サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
夏の料理
yuyasugano.medium.com
バックテストのpythonライブラリであるBacktestingについて公式の内容を使いながらまとめてみました。主に暗号資産のデータに対してライブラリを使用していますが、データ形式が要件を満たせばどのようなアセットに対してもバックテストが行えます。バックテストはバックキャストで過去のデータに当てはめてストラテジーの有用性や実績を検証しているだけなので、未来についての将来実績を約束するものではありません。有意であった指標が使えなくなる可能性はありますので参考までに留めています。こちらのリポジトリにいくつかJupyter Notebookのサンプルも置いたので書き換えて使えます。Backtesting 0.1.7やインジケータを計算するライブラリであるTa-libをぶち込んであるAnaconda3のDockerイメージを上げてあるので基本的にはそのコンテナでJupyter Notebookを書
DeFiプロトコルでフラッシュローンを行えるスマートコントラクトである『OrFeed』を昨年ご紹介しました。OrFeedは取引を行いたい複数のDEXを指定してTriangularアービトラージを指示できるスマートコントラクトです。OrFeedの弱点はトレードのトークンや指定できるDEXが限定されていることです。今回はNode.jsでアービトラージの裁定取引を監視しつつ、取引機会が訪れたときにフラッシュローンのコントラクトへトランザクションを投げるシステムを作成してみました。元ネタはこちらです。YouTuberの方の有料講座のコードベースですがコードは無料でgithubに公開されていました。ここでテストしているトークンはステーブルコインのみですが、自由にトークンを追加することで様々な取引機会を狙えると思います。本記事および公開されているコードは個人的な実験用であり、そのままで動作することおよ
暗号資産の運用ではそのボラティリティの高さを利用したHFTボットやドテン君などのスイングトレード、DeFiの界隈ではSynthetix/Curve/yearn.financeなどを使ったYield Farmingがトレンドになってきました。AaveやKyberSwapが実装するFlashloanは既存の金融ではなしえなかったタイプの取引を可能にしています。今回取り上げるdYdX Liquidatorもプロファウンドで興味深い内容だったのでお試ししてみました。Aave Flashloanについては以前 Ropsten ネットワークでお試しした結果をこちらにまとめてあります。[1] ※dYdX LiquidatorはEthereumのガスを消費します、ガス高騰の際に実行することは自殺行為に等しい可能性があるので注意してください
目次です。 フラッシュローンとはdydx フラッシュローン事件aave/dydx/Uniswapでの相違点RopstenでFlash Loanするテスト フラッシュローンとは通常の金融世界のローンとはお金などの貸し付けのことであり、ユーザは担保を元にお金を借り受けることができます。その返済には利子が伴うことがあります。流動性選好の観点とお金の貯蔵性からマネーを借りる場合には、利子が発生することは避けられません(減価する貨幣などお金の機能を変化させているものは除く)。フラッシュローンとは担保なしで対象資産(暗号資産やトークンなど)を借り受け、その債務の処理と返済を同じ取引(Ethereum上の1つのトランザクション)内で解消することができるDeFiプロトコルの機能のことです。このとき利子は発生せず、手数料が発生する場合があります。この記事ではaaveのFlash Loanを取り扱います。実装
IPFS(Inter-Planetary File System)は、既存のHTTPプロトコルの補完もしくは置換を目的に開発された 分散型のファイルシステムです。 分散型のファイルシステムであるということの親和性を生かして様々なブロックチェーンベースのDAppsに採用されています。本記事では自身のサーバ(またはAzureやAWS上のインスタンス)をIPFSノードとして、また簡単なIPFSゲートウェイとして構築するための手順をご紹介します。 Ethereum ERC721(Non-Fungible Token)を活用した記事の中でIPFSのハッシュ値をMetadata Extensionとして保存する過去の記事、この中でIPFSを使用しました。前半部はほぼ同じ手順となっています。[1] https://link.medium.com/I7NlbBW8WV
COVID-19でリモートワークが推奨されているため自宅にこもりがちです。self-isolateするだけでなくself-studyに最適な時機なのではないでしょうか。そんなわけで以前より興味のあったKubeflowをEKSのKubernetesクラスタ上に設置して簡単なJupyter Notebookを作るテストを行ってみました。KubeflowはKubernetes上で機械学習のモデル開発やエンドポイントのデプロイをサポートするオープンソースのシステムです。データサイエンスの職能領域は主にビジネス寄りとされるデータサイエンティストとエンジニア寄りの機械学習エンジニアに枝分かれして語られます。機械学習エンジニア領域ではMLOpsの興隆と共に実際に構築したモデルを運用しテストおよび改善していく必要性が以前にも増して高まってきているようです。Amazon Sagemakerのようなマネージド
[速報]「Amazon Fargate for Amazon EKS」正式発表。Kubernetes上の分散アプリケーションをマネージドなサーバレスとして自動運用。AWS re:Invent… Amazon Web Services(AWS)は、米ラスベガスで開催中の年次イベント「AWS re:Invent 2019」の基調講演において、「Amazon Fargate for Amazon EKS」を 正式発表しました 。… いままでAWS上でコンテナ環境を使用するには ECS on EC2 / ECS on Fargate / EKS on EC2と3つの選択肢がありましたが、今回の追加でEKS on Fargateが加わり4つの方法が得られたことになります。EKS on EC2では得られなかったサーバレスコンピューティングのメリットをEKS(Elastic Kubernetes Ser
仮想通貨の自動取引について度々取り上げてきましたが、分析に機械学習を活用する中でpythonのscikit-learn等各種ライブラリやJupyter Notebookを使用しています。仮想通貨の自動取引自体にはそれ程多くのパッケージは必要ありませんが、分析作業のためにデータサイエンス用のpythonプラットフォームであるAnacondaをベースとした環境を活用しています。今まで仮想通貨の分析で使用している環境をAnacondaをベースとしてDockerコンテナ上で再現できるイメージを作成してみました(ここではディープラーニング用のライブラリはインストールしていません)。簡単な備忘録となっています。 Why Anaconda?AnacondaはpythonおよびRによるデータサイエンスを行うことができるオープンソースのプラットフォームで、Windows/Linux/Macでそれぞれサポート
このページを最初にブックマークしてみませんか?
『yuyasugano.medium.com』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く