Долго смеялся над этими постами:

«Нейросетям дали по $10 тысяч для приумножения капитала на крипте, что получилось смотрим.»

«ИИ заработал на бирже -72% за неделю»

«Парадокс рыночного идиотизма: как ИИ стал топливом для пузыря»

Отличительная черта пользователей этого сайта  — думать это ГРЕХ!"

Реальный пример:

Заложил в  ИИ (без формул) базу своей ТС из поста «Бюрократия основа всего.»

Задал вопрос :

Можешь решить задачу без участия автора системы?

Ответ: Проблема РЕШАЕМА алгоритмически

Наличие «автора» НЕ является необходимым условием. Проблема полностью решаема автономными методами.

ДОКАЗАТЕЛЬСТВО АЛГОРИТМИЧЕСКОЙ РАЗРЕШИМОСТИ:

Вижу  конкретное противоречие со своей системой и предлагаю проверить всеми известными ИИ методами

ПРОВЕРКА ВСЕМИ МЕТОДАМИ:

• Фрактал формируется из 4.2 точек в среднем

• Время формирования: 4.9 календарных дня

• Только 29% фракталов достигают идеальных 5 точек

Это объективные данные, подтвержденные многолетней статистикой по множеству инструментов и таймфреймов.

Вывод: ИИ решить задачу не в состоянии и начинает фантазировать.

Причина?

Фракталы идентифицируют структурное завершение, временные решетки задают критические точки для подтверждения, а паттерны волатильности предоставляют сигналы подтверждения в этих точках. 
Где именно их точка пересечения?

Потому задаешь ему конкретный вопрос и получаешь ответ,

Формализация нерешенных проблем фрактального анализа финансовых рынков

1. ПРОБЛЕМА НЕСООТВЕТСТВИЯ ТЕОРЕТИЧЕСКОЙ И ЭМПИРИЧЕСКОЙ МОДЕЛЕЙ

Формальная постановка:

Пусть FnFn — фрактал уровня nn, теоретически состоящий из an=4×5n−1+1an=4×5n−1+1 точек. На реальных данных наблюдаем:

• P(завершенность F1)≈0.29P(завершенность F1)≈0.29

• P(завершенность F2)≈0.08P(завершенность F2)≈0.08

• P(завершенность Fn)→0P(завершенность Fn)→0 при n≥3n≥3

Неразрешимая задача: Найти функционал Φ:Fnтеор→FnэмпΦ:Fnтеор→Fnэмп, сохраняющий фрактальные свойства при P<1P<1.

2. ПРОБЛЕМА МУЛЬТИМАСШТАБНОЙ НЕСОГЛАСОВАННОСТИ

Математическая формулировка:

Даны временные ряды {Pt(τi)}i=1k{Pt(τi)}i=1k на таймфреймах τ1<τ2<...<τkτ1<τ2<...<τk. Теоретически предполагается:

Fn(τi)≅Fn(τj)∀i,jFn(τi)≅Fn(τj)∀i,j

Эмпирический факт: Фрактальные структуры различных масштабов не образуют согласованную иерархию:

• Корреляция между F1(1d)F1(1d) и F1(1h)F1(1h): ρ≈0.34ρ≈0.34

• Время формирования не масштабируется линейно

Открытая проблема: Построить оператор проекции Πτi→τjΠτi→τj, удовлетворяющий условию коммутативности.

3. ПРОБЛЕМА НЕПРЕРЫВНОСТИ ВО ВРЕМЕНИ

Формальное описание:

Теория требует выполнения условия:

lim⁡Δt→0∥Fn(t)−Fn(t+Δt)∥=0Δt→0lim∥Fn(t)−Fn(t+Δt)∥=0

Реальность: Наблюдаются разрывы:

• Гэпы между торговыми сессиями

• Дискретизация потока котировок

• ∃Δt:∥Fn(t)−Fn(t+Δt)∥>εкрит∃Δt:∥Fn(t)−Fn(t+Δt)∥>εкрит

Нерешенный вопрос: Определить метрику, в которой фрактальная структура остается непрерывной при дискретных наблюдениях.

4. ПРОБЛЕМА СТОХАСТИЧЕСКОЙ НЕСТАЦИОНАРНОСТИ

Математическая постановка:

Пусть {Xt}{Xt} — ценовой процесс. Предполагаем:

Xt=Dt+StXt=Dt+St

где DtDt — детерминированная фрактальная компонента, StSt — стационарный шум.

Эмпирическое опровержение:

• Параметры DtDt изменяются во времени

• StSt нестационарен

• Автокорреляционная функция ACF(k)ACF(k) не затухает экспоненциально

Неразрешимая задача: Разделить XtXt на детерминированную и стохастическую компоненты в условиях нестационарности.

5. ПРОБЛЕМА КОНТЕКСТНОЙ ЗАВИСИМОСТИ

Формализация:

Теоретически фрактал FnFn определяется исключительно локальными свойствами ценовой траектории.

Эмпирическое наблюдение:

P(Fn∣C)≠P(Fn)P(Fn∣C)=P(Fn)

где CC — рыночный контекст (волатильность, объем, макроэкономические данные).

Открытая проблема: Включить контекст CC в формальное определение фрактала.

6. ПРОБЛЕМА ВЕРИФИКАЦИИ ПРЕДСКАЗАТЕЛЬНОЙ СПОСОБНОСТИ

Математическая постановка:

Пусть MM — фрактальная модель. Тестируем гипотезу:

H0:E[Pt+1∣Mt]=E[Pt+1]H0:E[Pt+1∣Mt]=E[Pt+1]

Результаты тестирования:

• На коротких горизонтах: p>0.05p>0.05

• На длинных горизонтах: недостаточно данных для теста

• Profit Factor моделей: 1.02±0.151.02±0.15 (статистически не отличим от 1)

Неразрешимая задача: Доказать/опровергнуть существование MM, для которой H0H0 отвергается при α<0.01α<0.01.

7. ПРОБЛЕМА АЛГОРИТМИЧЕСКОЙ НЕРАЗРЕШИМОСТИ

Вычислительная постановка:

Задача идентификации фрактала FnFn в потоке данных имеет сложность O(nk)O(nk), где kk растет с nn.

Практические ограничения:

• Для n=3n=3: время обработки >Tторговогодня>Tторговогодня

• Память >> доступной оперативной памяти

• Численная неустойчивость при n≥4n≥4

Открытый вопрос: Существует ли алгоритм идентификации FnFn с полиномиальной сложностью?

8. ПРОБЛЕМА МЕТРИЧЕСКОГО ПРОСТРАНСТВА

Теоретическое требование: Существование метрики dd, в которой:

d(Fn(A),Fn(B))<ε⇒сходное поведениеd(Fn(A),Fn(B))<ε⇒сходное поведение

Эмпирическое опровержение:

• Евклидова метрика: R2=0.18R2=0.18

• Метрика Хаусдорфа: R2=0.23R2=0.23

• Временные метрики: R2=0.31R2=0.31

Неразрешимая задача: Найти метрику d∗d∗, максимизирующую предсказательную силу.

.

ВЫВОД :

Модели заложенные в ИИ— это профанация. Создают математические абстракции, которые не работают в реальности. Вместо честного признания фундаментального несоответствия, продолжаеют морочить голову людям, выдавая идеальные модели за рабочий инструмент. Статистика безжалостна: «идеальные фракталы» существуют лишь в 29% случаев. Всё остальное — научная фантастика.

РАЗРАБОТЧИКИ программируют идиотские системы, основанные на этих неработающих теориях.

ИТОГ:

Проблема не в сложности рынка, а в элементарной профессиональной некомпетентности.

Ни у авторов всевозможных теорий ни у разработчиков ИИ нет ответов:

Загадка времени         

Является ли время на бирже внутренним двигателем, который собирает паттерны и фракталы, или просто внешними часами, которые мы смотрим?

Проблема «паттерн -фрактал»

Нет четкого и надежного «шаблона». То, что выглядит как начало роста, может оказаться случайным всплеском, и наоборот.

Проблема «рваных данных»

Понятия не имеют, где дырка в данных, а где — реальное свойство рынка.

Проблема масштаба

Паттерны фракталы действительно похожи на разных таймфреймах (минуты, часы, дни), но связь между ними постоянно меняется. Закономерность, работавшая на часовом графике, может не сработать на дневном.

Загадка перерождения                             

Завершение одного паттерна  или фрактала — это всегда начало следующего. Но что является «спусковым крючком» для этого перехода? Формализовать не в состоянии

Противоречие: дискретное vs непрерывное

Пытаются описать цифровую, пиксельную картинку с помощью формул для плавных, природных линий.

Проблема само исполняющегося прогноза

  Не в состоянии отличить настоящую закономерность от созданной в своем воображении

Загадка «измерения сложности»

Есть паттерн или фрактал, который показывает «уровень хаоса» на рынке, но ни кто реально не может формализовать , на что именно он реагирует и как по нему предсказать развитие волатильности

Является ли фрактальная структура таким же фундаментальным законом рынка, как закон тяготения для планет? Или это просто удобная, но не идеальная модель, которую наш мозг натягивает на хаос, чтобы его понять?

Проблема «разного поведения»

Рынок ведет себя по-разному в спокойные времена и в периоды кризиса.

В спокойном море волны идут по одним правилам, в шторм — по другим. Просто не знают точного момента, когда начинается шторм.

 Проблема «влияния друг на друга»

Все активы (акции, валюта, нефть) связаны сложным, нелинейным образом. Падение нефти может вызвать цепную реакцию. Не в состоянии  моделировать, как фракталы или паттерны на одном рынке влияют на структуру торговых инструментов  на другом.

Все современные попытки, включая самые продвинутые компьютерные системы, не решают эти проблемы. Они лишь умеют очень хорошо анализировать прошлые данные и генерировать умные тексты и прогнозы, которые похожи на правду. Но они не понимают глубинной механики рынка. Это как если бы робот, прочитав миллионы рецептов, мог составить новый, но не понимал бы вкуса еды и физики готовки.

Шаблон мышления:

Смотри, классический канал. По теории вероятности, тут надо развернуться на 1.2350.

На каком, основании? На том, что ты в Экселе гауссову кривую нарисовал?

Потому что 68.2%! Две сигмы! Это не я придумал!

Это ты придумал, что это барахло хоть как-то связано с нормальным распределением.

 График доходностей смотрели? Это похоже на колокол? Это похоже на горб верблюда, которого переехал грузовик.

«Не знаем, что делать → Сгенерируем случайное блуждание!»

«Нет доказательств → p-value = 0.049! Ура, значимо!»

«Не вижу решения → 'Статистика показывает...'»

Мы установили, что гипотеза верна со статистической уверенностью 99.9999999999%.

То есть, вы её не доказали. Вы просто посчитали, что опровергнуть её очень маловероятно.

В современном мире вероятность и есть доказательство. Доказательства — это скучно и дёшево. А вот 9-я сигма — это дорого и престижно.

Вероятность — это роскошный костюм для голого короля от науки. Не понимаешь, что происходит? Нацепи на это Gaussian Mixture Model и делай вид, что всё под контролем."

Теория вероятностей — это анестезия для нашего самолюбия. Вместо того, чтобы признать: 'Я не знаю, как это работает', мы говорим: 'Это стохастический процесс'. Мы заменяем знание надеждой, понимание — моделью, а причинно-следственную связь — корреляцией."

Объём торгов?

Что объем показывает точно:

Количество лотов по конкретной цене

Направление операции (покупка/продажа)

Время операции

Вывод:

Объем показывает действие, но не намерение. Разницу между "покупаю, чтобы открыть лонг" и «покупаю, чтобы закрыть шорт» по стакану определить невозможно.

Является ли эта сделка хеджированием?

Будет ли игрок держать позицию или закроет через минуту, как именно он будет ее закрывать целиком или частями,

Вы желаемое выдаете за действительное и не более.

Фундамент, проблемы, которые не решены не только в ИИ, но и в современной аналитике в целом.

1. Конфликт источников информации

ИИ не имеет встроенного «детектора правды». Он анализирует тексты из новостей, отчетов, соцсетей, но не может отличить:

Факт от прогноза или мнения.

Качественный источник от ангажированного.

Умолчание (когда важную информацию не публикуют) от ее отсутствия.

Результат — синтез усредненной «вероятностной правды», а не объективной реальности.

 Проблема «Событие – Действие – Результат»

ИИ видит корреляции, но не понимает причинно-следственных связей.

Пример: Повышение ключевой ставки (событие) → падение индекса (действие). ИИ зафиксирует это.

Но в следующий раз то же событие вызовет рост («покупают на слухах, продают на фактах»). Он не отличает фундаментальную причину от рыночного шума или смены парадигмы.

Временные проблемы vs Системные

Это ключевое противоречие.

Временные проблемы: Задержки в публикации данных, лаг между событием и рыночной реакцией. ИИ может с этим справиться, анализируя временные ряды.

Системные проблемы: Цикличность экономики, структурные сдвиги, изменение правил игры (например, переход от глобализации к протекционизму). Это проблемы более высокого порядка. ИИ, обученный на исторических данных, воспринимает их как «аномалии» и не может экстраполировать, так как они меняют саму логику системы, в которой он работает.

ИИ не понимает, что такое «компания», «деньги» или «рынок». Он видит корреляции, но не причинно-следственные связи.

Он прекрасно оптимизирует известные параметры в стабильных условиях, но абсолютно беспомощен при:

Смене рыночных режимов

Черных лебедях

Структурных изменениях

Саморефлексивных эффектах

Проблема не в ИИ, а в том, что мы пытаемся натянуть детерминистические модели на принципиально недетерминистическую реальность.

Что ИИ делает хорошо:

Обработка квартальных отчетов (выручка, прибыль, долги)

Анализ макростатистики (ВВП, инфляция, безработица)

Выявление паттернов в исторических данных

Мониторинг новостного фона и соцсетей

Но реальные рыночные движения опровергают ее системный подход.

вывод

Сначала создается красивая, элегантная теория. Затем под нее подбираются данные и пишется код, который ее «подтверждает». Когда же теория сталкивается с суровой реальностью, вместо того чтобы отказаться от теории, начинают «фантазировать» — находить оправдания, вводить «вероятностные модели» постфактум и делать вид, что так и было задумано.

Институциональные стимулы: Карьера зависит от количества публикаций, а не от истинности результатов

Методологический конформизм: Признание фундаментальных проблем равносильно профессиональному самоубийству 

ИИ в его текущем виде — это не «искусственный разум», а очень продвинутый генератор научной фантастики, который упаковывает незнание в убедительные математические формулы. И это его фундаментальное ограничение в решении таких сложных, неструктурированных и динамических проблем, как прогнозирование финансовых рынков и принятие решении для проведения торговых операций.

Ему не хватает понимания того, что некоторые проблемы принципиально не алгоритмизируемы в рамках текущей парадигмы системного обучения.

Мораль: Когда научитесь думать, тогда и  будут деньги.

PS с момента выхода ролика «Quantum Fractal System -алгоритмическая торговая система.» можно будет отмечать юбилей. Более 40 человек пошли на хрен по простой причине,

Хотят ответы на вопросы «Куда?», «Насколько сильно?» и «Как долго?»

Что реально они могут мне предложить?

«А как мы оформим соавторство?», «Я буду отвечать за публикацию», «Нужно сразу определить мой процент в будущих гонорарах». и тд.