Трейдер должен хорошо разбираться в рынках, остальное должен сделать компьютер

Всем привет!

Периодически на смартлабе публикуют посты по использованию машинного обучения и нейронных сетей для торговли (например, здесь или здесь). Судя по комментариям к постам, особого интереса тема не вызывает.

Это несколько странно, с учетом того, что в других областях применение машинного обучения развивается семимильными шагами. Мне кажется, трейдинг — как раз та область, где эти технологии должны быть (и будут) востребованы.

Основное преимущество машинного обучения перед классическим алготрейдингом — это возможность выявлять нетривиальные и скрытые зависимости. При этом вам не нужно самим программировать множество сложных условий входа в сделку. Возможно вам даже вообще не понадобится программировать.

Тут главное — не рассматривать нейросети как волшебный инструмент, которому достаточно подать цену на вход и получить точный прогноз на выходе. Такое применение сомнительно. Но если говорить об анализе множества условий — сети могут быть весьма полезны.

На цену оказывает влияние большое число различных факторов: макростатистика, политические события и новости, корпоративные отчеты, влияние одних финансовых инструментов на другие и т.д. Даже если анализировать только график, то и здесь решение по сделке нужно принимать, учитывая множество условий: объемы, гепы, пробои, закрытие предыдущего дня и т.д. 

В итоге различных условий набирается достаточно много, а процесс принятия решений на их основе становится сложным.

Ваша задача, как трейдера, — это собрать множество известных вам факторов, влияющих на цену и подать их на вход нейросети, а она будет пытаться найти закономерности. Трейдер должен хорошо разбираться в рынках и уметь находить такие факторы, остальное должен сделать компьютер за него.

Какими могут быть эти факторы, кроме цены самого инструмента? Я бы выделил следующие группы:

1. Какие то общие характеристики финансового инструмента и параметры торговли, например: день недели, объем торгов, открытый интерес и т.д.

2. Факторы, вытекающие из технического анализа графика цены:

• изменение цены в предыдущие дни;
• гепы, пробои уровней;
• значения каких то индикаторов (например, выше или ниже moving average).

3. Новости, политические события, корпоративные отчеты и макроэкономические события (повышение ставки и т.д.)

4. Изменения цены других финансовых инструментов и их влияние (нефть на рубль и т.д.)

Я сделал простенький сервис - ai-finmarkets.ru, который позволит попробовать использовать нейронную сеть в своей торговле, при этом не обладая какими-либо знаниями в области программирования или нейросетей. 
Вам нужно подготовить excel файл с историческим набором различных факторов и загрузить его в сервис. Сервис подаст его на вход нейросети, она обучится на основе этого файла и выдаст вам прогнозное значение на следующий период и оценку точности прогноза.

Там же можно найти более подробное описание формата файла и посмотреть пример использования сервиса для акций Apple.

В примере используются следующие факторы:

Change — процент изменения цены за прошедший квартал;
Gap — размер гэпа на следующий день после выхода отчета;
Day movement — изменение цены на следующий день после выхода отчета (с открытия сессии до момента входа в сделку);
SP500 change — изменение индекса S&P500 за прошедший квартал;
Earning delta — изменение прибыли по сравнению с прошлым кварталом согласно вышедшему отчету.

На выходе нейросеть дала мне 66% точных предсказаний по направлению сделки. Обольщаться здесь, конечно, не стоит, но как пример и основу для дальнейших исследований использовать можно. Если тема интересна, пишите в комментариях о своем опыте использования нейросетей для анализа и выявления закономерностей.