Как Big Data помогает трейдерам в работе: три крутых примера

Big Data — крутой инструмент для трейдинга, который может угадывать цены на рынке, находить ключевых игроков и управлять рисками при торговле. С у учетом скорости развития технологий, сегодня трейдеру мало уметь использовать технический анализ и видеть тренды — стоит также уметь работать с Big Data. Рассказываем, как использовать Big Data в торговле. 

В компаниях за работу с большими данными чаще всего отвечает квантовый аналитик. В примерах ниже мы указываем, какие инструменты и стратегии использует квантовый аналитик при решении задач в торговле. По сути, освоить языки программирования и другие инструменты для решения подобных задач при желании может любой трейдер.

Пример №1. Анализ дельты на макро трендах

Задача

Трейдер может поставить себе задачу — определить, сколько должно быть закрыто контрактов на рынке, или какой перевес должен быть между покупателями или продавцами, чтобы развернуть рынок в среднесрочной перспективе. Ответить на этот вопрос можно, анализируя Market Delta. Это перевес между рыночными продажами и покупками, который рассчитывается по формуле Delta = Ask – Bid. С помощью технологий для анализа данных можно проанализировать график и рыночные данные на разных временных интервалах, за длительное время и на большую глубину, 

Как происходит анализ 

Наша задача — проанализировать, сколько было всего влито объемов на рынок в целом и какой максимальный перевес при этом был. Для этого: 

• собираем датасет по нужному инструменту и интервалам;
• на этом этапе квантовый аналитик может воспользоваться Python, Pandas и Sklearn, для обучения модели ИИ или проведения разведочного анализа;
• выполняем фильтрацию и сортировку.

Зоны с максимальным перевесом по рынку

Ожидаемый результат

• в результате квантовый аналитик может определить, что для данного инструмента критическая дельта, необходимая для разворота инструмента, составляет около 1000 контрактов;

• часто квантовый аналитик, анализируя большие данные, уже заранее знает о смене тренда; 

• как видно из скриншота выше, зоны с максимальным перевесом по рынку (дельтой) в дальнейшем могут использоваться как составной элемент торговой стратегии или алгоритма для определения потенциальных зон входа в рынок.

   

Пример №2. Определение трендов и точки входа через анализ макростатистики и реакции

Задача

Большие данные используют в своей работе инвестиционные фонды, и им часто нужно не просто искать точки входа, но и видеть общий тренд развития. При этом для набора позиций на рынке у фонда уходит от нескольких часов до месяцев, и всё это время цена должна быть в коридоре допустимых значений для входа в позицию. Как ни парадоксально, но входы обычно осуществляются наоборот — при плохой статистике происходит набор позиций, а при хорошей идёт сброс позиций, либо откат цены к нужному уровню. 

Задача, которую решает квантовый аналитик в данной ситуации — создание системы предиктивного анализа для определения оптимальной точки входа/выхода и нахождения основных тенденций на рынке.

Как происходит анализ 

• подключаемся к поставщику макростатистики, например, Knoema;

Портал данных Knoema

• используем Python, чтобы подключиться по API к этим поставщикам;

• используем Pandas для создания сводной таблицы;

• используем библиотеку Python Sklearn для обучения ИИ, который поможет нам ответить на два вопроса, «Покупать или продавать?» и «Какое значение макроиндикатора ожидается?»;

• сводим воедино всю информацию, чтобы получить комплексную аналитическую систему — от обращения к источнику данных до формирования прогноза.

   

Ожидаемый результат

• создана полноценная аналитическая система, которая оценивает ожидания и фактические значения макроэкономических показателей, их силу и влияние на цену;

• квантовый аналитик может без особого труда отслеживать огромное количество инструментов и набирать позиции, опираясь на большие данные.

   

Пример №3. Определение движения цены через анализ новостей и речи политиков 

Задача

Помимо остальных факторов, на движение цены на рынке влияет новостной фон, а также выход ключевых новостей — их отслеживают все трейдеры. Обычно при наложении новостей на график дата выхода новостей совпадает с вершиной или дном на рынке. 

С учетом этого, квантовый аналитик может определять будущее движение цены через анализ ключевых мировых новостей и настроений высказываний политиков.  

Как происходит анализ 

• выбираем торговый инструмент и аффилированные лица;

• для построения системы выдвигаем ряд гипотез на основе исторических событий; 

Анализ исторических событий для построения гипотез

• создаем техническое задание с требованиями к разрабатываемой системе анализа и режиму функциональности (например 247365 или 247 5 дней в неделю);
• при разработке подобных систем используются современные инструменты для анализа больших данных — подробнее о них можно прочитать здесь. 

Для решения этой задачи мы применяем: 

• язык программирования Python — очень легок в освоении и используется многими квантовыми аналитиками;
• библиотека Python Pandas — позволяет работать с табличными данными — почти как в Excel, но с большим функционалом. Именно Pandas помогает «скрестить» данные твитов и данные теханализа;
• библиотека Sklearn — содержит алгоритмы машинного обучения, которые можно использовать для создания торгового советника (например, для рекомендации «купитьпродать»);
• база данных PostgreSQL — позволяет организовать реляционное хранение данных с возможностью быстрого обращения к ним.

Ожидаемый результат