Розробка маркетплейсу торгових стратегій

Розробка маркетплейсу торгових стратегій

Маркетплейс торгових стратегій — це платформа, де розробники публікують алгоритмічні стратегії, а користувачі підписуються та запускають їх на своїх акаунтах. Працює як App Store, але замість додатків — торгові алгоритми.

Архітектура платформи

Strategy Runtime — середовище виконання. Кожна стратегія запускається в ізольованому контейнері з обмеженими ресурсами та доступом тільки до авторизованих API.

Strategy SDK — інструменти для розробників: типізовані інтерфейси, доступ до ринкових даних, розміщення ордерів через платформний API.

Backtesting Integration — автоматичний бектест кожної стратегії перед публікацією.

Marketplace Frontend — каталог стратегій з фільтруванням, детальні картки, система підписок.

Billing System — прийом платежів та розподіл між платформою та розробником.

Strategy SDK

from abc import ABC, abstractmethod

class StrategyBase(ABC):
    """Базовий клас для усіх стратегій"""

    def __init__(self, context: StrategyContext):
        self.ctx = context

    @abstractmethod
    async def on_candle(self, candle: Candle) -> None:
        """Викликається при закритті кожної свічі"""

    async def on_trade(self, trade: Trade) -> None:
        """Опційно: викликається при кожній угоді"""

    async def on_order_update(self, order: Order) -> None:
        """Опційно: викликається при зміні статусу ордера"""

    async def buy_market(self, quantity: float) -> Order:
        return await self.ctx.place_order('BUY', 'MARKET', quantity=quantity)

    async def sell_market(self, quantity: float) -> Order:
        return await self.ctx.place_order('SELL', 'MARKET', quantity=quantity)

    def get_position(self) -> float:
        return self.ctx.position.quantity


# Приклад простої стратегії від розробника
class RSICrossStrategy(StrategyBase):
    """EMA crossover + RSI фільтр"""

    def __init__(self, context, fast_period=9, slow_period=21, rsi_period=14):
        super().__init__(context)
        self.fast_ema = EMA(fast_period)
        self.slow_ema = EMA(slow_period)
        self.rsi = RSI(rsi_period)

    async def on_candle(self, candle: Candle):
        fast = self.fast_ema.update(candle.close)
        slow = self.slow_ema.update(candle.close)
        rsi = self.rsi.update(candle.close)

        position = self.get_position()

        if fast > slow and rsi < 70 and position == 0:
            await self.buy_market(quantity=self.get_balance() * 0.95 / candle.close)

        elif fast < slow and position > 0:
            await self.sell_market(quantity=position)

Ізоляція та безпека

Запуск ненадійного коду — серйозний ризик безпеки. Захисти:

Docker контейнери з обмеженнями ресурсів:

services:
  strategy-runner:
    image: strategy-runtime:latest
    mem_limit: 256m
    cpus: 0.5
    network_mode: none
    read_only: true
    security_opt:
      - no-new-privileges:true
    cap_drop:
      - ALL

Мережева ізоляція — стратегія не може робити довільні HTTP-запити. Весь доступ до даних — тільки через платформні API.

Code review — ручна перевірка перед публікацією для нових розробників.

Sandbox тестування — автоматичний запуск в sandbox з виявленням підозрілої поведінки.

Конвеєр публікації

Кожна стратегія повинна пройти обов'язковий бектест перед публікацією:

class PublicationPipeline:
    REQUIRED_BACKTEST_PERIOD = 365  # днів

    async def process_submission(self, strategy: StrategySubmission):
        # 1. Статичний аналіз коду
        lint_result = await self.code_linter.check(strategy.code)
        if lint_result.has_errors:
            return PublicationResult.rejected(lint_result.errors)

        # 2. Автоматичний бектест
        backtest = await self.backtester.run(
            strategy=strategy,
            symbol=strategy.config.symbol,
            period_days=self.REQUIRED_BACKTEST_PERIOD,
        )

        # 3. Перевірка мінімальних метрик
        if backtest.sharpe_ratio < 0.5:
            return PublicationResult.rejected("Sharpe ratio below minimum")
        if backtest.max_drawdown > 0.5:
            return PublicationResult.rejected("Max drawdown exceeds 50%")

        # 4. Публікація
        published = await self.publish(strategy, backtest)
        return PublicationResult.approved(published.id)

Монетизація для розробників

Моделі:

Monthly Subscription — фіксована плата на місяць. Проста, передбачувана дохідність.

Performance Fee — % від прибутку підписчика. Вирівнює стимули.

One-time Purchase — одноразова плата за доступ.

Free + Upsell — базова безкоштовно, вдосконалені функції платно.

Розрахунок доходу:

def calculate_developer_payout(subscription, performance):
    if subscription.model == 'MONTHLY':
        platform_fee = subscription.price * Decimal('0.30')
        return subscription.price - platform_fee

    elif subscription.model == 'PERFORMANCE':
        profit = performance.follower_profit
        if profit <= 0:
            return Decimal(0)
        developer_share = profit * subscription.performance_fee_pct
        platform_fee = developer_share * Decimal('0.30')
        return developer_share - platform_fee

Картка стратегії в UI

Ключові дані: графік P&L за часом, max drawdown, Sharpe ratio, win rate, активні підписники, середній час перебування, підтримувані біржі/символи, опис логіки простою мовою, історія версій.

Прозорість критична — користувачі повинні розуміти що робить стратегія, навіть без перегляду коду.