Hello algo

Простая и понятная стратегия для начала изучения алготрейдинга. Скачай и запусти Идея стратегии основана на пересечении скользящих средних (SMA Crossover) ## Сигналы | Сигнал | Условие | Описание | |--------|---------|----------| | BUY 🟢 | Быстрая SMA пересекает медленную снизу вверх | Сигнал на покупку | | SELL 🔴 | Быстрая SMA пересекает медленную сверху вниз | Сигнал на продажу |  ## Особенности ### Преимущества - ✅ **Простота**: всего 2 индикатора, понятная логика - ✅ **Надежность**: классика, работает на трендовых рынках - ✅ **Бейзлайн**: идеально для сравнения с более сложными стратегиями ### Недостатки - ⚠️ **Запаздывание**: SMA отстают от цены, поздние входы - ⚠️ **Ложные сигналы**: плохо работает во флете ## 📁 Структура торгового робота ``` bot/ │ ├── config/ # ⚙️ Конфигурация │ ├── venue_config.py # Параметры подключений к API │ ├── trading_config.py # Технические настройки робота │ └── algo_params.py # Параметры стратегии │ ├── data/ # 📊 Получение данных │ └── moex_client.py # Работа с API │ ├── indicators/ # 📈 Расчет технических индикаторов │ └── technical.py # SMA │ ├── strategies/ # 🎯 Торговые стратегии │ ├── base_strategy.py # Базовый класс стратегии │ └── sma_crossover.py # Hello World стратегия │ ├── execution/ # 💼 Исполнение ордеров │ └── order_manager.py # Управление ордерами │ ├── core/ # 🔧 Ядро системы │ ├── trading_engine.py # Основной торговый движок │ └── portfolio.py # Управление позицией │ ├── utils/ # 🛠️ Утилиты │ ├── time_utils.py # Работа со временем │ └── logger.py # Логирование │ ├── main.py # 🚀 Точка входа (лайв-торговля) └── requirements.txt # 📦 Зависимости ``` ## ⚙️ Параметры **TRADING_CONFIG:** Технические настройки робота ```python TRADING_CONFIG = { 'ticker': 'GAZP', # Код инструмента 'quantity': 700, # Кол-во лотов 'trading_start_time': '07:05:00', # Время начала работы робота 'trading_end_time': '23:40:00', # Время окончания работы робота 'history_days': 3, # Подгрузка последних исторических данных при старте 'fetch_interval': 60, # Получение апдейта котировок каждые 60 секунд 'timeframe': 10, # Работаем на 10 минутных свечах } ``` **ALGO_PARAMS:** Гиперпараметры торгового алгоритма ```python SMA_CROSSOVER_PARAMS = { 'sma_fast': 5, # Параметр быстрой скользящей средней, 5 последних свечей 'sma_slow': 15, # Параметр медленной скользящей средней, 15 последних свечей } ``` **VENUE_CONFIG:** Настройки подключений к API ```python ARENAGO_CONFIG = { 'url': 'https://arenago.ru', # Заявки отправляем на платформу arenaGo 'token': '054078..........ee8b51', # Токен для работы с платформой 'bot': 'baseline_bot' # Наименование робота (счета) } # Получаем данные с Биржи MOEX_DATA_API = 'https://iss.moex.com/iss/engines/stock/markets/shares/boards/tqbr/securities' ``` ## 🚀 Быстрый старт ### 1️⃣ Настройка конфигурации Отредактируйте `config/venue_config.py`: ```python ARENAGO_CONFIG = { 'bot': '...' # Создайте робота на https://arenago.ru и впишите сюда его наименование 'token': '...', # Создайте токен и впишите сюда } ``` ### 2️⃣ Запуск лайв-торговли ```bash python main.py ``` Результат торговли можно смотреть на arenago.ru  ## 🎓 Как работает робот 1. Робот запускается 2. Скачивает исторические 10 минутные свечи по GAZP за последние 3 дня через API 3. Каждые 60 сек. получает новые свечи с актуальными ценами 4. Считает индикаторы скользящей средней 5. Проверяет есть ли сигнал на покупку или продажу 6. Если да, то отправляет заявку на покупку/продажу на arenago.ru 7. Возвращается к п.3 8. В 23:40 робот останавливается и закрывает все открытые позиции Результаты торговли можно смотреть в live на arenago.ru Все действия робота логируются ## ⚠️ Disclaimer Код предоставлен в образовательных целях. Торговля на финансовых рынках связана с риском потери капитала. ## 🤝 Контакты telegram: [@arenago_ru](https://t.me/arenago_ru) Создано для платформы arenago.ru 🚀 ## 📦 Зависимости ```txt requests>=2.31.0 # HTTP запросы к API pandas>=2.0.0 # Обработка данных numpy>=1.24.0 # Математические вычисления tqdm>=4.65.0 # Progress bars ``` # Куда можно двигаться дальше: 50 шагов трансформации демо-бота в прибыльную торговую систему ## 🎯 Улучшение качества данных (пункты 1-8) ### 1. Мультитаймфреймовый анализ **Проблема:** Сейчас бот смотрит только на один таймфрейм (10 минут) **Решение:** Добавить анализ на нескольких таймфреймах одновременно - Долгосрочный тренд (дневные свечи) - Среднесрочный (часовые свечи) - Краткосрочный (10-минутные) **Реализация:** Торговать по краткосрочному сигналу только если он совпадает с трендом на старших таймфреймах ### 2. Фильтрация качества данных **Проблема:** API может давать некорректные данные (гэпы, выбросы) **Решение:** Добавить модуль валидации данных - Проверка на аномальные прыжки цены (>5% за минуту) - Выявление пропусков в данных - Интерполяция или отбрасывание плохих данных ### 3. Обогащение данных объемами **Проблема:** Сейчас используется только цена **Решение:** Включить анализ объемов торгов - Volume Profile - VWAP (Volume Weighted Average Price) - OBV (On-Balance Volume) **Польза:** Объемы показывают силу движения, отфильтровывают ложные пробои ### 4. Добавление стакана заявок (Order Book) **Проблема:** Нет информации о глубине рынка **Решение:** Парсить Level 2 данные - Размер заявок на покупку/продажу - Дисбаланс стакана - Крупные заявки (айсберги) **Применение:** Входить только когда стакан поддерживает направление сделки ### 5. Микроструктура рынка **Проблема:** Не учитывается spread и проскальзывание **Решение:** Моделирование реальных издержек - Bid-Ask spread в разное время дня - Проскальзывание в зависимости от объема - Исполнение по худшей цене ### 6. Альтернативные источники данных **Проблема:** Зависимость от одного источника **Решение:** Добавить резервные источники - Finam Export - Investing.com - Yahoo Finance (для сравнения) **Польза:** Кросс-валидация данных, защита от сбоев API ### 7. Исторические режимы рынка **Проблема:** Стратегия не адаптируется к текущему режиму **Решение:** Классификация рыночных режимов - Тренд (бычий/медвежий) - Флет (консолидация) - Высокая/низкая волатильность *Применение:** Использовать разные стратегии для разных режимов ### 8. Корпоративные события **Проблема:** Бот торгует во время дивидендных гэпов **Решение:** База данных корпоративных событий - Дивиденды (дата закрытия реестра) - Сплиты акций - Новости и отчеты компаний --- ## 🧠 Категория 2: Продвинутые стратегии (пункты 9-18) ### 9. Машинное обучение для предсказания **Проблема:** Простые индикаторы запаздывают **Решение:** ML-модели для предсказания цены - Random Forest для классификации (вверх/вниз/боком) - LSTM для временных рядов - XGBoost для feature importance **Фичи:** 50+ технических индикаторов, объемы, время суток ### 10. Ансамбль стратегий **Проблема:** Одна стратегия не работает всегда **Решение:** Комбинация нескольких стратегий - Взвешенное голосование (по Sharpe Ratio) - Динамическое переключение - Портфель стратегий ### 11. Sentiment Analysis (анализ настроений) **Проблема:** Не учитывается новостной фон **Решение:** NLP анализ новостей и соцсетей - Парсинг RBC, Ведомостей, Коммерсанта - Анализ Telegram-каналов трейдеров - Scoring от -1 (негатив) до +1 (позитив) **Применение:** Не входить в лонг при негативных новостях ### 12. Статистический арбитраж **Проблема:** Одна бумага - высокий риск **Решение:** Pairs Trading (парный трейдинг) - SBER vs VTBR (два банка) - LKOH vs ROSN (две нефтянки) - Z-score коинтеграции **Преимущество:** Рыночно-нейтральная стратегия ### 13. Mean Reversion с умными порогами **Проблема:** Фиксированные Bollinger Bands не адаптируются **Решение:** Динамические пороги - Пороги зависят от волатильности (ATR) - Разные пороги в разное время дня - Пороги зависят от режима рынка **Модуль:** `strategies/adaptive_mean_reversion.py` ### 14. Momentum с фильтрацией ложных пробоев **Проблема:** Много ложных пробоев уровней **Решение:** Подтверждение пробоя - Объем выше среднего (1.5x) - Закрепление выше уровня (2-3 свечи) - RSI подтверждает силу **Модуль:** `strategies/confirmed_breakout.py` ### 15. Market Making стратегия **Проблема:** Стратегии только односторонние **Решение:** Двусторонние заявки (bid + ask) - Выставлять лимитные заявки с двух сторон - Зарабатывать на спреде - Требует быстрого API **Применение:** Ликвидные бумаги во флете ### 16. Scalping с микропрофитом **Проблема:** Слишком долгое удержание позиций **Решение:** Ультракороткие сделки - Таймфрейм 1-5 минут - Тейк-профит 0.1-0.3% - Стоп-лосс 0.05-0.1% - 20-50 сделок в день **Требования:** Низкие комиссии, быстрое исполнение ### 17. Overnight Gap стратегия **Проблема:** Позиции закрываются в конце дня **Решение:** Торговля гэпами утром - Анализ overnight gap (разница между закрытием и открытием) - Gap fill probability - Вход на откате после гэпа ### 18. Адаптивные стоп-лоссы **Проблема:** Фиксированный стоп вырезает прибыльные сделки **Решение:** Умные стопы - Trailing Stop (следующий стоп) - Волатильный стоп (ATR-based) - Временной стоп (по времени удержания) - Стоп по прибыли (если профит >2%, подтянуть стоп к безубытку) --- ## 💼 Категория 3: Риск-менеджмент (пункты 19-28) ### 19. Kelly Criterion для sizing **Проблема:** Фиксированный размер позиции неоптимален **Решение:** Математически оптимальный размер - Формула Kelly: f* = (p*b - q) / b - где p = win rate, b = avg win / avg loss - Ограничение: не более 25% от Kelly (для безопасности) ### 20. Pyramiding (наращивание позиции) **Проблема:** Упускается прибыль на сильных трендах **Решение:** Добавление к позиции - Первый вход: 50% планируемого размера - Добавка при прибыли 1%: еще 30% - Добавка при прибыли 2%: еще 20% **Правило:** Добавлять только в прибыльную позицию ### 21. Корреляционная матрица портфеля **Проблема:** Торгуя несколько бумаг, можно переконцентрироваться **Решение:** Анализ корреляций - Если SBER и VTBR коррелируют 0.95, торговать только один - Ограничение суммарного риска по коррелированным позициям ### 22. VaR (Value at Risk) расчет **Проблема:** Неясно, сколько можно потерять **Решение:** Оценка максимального убытка - VaR 95% = максимальный убыток с вероятностью 95% - Historical VaR, Parametric VaR - Monte Carlo симуляция *Применение:** Не открывать сделку, если VaR превышает лимит ### 23. Exposure management (управление экспозицией) **Проблема:** Все деньги могут быть в рынке **Решение:** Лимиты на экспозицию - Максимум 70% капитала в рынке - Максимум 20% на одну бумагу - Максимум 40% на один сектор ### 24. Drawdown-based position sizing **Проблема:** После убытков риск не снижается **Решение:** Уменьшение размера после просадки - При просадке 5%: уменьшить размер на 20% - При просадке 10%: уменьшить на 50% - При просадке 15%: остановить торговлю **Цель:** Защита капитала в плохие периоды ### 25. Время удержания позиции **Проблема:** Позиции могут висеть долго без движения **Решение:** Временные лимиты - Максимум 4 часа на одну позицию - Если за 1 час нет движения в нужную сторону → выход **Логика:** Деньги должны работать, а не "замораживаться" ### 26. Scaling out (частичное закрытие) **Проблема:** Или полный профит, или полный убыток **Решение:** Поэтапное закрытие - При профите 0.5%: закрыть 50% позиции - При профите 1.0%: закрыть еще 30% - Оставшиеся 20%: держать с trailing stop **Преимущество:** Фиксация прибыли + участие в тренде ### 27. Diversification score **Проблема:** Неясно, насколько диверсифицирован портфель **Решение:** Метрика диверсификации - Effective Number of Positions = 1 / Σ(weight_i²) - Цель: ENP > 5 (не менее 5 независимых позиций) ### 28. Circuit breakers (автоматические стопы) **Проблема:** В экстремальных условиях бот может потерять много **Решение:** Автоматическая остановка - Убыток 3% за день → стоп на сегодня - Убыток 5% за неделю → стоп на неделю - 3 убыточных дня подряд → режим осторожной торговли (размер позиций 50%) --- ## 🔧 Категория 4: Технические улучшения (пункты 29-38) ### 29. Распределенный бэктест **Проблема:** Бэктест одной стратегии на 1 год = 5 минут **Решение:** Параллельные вычисления - Multiprocessing для разных стратегий - Ray/Dask для кластера - GPU-ускорение (CuPy вместо NumPy) **Результат:** Тест 100 комбинаций параметров за 10 минут ### 30. Walk-forward оптимизация **Проблема:** Оптимизация на всей истории ведет к overfitting **Решение:** Rolling window optimization - Оптимизация на 6 месяцах - Тест на следующих 3 месяцах - Сдвиг окна и повтор **Модуль:** `backtesting/walk_forward.py` ### 31. Monte Carlo симуляция **Проблема:** Один бэктест не показывает возможные сценарии **Решение:** Симуляция тысяч вариантов - Перемешивание порядка сделок - Добавление случайного шума к ценам - Генерация 10,000 сценариев **Польза:** Confidence intervals для метрик (Sharpe Ratio: 1.2 ± 0.3) ### 32. Реал-тайм мониторинг **Проблема:** Неясно, что бот делает прямо сейчас **Решение:** Web-дашборд - Grafana + InfluxDB для графиков - Текущая позиция, P&L, сигналы - История сделок в реальном времени **Модуль:** `monitoring/dashboard.py` ### 33. Алерты и уведомления **Проблема:** Нужно постоянно смотреть на бота **Решение:** Система уведомлений - Telegram-бот для алертов - Email при просадке >2% - SMS при критических ошибках **Триггеры:** Открытие/закрытие позиции, убыток, ошибки API ### 34. База данных вместо CSV **Проблема:** CSV медленный и негибкий **Решение:** PostgreSQL или ClickHouse - Быстрые запросы по индексам - Хранение миллионов свечей - Агрегация и аналитика **Схема:** Таблицы для candles, trades, signals, performance ### 35. API Rate Limiter **Проблема:** API блокирует при частых запросах **Решение:** Интеллектуальный лимитер - Token bucket algorithm - Очередь запросов - Exponential backoff при ошибках **Модуль:** `data/rate_limiter.py` ### 36. Graceful degradation **Проблема:** При сбое API бот падает **Решение:** Отказоустойчивость - Кэширование последних данных - Переключение на резервный источник - Режим read-only при проблемах **Принцип:** Система должна деградировать плавно, а не падать ### 37. Версионирование стратегий **Проблема:** Неясно, какая версия стратегии в проде **Решение:** Git-like версионирование - Каждая стратегия имеет version hash - Логирование версии в каждой сделке - Откат на предыдущую версию одной командой **Модуль:** `core/strategy_versioning.py` ### 38. A/B тестирование стратегий **Проблема:** Неясно, какая стратегия лучше на реальном рынке **Решение:** Параллельный запуск - 50% капитала на стратегию A - 50% на стратегию B - Сравнение метрик за месяц **Модуль:** `backtesting/ab_testing.py` --- ## 📊 Категория 5: Аналитика и оптимизация (пункты 39-48) ### 39. Trade Attribution Analysis **Проблема:** Непонятно, что приносит прибыль **Решение:** Декомпозиция источников прибыли - Прибыль от тренда vs mean reversion - Прибыль по времени суток - Прибыль по дням недели **Вывод:** Торговать только в прибыльные часы ### 40. Slippage tracking **Проблема:** Реальная цена исполнения хуже ожидаемой **Решение:** Мониторинг проскальзывания - Разница между сигнальной ценой и исполнением - Среднее проскальзывание по инструментам - Worst-case slippage **Действие:** Увеличить буфер или сменить брокера ### 41. Feature importance analysis **Проблема:** Используется 50 индикаторов, но важны только 5 **Решение:** ML feature selection - SHAP values для интерпретации - Permutation importance - Удаление бесполезных фич **Результат:** Быстрее расчеты, меньше overfitting ### 42. Regime detection автоматический **Проблема:** Вручную не определить смену режима **Решение:** Hidden Markov Model (HMM) - Автоматическая классификация на 3-4 режима - Вероятность текущего режима - Переключение стратегии по режиму **Модуль:** `strategies/regime_detector.py` ### 43. Performance attribution по факторам **Проблема:** Непонятно, почему стратегия работает **Решение:** Факторный анализ - Alpha = прибыль от skill - Beta = прибыль от движения рынка - Факторы: momentum, value, volatility **Вывод:** Если весь профит от beta → стратегия не добавляет ценности ### 44. Overfitting detection **Проблема:** Стратегия отлично работает на истории, плохо в реале **Решение:** Тесты на переобучение - Walk-forward efficiency - Out-of-sample Sharpe Ratio vs In-sample - Permutation test (прибыльность на рандомных данных) **Критерий:** Если OOS Sharpe < 70% от IS Sharpe → overfitting ### 45. Transaction Cost Analysis (TCA) **Проблема:** Комиссии съедают всю прибыль **Решение:** Детальный учет издержек - Комиссия брокера - Биржевой сбор - Проскальзывание - Спред **Оптимизация:** Уменьшить частоту сделок, если TCA > 30% от прибыли ### 46. Equity curve smoothness **Проблема:** Equity curve слишком волатильна **Решение:** Метрики гладкости - Ulcer Index - Pain Index - Число локальных максимумов **Цель:** Smooth equity curve = предсказуемая прибыль ### 47. Trade clustering analysis **Проблема:** Сделки могут кластеризоваться во времени **Решение:** Анализ распределения - Сделок в час, день, неделю - Периоды высокой/низкой активности **Вывод:** Если 80% сделок в 2-3 часа дня → оптимизировать только это время ### 48. Benchmark comparison **Проблема:** Непонятно, лучше ли бот просто buy-and-hold **Решение:** Сравнение с бенчмарками - Buy-and-hold SBER - Индекс IMOEX - Равновзвешенный портфель **Критерий:** Sharpe Ratio бота должен быть > бенчмарка × 1.5 --- ## 🚀 Категория 6: Продвинутые фичи (пункты 49-50) ### 49. Reinforcement Learning агент **Проблема:** Фиксированные правила не адаптируются **Решение:** RL-агент учится сам - Deep Q-Network (DQN) - Состояние: цены, индикаторы, позиция - Действия: buy, sell, hold - Награда: Sharpe Ratio **Обучение:** 1 год истории, 100,000 эпизодов **Модуль:** `strategies/rl_agent.py` ### 50. Meta-оптимизация (оптимизация оптимизатора) **Проблема:** Непонятно, какие параметры оптимизировать **Решение:** Bayesian Optimization + Genetic Algorithm - Автоматический поиск лучших параметров - Multi-objective optimization (Sharpe + Drawdown) - Optuna framework **Результат:** Находит оптимум за 10x меньше итераций **Модуль:** `optimization/meta_optimizer.py`