#MOEX
Московская биржа запускает на фондовом рынке торги в выходные дни

1 марта 2025 года на рынке акций Московской биржи стартуют торги в выходные дни в экспериментальном режиме,

На первом этапе к торгам в выходные будут допущены наиболее ликвидные акции. Для снижения рисков волатильности и обеспечения ликвидности ценовые границы в ходе торгов в выходные будут сужены – максимально допустимое изменение цены бумаги составит 3% от цены закрытия предыдущего торгового дня – и не будут изменяться.

Уходит эпоха 252 торговых дней...

Ладно, крипта сразу живет в 365 24/7 режиме торгов. А вот для российского рынка бектестить стратегии станет интереснее. До 1 марта 2025 в году будет 252 торговых дня, а потом примерно 354 в 2025 и 365 торговых дней с 2026. Бедные стажеры, фисящие бектесты либы!

Но коты же одинаковые...

Quant Researcher

Что почитать на выходных: «The Art of Latency Hiding in Modern Database Engines» от Kaisong Huang и соавторов

В работе рассматриваются методы скрытия различных видов задержек в современных OLTP-движках. Может быть актуально в разработке высокопроизводительных систем или ТЧЕ-ФЭ-ТИ (простите, мы пересмотрели туториалов на Ютубе).

Основные идеи:

🎯 Корутины для минимизации переключений: Использование стэклесс корутин позволяет с минимальными затратами переключаться между транзакциями, эффективно скрывая задержки при обращениях к памяти.

🚀 Асинхронное I/O: Применение io_uring и асинхронных вызовов дает возможность не простаивать на ожидании операций с диском, что критично при работе с cold store.

🔄 Двухочередная система планирования: Разделение транзакций на in-memory и storage-bound позволяет оптимально использовать ресурсы системы и поддерживать высокую пропускную способность даже при смешанных нагрузках.

Для углубления рекомендуем:
- Изучить основы модели coroutine-to-transaction (например, в CoroBase).
- Ознакомиться с документацией по io_uring и асинхронному I/O в Linux.
- Просмотреть репозиторий проекта на GitHub: github.com/sfu-dis/mosaicdb

Интересно в целом почитать, как устроены знакомые механизмы и как люди придумывают всякие хитрости для их ускорения.

Quant Researcher

Если вы ещё не используете LLM, то мы идём к вам!

У Андрея Карпатого вышел видос про практическое применение LLM на конкретных кейсах. Если вы ещё не используете LLM, это видео станет отличным онбордингом!

Также у Андрея есть видео, где он рассказывает про LLM на базовом уровне. Это тоже полезно знать, чтобы лучше писать промты.

Мы считаем, что половина успеха в использовании LLM — это умение писать промты. Для этого нужно иметь общее представление о доменной области и понимать принципы работы и ограничения моделей.

Quant Researcher

👩‍🚀 Стоит ли менять профессию, если очень хочется стать квантом?

Обсудили в коротком ролике:
00:11 - В кванты из другой профессии в 33 года. Реально?
05:14 - Про препятствия и усилия при переходе в кванты
07:45 - Финансы. Программирование. Математика. Дотягивание нужных скиллов
09:12 - Опыт найма на позицию кванта, без квантового опыта
12:06 - От стажера кванта до Senior: как складывается карьера
13:21 - Совет всем, кто хочет поменять профессию

🚀 Ссылка: https://youtu.be/Dijt6XcYEgg

Quant Researcher

🤽‍♂️ А что если построить граф библиотек Питона?

На днях на fi-le.net вышел пост "A Map of Python": автор выгрузил данные PyPi через JSON API и BigQuery, отфильтровал около 100 000 пакетов (больше двух зависимостей) и визуализировал их. В результате получилась интерактивная карта, где numpy соседствует с among-us-always-imposter-hack.

Репозиторий с исходниками также доступен: https://github.com/lennart-finke/pypi-map

Возможно, где-то там есть и ваш самописный пакет для бэктестирования? 😄

Quant Researcher

🔥 Визуализация работы трансформеров позволяет наглядно представить, как модели вроде ChatGPT формируют ответы, подбирая слова и фразы.

Это помогает лучше понять процессы, происходящие внутри языковых моделей.

Простыми словами: такие визуализации дают возможность увидеть, как ChatGPT выбирает слова для формирования своих ответов.

https://moebio.com/mind/

@machinelearning_interview

🥹 Визуализация работы трансформеров позволяет наглядно представить, как дискрешенери трейдеры формируют ответы, почему просел портфель, подбирая слова и фразы…

Quant Researcher

🔥 rust_bt — высокопроизводительный движок для тестирования торговых стратегий на Rust

Зачем 👁️
• Позволяет проводить backtesting и live trading с минимальной задержкой.
• Гибкий и модульный дизайн: единое ядро (rust_core) для обоих режимов — исторического тестирования и реальной торговли.
• Симуляция рыночной микроструктуры: учитываются спред, проскальзывание, комиссии и сложное управление позициями.

Как использовать 👨🏻‍🏫
1. Клонируем репозиторий:

git clone https://github.com/jensnesten/rust_bt.git

2. Запускаем backtesting:
Перейдите в папку с backtesting-модулем и выполните:

cd rust_bt/rust_bt
cargo run

3. Для live торговли:
Перейдите в директорию live-модуля и запустите:

cd rust_bt/rust_live
cargo run

4. Расширение функционала:
Реализуйте собственную стратегию, создавая структуру, которая реализует Strategy в rust_core. Например:

use crate::engine::{Broker, OhlcData, Order, Strategy};

pub struct MyStrategy;

impl Strategy for MyStrategy {
fn init(&mut self, broker: &mut Broker, data: &OhlcData) {
// Предварительный расчёт индикаторов
}

fn next(&mut self, broker: &mut Broker, index: usize) {
// Логика торговли на каждом тике
}
}

Репозиторий: github.com/jensnesten/rust_bt 📌

Quant Researcher

«Пытался хеджить. Vanna в ванне, Волга в углу. От Vomma остался только след на плече Vega.»

Кратко:

- Vega — чувствительность опциона к изменению волатильности.

- Vanna — как меняется Vega при движении спота.

- Volga (Vomma) — как меняется Vega при изменении волатильности.

- Когда базовых Delta и Vega уже не хватает — вступают в игру Second Order Greeks.

Quant Researcher

🎩 Интервью с маэстро

Мы тоже хотели бы немного позаниматься теорией поля…

https://youtu.be/hT8TGucvHfg?si=W7GF4nBzKhg7luUm

Quant Researcher