Часть 1
Часть 2
КОРОТКАЯ СТАТЬЯ.
Мне стало интересно заглянуть под капот форекса и посмотреть как там дела. Это будет некое отклонение от рынка крипты и может быть интересно тем, кто торгует форекс. Ну или для общего развития. Торговать без рисков это больше для сео, риски в любом случае сохраняются, но минимизируются.
План работы как обычно:
-
добываем данные
-
определяем период
-
в нашем случае скачиваем и сохраняем тики
-
скрещиваем их в коде и получаем на выходе результат
-
результат будем делать на две группа, корреляция больше 0.8 и 09
Добываем данные.
Если в криптовалюте мы можем подключиться к бирже напрямую или через апи, то форекс чуть сложнее. Здесь есть варианты:
– получать данные с трейдингвью (платная подписка),
– получать данные с Оанды (не для РФ),
– подключаться к яхо финанс (как вариант).
– Я же выбрал вариант скачать тики с метатрейдера и сохранить все в экселе.
Мт4, выбираем архив котировок
Качаем что душе угодно – либо загружаем историю за 3 года, либо ограничиваемся тем временным промежуткам, который вам интересен. Так же выбираем ТФ и сохраняем
Данные выводятся вот в таком формате, что позволяет нам сразу приступить к работе
Собираем код.
Делать это будем через pandas
“`import pandas as pd
# Функция для загрузки данных из файла
def load_data(file_path):
# Читаем файл в DataFrame
df = pd.read_csv(file_path, header=None, names=[‘Date', ‘Time', ‘Open', ‘High', ‘Low', ‘Close', ‘Volume'])
# Создаем столбец DateTime
df[‘DateTime'] = pd.to_datetime(df[‘Date'] + ‘ ‘ + df[‘Time'], format='%Y.%m.%d %H:%M')
# Преобразуем цену закрытия в числовой формат
df[‘Close'] = df[‘Close'].astype(float)
return df[[‘DateTime', ‘Close']]“`
Загружаем список по вашему пути
“`# Загружаем данные для всех активов
file_paths = {
‘AUDCAD15′: r'ВАШ ПУТЬ',
‘AUDCHF15′: r'ВАШ ПУТЬ',
}“`
остальной код
“`# Создаем словарь для хранения данных
data_frames = {}
# Загружаем данные для каждого актива
for asset, file_path in file_paths.items():
data_frames[asset] = load_data(file_path)
# Объединяем все данные в один DataFrame
merged_df = data_frames[‘AUDCAD15'][[‘DateTime']] # Начинаем с DateTime первого актива
for asset, df in data_frames.items():
merged_df = pd.merge(merged_df, df, on='DateTime', how='left', suffixes=(”, f'_{asset}'))
# Переименуем столбцы для удобства
merged_df.columns = [‘DateTime'] + list(file_paths.keys())
# Рассчитываем матрицу корреляции
correlation_matrix = merged_df.corr()
# Выводим матрицу корреляции
print(“Матрица корреляции между активами:”)
print(correlation_matrix)
# Фильтруем пары с корреляцией больше 0.8
high_correlation_pairs = []
for i in range(len(correlation_matrix.columns)):
for j in range(i + 1, len(correlation_matrix.columns)):
if correlation_matrix.iloc > 0.8:
pair = (correlation_matrix.columns, correlation_matrix.columns[j], correlation_matrix.iloc)
high_correlation_pairs.append(pair)
# Фильтруем пары с корреляцией больше 0.9
high_correlation_pairs_09 = []
for i in range(len(correlation_matrix.columns)):
for j in range(i + 1, len(correlation_matrix.columns)):
if correlation_matrix.iloc > 0.9:
pair = (correlation_matrix.columns, correlation_matrix.columns[j], correlation_matrix.iloc)
high_correlation_pairs_09.append(pair)
# Выводим список пар с высокой корреляцией
print(“nПары с корреляцией больше 0.8:”)
for pair in high_correlation_pairs:
print(f”{pair[0]} и {pair[1]}: {pair[2]:.4f}”)
# Выводим список пар с корреляцией больше 0.9
print(“nПары с корреляцией больше 0.9:”)
for pair in high_correlation_pairs_09:
print(f”{pair[0]} и {pair[1]}: {pair[2]:.4f}”)“`
Итоги
Получаем вот такой список и я для себя выбираю активы с корреляцией больше 0.9 тем более есть с чем поработать. Но для интереса посмотрю и оставшиеся варианты, может там будет что-то интересное .
Дальнейшие шаги, на основе полученных тиков я хочу рассчитать волатильность каждого актива (чтобы понять объем) и посмотреть какие расхождения бывают, то есть с каким отклонением.
На мой взгляд на этих рынках удобнее и практичнее торговать новичкам или тем, у кого маленький депозит т.к. на крипте с таким подходом на один ордер нужно будет минимум 100 долларов т.к. попадаются активы с волатильностью 1к9, соответственно вы грузите 10 долларов на левую ногу и 90 на правую.
На форексе у брокеров есть центовые счета и ваши 100 долларов можно превратить как бы в 100 000, само собой в конце торговли при росте депозита нужно будет отнимать три ноля. Но для тестов и практики такой счет подойдет с возможностью охватить больше пар т.к. на крипте некоторые пары с большой волатильностью могут не идти в работу по причине небольшого депозита.
P.S. сразу здесь скажу про фондовый рынок:
Его торговать можно точно по такому же принципу, однако нужно разделять акции на сектора, в каждом секторе подбирать акции компаний из выбранного сектора. Потом решать вопрос с получением котировок, самый простой это Тинькофф инвестиции, но там api можно получить только будучи клиентом (хотя это не серьезная загвоздка). Но стоит сказать, что Тинька дает “песочницу” для тестов, что очень удобно.
Ничего не могу сказать на счет сбера и альфы, у них может быть дела попроще.
Однако вот так на коленке с акциями не поработаешь, поэтому их пока убираем в долгий ящик.
