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

🤓 Alternative assets

Кто знает, какая это бета?) Считаем регрессию к коммодитиз?

Quant Researcher

Доходные активы по-русски: бракованная Нюша с 3 руками за 1 млн рублей от коллекционера.

@investorbiz

🎯 Базовые квантовые репозитории, если раньше не сталикивались

Мир кванта — это джунгли. Полуготовые библиотеки, кривые бэктестеры, проблемы с данными. Но есть проверенные инструменты, о которых мы иногда рассказываем. Подборка от блога Algo Insights на Медиуме👇

1. OpenBBTerminal — Если пока не накопили на Bloomberg :)

Интерфейс терминала, написанный на Python. Подтягивает данные из Yahoo Finance, SEC, криптобирж и других источников. Можно анализировать отчеты, котировки, волатильность и др.

✅ Особенности:
• Интерактивные дешборды
• Поддержка скриптов
• Подходит для ресерча и анализа

2. ArcticDB — Работа с финансовыми рядами на стероидах

Хранилище больших объемов временных рядов. Аналог TSDB: просто, быстро, написано с учетом работы в pandas. Если устали от PostgreSQL или пока не успели раскатить «альтернативное» — можно глянуть.

✅ Фишки:
• Без серверов и зависимостей
• Поддерживает огромные датасеты
• Нативно дружит с pandas

3. zipline-reloaded — Классика бэктестинга, оживленная сообществом

Форк старого доброго Zipline от Quantopian. Поддерживает реалистичный учет комиссий, проскальзываний и прочих “болевых точек” настоящего рынка. Работает с акциями, фьючерсами и ETF.

✅ Почему стоит использовать:
• Моделирует реальный рынок
• Сообщество активно поддерживает
• Интеграция с pyfolio

4. VectorBT — Векторный бэктестинг с NumPy

Забудьте про циклы. VectorBT использует векторизацию и позволяет прогнать тысячи идей за секунды. Подходит для частых стратегий.

✅ Почему топ:
• Cкорость работы
• Полный контроль над логикой
• Поддержка кастомных индикаторов

5. quantstats — Красивые отчеты по стратегии за 1 строчку кода

Выдает метрики уровня Bloomberg: Sharpe, drawdown, доходность по годам и т.д. Делает красивые графики и сравнивает с бенчмарками. Особенно хорош при презентациях перед клиентами/бенефициаром.

✅ Что умеет:
• Генерирует PDF-отчеты
• Визуализации “как у настоящего фонда”
• Поддержка pandas DataFrames

6. pyfolio-reloaded — Диагностика стратегии на уровне риска

Позволяет копнуть вглубь: распределение доходностей, волатильность, корреляции, Value at Risk. Идеально в связке с zipline или любым другим бэктестером.

✅ Метрики:
• Drawdown
• Beta, Alpha
• CAGR, Calmar

7. alphalens-reloaded — Проверка силы сигналов (факторный анализ)

Если у вас есть факторы (low P/E, RSI, momentum и т.д.) — с помощью этой библиотеки можно проверить, как хорошо они объясняют доходность. IC-анализ, анализ decile-групп и многое другое.

✅ Что даёт:
• Information Coefficient
• Факторный PnL по квантилям
• Простой API

8. optopsy — (Бонус уровень) Опционы!!!

Нишевая библиотека для опционов: straddle, covered calls и другие стратегии. Простая, быстрая. Документации маловато, но функционал отлично подойдет для погружения и анализа.

✅ Плюсы:
• Заточена под опционы
• Простое API
• Легкая установка и использование

🔚 Вывод

Если собрать все эти инструменты — получится почти полноценный quant-stack:

🔍 OpenBB для данных
🗄 ArcticDB для хранения
⚙️ zipline и VectorBT для симуляций
📊 quantstats и pyfolio для анализа
🧠 alphalens для генерации альф
📉 optopsy для опционов

⚡️ Рынки не прощают неучтенного проскальзывания в бэктестах, но грамотный инструментарий даст преимущество!

Quant Researcher