Розробка програмного забезпечення для вибору стратегії в системах автоматизації трейдингу

Abstract

У сучасних умовах автоматизація трейдингу набуває дедалі більшого значення, оскільки дозволяє підвищити ефективність трейдингу шляхом використання алгоритмічних методів та спеціалізованого програмного забезпечення. Дана бакалаврська робота за спеціальністю 122 – Комп'ютерні науки присвячена розробці автоматизованої системи трейдингу мовою Python, що базується на сучасних методах аналізу ринкових даних та алгоритмічних стратегій. У роботі розглядаються основні поняття автоматизованого трейдингу, базова термінологія та аналіз існуючих програмних рішень у цій сфері. Особливу увагу приділено теоретичним та практичним аспектам розробки власної системи, включаючи вибір алгоритмів, обробку даних, управління ризиками та інтеграцію із торговими платформами. Python є однією з найбільш популярних мов програмування у фінансовій сфері завдяки широкій підтримці бібліотек для машинного навчання, аналізу даних та роботи з API торгових платформ. У межах дослідження розроблена програмна система, що реалізує автоматизоване прийняття рішень на основі математичних моделей, статистичного аналізу та історичних даних ринку. Запропонований підхід спрямований на оптимізацію торгових стратегій, зменшення впливу людського фактору та підвищення точності прогнозування ринкових трендів. Робота містить аналіз проблем та перспектив розвитку алгоритмічного трейдингу, що може бути корисним для студентів, дослідників та професіоналів у сфері комп'ютерних наук та фінансових технологій

In today's financial market conditions, the automation of trading is becoming increasingly significant, as it enhances trading efficiency through the use of algorithmic methods and specialized software. This bachelor's thesis in the field of Computer Science (specialty 122) focuses on the development of an automated trading system in Python, based on modern market data analysis methods and algorithmic strategies. The thesis explores the fundamental concepts of automated trading, basic terminology, and the analysis of existing software solutions in this domain. Particular attention is given to the theoretical and practical aspects of developing a proprietary system, including algorithm selection, data processing, risk management, and integration with trading platforms. Python is one of the most popular programming languages in the financial sector due to its extensive support for libraries related to machine learning, data analysis, and interaction with trading platform APIs. As part of the research, a software system has been developed that implements automated decision-making based on mathematical models, statistical analysis, and historical market data. The proposed approach aims to optimize trading strategies, reduce the impact of human factors, and improve the accuracy of market trend forecasting. The thesis includes an analysis of the challenges and prospects of algorithmic trading development, which may be useful for students, researchers, and professionals in the fields of computer science and financial technologies