CC BY
14Инструментальные особенности реализации систем управления торговыми операциями над ЦФА
Проскуряков Александр Юрьевич
кандидат технических наук, доцент кафедры ЭиВТ, Муромский институт (филиал) ФГБОУ ВО «Владимирский государственный университет имени А. Г. и Н. Г. Столетовых», alexander.prosk.murom@gmail.com
Рассмотрена актуальная задача управления торговыми операциями с цифровыми активами, построенными на блокчейн-технологиях. Предлагается решение с применением комплексных программных инстру-ментариев для реализации торговых автоматизированных и автоматических систем по управлению криптоактивами. Автоматизированная торговая система или торговый робот реализован ы рамках методологии для проектирования систем управления криптоактивами. Проведенная научно-исследовательская работа по созданию системы в рамках методологии включает в себя исследование методов принятия торговых решений для роботов, набор технических программных инструментариев, а также платформу для тестирования торговых стратегий. Платформа для тестирования позволяет выявить оптимальный параметры роботизированных торговых систем в зависимости от условий рынка, требований инвестора и оценке рисков. Ключевые слова: криптовалюта, методология управления криптова-лютами, прогнозирование курсов валют, принятие торговых решений, торговые роботы, торговые стратегии, цифровые финансовые активы, цифровая валюта.
Введение
В 2023 году в условиях агрессивной мировой экономики становится очень актуальным вопрос применения новых финансовых инструментов для трансграничных переводов в интересах государства [1] и рядовых граждан, имеющих высокие запросы к мобильности капитала. С учетом этой востребованности достаточно подходящим инструментов выступают активы, построенные на блокчейн-технологиях. Несмотря на небольшой возраст в 10 с небольшим лет в мире криптовалют произошло несколько маленьких революций, преображений, доработок, включая появление смарт-контрактов [2], и на сегодняшний день выходит уже третье поколение криптоактивов, имеющих достаточно устоявшуюся и устойчивую конъюнктуру. Это позволяет рассмотреть их применение в задачах создания национальной валюты [3].
Вышеуказанное создает все предпосылки для создания инструментов управления или менеджмента цифрового капитала как существенной части цифровой экономики [4, 5], которые должны быть спроектированы в соответствии с требованиями, удовлетворяющими внутренним и внешним условиям, требованиям инвесторов и контролируемым рискам.
Формирование подобных запросов приводит к необходимости в создании методологии, позволяющей проектировать системы управления криптоактивами. В качестве подтверждения предлагаемой новой методологии предлагается рассмотрение набора программных инструментариев, реализующих подобную систему. Системы, проектируемые в рамках методологии, представляют собой автоматизированные и автоматические торговые роботы. Они позволяют в режиме реального времени управлять портфелем криптоактивов, подключаясь к необходимым торговым площадкам посредством сети Интернет.
Таким образом, научную новизну данной работы составляют новые методы принятия торговых решений для автоматизированных и автоматических торговых роботов [6], управляющих портфелем криптоактивов, набор программно-методических инструментариев и платформа для тестирования торговых стратегий, позволяющая найти оптимальные параметры робота при различных условиях рынка.
1. Методология, методы и алгоритмы управления криптоактивами для автоматических торговых роботов
Предложенная методология управления торговыми операциями над криптоактивами включает в себя совокупность взаимосвязанных методов, моделей и алгоритмов, выполняющих задачи предварительной обработки и анализа финансовых данных [7, 8], а также прогнозирования и принятия торговых решений с портфелем криптоактивов [9-13]. Конечное решение представляет собой программный продукт, который может быть загружен в облачную систему для бесперебойного непрерывного функционирования и осуществления торговых операций в режиме реального времени. Благодаря проведенным исследованиям с учетом требования формируется набор правил и условий осуществления торговых операций. Торговые операции выполняются согласно заданным алгоритмам системы управления криптоактивами для использования в автоматизированных и автоматических торговых роботах [6].
X X
о
го А с.
X
го т
о
м о м
Сл>
Для успешного функционирования робота, необходимо в первую очередь разработать алгоритм и метод управления активом, следуя которому, будут выполняться торговые опера-
ции с криптоактивами. Далее на рисунке 1 приведен безпро-гнозный трендовый метод управления цифровыми финансовыми активами [7] в виде общей концептуальной схемы.
3
<
т о х
X
Рисунок 1 - Общая концептуальная схема управления активом
Блок-схема алгоритма управления активом на рисунке 1 показана в виде bpmn-диаграммы. Исходя из обоснованного положения, что рынок и движения стоимостных показателей в
экономическом и техническом анализе как правило имеет широкие вариации, была предложена безпрогнозная модель принятия решения в общей концепции системы автоматизирован-
ного управления цифровыми активами. Ее реализация стремиться быть не чувствительной к полярности рынка, то есть эффективной при любом направлении движении рынка - как при падении, так и при росте. Управление активом при сформировавшемся тренде является технически и математически решаемой задачей на спотовом рынке цифровых активов. Если это падение, то необходимо осуществлять покупку актива с заданной периодикой, учитывая дальнейшее возможное движение вниз таким образом, чтобы не израсходовать базовый актив ранее, чем завершится тренд. При этом требуется вести подсчет средней взвешенной цены покупки с учетом объёмов каждой сделки на всех этапах исполненных торговых операций.
Реализация системы согласно предлагаемой схемы управления является эффективным решением при любом движении рынка. К фундаментальным параметрам такой системы автоматического управления цифровыми активами можно отнести: шаг цены, объем задействованного депозита и требуемый профит. Однако, при проектировании подобной системы управления торговыми операциями над ЦФА важно учитывать инструментальные особенности. Среди них отмечается выбор языка программирования высокого уровня и облачная среда, отвечающая требованиям стабильности, отказоустойчивости и универсальности.
2. Инструментальные особенности реализации методологии управления ЦФА
Результатом практической стороны работы является создание системы автоматического автономного мониторинга и управления цифровыми активами в инвестиционно-финансовой среде. Создание подобной системы, которая могла бы отвечать требованиям мобильности, доступности, кроссплат-форменности, удаленного мониторинга и управления соответствуют системы, функционирующие на базе облачных технологий. Наиболее известные и распространенные это системы Google Cloud, Яндекс Облако, Digital Ocean, Amazon AWS [1417].
Программное обеспечение написано с помощью языка программирования Go [18], интерфейс реализован на базе angular 8 [19]. Интерфейс системы автоматического управления криптоактивом приведен на рисунке 2.
Портфель
3.741331!( 6114!
13i2».ee57907¿ 630.00677
JS23.M №6.04
13039.74 «66S.44
мости от итерации. Граница же контр ордера фиксации прибыли в таком случае, напротив - двигается ближе к текущей цене. Это вызвано тем, что пересчитывается средняя цена набора актива и для фиксации прибыли теперь необходимо меньшее (чем на предыдущей итерации) движение рынка в сторон. Когда достигается граница контр ордера фиксации прибыли, то текущий торговый цикл объявляется закрытым. Ниже на рисунке 3 приведена история всех закрытых экспериментальных торговых сессий с указанием балансов, стоимости, тренда и полученного в ходе их выполнения результата.
0.80613395 72487.40910842
0.72552056 79803.46227259
I 000001102*7316.05316417 0.00001124x7242.89263252
0.0000108 x 806158920133 | 0.00001157 x 7141.86142216
0.72552056(0.08061341 79803.46227259(7316.05316417)
0.63845809(0.08706247)
( 0.00001047 х 9143.14239326 ] 0.00001134x1508289924308
0.00001107 357.11 0.00000995 <1036222804569 [0.00001107x24164.67138848]
97009.19386717(9143.14239326)
86646.96582148 (24164.67138848)
0.81008562 72844 52247869
+ I 0.00001095x7394.71293956 1 0.00001118x7320.76581016
+ : 0 00001074 x 8149.27548441 I 0.0000115 x 7218.64834576
0.00001127 298.92 0.00001041x9241.44642562 0.00001127x15245.06556966
0.81345557 73143.445333
0.89561459 65927.90751134
0.72907706(0.08100856) 8023913541825(739471293956)
0.64158781(0.08748925) 88388.51090266(814927548441)
0.81345557(0.17186776) 79147.06447704 (15245.06556966)
t 000001116 x 7288.42204208 ( 000001139 x 721553782166 I
65855.02329092(7215.53782166)
♦ 0.00001082x7405.42039591 0.00001173x7911.34890136
5852148711543(7911.34890136)
t 0.0000111x1544103019642 0.00001231x87014837915
0.00001148 368.50 [0.00001148x24197.86593484] 0.0000133 x 9369.67421551
1.09556465(0.10716581) 42574.52841357(87024837915)
0.81768721(027787744) 7351194075333(24197.86593484)
Рисунок 2 - Верхняя часть панели управления - глобальные параметры и состав портфеля
При запуске торгового робота и активной сессии, движение стоимости криптоактива попадает в коридор, границы которого отражают места, при достижении уровней которых, выполняется торговая операция. После этого, границы изменяются (пе-ресчитываются), так как производтися новый расчет ордеров продажи и покупки. Если пересечение приосходит со стороны оредра набора объема, то его новая граница отодвигает дальше на столько, на сколько указано в параметрах в зависи-
Рисунок 3 - История выполненных торговых операций и циклов
По снимку экрану, представленному на рисунке 3, видно, что каждая новая торговая операция выделена в отдельную строку, а для полного представления текущего статуса выполнения торгового цикла необходимо несколько отличительных идентификаторов: Balance, Price, Trend, Buy, Sell, Result.
Нулевой системный скрытый столбец - флаг показывает общую нумерацию всех торговых операций в рамках текущей сессии, а также устанавливает маркер, помечающий сделки. «Balance» объемы базового и котируемого актива, которыми располагает автоматический робот в текущий момент времени. «Price» - цена актива, по которой была осуществена торговая операция. «Trend» - направленность торговорго цикла, можеть быть как на повышение, так и на понижение стоимости. Колонки buy и sell формируются одновременно, но выполнится из них может только одна. Та которая выполнилась - выделяется контуром, отменяется второй ордер и выставляется новая пара buy|sell ордеров, которые записываются в новую строку. «Result» показывает черным текстом состояние балансов базового и котируемого актива после выполненной торговой операции и цветным то, насколько изменился.
Кроме этого, под секцией с историей выполненных торговых операций и циклов ведется мониторинг общей информация о статусе торгового цикла, балансе, активных оредрах и истории исполненных сделок. Связь системы с биржей устанавливается с помощью api протокола, в котором прописаны конкретные команды биржи для каждого инструмента как показано на рисунке 4.
О
00 >
.с
00 m
о
го о го
со
fO
еч
0 es
01
О Ш
m х
<t m о x
X
Биржа 1
Сервер
Биржа 2
Интернет API
Биржа N
Хранилище данных Сервер SQL
БД временных рядов
Web-сервер
Разработанное
L
Пользователь
Рисунок 4 - Архитектура системы
Как отмечено на рисунке 4 в качестве системы управления базами данных для хранения временных рядов стоимостных показателей криптоактивов используется InfluxDB [20, 21]. Производя расчет на облачном вычислителе, система посылает команду на совершение сделки. Это может быть отмена ордера или выставление нового, который система только что рассчитала в зависимости от состояния рынка и ранее выполненных сделок.
Для управления, администрирования, контроля и запуска новой сессии требуется команда оператора. Оператор выполняет функции запуска и остановка системы, корректировки параметров системы. Остановка системы может быть вызвана необходимостью обновления ядра программного обеспечения робота, так и при пополнении и выводе депозита, подстройки параметров или в случае сбоя. Последнее может быть вызвано ошибочным ответом биржи, например, с указанием несуществующей цены или проблемами со связью, другой непредвиденной технической ситуацией на рынке.
При разработке и использовании программного обеспечения для создания систем по управлению ЦФА необходимо учитывать проблемы, которые могут возникать при использовании стороннего программного обеспечения, например - QT Bitcoin trader [22], и проблемы подключения с использованием ргоху-серверов из-за блокировок интернет-подключения. Кроме этого, существует проблема частичного исполнения ордеров, юридические ограничения криптовалютных бирж и систем биржевого регулирования для финансовых институтов по типу KYC (known your clients, знай своего клиента).
3. Платформа и результаты тестирования автоматизированного торгового робота
Полученные в результате создания торговые роботы необходимо подвергнуть тестированию как в режиме реального времени, так и с помощью моделирования синтетических тестов. Это обусловлено среднечастотной и низкочастотной торговой сессией, сделки могут совершаться на длительных интервалах времени и цикл может длиться от минуты до нескольких недель. Такой срок является мешающим фактором для эмпирического поиска оптимальных параметров и конфигураций. Эту проблему можно решить с помощью создания платформы для тестирования.
Разработанная платформа позволит рассчитывать эффективность настроек робота при разных рыночных условиях, например, в условиях низкой или напротив, высокой, вола-тильности, а также в случаях затяжных трендовых движений, резких всплесков и других случайных событий.
Важно понимать, что существует два способа проведения такого рода тестов. Первый способ позволяет осуществить тестирование с помощью моделирования движения рынка. Система генерирует котировки, симулируя реальные рыночные состояния и показывает эффективность той или иной настройки, чтобы можно было предсказать реакцию системы
практически на любое рыночное событие. Последнее является важным преимуществом, однако практически невозможно смоделировать такую рыночную ситуацию, которая симулировала поведенческую стратегию так, как это происходит на самом деле, так как рынки постоянно находятся в состоянии неопределённости, а механизмы симуляции для такого моделирования четко определены, хоть и снабжены элементами случайности.
Второй способ для тестирования — это повторение событий, которые уже имели место быть на рынке и с какой-то долей вероятности могут повторится, например, циклично. Разумеется, полного совпадения никогда не случается, но некоторая поведенческая закономерность на рынке всегда присутствует. Применив настройки на определенных исторических значениях котировок, можно предсказать подобные паттерны в будущем на основании накопленного опыта и тем самым определить эффективность разработанной системы в будущем в случае повтора.
Таким образом, в первом случае мы создаем «искусственный рынок», а на втором способе исследуем разработанные модели в разных конфигурациях на базе исторических значений. Применяя комбинированный и усредненный расчет при оценках эффективности вышеуказанных способов, становится возможным получать выводы по поводу дальнейшей целесообразности всей разработки и пути ее развития.
Также, было проведено тестирование на основе симуляции рынка и на исторических данных временных рядов (котировок) цифровых активов. Для этого применялся алгоритм тестирования с использование векторов, выгруженных исходных данных котировок [23], полученных в виде как приведено на рисунке 5.
Рисунок 5 - Векторы исходных данных торговой пары Ыс/иаЗ для тестов
Из рисунка 5 видно, что двумерных вектор значений торговой пары usd/btc был взят на заданный период времени в свечном формате со стоимости закрытия и открытия в зависимости от таймфрейма.
После загрузки истории движения цены необходимо задать параметры платформы для тестирования в точности как задаются параметры на реальном торговом роботе. Для этого формуется вектор параметров х, у, z, где х - шаг цены, у - процент задействованного депозита, z - процент требуемого профита с закрытия торгового цикла как приведено на рисунке 6.
| ишкшшш I щщимимяиц
тошшшмш!
ВДЩИЩЩДВДА
По наблюдениям из вышеуказанной торговой сессии можно сделать вывод, что доступный депозит активов в правой части графика был израсходован чрезмерно быстро без коррекции стоимости и требуется снизить чувствительность параметров для предупреждения подобных ситуаций.
Ниже на рисунке 8 приведен перечень торговых операций и закрытых торговых циклов.
В соответствии с предлагаемым набором параметров на рисунке 9 отражены результаты для каждого набора исторических значений временных рядов.
Щ шттшщш__' | щдшвдамм!_|
Рисунок 6 - Параметры торгового роботы для тестирования
При задании параметров необходимо учитывать возможную волатильность, риски и профит. На рынке цифровых валют могут происходить экстремальные пампы и дампы стоимости активов, поэтому может возникнуть необходимость во вмешательстве оператора для корректировки параметров с учетом особенности торговли с фиатными и криптовалютными парами. Пример реализации ценовой динамики в тестовом режиме и результаты проведенных модельных тестов на исторических временных рядах с детализацией на графике при различных параметрах приведены на рисунке 7.
Рисунок 1 - Визуализация торговой сессии в платформе для тестирования
Согласно графику, приведенному на рисунке 7 получено общее представление об эффективности торгового робота на заданном интервале времени. Красная линия отвечает за сделки продажи, зеленая - покупки.
Quoted Price
mm V!i ifi
|-| 7Q1fiVl ill i7TM
670.00
lSliHIW
t 297.00x0,101010 [303.00 * 0.100000
+ 295.41 «0.212333 [327.69110.1188110 "] 0.673200 10.1181001
0.673200
0.545292
1.Ю4640 naune
«2.94 37Ш
«8.20 301.99
Э0Ш 331, 94
5ЧЭЯ0 15'- 1С
* 305.53x0,331854 [353.91 »0.127908 0.545292 10.1279081
(зшй
316.22*0.095340 [322.61 »0.100464 0.90417« in.in(Wi41
[306.48x0.103108 | 332.29 x 0.108501 1.007284
m ШЧШ1
imc.ni.nH inm-iiu ли та jj'j сл
t 303.41 x0.099631 [309.54 * 0.100728 1 1906555
2015-01-08 08:10:10
201H1-08 08:30:00
0,906555 0.797769
1Ш1МЦ
33347 344,94 368.16 282.13
ЧЛЧМ Til n
A 1MilCvfl1fl357Q '710 01t.-.OISI 1 П7077М
1С --'.'Л, 1 ЧИ77гЛ11Щ« 1П11(У<1
А 70Я77*1)1П1С1П S' «ШЛИЕС
Рисунок 8 - Перечень сделок и закрытых торговых циклов в рамках активной торговой сессии платформы для тестирования
201Я10805С FmMI-MHMO
пжнимяа
20150108050000-2017010201 S959-75652bb4 From: 2015-D1-OB 05ЛОЛ) Til: 20174)1-02 01:59:5)
201 &0101010000-20180302015959-08edfB09
From: 2МИ1-01 HMO MWMOtiHi
Quoted: 2151%
Quoted: 7,30%
Quoted: 7.30%
Base: 3.42% Quoted: 3.30%
20170101001500-20170902002959-3fe0dfd2
Fran: 2017-014)1 «1:15« Till: 2017-0902 Qft29i9
Base: 3.42% Quoted: 3.51%
20170101001 Ш18090200295НМе<708
Front 2И74И4И1ИИ0 Till: 2018094)2 №2959
Base: 3.42% Quoted: 3.51%
20Ш0101(ШШ8010201595ИЬ54431
From: 20174)14)10ИШ) Till: ИМ1-02015959
20170101010000-201 hHIMM
Till: »1Ш4И1Ж9
Quoted: 4.52%
Рисунок 9 - Различные конфигурации торгового робота с указанием полученного результата эффективности
С помощью полученных результатов становится возможным подбор оптимальных параметров торгового робота без проведения затяжных тестов с эмпирическим подбором параметров в режиме реального времени.
В рамках реализации платформы для тестирования могут возникнуть следующие технические сложности: наличие доступных исходных данных временных рядов и большие объемы временных рядов стоимостных показателей, приводящие к высокой нагрузке на платформу для тестирования. Кроме предложенной модели в перспективе предлагается концепция высокочастотного или гибридного робота, который рассчитан на функционирование цикл в цикле для работы на разных уровнях цены, внутри и между сделок основного цикла с более высокой частотой, но с меньшим объемом. Подобные роботизированные системы совестно с высокочастотными HFT роботами могут использоваться также на узких интервалах, в том числе для работы в качестве маркетмейкера внутри биржевого стакана. Получая индикативные метаданные по рынку с помощью системы прогнозирования возможна подстройки параметров в режиме реального времени с помощью искусственного интеллекта.
Результаты тестирования разработанных автоматических торговых роботов в рамках методологии проектирования системы управления криптоактивами обеспечивает прирост депозитарного объёма в интервале от 0,3 до 1 % при выполнении торгового цикла.
Заключение
Благодаря предложенному решению по осуществлению торговых операций над активами, построенными на блокчейн-технологии, становится возможным проектирование автоматизированных и автоматических торговых роботизированных си-
X X
О
го >
п.
X го m
С
2 о м
to
СО CS
о
CS
о ш m
X
<
m О X X
стем или торговых роботов для управления цифровыми криптоактивами. При создание таких роботизированных систем необходимо тщательное изучение требований к системе для формирование оптимальных параметров в зависимости от временных рамок и допусков по риску. Учет специфики программной разработки, а также скрупулёзная проработка инструментальной особенности реализации позволяет получить практические рекомендации по применению торговых роботизированных систем в соответствии с методологией управления ЦФA.
Кроме технических особенностей реализации программных конструкций для построения роботизированных трейдин-говых систем требуется осуществлять тестирование системы в различных условиях для подбора оптимальных параметров. Для этого предложено использовать платформу для тестирования и выявления оптимальных параметров роботов на базе исторических значений стоимости криптовалют.
Разработка систем на примере вышеописанной позволяет строить комплексный адаптивный поход к управлению крипто-активами с контролем риском в зависимости от сроков и требований инвесторов и накопительных хэджфондов.
Литература
1. РБК. Эксперты предложили цифровой рубль для расчетов постсоветских стран [Электронный ресурс]. Режим доступа:
https://www.rbc.ru/economics/13/06/2023/648713059a79471091 f 93051?from=from_main_3 (дата обращения: 25.06.2023).
2. СMAРT-КОНTРAКT [Электронный ресурс]. Режим доступа:
https://rspp.ru/upload/iblock/2f9/IPChain%20%D0%A1%D0%BC %D0%B0%D1% 80%D1%82-
%D0%BA%D0%BE%D0%BD%D1%82%D1%80%D0%B0%D0% BA %D1 %82%D1 %8B.pdf (дата обращения: 18.06.2023).
3. Aлбычев, A.С. Среда исследований операционно-вы-числительной архитектуры информационного обеспечения цифровой валюты центрального банка / A^. Aлбычев, СА Кудж // Russian Technological Journal. 2023;11(3):7-16. https://doi.org/10.32362/2500-316X-2023-11 -3-7-16.
4. Ларина, О. И. Цифровые деньги на современном этапе: ключевые риски и направления развития / О. И. Ларина, О. M. Aкимов // Финансы: теория и практика, 2020, т. 24, № 4, с. 1830.
5. Kuznetsova, V. P. The blockchain as a tool of the digital economy / V. P. Kuznetsova, , I. A. Bondarenko // Journal of Economic Regulation, 2018, 9. 102-109. 10.17835/20785429.2018.9.1.102-109.
6. Proskuryakov, A. Predictive-Free Methods for Digital Financial Asset Management and Delayed Functional-Differential Economic Game Models / A. Proskuryakov, D. Beylekchi, S. Uvaisov // Proceedings of ITNT 2021 - 7th IEEE International Conference on Information Technology and Nanotechnology, 2021 DOI 10.1109/ITNT52450.2021.9649433.
7. Кропотов, ЮА Обработка временных рядов с применением вейвлет-преобразований для повышения точности представления информации / ЮА Кропотов, A.A. Белов, A^. Проскуряков // Вестник Брянского государственного технического университета. 2018. № 8 (69), с. 67-75.
8. Проскуряков, A^. Функционально-дифференциальные модели экономических игр с запаздыванием в условиях цифровых технологий / A^. Проскуряков, ВА Ермолаев // РИСК: Ресурсы, Информация, Снабжение, Конкуренция», 2021. No1, с. 99-102.
9. Белов, A.A. Прогнозирование изменений параметров временных рядов в цифровых информационно-управляющих
системах / А.А. Белов, Ю.А. Кропотов, А.Ю. Проскуряков // Информационные системы и технологии. - Орел: ОрелГТУ, 2019. №6(116). с. 55-65.
10. Кропотов, Ю. А. Прогнозирование изменений параметров временных рядов в цифровых информационно-управляющих системах / Ю.А. Кропотов, А.А. Белов, А.Ю. Проскуряков // Системы управления, связи и безопасности. 2017. №2, с. 1-17.
11. Проскуряков, А.Ю. Прогнозирование изменения параметров временных рядов в задачах цифровой экономики. Сборник научных трудов III Международной научно-практической конференции «Актуальные проблемы и перспективы развития радиотехнических и инфокоммуникационных систем» «РАДИОИНФОКОМ-2017», МИРЭА, 2017, Часть 1. с. 80-93. ISBN 978-5-90363-127-8.
12. Kropotov, Y.A. Method for forecasting changes in time series parameters in digital information management systems / Y.A. Kropotov, A.Y. Proskuryakov, A.A. Belov // Computer Optics, 2018, Vol. 42, no. 6, P. 1093-1100 (DOI: 10.18287/2412-61792018-42-6-1093-1100).
13. Proskuryakov, A.Y. Research and Forecasting of Changes in the Parameters of Time Series and Continuous Functions in Information Systems / A.Y. Proskuryakov, Y.A. Kropotov // 2018 3rd Russian-Pacific Conference on Computer Technology and Applications (RPC) Publisher: IEEE DOI: 10.1109/RPC.2018.8482226.
14. Google Cloud: Cloud Computing Services [Электронный ресурс]. Режим доступа: https://cloud.google.com/ (дата обращения 17.06.2023).
15. Яндекс Облако [Электронный ресурс]. Режим доступа: https://cloud.yandex.ru/ (дата обращения 17.06.2023).
16. DigitalOcean | The Cloud for Builders [Электронный ресурс]. Режим доступа: https://www.digitalocean.com/ (дата обращения 17.06.2023).
17. Amazon Web Services (AWS) [Электронный ресурс]. Режим доступа: https://aws.amazon.com/ (дата обращения 17.06.2023)
18. Kennedy, W. Go in Action / William Kennedy, Brian Ketelsen, Erik St. Martin. - Manning Publications, November 2015, 264 p.
19. Jeremy, Wilken. Angular in Action. 2018, 320 p.
20. S. N. Z. Naqvi, S. Yfantidou, and E. Zimányi. Time series databases and influxDB [Электронный ресурс]. Studienarbeit, Université Libre de Bruxelles, 2017. Режим доступа: http://cs.ulb.ac.be/public/_media/teaching/ influxdb%202017.pdf (дата обращения: 26.05.2023).
21. Telegraf Open Source Server Agent | InfluxData [Электронный ресурс]. Режим доступа: https://www.influxdata.com/time-series-platform/telegraf/ (дата обращения: 25.06.2023).
22. Qt Bitcoin Trader [Электронный ресурс]. Режим доступа: https://centrabit.com/ (дата обращения: 25.06.2023).
23. База данных котировок // Финам.ру - финансовый портал [Электронный ресурс]. Режим доступа: https://www.finam.ru/profile/mosbirzha-fyuchersy/si/export (дата обращения 29.03.2023)
Instrumental features of digital financial assets trade management systems
implementation Proskuryakov A.Yu.
Vladimir State University named after Alexander G. and Nikolai G. Stoletov
JEL classification: C01, C02, C1, C4, C5, C6, C8_
The actual problem of trading operations management with digital assets based on blockchain technologies is considered. The solution with the use of complex software tools for the implementation of automated and automated trading systems for the management of crypto-assets is proposed. The automated trading system or trading robot is implemented within the methodology for the design of crypto-asset management systems.
The research work conducted within the framework of the methodology includes the research of methods of making trading decisions for trading robots, a set of technical software tools, as well as a platform for testing trading strategies. The testing platform makes it possible to identify the optimal parameters of robotic trading systems depending on market conditions, investor requirements and risk assessment.
Keywords: cryptocurrency, cryptocurrency management methodology, currency forecasting, trading decisions, trading robots, trading strategies, digital financial assets, digital currency.
References
1. RBC. Experts proposed a digital ruble for settlements of post-Soviet countries [Electronic resource]. URL: https://www.rbc.ru/economics/13/06/2023/648713059a79471091f93051?from=f rom_main_3 (access date: 25.06.2023).
2. Smart-contract [Electronic resource]. URL: https://rspp.ru/upload/iblock/2f9/IPChain%20%D0%A1%D0%BC%D0%B0%D1 % 80%D1%82-%D0%BA%D0%BE%D0%BD%D1%82%D1%80%D0%B0%D0%BA %D1%82%D1%8B.pdf (access date: 18.06.2023).
3. Albychev, A.S. Research environment of operational and computational architecture of information support for digital currency of the central bank / A.S. Albychev, S.A. Kudz // Russian Technological Journal. 2023, 11(3):7-16. https://doi.org/10.32362/2500-316X-2023-11-3-7-16.
4. Larina, O. I. Digital money at the present stage: key risks and development trends / O. I. Larina, O. M. Akimov // Finance: Theory and Practice, 2020, vol. 24, no. 4, pp. 18-30.
5. Kuznetsova, V. P. The blockchain as a tool of the digital economy / V. P. Kuznetsova, , I. A. Bondarenko // Journal of Economic Regulation, 2018, 9. 102109. 10.17835/2078-5429.2018.9.1.102-109.
6. Proskuryakov A. Predictive-Free Methods for Digital Financial Asset Management and Delayed Functional-Differential Economic Game Models / A. Proskuryakov, D. Beylekchi, S. Uvaisov // Proceedings of ITNT 2021 - 7th IEEE International Conference on Information Technology and Nanotechnology, 2021 DOI 10.1109/ITNT52450.2021.9649433.
7. Kropotov, Yu. A. Processing of time series using wavelet transforms to improve the accuracy of information representation / Yu.A. Kropotov, A.A. Belov, A.Yu. Proskuryakov // Bulletin of Bryansk State Technical University. 2018. no. 8 (69), pp. 67-75.
8. Proskuryakov A.Yu. Functional-differential models of economic games with lagging in digital technology / A.Yu. Proskuryakov, V.A. Ermolaev // RISK: Resources, Information, Supply, Competition, 2021. no. 1, pp. 99-102.
9. Belov, A.A. Prediction of changes in the parameters of time series in digital information and control systems / A.A. Belov, Yu.A. Kropotov, A.Yu. Proskuryakov // Information Systems and Technologies. - Orel: Orel State Technical University, 2019, no. 6(116), pp. 55-65.
10. Kropotov, Yu.A. Prediction of changes in the parameters of time-series in digital information and control systems / Yu.A. Kropotov, A.A. Belov, A.Yu. Proskuryakov // Control, communication and security systems, 2017, no. 2, pp. 1-17.
11. Proskuryakov, A.Yu. Predicting changes in the parameters of time-series in the tasks of digital economy. Proceedings of the III International Scientific and Practical Conference "Actual Problems and Prospects of Development of Radio Engineering and Infocommunication Systems"" "RADIOINFOCOM-2017", MIREA, 2017, Part 1. pp. 80-93. ISBN 978-5-90363-127-8.
12. Kropotov, Y.A. Method for forecasting changes in time series parameters in digital information management systems / Y.A. Kropotov, A.Y. Proskuryakov, A.A. Belov // Computer Optics, 2018, Vol. 42, no. 6, P. 1093-1100 (DOI: 10.18287/2412-6179-2018-42-6-1093-1100).
13. Proskuryakov, A.Y. Research and Forecasting of Changes in the Parameters of Time Series and Continuous Functions in Information Systems / A.Y. Proskuryakov, Y.A. Kropotov // 2018 3rd Russian-Pacific Conference on Computer Technology and Applications (RPC) Publisher: IEEE DOI: 10.1109/RPC.2018.8482226.
14. Google Cloud: Cloud Computing Services [Electronic resource]. URL: https://cloud.google.com/ (access date: 17.06.2023).
15. Yandex Cloud [Electronic resource]. URL: https://cloud.yandex.ru/ (access date: 17.06.2023).
16. DigitalOcean | The Cloud for Builders [Electronic resource]. URL: https://www.digitalocean.com/ (access date: 17.06.2023).
17. Amazon Web Services (AWS) [Electronic resource]. URL: https://aws.amazon.com/ (access date: 17.06.2023)
18. Kennedy, W. Go in Action / William Kennedy, Brian Ketelsen, Erik St. Martin. -Manning Publications, November 2015, 264 p.
19. Jeremy, Wilken. Angular in Action. 2018, 320 p.
20. S. N. Z. Naqvi, S. Yfantidou, and E. Zimanyi. Time series databases and influxDB [Electronic resource]. Studienarbeit, Université Libre de Bruxelles, 2017. URL: http://cs.ulb.ac.be/public/_media/teaching/ influxdb%202017.pdf (access date: 26.05.2023).
21. Telegraf Open Source Server Agent | InfluxData [Electronic resource]. URL: https://www.influxdata.com/time-series-platform/telegraf/ (access date: 25.06.2023).
22. Qt Bitcoin Trader [Electronic resource]. URL: https://centrabit.com/ (access date: 25.06.2023).
23. Quote Database // Finam.ru - financial portal [Electronic resource]. URL: https://www.finam.ru/profile/mosbirzha-fyuchersy/si/export (access date: 29.03.2023)
X X О го А С.
X
го m
о
м о
M
со
