Intro do nowego spojrzenia na trading
Co u mnie
Dawno nic nie pisałem. Szczerze mówiąc wziąłem sobie urlop rentierski i prawie nic nie robiłem od lipca do teraz. Nie pracowałem, nie zarabiałem, nie trejdowałem. Urlopowałem się, odpoczywałem oraz uczyłem. Powoli wraca mi chęć do jakiejkolwiek roboty. W międzyczasie robię studia podyplomowe na kierunku “DATA SCIENCE & MACHINE LEARNING”, czyli takie inżynieryjne spojrzenie na sztuczna inteligencję.
Jaka nauka najlepsza dla FOREX – iarzy?
Szczerze mówiąc przez te wszystkie lata zastanawiałem się jaka formalna nauka jest najbliżej rynków fianansowych – już bez znaczenia czy FOREX czy akcji, opcji, kryptowalut – po prostu rynków. Zawsze myślałem, że jakaś odsłona ekonomii taka, jak ekonometria itp. Otóż nie! Po pierwszym semestrze na wyżej wymienionym kierunku na uczelni w Nowym Sączu, czyli na drugim końcu Polski, zrozumiałem, że poza wewnętrznymi szkoleniami na dilera w banku CITY to właśnie inżynieria danych (zwana tez Danologią) jest najbliższa rynkom finansowym.
Algotrading dawniej
Całe życie interesowałem się komputerami oraz Informatyką. Były to czasy Windows 95, chyba DOS-a jeszcze pamiętam. 15 lat temu zaczynałem z algo-tradingiem uważając, że komputer na rynku to swoista przewaga. No cóż i tak, i nie. Wówczas brakowało technologii. Wszystko trzeba było implementować własnoręcznie, język programowania MQL/C++ toporny, a społeczność w zasadzie żadna. Tak było.
Oficjalnie zmieniam zdanie i to do tego stopnia, że od teraz prawie całkowicie kończę z tradingiem manualnym. Właściwie nie zamierzam już klikać kup/sprzedaj ani zamknij. Jest rewolucja musicie przyznać.
Obecny algotrading
Nie wiem dokładnie kiedy wszystko tak bardzo się zmieniło, bo ostatnie 10,5 roku w całości zmarnowałem w swoim życiu. Trochę żałuję. Nie było mnie w tym najlepszym w historii IT okresie rozwoju. Ale fakt jest taki, że się zmieniło, oj bardzo się zmieniło.
Skoro kończę z tradingiem ręcznym to znaczy, że jest grubo. I faktycznie jest.
Zamiast małorozwojowego i topornego MQL’a opartego na równie topornym C++ w końcu mamy potężny język programowania: Python. Jedyny jakiego warto się teraz uczyć (choć ja jeszcze go dopełniam internetowym JavaScriptem w wolnych chwilach). W data science popularnym językiem jest jeszcze język R. Ale to bardziej do modelowania danych aniżeli automatyzacji czy uczenia maszynowego w tym budowy głębokich sieci neuronowych, gdzie Python nie ma sobie równych. Podoba mi się w Pythonie, że mogę się skupić na rozwiązywaniu problemów zamiast na dziwactwach przetwarzania czy zasad, rozmaitych reguł, zawsze zagmatwanych widocznych we wszystkich innych językach programowania. Generalnie Python jest wysoko-poziomowy, ale ponieważ został napisany w C przez Guido Van Rossum to można w nim łatwo zejść do poziomu C, który jest najszybszym językiem programowania – dlatego w zwykłym C (nie C++) pisze się systemy szybkiego handlu HFT. Do HFT może wpadnę za kilka lat, ale póki co olewam tą metodę związku Tradera z rynkiem. Skupiam się na sieciach neuronowych oraz innych metodach uczenia maszynowego wraz z wypracowanym już kunsztem Algorithmic Trading, gdyż to określenie w relacji do Pythona ma już trochę czasu. I jest sporo materiałów do nauki. No i to co najważniejsze jest społeczność, potężna lista bibliotek wspomagających implementację czegokolwiek w Pythonie.
Od czego zacząć?
Na początku warto zacząć od nauki języka Python oraz podstawowej biblioteki: Pandas. Co do samej techniki to pierwsze co się robi to nawiązuje połączenie z naszą platformą/brokerem/dostawcą usług związanych z giełdą. Jest to tzw. API. W następnych wpisach pokażę jak nawiązać połączenie z kilkoma rodzajami API.
Podsumowanie
Tak, jak przeminął czas serwerów w Informatyce na poczet technologii chmurowych tak samo nie warto już stosować ręcznych metod to analizy rynku i tradingu. Dalej o kilku mogę tutaj pisać, ale generalnie blog ten przechodzi na zaawansowane metody naukowe.
Pozdrowionka
P.S.: Jest już nowy symulator tradingowy: Forex Tester 6
Facebook Comments