Amadeo Limitador, согласен 

bohemian rhapsody, для этого визуализация и сделана чтобы наглядно видеть кто чаще прав.

bohemian rhapsody, да, я тоже это заметил, тоже выложу об этом пост, интересно. В целом юрики чаще правы, но некоторые активы показывают периодически исключения, интересно их разобрать.

Активный Инвестор, точно)

Байкал, да конечно ) Я только за! Буду выкладывать еженедельно результат. Но я не перестану говорить о платформе потому что много крови, слез и пота ушло на то чтобы создать сервис для всех. При этом я готов стать примером результата, мне самому интересно :)

bohemian rhapsody, занимаюсь этим, через месяц покажу результат, только начал )

Heinrich Baur, большинство физ лиц и этих «профессионалов»,- теряют свои деньги. Среди физ лиц, 1-2% стабильно зарабатывают на срочке.

Heinrich Baur, я с этим и не спорил. Но по моему анализу,- физики теряют деньги на рынках в целом. Именно поэтому стоит обратить внимание к их зеркальным позициям.

ortega, я поменял на shift(-1), вот результат новый 

по позициям юридических лиц по фьючерсу новатэк


по позициям физичеких лиц по фьючерсу Новатэк



вот код который я использовал:

# Calculate daily returns
df['Daily Returns'] = df['price'].pct_change()

# Shift the daily returns by one to apply them to the next day
df['Shifted Daily Returns'] = df['Daily Returns'].shift(-1)

# Strategy returns based on the signal and the shifted daily returns
# When Signal is 1 (buy), we use the shifted daily return as is (benefit from an increase in price next day).
# When Signal is -1 (sell), we invert the shifted daily return (benefit from a decrease in price next day).
# Neutral days have no impact (returns are 0).
df['Strategy Returns'] = np.where(df['Signal'] == 1, df['Shifted Daily Returns'],
np.where(df['Signal'] == -1, -df['Shifted Daily Returns'], 0))

# Calculate cumulative returns by compounding the strategy returns
df['Cumulative Returns'] = (1 + df['Strategy Returns']).cumprod() — 1

# Plot the cumulative returns
fig, ax = plt.subplots(figsize=(12, 8))
ax.plot(df['date'], df['Cumulative Returns'], color='blue')
ax.set_ylabel('Cumulative Returns')
ax.set_title('Strategy Cumulative Returns Over Time')
plt.show()

ortega, мне кажется вы путаете… Наоборот. Shift(1) делает на завтрашнюю доходность.

Но давайте я сделаю по вашему, в ближайший час здесь результат выложу.

Roman Rumyanov, спасибо, я старался, пользуйтесь на здоровье :)

Netro, спасибо, очень приятный комментарий! :) Я старался

bohemian rhapsody, смотрите не лопните

Андрей К, спасибо! Да, конечно, понимаю

Андрей К, если хотите побольше пообщаться, то пишите, думаю будет интересно поделиться опытом

Андрей К, да, я говорил про код бэктеста)
Вот он,-

# Calculate daily returns
df['Daily Returns'] = df['price'].pct_change()

# Shift the daily returns by one to apply them to the next day
df['Shifted Daily Returns'] = df['Daily Returns'].shift(1)

# Strategy returns based on the signal and the shifted daily returns
# When Signal is 1 (buy)
# When Signal is -1 (sell)
# Neutral days have no impact (returns are 0).
df['Strategy Returns'] = np.where(df['Signal'] == 1, df['Shifted Daily Returns'],
np.where(df['Signal'] == -1, -df['Shifted Daily Returns'], 0))

# Calculate cumulative returns by compounding the strategy returns
df['Cumulative Returns'] = (1 + df['Strategy Returns']).cumprod() — 1

Андрей К, да, идея пришла в голову неожиданно. Знаете, я сначала пытался использовать ту же схему на COT отчеты. Но получилась полная херня) И ничего не работало. А с отчетами по Мосбирже все сработало. По крайней мерк результаты мне очень нравятся, но если кто-то найдет ошибку в чем-то, то буду рад пофиксить. Почитайте, если интересно, другие посты,- там тот же бэктест с газом и палладием, там вообще 16x и 10x получилось.

OptionTrader, согласен

bohemian rhapsody, у меня все работает пока мне не докажут что не так. Начну сам торговать, посмотрим на результаты) Верю в свою аналитику.

Андрей К, весь код бэктеста показан. Чисто сигнал встать в позицию лонг или шорт или нейтрально ,- и изменение цены на следующий день.