💹 Торговый робот на основе пересечения скользящих средних

📘 Цель проекта

Целью проекта является разработка и тестирование автоматизированной торговой системы для акций Сбербанка на основе классической стратегии пересечения скользящих средних.
Основная задача — реализовать корректную генерацию и исполнение торговых сигналов, а также провести оптимизацию параметров для максимизации годовой доходности.

📊 Описание данных

Использованы часовые котировки акций Сбербанка за период с 1 января по 31 декабря 2018 года.

Данные представлены в формате pandas.DataFrame со следующими колонками:

• Open — цена открытия часа
• High — максимальная цена за час
• Low — минимальная цена за час
• Close — цена закрытия часа
• Индекс — временная метка (datetime)

⚙️ Параметры стратегии

• Начальный капитал: 100 000 руб.
• Таймфрейм: 1 час
• Stop-loss: 5% от цены покупки
• Базовые окна: fast_window = 30, slow_window = 90

Логика сигналов

• Сигнал покупки: быстрая скользящая средняя пересекает медленную снизу вверх
• Сигнал продажи: быстрая скользящая средняя пересекает медленную сверху вниз
• Исполнение ордеров: по цене открытия следующего часа (без look-ahead bias)
• Stop-loss: срабатывает при падении цены на 5% от цены покупки

🧠 Реализация

Торговый робот реализован с использованием фреймворка VectorBT — высокопроизводительной библиотеки для векторизованного бэктестинга.

Возможности реализации:

• Генерация торговых сигналов на основе скользящих средних
• Учёт stop-loss и управления позициями
• Визуализация результатов

Визуализация включает:

• Свечной график с наложенными скользящими средними
• Маркеры сигналов:
  • 🟢 Зелёный — покупка
  • 🔴 Красный — продажа
  • ⚫ Чёрный — срабатывание stop-loss
• График состояния позиции (1 — в позиции, 0 — вне позиции)

🔍 Оптимизация параметров

Проведён перебор комбинаций окон скользящих средних для максимизации доходности.
Наилучший результат показала комбинация:

Параметр	Значение
Быстрая скользящая	2
Медленная скользящая	14

💰 Результаты

• Инструмент: акции Сбербанка
• Период тестирования: 2018 год
• Итоговая доходность: +18.38% годовых
• Система корректно обрабатывает все торговые сигналы, включая stop-loss, без использования будущих данных

📈 Выводы

• Реализована и протестирована классическая трендовая стратегия на пересечении скользящих средних
• Использование VectorBT позволило обеспечить высокую производительность и визуальную интерпретируемость
• Оптимизация параметров повысила доходность до 18.38% за год
• Проект демонстрирует практическое применение количественного анализа и backtesting в Python

⚙️ Используемые технологии

• Python 3.10+
• Pandas, NumPy — обработка временных рядов
• VectorBT — генерация сигналов, управление портфелем, визуализация
• Plotly — интерактивные графики (встроено в VectorBT)
• Jupyter Notebook — среда разработки