователь имеет возможность использовать не несколько программ, а одну, для проведения тестирования созданных торговых стратегий.
Интерфейс интуитивно понятный, и позволяет легко адаптировать в среде пользователя.

Что же такое Designer?
Designer – совершенно уникальная программа. Она дифференцирует элементы стратегии на простейшие элементы, как в конструкторе, и позволяет из этих элементов собирать торговую стратегию.
Большой функционал кубиков позволяет создавать самые простые и самые сложные торговые стратегии. Все что нужно от пользователя выбрать функционал стратегии.
Кубики подразделяются на разделы, которые для удобства пользователя включают группы кубиков. Это позволяет улучшить понимание и интерфейс программы. При этом программа препятствует возникновению ошибок, на стадии проектирования стратегий, то есть если кубик содержит данные одного типа, он не будет передавать данные на кубик с данными другого типа, что позволяет избежать ошибок.

Это приводит к тому, что пользователь не теряет время на выявление причин ошибки на стадии отработки программ.
Вообще стадия отработки это отдельная глава. На данном этапе пользователю предоставляются все инструменты для отработки своей стратегии, от функционала кубиков, до возможности интегрировать свои элементы и пошагово разбирать ход отработки стратегии.
Бэк тест – удобная функция, реализованная в программе. Пошаговое рассмотрение исполнения стратегии, при помощи кнопки останова, позволяет на любом этапе обнаружить ошибку. Безусловно - это экономит время, что в сою очередь снижает расходы пользователя.

Более опытные пользователи могут создавать свои собственные элементы на языке C#. Все что нужно будет это создать свой элемент, в который пользователь сохраняет свой код. Таки элементы и стратегии в целом работают значительно быстрее стратегий, написанных в визуальном дизайнере, что дает пользователю стимул развиваться при этом, не меняя удобной среды разработки.
Так же прtимущество стратегий на C# - не ограниченные возможности при создании, можно описать любой алгоритм, дополнив его при желании стандартными кубиками операций. Процесс создания стратегии проходит напрямую в S#.Designer или среде разработки на языке C# (наиболее популярной из сред разработок является Microsoft Visual Studio), используя библиотеку для профессиональной разработки торговых роботов на языке C# и S#.API.

Говоря о Designer, можно сказать, что это прогрессивный продукт. Наличие возможности включать свои коды в программные решения, позволяет расширить диапазон применения Designer. Возможность тестирования – снижает потенциальные риск. Возможность бесплатно скачать и использовать его – делает продукт доступным для любого.
Остается просто начать работать

Маркет данные, таймфрейм, тик.

2020-03-24T21:04:33Z

Рассмотрим сегодня очень важный элемент биржевой торговли, без которого сама торговля не имела бы смысла, так как без информации о позициях торговых инструментов торговля превратилась бы в хаос.
Итак котировки биржевых элементов – данные, позволяющие в режиме реального времени игрокам рынка знать любые изменения происходящие с торговыми инструментами. Изменение цены, объема и другая информация, содержится в биржевой котировки.
Биржевая котировка играет главную роль при проведении анализа и тестирования торговых стратегий. Получение маркет данных биржевых котировок залог правильного тестирования торгового робота. Порой получение маркет данных обременяется условностями: платным контентом ресурсов, ограниченностью периодом данных. Однако, программа Hydra бесплатно позволяет скачивать маркет данные с огромного числа источников, так же как и программа Designer, что наглядно представлено на нашем обучающем видео.

Помимо информации, которую несут маркет данные, важным их значением является выбранный таймфрейм данных.
Что же такое таймфрейм?
Таймфрейм — временной интервал, используемый при построении графиков биржевых котировок.
Основная задача его – позволить наглядно представить графически тенденцию изменения параметра биржевой котировки. Например, увидеть как менялась цена за равные промежутки времени.

Рассмотрим основной элемент таймфрейма – свечи. Свечи формируются за установленный трейдером промежуток времени, так мы можем увидеть как менялась цена за неделю или в течение дня.
Свечной график может дать информацию о максимальной и минимальной за установленный таймфреймом период, показать изменение объема котировок. цене могут рассказать нам о максимуме и минимуме цены за соответствующий период, по ним мы можем увидеть цену открытия и закрытия.

При этом для получения более детального движения параметров внутри самого интервала таймфрейма, необходимо использовать – тиковые данные, из которых так же строится график. Тиковый график наиболее точный, так как дает детальное изменение данных, а не конечное за период.

Давайте рассмотрим как обозначаются таймфреймы:
M — означает минута (например, М4 — пятиминутный таймфрей).
H — означает час (например, H1 — часовой таймфрейм).
D – означает день, иногда используется значение «Daily» (например D10 — десятидневный таймфрейм
W – означает неделя, также используется термин Weekly (например W2 – двухнедельный таймфрейм)
MN – означает ежемесячный, так же может означать как Monthly (например MN3 – трехмесячный таймфрейм).
Y — означает год (например Y5 – пятилетний таймфрейм).
Более старшие таймфреймы состоят из более младших, так например десятиминутный таймфрейм можно создать из двух пятиминутных.

Различные таймфреймы могут использоваться для разных целей:

Минутные и часовой таймфрейм:
Часто применяются для торговли по методу скальпинга, дерейдинга, пипсовки.
Короткие тайфреймы используются для более быстрой торговли, ограниченной зачастую одним торговым днем.

От часового до дневного таймфреймы
Зачастую используются для среднесрочной торговли. Наиболее умеренная по скорости торговля, ее часто выбирают начинающие трейдеры.

От дневного до годовых таймфреймов.
В большинстве своем этими таймфреймами пользуются инвесторы, которые размещают свой капитал на более длительный срок, с перспективой получения дохода в долгосрочном периоде.

Итак, мы рассмотрели основные виды тайм фреймов. Безусловно, успешная торговля складывается из применения различных таймфреймов. Комбинация их дает наиболее оптимальное решение по увеличению доходов трейдера. Именно поэтому все наши продукты от Designer до Shell умеют работать с различными таймфреймами, а Hydra при скачивании дает возможность выбрать сразу несколько тайфреймов для скачивания.

S#.API и S#.Shell - ваш шаг в трейдинге.

2020-03-17T20:13:10Z

Добрый день!
Мы не случайно решили рассказать о двух продуктах нашей компании, входящих в состав базового софта от S#.
Наш выбор был сделан на основе мнений наших пользователей, которым интересно узнать немного подробнее о назначении программ, работе и применении их в торговле.
Надо отметить, что S#.Shell и S#.API – комплексное решение для создания торговых роботов на языке C#. Однако, использования этих программ не ограничивается созданием торговых роботов.

Итак, для начала разберем, что такое S#.API.

Термин API, согласно Википедии, означает:
Программный Интерфейс Приложения (API с английского application programming interface) - описание способов (набор классов, процедур, функций, структур или констант), которыми одна компьютерная программа может взаимодействовать с другой программой. Обычно входит в описание какого-либо интернет-протокола, программного каркаса (фреймворка) или стандарта вызовов функций операционной системы. Часто реализуется отдельной программной библиотекой или сервисом операционной системы. Используется программистами при написании всевозможных приложений.

S#.API – абсолютно бесплатная библиотека, которая позволяет начинающим и опытным трейдерам, обладающим даже начальными знаниями программирования использовать ее для создания своих собственных торговых систем в области алготрейдинга.
Библиотека основана на языке C#, с возможностью использования ее в среде программирования Visual Studio. Библиотека рассчитана на то, что пользователь может создать свои уникальные торговые системы: от позиционных стратегий с длительным таймфреймом до высокочастотных стратегий (HFT), которые используют прямой доступ (DMA) к биржевым торгам.
Уникальность данного продукта в том, что на его основе построена работа всех базовых продуктов компании StockSharp, таких как: S#.Designer, S#.Data, а так же адаптер S#.MatLab.

Так например использования элементов библиотеки находит широкое применение применение для создания уникальных кубиков в программе Designer, фактически пользователь берет готовый компонент представленный программным кодом, комбинирует его с другими компонентами или модифицирует его и применяет его в конструкторе торговых роботов Designer, помещая в собственные кубики.

Механизм S#.API основан на использовании сообщений.
Данный механизм состоит из трех элементов:
- сообщение Message,
- адаптер сообщений MessageAdapter
- транспортный канал IMessageChannel.
Сообщение выполняет роль агента, передающего информацию.
Сообщения могут быть исходящими и входящими.
- Исходящие сообщения - сообщения, которые посылаются во внешнюю систему. Обычно это команды, которые генерирует программа, например, сообщение ConnectMessage - команда, запрашивающая соединение с сервером.
- Входящие сообщения - сообщения поступающие из внешней системы. Это сообщения передающие информацию о рыночных данных, транзакциях, портфелях, событиях соединения и т.п.

Такой механизм позволяет унифицировать работу по разработке адаптеров, в то же время позволяет пользователю создать свои собственные подключения к различным торговым системам.
Давайте рассмотрим основные преимущества применения библиотек S#.API:
- Независимость созданного пользователем торгового робота от API используемого брокера или биржи, фактически созданный торговый робот может работать с любым подключением. Так пользователь может легко подключать своего торгового робота например к Quik, Transaq, или FOREX, не меняя программного кода.
- Сегодня библиотека S#.API поддерживает более 70 подключений ( Коннекторы (Россия), Коннекторы (Америка), Коннекторы Forex, Коннекторы Криптовалют).
- Универсальность библиотеки позволяет использовать ее как частным трейдерам, небольшим командам разработчиков, а так же крупным инвестиционным компаниям и банкам.
- Важным показателем является большая производительность, позволяющая одновременно исполнять сотни стратегий по любым инструментам.
- Высокая скорость обработки заявок в S#.API позволяет снизить время обработки до нескольких микросекунд.
- Библиотека может использовать прямое к торговле, такое как: Plaza II, Micex Bridge, а также поддерживает FIX протокол, что позволяет сокращать время обработки заявок.
- Определение реального проскальзывания добивается за счет реалистичного тестирования, которое проводится с применением тиков и стаканов. Это позволяет пользователю снизить до минимума риск возможных потерь и более гибко и точно настроить свою торговую стратегию.
- Широкая распространённость языка C#, применимого в создании библиотеки и среды Visual Studio, упрощает работу пользователя, за счет избыточной информации о их возможностях.

Для удобства работы S#.API разделена на блоки, что позволяет пользователю без особых усилий найти тот раздел, который его интересует.
Простота установки на компьютер, распространённость языка программирования и среды использования делают библиотеку S#.API универсальным способом для разработки торговых роботов. Пользователю достаточно однажды создать торгового робота, которого он может подключать к любой выбранной торговой площадке или брокеру.
Так же знание работы с библиотекой позволяет развивать навыки программирования пользователя.

Мы рассмотрели основной элемент – библиотеку S#.API, на базе которой строятся все базовые программные продукты StockSharp.
Отлично, теперь понятно, что с применением библиотеки S#.API пользователь может создавать своих торговых роботов и применять их в торговле.
Однако использования среды разработки Visual Studio, не совсем удобно для работы созданными торговыми системами, не говоря уже о тестировании торговых систем.
Для удобства и простоты работы, компания StockSharp разработала готовый графический каркас с возможностью оперативного изменения под нужды пользователя-трейдера, при этом с открытым кодом, созданный на языке C# - S#.Shell.
Давайте рассмотрим основные преимущества данного графического каркаса:
- Главным преимуществом продукта является открытый исходный код. Что это дает пользователю?

Открытый исходный код программы позволяет пользователю использовать все возможности продукта, дополняя его своими собственными надстройками. Пользователь может настроить свои собственные панели управления, использую уже готовые элементы или создать свои собственные. Простота настройки увеличивает скорость подготовки программы к запуску.
Доступность модуляций S#.Shell, позволяет создать пользователю удобную среду пользования, понятную ему.

Таким образом, применение открытого исходного кода не просто позволяет пользователю создавать удобный индивидуальный интерфейс, но идеален для создания торговых роботов на заказ, а это расширяет сферу применения знаний пользователя, открывая ресурс для дополнительного заработка.
- Следующим неоспоримым преимуществом S#.Shell является поддержка более 70 различных подключений к мировым биржам (Коннекторы (Россия), Коннекторы (Америка), Коннекторы Forex, Коннекторы Криптовалют, Общие).

- S#.Shell позволяет пользователю полностью протестировать свои торговые системы, прежде чем заходить на реальные торги. Удобная статистика, кривые Эквити, и подробнейший отчет о ходе тестирования, позволяют пользователю на стадии разработки и тестирования учесть возможные риски и внести изменяя в код торгового робота.

- Так же пользователь имеет возможность сохранять резервные копии своих торговых роботов, восстанавливать настройки и сравнивать изменения с первоначальным кодом торгового робота.
- Очень важной и удобной функцией S#.Shell является одновременный запуск стратегий. Что это дает? Пользователь теперь не ограничен одной площадкой для работы и так же может применять комплекс из нескольких стратегий, которые могут действовать раздельно друг от друга, или могут быть применены как комплекс из стратегий.
Такие комплексы позволяют компенсировать или подстраховывать друг друга, проводить политику хеджирования и арбитража.
При этом пользователь получает подробнейшую информацию о ходе торговли, получая информацию об ордерах, сделках, позициях, прибыли, логах и другую информацию, вывод которой он может настроить в программе.
Так же пользователь может настроить запуск стратегии по расписанию, установив четкий график работы каждой из запускаемых торговых стратегий.
S#.Shell – это удобное и многофункциональное программное решение, настраиваемое под пользователя.

Подводя итог можно сказать следующее, что использования комплекса из библиотеки S#.API и оболочки S#.Shell, позволяет пользователю получить полностью настраиваемый под его нужды торговый комплекс. Пользователь получает не просто оболочку для торговли, он получает решение для тестирования, торговли, комплексного взаимодействия своих созданных стратегий с различными рынками одновременно или в отдельности.
Удобство использования очевидно, оно не только сокращает время на подготовку и торговлю, но и позволяет пользователю заниматься разработкой решений на продажу, что увеличивает доход.
Удобный курс обучения от StockSharp позволяет быстро освоить обе программы, научиться программировать и зарабатывать. Уже включенный в стоимость исходный код S#.Shell и дополнительные торговые системы, сокращают затраты пользователя и дают возможность начать торговать безотлагательно.

Tорговые роботы. Full Orders Log.

2012-03-13T14:36:51Z

Здравствуйте. В этой статье мы расскажем Вам, что такое Full orders log, как он выглядит, для чего используется, и какую интересную информацию можно в нем увидеть. Начнем с определения и общих понятий и свойств. После этого поговорим о том, как можно использовать ордер лог для создания торговых роботов.
Full orders log (в статье будем использовать сокращение FOL) — это список всех заявок с полной информацией по каждой заявке. Еще его называют анонимным ордер логом (анонимная рыночная информация), т.к. из всей информации о заявке в нем не доступен только номер счета клиента, пославшую эту заявку. Как вы понимаете, эта информация конфиденциальна. Ордер лог, это самый глубокий и детальный уровень информации, который доступен трейдеру.

Полный список полей таблицы orders_log

Поле Тип Описание

replID i8 Служебное поле подсистемы репликации

replRev i8 Служебное поле подсистемы репликации

replAct i8 Служебное поле подсистемы репликации

id_ord i8 Номер заявки

sess_id i4 Идентификатор торговой сессии

client_code c7 Код клиента

moment t Время изменения состояния заявки

status i4 Статус заявки

action i1 Действие с заявкой

isin_id i4 Уникальный числовой идентификатор инструмента

dir i1 Направление

price d16.5 Цена

amount i4 Количество в операции

amount_rest i4 Оставшееся количество в заявке

comment c20 Комментарий трейдера

hedge i1 Признак хеджевой заявки

trust i1 Признак заявки доверительного управления

ext_id i4 Внешний номер

login_from c20 Логин пользователя, поставившего заявку

broker_to c7 Код FORTS фирмы-адресата внесистемной заявки

broker_to_rts c7 Код RTS фирмы-адресата внесистемной заявки

date_exp t Дата истечения заявки

id_ord1 i8 Номер первой заявки

broker_from_rts c7 Код РТС клиента — владельца заявки

id_deal i8 Идентификатор сделки по данной записи журнала заявок

deal_price d16.5 Цена заключенной сделки

local_stamp t Локальное время пользователя

Онлайн данные по full_orders_log можно получать через шлюз Plaza2. До 17 февраля 2012 года по Plaza2 была доступна информация только по рынку ФОРТС, с 17 февраля Биржа ММВБ – РТС начала трансляцию анонимной рыночной информации по Валютному рынку и Фондовому рынку в секторе Основной рынок.
Таким образом, через шлюз Plaza II будет доступна информация по следующим рынкам:

Cрочный рынок FORTS
Фондовый рынок в Секторе рынка Standard
Валютный рынок в режиме РТС Money
Фондовый рынок в Секторе Основной рынок

Сохранять ордер лог, обрабатывать и создавать торговых роботов на его основе, вы можете с помощью библиотеки StockSharp. 11 марта StockSharp был сертифицирован биржей РТС для работы с Plaza II.

Файл с сохраненными данными FOL выглядит примерно следующим образом. Вид из FAR'a.
Tорговые роботы. Full Orders Log Рис.1

Формат данных может немного различаться, зависит от настроек программы, через которую вы его получаете, которая может трансформировать данные, для приведения их к более удобному виду. Например, в изначальном варианте инструменты обозначаются с помощью isin_id i4 Уникальный числовой идентификатор инструмента (8й столбец на картинке) Помимо ордер лога, по шлюзу Plaza2 передается и другая информация, среди которой fut_sess_contents, где мы можем посмотреть соответствие числовых идентификаторов названию контактов. Например, isin_id = 242176 будет соответствовать контракту RIH2. Таким образом, мы можем преобразовывать вид данных. В этой статье Вы столкнетесь с картинками, где они будут немного различаться.

Из всего перечня передаваемых данных я бы выделил следующие столбцы. Далее я дам им свои названия, которыми буду пользоваться в дальнейшем.

Symbol – название инструмента = isin_id

Type – покупка/продажа = dir

ID - уникальный номер заявки = id_ord

Moment - время изменения состояния заявки = moment

Volume – количество лотов = amount

Price – цены по которой выставляли заявку = price

Action Действие с заявкой - выставление 1/удаление 0 /сделка 2 = action

ID_Deal - уникальный номер сделки = id_deal

Price_Deal – цена по которой прошла сделка = deal_price

В отформатированном виде ордер лог будет выглядеть примерно так.
Tорговые роботы. Full Orders Log Рис.2

Как хранить и обрабатывать FOL

На данный момент (2012 год), файл с ордер логом с данными по всем инструментам срочного рынка весит порядка 4-5 гигабайт за один торговый день. По инструменту RTSi, порядка 1 гигабайта за один день. В одном дне RTSi содержится порядка 8-10 млн строк, из них сделок 600-800 тысяч строк.
1 гигабайт или 9млн строк за день, довольно внушительный объем данных. Поэтому появляется вопрос, как лучше работать с таким объемом данных? По сути, оредр лог представляет собой базу данных, поэтому для его обработки и хранения можно использовать программы для создания и хранения БД. С помощью языка SQL мы можем обрабатывать данные, выводить нужные нам информация и производить расчеты. SQL проще чем C#, т.к. имеет узкую специализацию, поэтому его легче освоить, но использовать его для других целей проблематично. Писать робота нужно на C#, для вспомогательных целей при работе с ордер логом использовать SQL.

Торговые роботы на основе ордер лога.

Как уже было сказано, создавать торговых роботов на основе ордер лог можно с помощью stocksharp.
Plaza2 + FOL дают высокую скорость и все необходимые данные для создания и работы высокочастотных роботов. Тут и добавить больше нечего, бери да делай. Если же говорить о тестировании высокочастотных роботов на истории, то нам необходимы стаканы и все сделки. И стаканы и сделки можно сохранять отдельно от FOL через другие каналы. Но, стаканы и сделки не синхронизированы, т.е. мы можем получить такую ситуацию, когда те или другие данные пришли с запаздыванием, в итоге сделка будет относиться к стакану, который был несколькими секундами ранее или позднее. Например, при стакане с офером на 160 600 проходит сделка на покупку 160 700. Ордер лог может избавить нас от такой проблемы, с его помощью можно получить синхронизированный со сделками стакан.
Еще такой момент по тестированию. Если вы захотите ознакомиться с FOL, вы можете скачать месяц бесплатной истории на сайте РТС. На Рис.2 как раз пример исторических данных с сайта РТС. Там вы можете увидеть момент времени, когда заявка пришла в систему, но! Когда заявка пришла к вам на компьютер, там не показано. Нам же, для формирования стаканов, нужно знать какими пачками и в какое время мы получали данные. Поэтому, когда мы сохраняем информацию на домашних компьютерах, дополнительно появляется метка времени, когда заявки дошли до нас.

Tорговые роботы. Full Orders Log Рис. 3
Добавлена метка с временем получения данных на компьютер

На сайте РТС, история ордер лога за один год по всем инструментам стоит 5000$. Если вам интересно это направление, стоит задуматься о сохранении истории уже с сегодняшнего дня, чтобы потом не тратить деньги на покупку.

Манипулирование биржевым стаканом: Торговые роботы или …?

Понимание рыночного механизма потока заявок может дать нам ответ на многие вопросы, правда после которых, может появиться еще больше количество вопросов. В сети лежит ролик “Манипулирование ценой в биржевом стакане”. В ролике показано, как трейдер выставляет заявку на покупку по цене лучшего офера в стакане. Как только он нажимает на ОК, оффер исчезает из стакана. Инсайдер (трейдер-блогер) объясняет такое поведение действиями торговых роботов.
Цитата: “Вы же наверняка часто видели, как кидая заявку на продажу по рынку, цена уходит назад и Ваша заявка удовлетворяется по цене ниже пунктов на 50, чем та цена, которую Вы видели секунду назад и цена сразу же возвращается назад на 50 пунктов вверх.

… Они видят благодаря РТС все Ваши манипуляции с заявкой и используют свои быстрые каналы связи с серверами биржи, чтобы откусить чуток от Вашего ордера.”
С точки зрения ордер лога, такого быть не может и торговые роботы не могут реагировать на такую заявку. Среагировать на поступившую заявку, мы можем после того, как к нам пришли данные из плазы. Это самый быстрый, легально возможный способ. Данные, пришедшие из плазы, это уже история, свершившееся событие. Значит, если мы кинули заявку по цене офера, то она обязана исполниться. Или, этот офер должен быть снят до того момента, когда наша заявка на покупку пришла в систему. Единственное объяснение, которое приходит мне в голову такое: брокер делает искусственную задержку и передает информацию о том, что идет заявка. После этого робот брокера отзывает свою заявку или делает другие нужные действия, после чего заявку клиента посылают на рынок. Достаточно задержать заявку на полсекунды, чтобы проводить такие махинации, что естественно незаконно. В законе о проф. участниках указанно, что в случае конфликта интересов брокера и клиента, брокер обязан отдавать приоритет клиенту. Так это происходит в действительности или нет, мы не знаем.

Ордер лог представляется интересным инструментом для анализа рыночной ситуации. Огромное количество интересных возможностей, о которых мы не сказали или даже не знаем. Если у вас есть вопросы, или нужна помощь по ордер логу, можете написать на почту info@stocksharp.com.

StockSharp Торговые роботы

Где и как скачать маркет-данные по американскому рынку. Решение.

2016-12-02T11:58:44Z

В нашей сегодняшней статье мы расскажем о том где можно бесплатно или за относительно небольшие деньги скачать исторические данные по американскому рынку, а также об универсальном способе скачивать, сохранять, анализировать и использовать в собственных алгоритмах любые типы рыночных данных.
Прежде всего давайте коснемся основных источников маркет-даты по американским ценным бумагам с кратким их описанием. В целом можно выделить три типа источников:
1. Источники исторических данных, например биржи, которые поставляют историю торгов на собственной площадке (конечно оставляем за гранью прямые подключения которые относятся к типу 2).
2. Источники рыночных данных, например брокерские терминалы, через который конечно можно загрузить в том числе и определенную историю, но основной интерес представляет то, что происходит прямо сейчас.
3. Универсальные источники, которые объединяют в себе тип 1 и тип 2, и как правило представлены специализированными сервисами.

К первому типу источников можно смело отнести такие сайты как Google и Yahoo Finance:

Несомненным достоинством этих сервисов является их полная бесплатность, однако, с другой стороны, интрадей маркет-данные скачать будет невозможно, также как невозможно получить, что либо кроме свечей. Под что-либо мы конечно подразумеваем такие данные как Level1, Order Log, Market Depth и т.д.
Это практически исключает возможность использования полученных данных для тестирования стратегий, предполагающих торговлю внутри дня. С другой стороны, если ваша стратегия предполагает среднесрочную торговлю, например, основана на подходе “Черепах”, либо вы практикуете портфельное инвестирование без слишком частого перетряхивания портфеля, то использование данных с этих источников будет очень обоснованно и целесообразно.

К источникам рыночных данных как уже написано выше, относятся, прежде всего, брокерские терминалы или другие подключения к брокеру, которые есть у каждого практикующего трейдера. Например: Fusion/Blackwood, Rithmic, Gain Capital, OEC Trader, Sterling и т.д.

Плюсы от использования данного источника видны практически сразу. Во-первых, это бесплатно (конечно без учета тех комиссий, которые вы платите брокеру). Во-вторых, это множество данных которые можно получить: некоторые типы свечей, тики, Level1, DOM и т.д. К минусам можно причислить отсутствие глубокой истории и необходимость хитрого сбора нужных данных, когда без специализированного ПО не обойтись.
При таком подходе, ваши возможности для тестирования значительно расширяются. Появляется возможность создавать не только внутридневные стратегии, но и высокочастотные алгоритмы, основанные на найденных исторических закономерностях.

Универсальные источники - это в большинстве своем специализированные сервисы, которые поставляют как реал-тайм маркет-дату, так и любую запрошенную историю, например IQFeed.

Главным плюсом подобного источника является его универсальность и наполненность данными, т.е. в любой момент по запросу пользователя можно получить любые нужные данные, тиковые, свечи, стаканы и т.п. Минусом такого подхода является платность данного сервиса, цена на который начинается от 50$ в месяц в базовой версии. Если возникает желание получить несколько больше, то потребуется подключить дополнительные функции, которые как вы уже поняли тоже будут стоить денег. Но, как и предыдущий вариант, вам потребуется специальная программа для сбора и хранения данных. Ведь по окончанию действия подписки вы потеряете все данные. Плюс глубина истории, хоть и больше, чем у предыдущего способа, но все равно она ограничена. Особенно для тиковых данных.

Теперь мы можем перейти к самому интересному, а как же нам оптимально получать историю и при этом не тратить много денег. На наш взгляд, здраво выглядит следующий подход:
- скачать дневные свечи с бесплатного источника, и протестировать свою стратегию предварительно на этих данных;
- скачать интрадей данные через своего брокера, и протестировать уже более детально стратегию
- покупка подписки на платный сервис и выкачивание всего интересующего массива данных,
Для того, чтобы реализовать подобное, потребуется специализированное ПО, которое будет за вас вначале загружать нужные данные с нужного сервиса, а затем в едином формате продолжит сбор их от вашего брокера. Таким образом, единство данных не будет утрачено и их можно будет легко использовать в дальнейшем анализе.
Для таких задач мы создали программу S#.Data (Hydra) (ознакомиться с инструкцией и примерами по работе с программой можно здесь). Это бесплатная программа, доступная для скачивания. Hydra предоставляет множество различных функций, но основной ее задачей является скачивание и накопление данных.

Hydra поддерживает загрузку не только свечей любого таймфрейма, но и тиков, ордер лога, level 1, стаканов по множеству инструментов. При этом программа умеет не только скачивать, но и накапливать данные, идущие от брокера, например из OEC Trader, Sterling и т.д.

Hydra хранит данные в форматах CSV или BIN (сверх компактный формат хранения данных - 7 байт на 1 снимок стакана или 2 байта на тик). Данные располагаются локально, как файлы, и к ним есть доступ из любых программных языков , а также позволяет в конечном итоге пользователю хранить и использовать огромный массив рыночных данных на домашнем компьютере, сервере или в облаке (поддерживается AWS).

Подводя итоги настоящей статьи, надеемся, что методы изложенные в ней позволят вам, получить маркет-дата за адекватные средства и немного приблизиться к профессиональным участникам.
Они давно так делают!
Желаем удачи на рынке!

S#.Data (Hydra) - инструкция и примеры по работе с программой.

2016-12-01T16:37:31Z

Гидра - программа для скачивания и накопления маркет-данных. В данной статье расскажем, как скачивать историю с Google Finance, брокера Gain Capital и сервиса IQFeed.
Для начала расскажем немного об интерфейсе программы. После первого запуска вы увидите главное окно, которое предложит вам выбрать источники данных.

Обратите внимание на описание каждого источника, если рядом с ним написано:
Source is designed to get history data … - то это означает возможность скачивания исторических данных,
а если написано:
Source is designed to get market-data .. - то это означает возможность подключения к реалтайм источнику данных и самостоятельному сбору истории. Забегая вперед, подобный способ зачастую дешевле простой покупки данных у дата-вендора.

Теперь выберем ряд источников и попробуем получить маркет дату. В качестве таковых мы предлагаем использовать: Google (как источник исторических данных), OECTrader (как источник реал-тайм данных, который вам даст брокер при открытие счета), IQFeed (как источник реал-тайм данных с максимальным количеством одновременных подписок).

Ставим галочки напротив выбранных источников.
После нажатия кнопки ОК, программа предложит вам включить дополнительные возможности.

Они достаточно полно описаны в самой программе, поэтому не будем здесь вдаваться в описание каждой из них.
Для того, чтобы двигаться дальше достаточно будет просто нажать ОК, не выбирая в данном окне ничего. При необходимости всегда можно вернуть данную настройку через кнопку ADD -> Tools и выбрать необходимое.
После всех проделанных процедур мы получаем в левом окне добавленные источники, каждый из которых теперь необходимо настроить.

Google Finance

Делается это простым нажатием на кнопку карандаша, которая открывает окно настроек.

Быстренько пробежимся по каждой из них, чтобы сложилось полное понимание. Итак:
Start date - дата с которой Hydra будет получать рыночные данные
Time Offset - смещение времени. В данном случае 1 означает, что данные за сегодняшний день скачаны не будут. Это нужно для того, чтоб не скачать половину дня, когда торги еще не завершены.
Weekend - когда галочка установлена выходные дни игнорируются.
Time interval - hydra скачивает данные по частям. Данный параметр позволяет указать насколько большие части будут использованы. При значении 30 программа будет скачивать данные пакетами по 30 дней.
Header, work from, work until, work interval - настройки по работе самой программы, в течение какого времени она должна загружать данные (от и до)
Data directory - папка в которой будут храниться скачанные данные, можно оставить по умолчанию, можно выбрать любую собственную. Рекомендуем создавать под каждый источник отдельную директорию, чтобы данные не перезаписывались.
Format - формат сохраняемых данных. Поддерживается BIN - специальный формат Hydra позволяющий получать уникальную степень сжатия (2 байта на тик, 7 байтов на стакан) либо всем известный CSV (тут объем обычный)
Max.errors - максимальное количество ошибок в источнике.
Dependency - указывает на добавленную задачу, которая должна быть выполнена до текущей (в нашем случае это может быть либо IQFeed, либо OEC Trader)
Logging level - уровень логирования.

Давайте оставим все данные по умолчанию и выберем бумаги по которым будет происходить скачивание данных. Допустим выберем штук 5 тикеров, входящих в S&P500 индекс, например: MMM, AFL, GOOG, AAPl, T.

Для этого все эти инструменты нужно добавить:

Поскольку источник Google не поддерживает автоматическое добавление инструментов, то потребуется добавление их в базу вручную

Далее повторяем процедуру для каждой бумаги и перемещаем их в раздел Selected

После этого просто подключаем источник и нажимаем Start.
По окончании скачивания вы должны получить вот такие результаты

OpenECry (Gain Futures)

Источник рыночных данных для клиентов Gain Capital, который вам дает брокер бесплатно при открытие счета. Ключевые настройки источника во многом аналогичны настройкам, которые мы сделали в Google с той лишь разницей, что теперь нужно вносить логин/пароль от вашего аккаунта для доступа к потоку данных и выбрать правильный адрес с которого эти данные будут идти. Предустановлено 3 возможности: тестовый сервер (к которому подключаемся мы и который предназначен для разработчиков), симулятор (сервер для демо счетов), реальный сервер (сервер, имеющий подключение к реальному рынку и реальным счетам). Если у вас открыт счет, то ваш выбор реальный сервер.

Параметр Candle from data нужен для указания начальной даты, с которой необходимо скачивать историю в виде свечей.
После того, как вы это сделаете добавляем инструменты данные по которым мы хотим получить, поскольку OEC поддерживает автоматическую загрузку и поиск инструментов, делаем это через кнопку Download Securities, с последующим добавлением их через код инструмента. Наш выбор ESZ6 (мини S&P) и NQZ6 (мини Nasdaq).

В результате добавления у вас должно получиться тоже самое, что представлено на картинке.
Теперь обратите ваше внимание на нижнюю часть окна. В самом начале статьи мы говорили о том, что Hydra поддерживает загрузку и хранение множества типов рыночных данных, настройки о том какие данные загружать можно сделать с помощью соответствующей панели:

On Ticks - означает, что будут загружаться тики
On Market Depth - означает, что будут загружаться стаканы
Candles имеет дополнительную настройки при нажатии на кнопку можно выбрать типы свечей которые будут загружаться, вот как это выглядит:

On Level 1 - означает, что будут загружаться лучший бид/аск, а также ряд полей фундаментальной статистики тикера.
Теперь достаточно нажать кнопку Start и Hydra начнет получать данные и сохранять их локально. При этом, получаться будут как исторические, так и рыночные данные по торгам, которые идут прямо сейчас!
Таким образом, можно самостоятельно накапливать и сохранять рыночные данные, а затем использовать их при тестировании собственных стратегий.

IQFeed

IQFeed предоставляет, как и OpenECry, интрадей данные. Но, в отличие от OEC, IQFeed поддерживает очень большой диапазон параллельных подписок, а также значительно большую глубину истории, как по свечам, так и по тиковым данным.
Настройки источника аналогичны OpenEcry:

Параметр Candle from data нужен для указания начальной даты, с которой необходимо скачивать историю в виде свечей.
Параметр Ticks from data нужен для указания начальной даты, с которой необходимо скачивать историю в виде тиков.
Все остальные действия аналогичны описанным выше.

Работа с данными

Теперь после всех манипуляций, нужно понять, а как же с этими данными работать и что еще может программа. Напомним, что данные сохраняются в той папке, куда вы их скачали, но как посмотреть, что получилось.
Для этого обратимся к источнику OEC Trader по которому было скачано множество данных, выделим его и нажмем правую кнопку мыши.

После этого из менюшки можно выбирать то, каким образом работать с инструментом. Давайте выберем Market Depths и затем в открывшемся окне нажмем кнопку с лупой.
В результате мы получим подобную картинку

Далее аналогично выбираем Level 1, а потом Candles 1 min, только в окне работы со свечами выбираем не лупу, а кнопку “Построить график”. Результаты показаны на рисунках ниже

Вот таким образом можно просматривать данные и работать с ними прямо из программы.
Надеемся наш продукт поможет вам в трейдинге и разработке прибыльных торговых систем.

S#.Designer. Скачивание данных и тестирование на истории. Видео 2.

2016-09-07T13:12:56Z

Colocation преодолевает скорость света. 3 часть

2015-07-11T13:07:28Z

Перейти к части 2

Colocation обеспечивает лучшее решение для высокоскоростных приложений
Мы показали, что механизм центрального компьютера может быть заменен на функционально идентичный механизм с использованием группы компьютеров, размещенных с серверами биржи. Парадоксально, но в целях достижения эквивалентного результата мы должны были использовать абсурдные на первый взгляд генераторы искусственных задержек, что тормозило передачу информации от каждого сервера к компьютеру на задержку равную задержке полного круга между сервером и центральным компьютером – d (плюс дополнительная задержка сервера в общем механизме, совмещенных групп). Для большинства алгоритмов "центрального компьютера" удаление генераторов задержки в похожем сценарии позволит дизайнерам разработать алгоритм распределения, который не только соответствует, но гораздо лучше, чем алгоритм "центрального компьютера". Природа и значение улучшения будет зависеть от алгоритма и его функции. В большинстве случаев, алгоритм "центрального компьютера" придется переписать с нуля, чтобы воспользоваться преимуществом предвидения на местном рынке. (Однако, в некоторых случаях, улучшение невозможно. Рассмотрим это на примере неких ежечасных "слепых" аукционов. В таком случае, использование одного центрального компьютера будет оптимальным. То есть более экономичным, чем в группе совмещенных компьютеров.).
Вспомним наш пример "Нью-Йорк-Лондон" из предыдущего раздела. Что было бы, если бы замедлили передачу информации в дата-центре Нью-Йоркской биржи с коэффициентом 10 000 (с типичных двух микросекунд до 20 миллисекунд). Ни один уважающий себя высокочастотный трейдер не станет мириться с таким положением вещей. Удаление генератора задержки позволило бы размещенным компьютерам "заглянуть в будущее на локальных рынках" по сравнению с тем, что видит центральный компьютер. Это позволило бы развить значительное превосходство торговой стратегии. Фирмы, занимающиеся высокочастотной торговлей готовы платить миллионы долларов в месяц, чтобы увидеть 20 мс. в будущем. Другими словами, если компьютер находится в середине между финансовыми биржами, то это лучший способ приблизиться к скорости света, а с помощью компьютеров, размещенным в дата-центрах разных бирж можно "преодолеть скорость света" - откуда и название этой статьи.
Но даже и без каких-либо дополнительных усовершенствований, стратегии на механизме совмещенных групп должны быть развернуты только в N финансовых центрах по всему миру, а не n⋅ (N-1) / 2 "серединных торговых точек", показанные в статье Nature. Наконец, самая хорошая новость: нам никогда не понадобятся страшные "корабли для высокоскоростной торговли"!

Вариант полноценного Colocation решения может эмулировать любое другое решение
Мы показали, что механизм "центрального компьютера" может быть всегда заменен на функционально эквивалентный механизм или более эффективный, при использовании группы компьютеров, размещенных в дата-центрах бирж. Один вопрос, который остается: может ли быть улучшено данное решение? Можем ли мы, добавив несколько дополнительных компьютеров в середине и/или удалив некоторые из размещенных компьютеров, получить любое лучшее решение, чем то, которое может быть реализовано с помощью механизма "совмещенных групп"? Ответ: - нет. Полная группа N компьютеров совместного размещения с серверами N обеспечивает оптимальную конфигурацию, которая не может быть улучшена.
Для того, чтобы заявить об этом официально, мы определяем новый термин: "агрегирующая конструкция". Агрегирующая конструкция - это группа компьютеров, работающих под распределенным алгоритмом, включая каналы коммуникации между членами группы и все входные и выходные каналы связи с внешним миром (состоящая из "серверов"). В отличие от одного компьютера под управлением алгоритма, спецификация агрегирующей конструкции должна включать сведения, касающиеся пространственных расположений входов и выходов, а также компьютеров-членов, и задержки ограничений на связи между этими местами. Агрегирующая конструкция более официальный термин для того, что мы называли "черный ящик" в предыдущих разделах.
Данные N серверов, полноценного colocation решения агрегирующей конструкции – это объединение N компьютеров, совмещенных с соответствующими им серверами.
В заключении, чтобы продолжить наше доказательство, нам нужно будет провести операцию по "объединению" компьютеров. Если C1 и C2 два отдельных, совмещенных компьютера под управлением алгоритма A1 и A2, соответственно, то C1^C2 обозначает компьютер, на котором запущены те же алгоритмы и используются в сочетании входящих/исходящих каналов обоих компьютеров как входящих / исходящих каналов одного объединенного компьютера, соответственно (см. рисунок - "Операция по созданию объединенного компьютера C1 ^ C2"). Операция соединения является чисто косметической. Два алгоритма работают независимо друг от друга на объединённом компьютере и сохраняют все их свойства (например, смещение времени, входные задержки и т.д.). Сообщения, полученные и отправленные от двух алгоритмов, также остаются прежними. Операция по объединению позволяет рассматривать два размещенных компьютера, как один компьютер, который функционально эквивалентен обоим, будучи объединенными. От перестановки компьютеров суть операционного объединяющего компьютера не изменится. (В соответствии с правилами commutative и associative.).

Теперь мы готовы сформулировать и доказать основной результат.
Следствие 1. Любое объединение компьютеров, подключенных к нескольким серверам, может быть повторно реализовано с использованием полноценного colocation решения агрегирующей конструкции таким образом, что поведение агрегирующей конструкции (как зафиксировано серверами) неотличимо от исходной совокупности.
Для доказательства используем метод математической индукции (mathematical induction ) по числу K компьютеров совокупности, которые не совмещены ни с одним из серверов.
Очевидно, что вывод верен для К = 0. Здесь каждый компьютер агрегирующей конструкции находится в colocation связке с одним из серверов. Для того, чтобы сформировать эквивалент полноценного colocation решения агрегирующей конструкции, мы добавляем компьютеры, не совершающие никаких действий, к серверам, у которых нет подключенных компьютеров, и мы заменяем все компьютеры, находящиеся в colocation связке с данным сервером на их Joined версию (см. рисунок выше), чтобы обеспечить единый объединенный объект на каждый сервер.
Предположим теперь, что следствие верно для некоторого K ≥ 0.
Рассмотрим агрегирующую конструкцию D* подключённую к N-серверам (X1, ..., Xn), так чтобы K+1 компьютеров, которые не находятся в colocation связке ни с одним из серверов.
Мы начинаем с нормализации D*: добавляем компьютеры, не совершающие никаких действий, к серверам, у которых не было подключенных компьютеров D*, и мы заменяем все агрегирующие конструкции, находящиеся в colocation связке с данным сервером на Joined версию (см. рисунок выше), чтобы обеспечить единый объединенный объект на каждый сервер. Это не меняет количество, не находящихся в colocation связке компьютеров D* или поведение агрегирующей конструкции.
Отныне, мы предполагаем, что Di является одним из компьютеров D*, находящийся в colocation связи с сервером Xi для i = 1, ..., N. и что компьютеры DN+1, ..., DN+K+1, не находятся в colocation связи ни с одним из серверов.
Таким образом, мы предполагаем, что объект DN+K+1 не связан напрямую с любым сервером Xi. Если он был подключен непосредственно к Xi, мы всегда можем поручить компьютерам, находящимся в Colocation связке c Di стать сквозным посредником между Xi и DN+K+1.
Рассмотрим теперь все D1, …, DN+K компьютеры, как "серверы" в теореме 1. Пусть C = DN+K+1 будет центральным компьютером связующим с "серверами" D1, …, DN+K. По теореме 1, мы можем построить функционально идентичную систему, которая заменяет C на N+K компьютеров Xi, размещенным с соответствующими компьютерами Di.
Наконец, определим новую агрегирующую конструкцию E* работающую на компьютерах E1, …, EN+K, где мы устанавливаем Ei = Ci ^ Di..
Очевидно, что агрегирующую конструкции E* - это эквивалент D* (когда под присмотром серверов Xi), но имеет только К участников, которые не находятся в colocation связи ни с одним из серверов. Таким образом, по методу индукции, E* является эквивалентом полноценного colocation решения агрегирующей конструкции. Это завершает (предыдущий) шаг и доказывает следствие.
Примечание: Доказательство данного следствия может рассматриваться как предоставление метода, который позволяет удалить один за одним в любой последовательности не связанные colocation связью участников совокупности D* без изменения функциональности агрегирующей конструкции (как это зафиксировано серверами).

Colocation предоставляет оптимальное решение
Рассуждая об "оптимальности" мы можем только предположить, что пользователь имеет в виду измеримую меру полезности, которую можно будет применить к любой совокупности агрегирующих конструкций с определенным набором серверов. Мы предполагаем, что функция "полезности" может базироваться только на данных, полученных с серверов. (Например, можно было бы оценить торговую стратегию по ее средним дневным результатам на основе некоторого эталона, используя исторические исходные данные, собранные серверами). Теперь мы можем перефразировать Следствие 1 и констатировать, что:
Следствие 2. Полноценное colocation решение агрегирующей конструкции является оптимальным вариантом для HFT арбитражеров. Другими словами, нераспределенный алгоритм может обойти другие алгоритмы, используя агрегирующую конструкцию и colocation связку с серверами бирж.
Примечание: в итоге, в высшей степени важно учитывать нашу ненавязчивую позицию в определение того, что является "лучшими" средствами. Независимо от того, как вы оцениваете работу вашего алгоритма (например, желаете ли вы заработать или потерять больше денег), вы не можете обогнать распределённый вариант описанный выше. В качестве примера: Не начинайте интервенцию йены, если не находитесь в Токио (а также если не находитесь в Лондоне, если на то пошло)!

Реверсивные роли – распределенные биржи преодолевают скорость света
До сих пор мы рассматривали теорему 1 в сценариях, состоящих из торгового компьютера, подключенного к серверам нескольких бирж, потому что это схема укладывается в сценарий "серединной точки" из статьи журнала Nature. Теперь мы переформулируем теорему 1, поменяв местами роли бирж и финансовых центров.
Традиционные биржи располагают центральным matching (мэтчинг/матчинг) движком для компьютеров клиентов HFT, размещенным в одном центре обработки данных. Удаленные клиенты могут находиться по всему миру, используя компьютеры, расположенные в точке доступа дата-центров (либо самой биржи, либо сторонних компаний), которые предлагают безопасное, надежное и естественно с малой задержкой подключение к центральной системе (ядру биржи).
Рассмотрим теперь мэтчинговый движкок бирж как “центральный компьютер” и точку доступа в дата-центры, как "серверы", приведенные в теореме 1. Используя эту хитрость, теорема 1 может быть сформулирована следующим образом:
Следствие 3. Любой центральный мэтчинговый движок биржи подключенный к N ≥ 1 точки доступа дата центров может быть воспроизведен с использованием группы N соединенных между собой мэтчинговых движков, которые находятся в соответствующих дата-центрах таким образом, что поведение новой реализации (как зафиксировано в дата-центрах) ничем не отличается от оригинального решения на одном мэтчинговом движке.
В результате, следствия 1 и 2, могут быть преобразованы таким же образом. В частности архитектура биржи, которая использует полноценное colocation решение агрегирующей конструкции мэтчинговых движков (один мэтчинговый движок на каждую точку доступа дата центра) является оптимальной!

Кейс для распределенных бирж
Очевидно, что участники, торгующие HFT алгоритмы, давно выяснили преимущества colocation, когда торгуют арбитраж AAPL между различными серверами бирж Нью-Джерси, или когда торгуют арбитраж E-Mini на CME в Aurora, IL versus SPY, Arca в Secaucus NJ. Так почему же биржи упорно используют центральные мэтчинговые движки?
Основной причиной является производительность и прибыль биржи. По сравнению с одним центральным биржевым компьютером, распределенная биржевая архитектура добавляет проблем с точки зрения дизайна и сложности устройства, увеличивает задержки сделки, а также дополнительные затраты на инфраструктуру. Эти эффекты могут ощутить на своем опыте все клиенты биржи, даже те, которые не участвуют в арбитражных операциях и рады торговать в одном месте совместного размещения с простым, быстрым и относительно недорогим центральным мэтчинговым движком. Распределенная архитектура биржи также будет способствовать снижению (или сведет на нет) необходимость арбитража, что в результате снизит огромные объемы торговли арбитражеров, которые приносят пользу бирже.
На фондовом рынке США, торговля географически сосредоточена в одном месте. Начиная с NYSE и Nasdaq, практически все фондовые торги в США осуществляются на серверах в Нью-Джерси, которые находятся в нескольких десятках километров друг от друга. Несмотря на то что (благодаря 1998 SEC Regulation ATS) одна и та же акция может торговаться на нескольких биржах, каждая биржа, как правило, имеет только один мэтчинговый движок для данного эмитента. Несмотря на все это еще можно было утверждать, что, в целом, американский рынок акций использует распределенную мэтчинговую архитектуру:
1. Акции биржи и ATS (альтернативные торговые системы) требуют отправки заявок на разные площадки, чтобы получить лучшую цену (благодаря 2007 SEC регулирования NMS).
2. Распределители для умных заявок расположенные в точках доступа отправляют заявку на ту биржу, где заявка имеет наибольшие шансы пройти по лучшей цене.
3. Брокер/банк, выполняющие внутренние внебиржевые сделки и "дарк пулы" можно рассматривать как расширение основного мэтчингового механизма биржи.
Конечно, дьявол кроется в деталях и если посмотреть внимательно, то существующая биржевая архитектура Фондового рынка США (если рассматривать в совокупности как единый механизм) является чудовищно сложной и неэффективной. Компьютеры HFT трейдеров, имеющие colocation связку с несколькими ближайшими биржами процветают, торгуя арбитраж и другие интеллектуальные методы, эксплуатирования неэффективностей.
На рынках акций, опционов и фьючерсов, в силу исторических причин, восходящих к торговле фьючерсами на кукурузу или пшеницу, большинство американских фондовых фьючерсов и опционов торгуются в Чикаго (на CME и CBOE, соответственно). Здесь логично было бы просто переместить мэтчинговые движки CME и CBOE в Нью-Джерси. Но это вряд ли произойдет, учитывая, что пока еще нет конкурентного давления на биржи Чикаго, которое мотивировало бы их на этот шаг. Высокочастотные трейдеры этому только рады и конкурируют друг с другом, чтобы построить лучше дешевле, быстрее, распределенные арбитражные стратегии (используя Spread Networks tunnel и its true-speed-of-light successors[9]).

Поистине распределенная архитектура биржи
Наконец, давайте зададим обратный вопрос: почему и где были бы полезны распределенные биржевые серверы мэтчинга заявок для конкретного инструмента в отдалении от самих бирж? Первый ответ в том, что распределение биржевых серверов в пространстве было бы полезно, если клиенты были бы географически "рассредоточены" и не желали заказывать colocation своих торговых компьютеров с центральным мэтчинговым движком биржи.
До сих пор, единственная область, где распределенная биржевая архитектура нашла свое применение - это торговля на рынке Forex. Например, когда вы торгуете USD (доллар США) против JPY (Японская иены), необходима локальная информация о состоянии экономики каждой из двух далеко расположенных стран. Кроме того, есть политические аргументы против торговли своей валютой с помощью мэтчинговых движков далеко за рубежом.
Когда впервые была представлена электронная заявка на спот рынке Forex, что впервые произошло в 1990-х годах, были первоначально две USD/JPY биржи: Reuters (в Лондоне) и Майнекс (в Токио). Лондон - Токио задержки в те дни были порядка 300 мс, которые легко заметны невооруженным глазом. Также, были политические причины против торговли свей валютой на зарубежных площадках.
Когда мне была поставлена задача разработки новой глобальной биржи EBS Forex exchange, я выбрал распределенную архитектуру с тремя синхронизированными мэтчинговыми движками - в Лондоне, Нью-Йорке и Токио[10]. Это при условии отличной производительности во всех трех регионах и удовлетворении требований мировых банков. В 1996, EBS вошла в состав Minex, став доминирующей мировой USD/JPY площадкой на межбанковском электронном рынке - позиция, которую она занимает и по сей день. (Хотелось бы мне в то время обладать информацией из этой статьи, иметь представление о данной работе, когда пытался убедить своих коллег поверить в распределенную архитектуру бирж... но, в конце концов, мы использовали наше шестое чувство -, - и оказались правы)
Другой пример распределенной Forex площадки является Fastmatch, которая также имеет три мэтчинговых движка: в Лондоне, Нью-Йорке и Токио. Ее архитектура значительно отличается от EBS, однако, заявки распространяются не прозрачным способом и мэтчинг осуществляется по трем регионам.

Литература по данной тематике
Чтобы узнать больше о чудесах распределенных торговых систем, исследуйте ссылки [11] и [12] .

Благодарности автора
Я благодарю Michael Merold, Schalk Steyn, Alec Schmidt, Mark Reece, Wlodek Stankiewicz, Ewa Howorka, и всех, кто предоставили полезные комментарии по первоначальному проекту этого документа.

Ссылки
1. Mark Buchanan, Physics in finance: Trading at the speed of light, Nature, Feb 11, 2015.
2. A. D. Wissner-Gross and C. E. Freer, Relativistic statistical arbitrage, Physical Review E 82, Nov 5, 2010.
3. World Federation of Exchanges, WFE 2009 Annual report and statistics, Dec 2009.
4. Stock Trades at the Speed of Light, PhysicsCentral, Nov 11, 2010.
5. Eric Garcia, Physicist says it is possible to use ships to facilitate high-frequency trading, MarketWatch, Feb 19, 2015.
6. M. Rohan, Dark pool and HFT: It is possible to use ships for high-frequency trading, International Business Times, Feb 19, 2015.
7. Timothy B. Murray, HFT’s Oceanic Moment, WatersTechnology, Mar 11, 2015.
8. M. Rohan, Dark pool and HFT: BoE says high-speed trading helps markets, International Business Times, Feb 24, 2015.
9. Scott Patterson, High-Speed Stock Traders Turn to Laser Beams, Wall Street Journal, Feb 11, 2014.
10. Michael Togher, Michael F. Dunne, Richard Hartheimer, Credit management for electronic brokerage system, U.S. Patent No. 5,375,055, issued Dec 20, 1994, assigned to EBS.
11. Edward R. Howorka, Andrew P. Foray, Architecture for anonymous trading system, U.S. Patent No. 7,184,982, issued Feb 27, 2007, assigned to EBS.
12. Edward R. Howorka, Method and apparatus for enhancing market data feed using proprietary order flow, U.S. Patent No. 8,296,217, issued Oct 23, 2012, assigned to MarketFactory.
13. Edward Howorka, In brief, colocation beats the speed of light, The Trading Mesh, Apr 9, 2015.

Ссылка на первоисточник данной статьи
Перевод: Николай Флёров

S#.Designer. Скачивание, установка, запуск. Видео 1.

2016-09-05T12:03:55Z

Зачем создавать торговых роботов своими руками, если можно купить, заказать или получить бесплатно?

2015-09-17T21:23:56Z

Пожалуй, это самый частый вопрос того, кто только-только начинает делать первые шаги в алгоритмическом трейдинге. Почему нужно учиться писать роботов самостоятельно, чем просто пойти по легкому пути с делегированием? Действительно, а почему нет?

Давайте попытаемся ответить по порядку на эти три разных вопроса.

1 - Купить торговый робот

Сейчас в интернете множества различных сайтов с десятками, а то и сотнями готовых роботов. Бери - не хочу. Но давайте на минутку зададимся вопросом - а нет ли здесь подвода? Ведь, если роботы действительно приносят прибыль (с другом стороны, зачем нам покупать робота, который теряет деньги?), то зачем создателям их продавать? Почему создатели, вместо торговли на бирже своими роботами, занимаются их продажами?

Ответ прост. Продающиеся торговые роботы, как правило, если и были зарабатывающими, то в прошлом. Или же они имеют вид некого комбайна из десятка различных параметров. И ваш депозит трейдера успеет быстрее подойти к нулю, чем вы успеете найти комбинацию, дающая профит вашей торговле.

2 - Заказать разработку

Как и в предыдущем вопросе здесь кроется одно очень большое НО. Программисты не придумывают прибыльный алгоритм. Если бы они это умели, он зарабатывали на бирже. Поэтому вам потребуется самостоятельно разработать стратегию торговли на бирже, протестировать ее на истории, и, будучи на 99% уверенным в ее робастости, отдать на разработку.

Но постойте! Как вы сможете проверить алгоритм, если вы не можете написать код самостоятельно? А если вы можете написать код стратегии, протестировать ее, то зачем же тогда делать заказ?

Ответ так же прост. Не делайте заказы на роботов, если вы сами можете их разрабатывать. И, аналогично, если вы не можете делать роботов - не делайте заказы на них. Вы не сможете придумать качественную торговую стратегию, и ваши деньги, заплаченные программисту, вылетят в трубу.

Мы в нашем сервисе предупреждает об рисках заказа роботов теми, кто ни разу не писал своего до этого.

3 - Получить торговый робот бесплатно

Сейчас бесплатно можно получить готового робота от брокера. Или же скачать откуда-то в интернете. В чем подвод тут?

Нужно всегда помнить - бесплатный сыр бывает только в мышеловке. Вариантов тут несколько. Или робот псевдо-бесплатен (переходим к пункту Купить торговый робот), или он бесполезен и написан начинающим алготрейдером, или он преследует цели набора комиссии для брокера (особенно, если робот высокочастотен), или он является частью учебного пособия.

Наиболее полезным для начинающих будет только последний вариант с учебным пособием. Потому что этот вариант не будет иметь скрытого мотива. И данный робот, хоть и будет иметь аналогичное качество всем остальным роботам (что можно купить или заказать), но будет иметь неоспоримый плюс - попытаться вас научить делать роботов самостоятельно.

Надеюсь, данная статья помогла систематизировать ваши представления о роботов. Успехов в алгоритмическом трейдинге!

Коннекторы StockSharp. Запись вебинара.

2016-05-18T10:31:35Z

Друзья! Для тех кто по разным причинам не смог присутствовать на нашем вебинаре, сегодня мы выкладываем его запись.

В вебинаре рассказывается про наши коннекторы и базовые основы работы с ними.

Материалы для скачивания.

Старая песня о главном: долги (часть 1)

2015-07-13T14:58:32Z

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

Многослойный персептрон! Грааль где то рядом!

2014-01-22T18:23:12Z

Начало здесь: http://www.stocksharp.co...--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. [biggrin]
В выложенном варианте входную последовательность, и эталон я менять не стал(ну не выкладывать же грааль [lol]). 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! [biggrin]

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:
1) M[X] Математическое ожидание = вероятность выигрыша * средняя величина выигрыша + вероятность проигрыша * средняя величина проигрыша (в качестве результата прирост на 1 сделку в абсолютных величинах)
2) M[X] Математическое ожидание (1+( средняя величина выигрыша / средняя величина проигрыша))* вероятность выигрыша -1 (в качестве результата вероятность в % получения прибыли за период)
* M[X] > 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 – 2*количество прибыльных сделок*количество 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:
1) 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.
2) 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