Обсуждение статьи "Анализ CSV-данных (Часть 6): Нормализация результатов по нескольким брокерам и сверка CSV между платформами"
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Анализ CSV-данных (Часть 6): Нормализация результатов по нескольким брокерам и сверка CSV между платформами:
В предыдущих статьях этой серии мы построили конвейер экспорта и анализа на основе единого единого соглашения о структуре данных: один советник, один брокер, одна схема. На практике профессиональная разработка стратегий редко ограничивается этими рамками. Оцениваемая стратегия может одновременно работать на реальном счёте у одного брокера и на демосчёте у другого для сравнения качества исполнения сделок. В ходе оптимизации одни и те же параметры могут перебираться в средах двух брокеров, чтобы выявить зависимость результатов от брокера. Портфель стратегий может быть распределён между несколькими брокерами для диверсификации контрагентского риска, причём каждый счёт формирует отдельный CSV-экспорт для единого слоя сводной отчётности.
Если CSV-экспорты разных брокеров без предварительной обработки загрузить в один и тот же конвейер Python, анализ может быть незаметно искажён. Два брокера, использующие разные форматы котирования EURUSD, будут показывать показатели прибыли, различающиеся в десять раз. Если один брокер записывает комиссию в отдельное поле DEAL_COMMISSION, распределение прибыли будет отличаться от результатов брокера, включающего комиссию в спред. Брокер с часовым поясом UTC+2 и брокер с UTC+3 сформируют последовательности временных меток со смещением на один час при совместном отображении, из-за чего временной анализ ошибочно отнесёт сделки к неверным торговым сессиям.
Ни одно из этих расхождений не вызывает сообщения об ошибке. Данные загружаются без проблем, графики строятся без предупреждений, однако аналитические выводы оказываются неверными. Описанный в статье слой нормализации служит системной защитой от подобных скрытых искажений данных.
Автор: Ushana Kevin Iorkumbul