Алгоритмический трейдинг: Создание, тестирование и запуск роботов на рынке Форекс
Размер шрифта: 13
Часть 1: Основы автоматической торговли.
Глава 1: Введение в алгоритмический трейдинг на Форексе. Эра машин
Представьте себе идеального трейдера. Он никогда не спит, не ест, не отвлекается на новости или эмоции. Он молниеносно анализирует терабайты данных, неукоснительно соблюдает риск-менеджмент и совершает сделки в точно рассчитанный момент, 24 часа в сутки, 7 дней в неделю. Этот трейдер – не сверхчеловек. Это торговый робот, или советник (Expert Advisor), воплощающий в себе суть алгоритмической торговли.
Алгоритмический трейдинг (алготрейдинг) – это использование компьютерных программ, которые следуют четко заданному набору правил (алгоритму) для автоматического открытия, управления и закрытия торговых позиций на финансовых рынках. На Форексе, где ликвидность огромна, а движения часто вызваны математическими закономерностями, алготрейдинг нашел свою идеальную среду.
Переход от субъективного человеческого решения к объективному машинному исполнению – это революция. Но как у любой революции, у нее есть две стороны: мощные преимущества и скрытые опасности.
Плюсы: Почему мир переходит на алгоритмы
1. Скорость и точность исполнения. Человеческая реакция измеряется долями секунды, машинная – микро- и наносекундами. Робот может отследить сигнал на десятке пар одновременно, мгновенно рассчитать объем позиции согласно риск-менеджменту и выставить ордер без задержек. Это критично для стратегий скальпинга и торговли на новостях, где цена может пройти нужное расстояние быстрее, чем вы моргнете.
2. Железная дисциплина. Главный враг трейдера – эмоции: жадность, заставляющая держать убыточную сделку, и страх, заставляющий рано закрыть прибыльную. Робот лишен психологии. Он будет снова и again открывать сделки по системе, даже если предыдущие 5 раз закрылись в убыток. Он строго соблюдает правила мани-менеджмента, никогда не «доливается» в убыток на эмоциях.
3. Возможность глубокого тестирования (Backtesting). Это самый мощный аргумент. Прежде чем рисковать реальными деньгами, вы можете «прогнать» стратегию робота на многолетних исторических данных. Как система вела себя в кризис 2008 года? Как на выборах в США? Ответы даст backtesting. Он позволяет количественно оценить ключевые метрики: общую прибыль, максимальную просадку, риск-ривард, процент прибыльных сделок. Вы можете оптимизировать параметры, подбирая наилучшие для конкретного инструмента и периода.
4. Масштабируемость и многозадачность. Один алгоритм может торговать на сотнях символов, одновременно отслеживая корреляции и глобальные рыночные условия. Человек физически не способен на такой охват.
5. Устранение рутины. Алгоритм берет на себя монотонную работу: постоянный мониторинг графиков, расчеты, выставление ордеров. Вы же сосредотачиваетесь на более важном – анализе эффективности, поиске новых идей и управлении капиталом.
Минусы: Подводные камни автоматизации
1. Риск переоптимизации (Кривая подгонка). Это бич алготрейдинга. Используя возможности тестера, можно так «настроить» параметры робота (периоды индикаторов, уровни стоп-лосса) под конкретный исторический период, что он покажет на графике прибыли невероятную красоту. Но такая стратегия «подогнана» под шум прошлых данных и абсолютно беспомощна в реальных, будущих условиях. Она работает идеально только на истории. Это как ключ, идеально отточенный под один замок, который больше не встретится.
2. Технические сбои и риски. Ваш идеальный трейдер полностью зависит от технологий. Разрыв интернет-соединения, отказ сервера брокера (VPS), сбой в подаче электричества, ошибка в коде при нестандартных рыночных условиях (например, «шпилька» на графике) – все это может привести к незакрытой позиции, убыткам или пропущенной прибыли. Ответственность за техническую инфраструктуру (резервный канал связи, надежный VPS) лежит на вас.
3. Отсутствие гибкости и интуиции. Робот слепо следует алгоритму. Он не понимает контекста. Он не отличит панику на рынке из-за геополитического кризиса от обычной технической коррекции. Он не прочитает между строк выступление главы ЦБ и не учтет «настроение рынка». В периоды фундаментальных потрясений, когда логика рушится, жесткая алгоритмическая система может нанести убытки, тогда как живой трейдер смог бы вовремя выйти из рынка.
4. Дрейф рынка (Изменение волатильности и закономерностей). Рынки эволюционируют. Закономерности, работавшие в условиях низкой волатильности и QE (количественного смягчения), могут перестать работать при росте ставок и высокой волатильности. Робот, настроенный на старые условия, будет продолжать торговать, пока не «сольет» счет. Алгоритм требует периодического мониторинга и адаптации.
5. Ложное чувство безопасности и «перекладывание ответственности». Начинающие алготрейдеры часто впадают в заблуждение: «Робот все сделает за меня, можно не следить». Это прямая дорога к потере депозита. Автоматизация не отменяет необходимости понимать логику стратегии, следить за ее работой и управлять рисками. Робот – это ваш инструмент, а не черный ящик, приносящий деньги.
Вывод главы:
Алгоритмический трейдинг – это не магия, а передовая методология. Он смещает фокус трейдера с эмоционального исполнения на интеллектуальное создание, тестирование и управление торговыми системами. Он дает беспрецедентное преимущество в виде дисциплины и скорости, но взамен требует глубокого понимания, технической грамотности и постоянной бдительности.
Робот – идеальный солдат, но генералом стратегии должны оставаться вы. Осознание как силы, так и ограничений автоматизации – это первый и самый важный шаг на пути к созданию устойчивой алгоритмической торговли. В следующих главах мы разберемся, как создаются эти «солдаты» и как превратить сырую идею в отлаженную торговую машину.
Глава 2: Техническая база: Инструменты алготрейдера
Если торговый робот – это «идеальный солдат», то платформа для его создания и развертывания – это целый арсенал, полигон и командный пункт. Выбор технологического стека определяет, насколько мощным, гибким и надежным будет ваш автоматический трейдинг. Давайте разберемся с фундаментом.
Торговые платформы: Где живут роботы
Это программное обеспечение, которое обеспечивает доступ к рынку, отображение котировок, анализ и исполнение ордеров. Для алготрейдинга ключевая функция – возможность создавать и запускать автоматические стратегии.
1. MetaTrader 4 / MetaTrader 5: Индустриальный стандарт
Подавляющее большинство розничных трейдеров начинают и часто остаются в экосистеме MetaTrader от компании MetaQuotes.
· MetaTrader 4 (MT4): Легенда рынка. Создан в 2005 году, ориентирован прежде всего на Форекс и CFD. Его главные преимущества – невероятная распространенность, стабильность, огромное сообщество и тонны готовых индикаторов, скриптов и советников. Однако его архитектура начинает устаревать: нет мультитрединга, ограниченные возможности тестирования (только на одном ядре), устаревший язык MQL4.
· MetaTrader 5 (MT5): Эволюционное, но не полное, замещение MT4. Выпущен в 2010 году. Это более мощная и современная платформа:
· Больше рынков: Форекс, фьючерсы, акции, криптовалюты.
· Улучшенный тестер стратегий: Многопоточное тестирование и оптимизация, использование облачных ресурсов брокера.
· Больше типов ордеров: Неттинговая система учета позиций (как на биржах), помимо хеджирования (как в MT4).
· Встроенный экономический календарь и чат.
· Современный язык MQL5.
Почему начинают с MT4/5? Готовая экосистема, минимальные требования к знаниям программирования для запуска готовых роботов, поддержка практически у любого форекс-брокера.
2. Python + Библиотеки: Царство гибкости и мощи
Если MetaTrader – это удобный заводской автомобиль, то Python – это мастерская, где вы можете собрать свой гоночный болид с нуля.
· Python: Универсальный язык программирования, ставший де-факто стандартом для анализа данных, машинного обучения и, как следствие, для профессионального алготрейдинга.
· Библиотеки:
· backtrader, zipline – фреймворки для бэктестинга стратегий.
· pandas, numpy – для молниеносной обработки и анализа данных (котировок).
· scikit-learn, TensorFlow, PyTorch – для внедрения машинного обучения и нейросетей.
· ccxt – единый API для подключения к сотням криптобирж и некоторым форекс-брокерам.
· MetaTrader5 (пакет для Python) – для подключения к терминалу MT5 и управления им прямо из кода на Python.
Преимущества Python:
· Неограниченная гибкость: Вы можете реализовать любую, самую сложную логику, интегрировать внешние данные (например, сеты новостей через API), использовать передовые методы ИИ.
· Лучшие возможности тестирования: Глубокий анализ результатов, кастомные метрики, Walk-Forward анализ.
· Контроль над всем: От подключения к брокеру до управления рисками.
Недостатки:
· Высокий порог входа: нужно уверенно знать Python.
· Нужно самостоятельно решать вопросы надежности исполнения, логирования, развертывания на сервере (VPS).
· Прямое подключение к брокерам может быть сложнее, чем через MT.
Советник (Expert Advisor, EA): Сердце системы
Советник (Expert Advisor, EA) – это и есть торговый робот в экосистеме MetaTrader. Это программа, написанная на языке MQL4/MQL5, которая работает внутри терминала MT4/MT5.
Как это работает?
1. Вы устанавливаете файл советника (*.ex4 для MT4, *.ex5 для MT5) в терминал.
2. Прикрепляете его к графику конкретной валютной пары (например, EURUSD).
3. Советник начинает свою работу в реальном времени. Он:
· Слушает поток котировок.
· Анализирует данные на основе заложенного алгоритма (проверяет условия индикаторов, цену и т.д.).
· Принимает решение: если условия для входа/выхода выполнены, он автоматически отправляет торговый приказ (ордер) на сервер брокера через терминал.
4. Он работает непрерывно, пока вы не отключите его или не закроете терминал.
Важно: Советник работает на вашем компьютере или VPS. Он зависит от вашего подключения к интернету и работы терминала.
Языки MQL4 и MQL5: На чем говорят советники
Чтобы создать своего робота для MetaTrader, нужно выучить его родной язык.
MQL4: Язык для MT4
· Проще для изучения. Меньше встроенных функций, более прямой синтаксис. Много учебных материалов на русском.
· Ориентирован на процедурное программирование (хотя ОПП тоже возможно).
· Ограниченная скорость тестирования.
· Устаревающий, но еще живой стандарт. Огромное наследие в виде тысяч бесплатных и платных советников.
MQL5: Современный язык для MT5
· Мощнее и современнее. Полноценная поддержка объектно-ориентированного программирования (ООП), что позволяет создавать более сложные, модульные и поддерживаемые советники.
· Гораздо больше встроенных функций для работы с графикой, файлами, сетевыми запросами (WebRequest), что позволяет, например, отправлять уведомления в Telegram.
· Прямой доступ к историческим данным и инструментам технического анализа без необходимости вручную рассчитывать индикаторы.
· Высокая скорость выполнения и тестирования благодаря компиляции в native-код и многопоточности.
Простой пример для иллюстрации различий:
Задача: Открыть рыночный ордер на покупку 0.1 лота по текущей цене.
На MQL4 (упрощенно):
```cpp
int ticket = OrderSend(Symbol(), OP_BUY, 0.1, Ask, 3, 0, 0, "My EA Comment", 12345, 0, clrGreen);
```
На MQL5 (используя торговые классы):
```cpp
CTrade trade;
trade.Buy(0.1, _Symbol, 0, 0, 0, "My EA Comment");
```
Код MQL5 часто более структурированный и читаемый для сложных проектов.
-–
Вывод главы:
Выбор технической базы – стратегическое решение.
· Новичкам, которые хотят быстро начать и тестировать классические стратегии, стоит выбрать MetaTrader 5 (или MT4, если брокер не поддерживает MT5) и изучать MQL5 (он перспективнее).
· Профессионалам и энтузиастам данных, стремящимся к максимальной гибкости, сложным стратегиям с ИИ и полному контролю, – прямая дорога к Python и соответствующим библиотекам.
· Советник (EA) – это исполнительный механизм в терминале MetaTrader, преобразующий ваш алгоритм в конкретные торговые приказы.
Помните: ни одна платформа не отменяет необходимости понимать логику торговли. Дальше мы погрузимся в этапы создания и, что критически важно, проверки жизнеспособности вашего будущего робота.
Глава 3: Жизненный цикл торгового робота: От идеи до машины
Создание прибыльного торгового робота – это не спринт, а марафон с четкими этапами, каждый из которых критически важен. Пропуск или халтурное выполнение любого шага неминуемо ведет к потере капитала. Представьте этот процесс как создание и запуск космического спутника: сначала идея и расчеты (теория), затем постройка и испытания в вакуумной камере (тестирование), и только потом – запуск на орбиту с постоянным контролем.
Давайте пройдем весь путь.
Этап 1: ИДЕЯ – Зарождение гипотезы
Все начинается не с кода, а с рыночной гипотезы. Это четкое, проверяемое утверждение о поведении цены.
· Что это такое? "Когда 20-периодная SMA пересекает 50-периодную SMA снизу вверх на дневном графике, а RSI > 50, то цена с вероятностью выше 55% продолжит рост в ближайшие 5 дней".
· Источники идей:
· Классические книги по техническому анализу (Элдер, Мерфи, Нисон).
· Академические исследования (статьи о сезонности, корреляциях).
· Наблюдение за графиками и выявление повторяющихся паттернов.
· Адаптация известных стратегий (например, "Черепахи") под Форекс.
· Критерий хорошей идеи: Она должна быть конкретной, формализуемой и статистически проверяемой. Идея "покупать, когда цена низкая" – плохая. Идея "покупать, когда цена опускается на 1.5 стандартных отклонения ниже 100-дневной скользящей средней" – хорошая.
Этап 2: РАЗРАБОТКА – Воплощение в код
Здесь гипотеза превращается в алгоритм. Это самый технический этап.
1. Формализация правил: Распишите идею до мельчайших деталей, как инструкцию для самого примитивного робота.
· Условие ВХОДА (лонг): (SMA(20) > SMA(50)) && (RSI(14) > 50) && (Цена закрытия > SMA(20)).
· Условие ВЫХОДА (тейк-профит/стоп-лосс): Фиксированный в пунктах? Динамический (например, на уровне ATR)? По обратному сигналу?
· Правила управления капиталом: Риск на сделку (например, 1% от депозита). Фиксированный лот или переменный?
· Фильтры: Время торговли (исключить азиатскую сессию? выходные?), макрособытия (выход Non-Farm Payrolls).
2. Написание кода: Используя выбранную платформу (MQL5/Python), вы программируете все правила. На этом этапе важна чистота кода и логирование (запись всех действий и решений робота в файл для последующего разбора).
Этап 3: ТЕСТИРОВАНИЕ – Суровая проверка реальностью
Это самый важный и многоступенчатый этап, цель которого – не подтвердить гениальность идеи, а обнаружить ее слабые места.
1. Бэктестинг (Backtest) – Испытание историей.
· Что это? Прогонка алгоритма на исторических данных за несколько лет. Платформа эмулирует, как робот торговал бы в прошлом.
· Цель: Получить первичную статистику и отсеять заведомо убыточные идеи. 80% идей погибают здесь.
· Ключевые метрики:
· Общая прибыль и кривая баланса. Ровный рост предпочтительнее резких взлетов и падений.
· Максимальная просадка (Max Drawdown): Максимальный пиковый убыток от предыдущего пика капитала. Это ваш главный стресс-тест. Если просадка 40%, а вы к ней психологически не готовы – система вам не подходит.
· Profit Factor (Прибыльность): (Сумма прибылей) / (Сумма убытков). Значение > 1.2 – минимально приемлемое, > 1.5 – хорошее.
· Количество сделок: Для статистической значимости нужно несколько сотен сделок (не 10-20).
2. Оптимизация – Тонкая настройка (ОПАСНАЯ ЗОНА).
· Что это? Подбор наилучших параметров (периоды индикаторов, уровни стоп-лосса) на исторических данных.
· ЛОВУШКА ПЕРЕОПТИМИЗАЦИИ (Кривая подгонка): Когда вы создаете идеальную систему для прошлого, которая бесполезна в будущем. Признаки: десятки параметров, чрезмерно высокая прибыль в бэктесте (>50% в месяц), резкие пики на кривой баланса.
· Как избежать?
· Принцип «Бритвы Оккама»: Чем проще система и меньше параметров, тем лучше.
· Тест на "незнакомых" данных: Оптимизируйте на периоде 2015-2020 гг., а проверьте на 2021-2023 гг.
· Walk-Forward Optimization (WFO): «Скользящая» оптимизация. Параметры подбираются на одном историческом окне, а тестируются на последующем, затем окно сдвигается вперед. Это золотой стандарт проверки устойчивости.
3. Форвард-тестирование (Forward Test / Paper Trading) – Репетиция в прямом эфире.
· Что это? Запуск робота на ДЕМО-СЧЕТЕ в режиме реального времени, но на виртуальные деньги. Он торгует по текущим, а не историческим, котировкам.
· Цель: Убедиться, что робот работает в реальных рыночных условиях с учетом спредов, проскальзываний, задержек исполнения. Проверить корректность кода и логики на "живом" потоке данных.
· Правило: Тестируйте не менее 2-3 месяцев и наберите не менее 100 сделок. Только после этого можно думать о реальных деньгах.
Этап 4: ЗАПУСК – Переход в боевой режим
Самый волнительный и ответственный момент.
1. Выделение капитала: Используйте только рисковый капитал, потеря которого не повлияет на вашу жизнь.
2. Начало с минимального объема: Запустите робота с лотом в 5-10 раз меньше расчетного. Например, если по вашим правилам лот для депозита $10,000 = 0.1, начните с 0.01. Цель – проверить исполнение и психологическую устойчивость.
3. Техническая инфраструктура: Обязательно используйте VPS (Виртуальный частный сервер) с хорошим аптаймом, расположенный рядом с серверами брокера. Это гарантирует, что робот не отключится из-за вашего сбоя интернета или выключенного компьютера.
Этап 5: МОНИТОРИНГ И УПРАВЛЕНИЕ – Не усыпляйте бдительность
Запуск робота – не финал, а начало нового этапа. Вы – пилот, а робот – автопилот. Пилот должен контролировать приборы.
· Что мониторить ежедневно (10-15 минут):
1. Исполнение ордеров: Не было ли критических проскальзываний, реквот (отказов брокера)?
2. Соответствие стратегии: Сделки открываются по правилам? Проверьте логи.
3. Состояние счета: Глубина текущей просадки. Не приближается ли к максимальной расчетной?
4. Рыночный контекст: Не начался ли период экстремальной волатильности (войны, решения ЦБ), для которого робот не предназначен?
· Когда ВМЕШАТЬСЯ (важнейший навык):
· Технический сбой (потеря связи, ошибка в логах).
· "Черный лебедь" – форс-мажорное рыночное событие.
· Достигнут лимит убытков: Например, просадка превысила 80% от расчетной Max Drawdown. Нужно остановить робота и разбираться.
· Декларативное изменение: Вы решили модернизировать стратегию.
· Постоянное улучшение: Анализируйте убыточные сделки. Можно ли добавить фильтр? Периодически проводите ре-оптимизацию на новых данных (но снова через все этапы тестирования!).
-–
Вывод главы:
Жизненный цикл робота – это строгий протокол, призванный минимизировать роль удачи и максимизировать роль проверенного алгоритма. Самые дорогие ошибки совершаются из-за спешки: пропуск форвард-теста, запуск на большой объем из-за жадности, невнимательный мониторинг.
Уважайте этот процесс. Дисциплинированное следование ему – это то, что отделяет мечтателя от системного алготрейдера. В следующей части мы перейдем к самому интересному – галерее конкретных идей для ваших будущих торговых роботов.
Часть 2: Галерея стратегий: 10 роботов для Форекса
Робот 1: «Следователь за трендом» (Trend Follower) – Python версия для Backtesting
Вот полная реализация стратегии Trend Follower на Python с использованием библиотеки backtrader для бэктестинга и анализа:
```python
# trend_follower_backtest.py
import backtrader as bt
import backtrader.analyzers as btanalyzers
import pandas as pd
import yfinance as yf
from datetime import datetime, timedelta
import matplotlib.pyplot as plt
# =====================================================================
# 1. СОЗДАНИЕ СТРАТЕГИИ
# =====================================================================
class TrendFollowerStrategy(bt.Strategy):
"""
Стратегия следования за трендом
Правила:
1. Покупка: когда быстрая MA (50) пересекает медленную (200) снизу вверх И ADX > 25
2. Закрытие: при обратном пересечении MA или по стоп-лоссу/тейк-профиту
"""
params = (
('fast_ma', 50), # Период быстрой скользящей средней
('slow_ma', 200), # Период медленной скользящей средней
('adx_period', 14), # Период ADX
('adx_threshold', 25),# Пороговое значение ADX для силы тренда
('stop_loss', 0.02), # Стоп-лосс 2%
('take_profit', 0.04),# Тейк-профит 4%
('risk_per_trade', 0.01), # Риск на сделку 1% от капитала
('use_atr_filter', True), # Использовать фильтр ATR
('atr_period', 14), # Период ATR
('atr_multiplier', 2),# Множитель ATR для стоп-лосса
('printlog', False), # Вывод логов
)
def __init__(self):
"""Инициализация индикаторов"""
# Создаем индикаторы
self.fast_ma = bt.indicators.SimpleMovingAverage(
self.data.close, period=self.params.fast_ma
)
self.slow_ma = bt.indicators.SimpleMovingAverage(
self.data.close, period=self.params.slow_ma
)
# ADX индикатор (направленность тренда)
self.adx = bt.indicators.AverageDirectionalMovementIndex(
self.data, period=self.params.adx_period
)
# ATR для фильтра волатильности и расчета стоп-лосса
self.atr = bt.indicators.AverageTrueRange(
self.data, period=self.params.atr_period
)
# Переменные для отслеживания состояния
self.order = None
self.buyprice = None
self.buycomm = None
# Для логирования
self.trades = []
self.current_trade = {}
def log(self, txt, dt=None, doprint=False):
"""Метод для логирования"""
if self.params.printlog or doprint:
dt = dt or self.datas[0].datetime.date(0)
print(f'{dt.isoformat()} {txt}')
def notify_order(self, order):
"""Обработка изменения статуса ордера"""
if order.status in [order.Submitted, order.Accepted]:
# Ордер отправлен/принят – ничего не делаем
return
if order.status in [order.Completed]:
if order.isbuy():
self.log(
f'ПОКУПКА ИСПОЛНЕНА, Цена: {order.executed.price:.2f}, '
f'Стоимость: {order.executed.value:.2f}, '
f'Комиссия: {order.executed.comm:.2f}'
)
self.buyprice = order.executed.price
self.buycomm = order.executed.comm
# Устанавливаем стоп-лосс и тейк-профит
if self.params.use_atr_filter:
sl = self.buyprice – self.atr[0] * self.params.atr_multiplier
tp = self.buyprice + self.atr[0] * self.params.atr_multiplier * 2
else:
sl = self.buyprice * (1 – self.params.stop_loss)
tp = self.buyprice * (1 + self.params.take_profit)
self.sell(exectype=bt.Order.StopTrail, price=sl)
self.sell(exectype=bt.Order.Limit, price=tp)
# Сохраняем информацию о сделке
self.current_trade = {
'entry_date': self.datas[0].datetime.date(0),
'entry_price': order.executed.price,
'stop_loss': sl,
'take_profit': tp,
'size': order.executed.size
}
elif order.issell():
self.log(
f'ПРОДАЖА ИСПОЛНЕНА, Цена: {order.executed.price:.2f}, '
f'Стоимость: {order.executed.value:.2f}, '
f'Комиссия: {order.executed.comm:.2f}'
)
# Фиксируем завершение сделки
if self.current_trade:
self.current_trade['exit_date'] = self.datas[0].datetime.date(0)
self.current_trade['exit_price'] = order.executed.price
self.current_trade['pnl'] = (
(order.executed.price – self.current_trade['entry_price']) *
self.current_trade['size']
)
self.current_trade['pnl_percent'] = (
(order.executed.price / self.current_trade['entry_price'] – 1) * 100
)
self.trades.append(self.current_trade.copy())
self.current_trade = {}
elif order.status in [order.Canceled, order.Margin, order.Rejected]:
self.log(f'Ордер отменен/отклонен: {order.getstatusname()}')
self.order = None
def notify_trade(self, trade):
"""Обработка изменения статуса сделки"""
if not trade.isclosed:
return
self.log(f'СДЕЛКА ЗАКРЫТА, Прибыль: {trade.pnl:.2f}, Чистая прибыль: {trade.pnlcomm:.2f}')
def next(self):
"""Основная логика на каждом новом баре"""
# Пропускаем если ордер уже открыт
if self.order:
return
# Проверяем, есть ли открытая позиция
if not self.position:
# УСЛОВИЕ ДЛЯ ПОКУПКИ:
# 1. Быстрая MA пересекает медленную снизу вверх
# 2. ADX > порогового значения (сила тренда)
crossover_up = (self.fast_ma[-1] < self.slow_ma[-1] and
self.fast_ma[0] > self.slow_ma[0])
strong_trend = self.adx[0] > self.params.adx_threshold
if crossover_up and strong_trend:
# Рассчитываем размер позиции на основе риска
capital = self.broker.getvalue()
risk_amount = capital * self.params.risk_per_trade
if self.params.use_atr_filter:
stop_distance = self.atr[0] * self.params.atr_multiplier
else:
stop_distance = self.data.close[0] * self.params.stop_loss
if stop_distance > 0:
size = risk_amount / stop_distance
size = min(size, capital * 0.1 / self.data.close[0]) # Не более 10% капитала
self.log(f'СИГНАЛ НА ПОКУПКУ: цена={self.data.close[0]:.2f}, '
f'ADX={self.adx[0]:.2f}, размер={size:.2f}')
self.order = self.buy(size=size)
else:
# УСЛОВИЕ ДЛЯ ЗАКРЫТИЯ ПОЗИЦИИ:
# Быстрая MA пересекает медленную сверху вниз
crossover_down = (self.fast_ma[-1] > self.slow_ma[-1] and
self.fast_ma[0] < self.slow_ma[0])
if crossover_down:
self.log(f'СИГНАЛ НА ЗАКРЫТИЕ: цена={self.data.close[0]:.2f}')
self.order = self.close()
# =====================================================================
# 2. КЛАСС ДЛЯ ОПТИМИЗАЦИИ ПАРАМЕТРОВ
# =====================================================================
class TrendFollowerOptimizer(bt.Strategy):
"""Версия стратегии для оптимизации параметров"""
params = (
('fast_ma', 50),
('slow_ma', 200),
('adx_threshold', 25),
('risk_per_trade', 0.01),
)
def __init__(self):
self.fast_ma = bt.indicators.SMA(self.data.close, period=self.p.fast_ma)
self.slow_ma = bt.indicators.SMA(self.data.close, period=self.p.slow_ma)
self.adx = bt.indicators.ADX(self.data, period=14)
self.order = None
def next(self):
if self.order:
return
if not self.position:
if (self.fast_ma[-1] < self.slow_ma[-1] and
self.fast_ma[0] > self.slow_ma[0] and
self.adx[0] > self.p.adx_threshold):
size = self.broker.getvalue() * self.p.risk_per_trade / self.data.close[0]
self.order = self.buy(size=size)
else:
if self.fast_ma[-1] > self.slow_ma[-1] and self.fast_ma[0] < self.slow_ma[0]:
self.order = self.close()
# =====================================================================
# 3. ФУНКЦИИ ДЛЯ ТЕСТИРОВАНИЯ И АНАЛИЗА
# =====================================================================
def download_data(symbol='EURUSD=X', start_date='2020-01-01', end_date='2023-12-31'):
"""Загрузка данных с Yahoo Finance"""
print(f"Загрузка данных для {symbol}…")
data = yf.download(symbol, start=start_date, end=end_date, progress=False)
# Преобразуем индексы для backtrader
data.index = pd.to_datetime(data.index)
data = data[['Open', 'High', 'Low', 'Close', 'Volume']]
return data
def run_backtest(data, initial_cash=10000, commission=0.001, **strategy_params):
"""Запуск бэктеста"""
cerebro = bt.Cerebro()
# Добавляем данные
data_feed = bt.feeds.PandasData(dataname=data)
cerebro.adddata(data_feed)
# Добавляем стратегию
cerebro.addstrategy(TrendFollowerStrategy, **strategy_params)
# Настройки брокера
cerebro.broker.setcash(initial_cash)
cerebro.broker.setcommission(commission=commission)
# Добавляем анализаторы
cerebro.addanalyzer(btanalyzers.Returns, _name='returns')
cerebro.addanalyzer(btanalyzers.SharpeRatio, _name='sharpe', riskfreerate=0.0)
cerebro.addanalyzer(btanalyzers.DrawDown, _name='drawdown')
cerebro.addanalyzer(btanalyzers.TradeAnalyzer, _name='trades')
cerebro.addanalyzer(btanalyzers.SQN, _name='sqn')
print(f'Начальный капитал: {initial_cash:.2f}')
print(f'Комиссия: {commission*100:.2f}%')
# Запуск
results = cerebro.run()
strat = results[0]
# Вывод результатов
print('\n' + '='*50)
print('РЕЗУЛЬТАТЫ БЭКТЕСТА')
print('='*50)
final_value = cerebro.broker.getvalue()
total_return = (final_value / initial_cash – 1) * 100
print(f'Конечный капитал: {final_value:.2f}')
print(f'Общая доходность: {total_return:.2f}%')
# Анализ результатов
if hasattr(strat, 'analyzers'):
returns = strat.analyzers.returns.get_analysis()
sharpe = strat.analyzers.sharpe.get_analysis()
drawdown = strat.analyzers.drawdown.get_analysis()
trades = strat.analyzers.trades.get_analysis()
sqn = strat.analyzers.sqn.get_analysis()
print(f'\nАНАЛИТИКА:')
print(f'Sharpe Ratio: {sharpe.get("sharperatio", 0):.3f}')
print(f'Максимальная просадка: {drawdown.max.drawdown:.2f}%')
print(f'Продолжительность просадки: {drawdown.max.len} дней')
if trades.total.total:
print(f'\nСТАТИСТИКА СДЕЛОК:')
print(f'Всего сделок: {trades.total.total}')
print(f'Прибыльных: {trades.won.total} ({trades.won.total/trades.total.total*100:.1f}%)')
print(f'Убыточных: {trades.lost.total} ({trades.lost.total/trades.total.total*100:.1f}%)')
print(f'Profit Factor: {trades.won.pnl.total/abs(trades.lost.pnl.total):.2f}')
print(f'Средняя прибыль: {trades.won.pnl.average:.2f}')
print(f'Средний убыток: {trades.lost.pnl.average:.2f}')
print(f'SQN: {sqn.sqn:.2f}')
# Возвращаем детали сделок для дальнейшего анализа
trades_details = getattr(strat, 'trades', [])
return cerebro, strat, trades_details
def optimize_parameters(data, parameter_ranges):
"""Оптимизация параметров стратегии"""
cerebro = bt.Cerebro(optreturn=False)
# Добавляем данные
data_feed = bt.feeds.PandasData(dataname=data)
cerebro.adddata(data_feed)
# Добавляем стратегию с параметрами для оптимизации
cerebro.optstrategy(
TrendFollowerOptimizer,
fast_ma=parameter_ranges.get('fast_ma', range(10, 101, 10)),
slow_ma=parameter_ranges.get('slow_ma', range(50, 301, 50)),
adx_threshold=parameter_ranges.get('adx_threshold', range(20, 41, 5)),
risk_per_trade=parameter_ranges.get('risk_per_trade', [0.005, 0.01, 0.02])
)
# Настройки
cerebro.broker.setcash(10000)
cerebro.broker.setcommission(commission=0.001)
# Оптимизация
print("Запуск оптимизации параметров…")
opt_results = cerebro.run(maxcpus=1)
# Анализ результатов оптимизации
results = []
for run in opt_results:
for strat in run:
# Собираем статистику для каждого набора параметров
value = cerebro.broker.getvalue()
returns = (value / 10000 – 1) * 100
results.append({
'fast_ma': strat.params.fast_ma,
'slow_ma': strat.params.slow_ma,
'adx_threshold': strat.params.adx_threshold,
'risk_per_trade': strat.params.risk_per_trade,
'final_value': value,
'returns': returns
})
# Создаем DataFrame с результатами
results_df = pd.DataFrame(results)
results_df = results_df.sort_values('final_value', ascending=False)
return results_df
def plot_results(cerebro, save_path='trend_follower_results.png'):
"""Визуализация результатов"""
# График 1: Кривая баланса
fig = cerebro.plot(style='candlestick', iplot=False)[0][0]
fig.set_size_inches(14, 8)
fig.suph2('Trend Follower Strategy – Equity Curve', fontsize=16)
# Сохраняем график
plt.tight_layout()
plt.savefig(save_path, dpi=100, bbox_inches='tight')
plt.show()
return fig
def generate_report(strategy_params, trades_details, filename='trend_follower_report.txt'):
"""Генерация детального отчета"""
with open(filename, 'w', encoding='utf-8') as f:
f.write("="*60 + "\n")
f.write("ОТЧЕТ ПО СТРАТЕГИИ TREND FOLLOWER\n")
f.write("="*60 + "\n\n")
f.write("ПАРАМЕТРЫ СТРАТЕГИИ:\n")
f.write("-"*40 + "\n")
for key, value in strategy_params.items():
f.write(f"{key}: {value}\n")
f.write("\n" + "="*60 + "\n\n")
if trades_details:
f.write("ДЕТАЛИ СДЕЛОК:\n")
f.write("-"*40 + "\n")
total_pnl = 0
winning_trades = 0
for i, trade in enumerate(trades_details, 1):
pnl = trade.get('pnl', 0)
pnl_percent = trade.get('pnl_percent', 0)
f.write(f"\nСделка #{i}:\n")
f.write(f" Дата входа: {trade.get('entry_date')}\n")
f.write(f" Цена входа: {trade.get('entry_price', 0):.4f}\n")
f.write(f" Дата выхода: {trade.get('exit_date')}\n")
f.write(f" Цена выхода: {trade.get('exit_price', 0):.4f}\n")
f.write(f" P&L: {pnl:.2f} ({pnl_percent:.2f}%)\n")
total_pnl += pnl
if pnl > 0:
winning_trades += 1
f.write("\n" + "="*60 + "\n")
f.write(f"ИТОГИ:\n")
f.write(f"Всего сделок: {len(trades_details)}\n")
f.write(f"Прибыльных сделок: {winning_trades} ({winning_trades/len(trades_details)*100:.1f}%)\n")
f.write(f"Общий P&L: {total_pnl:.2f}\n")
print(f"Отчет сохранен в файл: {filename}")
# =====================================================================
# 4. ОСНОВНОЙ СКРИПТ ДЛЯ ЗАПУСКА
# =====================================================================
def main():
"""Основная функция для запуска бэктеста"""
print("="*60)
print("TREND FOLLOWER STRATEGY BACKTEST")
print("="*60)
# 1. Загружаем данные
symbol = 'EURUSD=X' # EUR/USD
data = download_data(
symbol=symbol,
start_date='2020-01-01',
end_date='2023-12-31'
)
if data.empty:
print("Ошибка загрузки данных!")
Продолжить чтение