Информация
Блог им. YuriyNikolaev_357
Я научил компьютер предсказывать движения акций на Московской бирже — вот что получилось
- 07 июня 2026, 13:04
- |
Предупреждение сразу: это не инвестиционная рекомендация. Это честный рассказ о том что работает, что не работает, и почему.
Зачем вообще это делал
Каждый кто торгует на бирже знает эту ситуацию: открываешь Пульс — там пятьдесят мнений по одной акции, половина противоречат друг другу. Telegram-каналы с сигналами публикуют «КУПИТЬ SBER» без объяснений и без истории — угадали или нет никто не проверяет.
Я разработчик. Данные с Московской биржи бесплатны. Библиотеки для машинного обучения — тоже. Логичный вывод: сделать систему которая принимает решения по данным, а не по чьему-то мнению.
Главное правило которое я поставил себе с первого дня: всё логировать заранее, ничего не менять задним числом. Предсказание записывается утром до открытия торгов, результат проверяется вечером по факту.
Что такое машинное обучение — простыми словами
Многие слышали этот термин но не очень понимают что за ним стоит. Объясню на примере.
Представьте что вы учите ребёнка отличать кошку от собаки. Показываете ему 100 фотографий и говорите: «это кошка, это собака, это кошка...». После достаточного количества примеров ребёнок начинает сам определять кто на картинке — даже на фото которых никогда не видел.
Машинное обучение работает так же, только вместо ребёнка — программа, а вместо фотографий — цифры.
В моём случае программа смотрит на данные по акции за последние годы: цена открытия, цена закрытия, объём торгов, цена на нефть, курс доллара и ещё около пятидесяти параметров. И учится отвечать на вопрос: «Через пять дней цена вырастет, упадёт или останется примерно на месте?»
Как я проверял что модель не просто «зазубрила» данные
Это ключевой вопрос в машинном обучении. Вернёмся к аналогии с ребёнком.
Если вы проверяете ребёнка на тех же самых фотографиях которые он уже видел — это нечестная проверка. Он просто запомнил ответы. Нужно показать новые фотографии которых он раньше не видел.
В моей системе я делаю так:
- Беру данные за последние три года
- Обучаю модель на первых двух с половиной годах
- Последние шесть месяцев полностью прячу от модели во время обучения
- Потом проверяю — как модель предсказывает эти «спрятанные» шесть месяцев
Это называется OOS-тест (от английского Out-Of-Sample — «вне выборки»). Простыми словами: проверка на данных которых модель никогда не видела. Если результат хороший — есть шанс что система работает по-настоящему, а не просто запомнила прошлое.
Как измеряется качество — что такое Sharpe
Допустим модель сделала десять сделок за шесть месяцев. Семь оказались прибыльными, три убыточными. Но этого недостаточно для оценки — важно ещё насколько стабильно система зарабатывает.
Представьте двух игроков в казино:
- Первый выигрывает понемногу каждый день, иногда теряет, но в целом стабильно идёт вверх
- Второй раз в месяц срывает большой куш, но в остальное время теряет деньги
Оба могут показать одинаковую итоговую прибыль, но первый явно надёжнее.
Коэффициент Шарпа (Sharpe ratio) — это математическая формула которая измеряет именно эту «надёжность заработка». Упрощённо: прибыль делится на разброс результатов.
- Sharpe выше 2.0 — хорошо
- Sharpe выше 1.0 — приемлемо
- Sharpe ниже 0 — система теряет деньги
Результаты за последние шесть месяцев
Все цифры — на данных которые модель не видела при обучении. Учтена комиссия брокера 0.2% с каждой сделки.
| Акция | Sharpe | Доходность | Сделок |
|---|---|---|---|
| Т-Банк | 5.72 | +5.35% | 9 |
| Сбербанк | 4.01 | +1.47% | 10 |
| Газпром | 2.40 | +2.14% | 10 |
| ЭсЭфАй | 1.20 | +7.31% | 20 |
| ВТБ | -0.16 | -2.42% | 7 |
Честно о том что не работает
ВТБ — три разных периода тестирования, три раза отрицательный результат. Модель хорошо «выучила» исторические данные, но на новых данных не работает. Это называется переобучение — как ребёнок который запомнил конкретные фотографии но не понял общий принцип «что такое кошка». Пока оставил в системе с предупреждением.
Новости — подключил восемь Telegram-каналов (Смартлаб, РБК, БКС и другие), собирал тональность публикаций. Оказалось бесполезным — рынок отыгрывает новости быстрее чем я их успеваю обработать на дневных данных.
Я проверил дополнительно насколько устойчив результат во времени. Для этого я делил историю на девять последовательных
периодов и проверял каждый отдельно¹. Честный вывод: стабильный результат только у Сбербанка. Высокие цифры по другим тикерам могут быть случайным совпадением конкретного периода. Это неприятная правда — но её важно признавать.
¹ Этот метод называется walk-forward validation — «скользящая проверка». Представьте что вы учитесь предсказывать погоду: сначала учитесь на январе-марте и проверяете апрель. Потом учитесь на январе-апреле и проверяете май. И так далее — каждый раз добавляете новые данные к обучению.
Как это работает каждый день
Каждый рабочий день в 09:30 (за двадцать минут до открытия Московской биржи) система:
- Скачивает свежие данные — цены, объёмы, курсы валют, цену нефти
- Рассчитывает около пятидесяти показателей по каждой акции
- Спрашивает у модели: «что будет через пять дней?»
- Публикует сигнал в Telegram с вероятностями каждого исхода
Вечером в 19:00 система проверяет что случилось с ценой и записывает результат — угадала или нет.
Каждое воскресенье публикует отчёт точности за неделю. Всё открыто, задним числом ничего не исправляется.
Почему это может быть полезно даже если не торгуете активно
Сигнал — это не команда «немедленно купить». Это дополнительная информация для размышления. Если система говорит BUY с вероятностью 58% — значит по мнению алгоритма шансы роста немного выше среднего. Принимать решение всегда вам.
Полезно как второе мнение — особенно когда вы уже склоняетесь к какому-то решению и хотите проверить не противоречат ли данные вашей интуиции.
Не может быть у вас
Sharpe 5.72 при доходности +5.3%
потому что сейчас БЕЗрисковая ставка 14.5% а потому Sharpe у вас ОТРИЦАТЕЛЬНЫЙ и возможно -6%
Beach Bunny, справедливое замечание — вы правы что я не уточнил какой именно Sharpe публикую. Поясню.
Я использую упрощённый Sharpe без вычета безрисковой ставки — это стандартная практика в алготрейдинге и бэктестинге, где цель измерить стабильность стратегии, а не сравнение с депозитом. Такой Sharpe показывает соотношение доходности к волатильности торговых результатов.
Формула которую использую:
Если применить вашу логику с безрисковой ставкой 14.5% (~0.057% в день):
Вы правы — против депозита результат отрицательный. Это честно и я должен был указать это явно.
Почему тогда публикую такой Sharpe? Потому что задача системы — не побить депозит прямо сейчас, а найти статистически устойчивый паттерн. Высокий Sharpe без rf говорит что система торгует стабильно, без больших просадок. При снижении ставки ЦБ соотношение изменится.
Это всё на уровне шума. Опять же из-за малого количества сделок.
Основное движение по новостям происходит примерно за 5 минут.
При расширении горизонта прогноза ошибка растёт экспоненциально.
Какой-то черный ящик что-то предсказал. Практического толку от этого ноль:)
Михаил, все три замечания по делу. Отвечу по каждому.
1. Мало сделок — огромная дисперсия. Абсолютно верно. 9-10 сделок за 6 месяцев — это статистически незначимо. Доверительный интервал для Sharpe при таком размере выборки огромный. Я должен был написать это явно в статье, а не прятать в оговорках. Считайте что эти цифры — первичное наблюдение, не доказательство.
2. Новости отыгрываются за 5 минут. Согласен — и именно поэтому я новостной сигнал выкинул. Sentiment из RSS дал нулевую feature importance на дневных данных. Это честный результат который я описал. На дневных данных работает не новость, а последствия новости — изменение объёмов, относительной силы, уровней. Это другой механизм.
3. Горизонт 5 дней — ошибка растёт. Верно что ошибка растёт с горизонтом. Но на коротком горизонте (1-2 дня) на дневных данных сигнал полностью тонет в шуме — это тоже проверял. 5 дней — компромисс между сигналом и шумом, не утверждение что прогноз точный.
Вы правы в главном: при 9-10 сделках говорить о Sharpe 5.72 как о доказанном результате — некорректно. Это наблюдение на малой выборке. Именно поэтому я веду публичный трек-рекорд — чтобы через 6-12 месяцев реальной торговли был статистически значимый результат.
Сейчас система работает три недели в продакшне. Смотреть на неё через год будет честнее.
1. Просите агента найти 30 признаков на графике в дне текущем, которые существенно влияют на волатильность следующего дня. Можете и сами накреативить такие признаки.
2. Составляете распределение закрытий следующего дня относительно закрытия текущего дня по каждому признаку. Задаётесь границами величины этого отклонения в обе стороны. Так, чтобы края распределения оставались статистически значимыми. Всю середину ВЫКИДЫВАЕТЕ, как шум.
3. Получается 30 триггеров. Попали в текущем дне на какие-то из них, ставите на открытии дня в соответствующую сторону. Обычно, если не тишина, то сразу 2-3 показывают в одну сторону.
А проверка заключалась в том, что если возникало описанное, то за следующий день цена в 55-60% случаев действительно продвигалась в указываемом направлении. Не обязательно прямо на величину границы распределения, но на сколько-нибудь.
svgr, спасибо — это по существу.
Идея правильная и близка к тому что я делаю, но с другим горизонтом. У меня по сути то же самое: признаки на текущем дне → предсказание движения через N дней. Разница в деталях.
Ваш подход интересен тем что вы явно отсекаете «середину распределения» как шум и торгуете только хвосты. Это по сути asymmetric threshold — торговать только при высокой уверенности. У меня что-то похожее есть через confidence threshold, но не так жёстко сформулировано.
55-60% при случайном уровне 50% — это небольшой, но реальный edge если он стабилен. Главный вопрос: держится ли он сейчас в 2026-м? Рынок 2018 года и рынок после 2022-го — очень разные режимы.
Два вопроса если не секрет: — Какие из 30 признаков оказались наиболее значимыми? Технические или объёмные? — Проверяли ли на данных после 2022-го?
Буду думать как адаптировать этот подход — однодневный горизонт с жёсткими порогами выглядит перспективнее чем то что я сейчас делаю на 5 днях.
А так, для иллюстрации из всем известного, похожего: «если сегодня выросло более чем на ..., то и завтра вырастет».