
Накуканить своих же граждан-это стародавняя чисто ру ская скрепа, считай, госзаказ, строго выполняемых втб с ммвб и прочими проходимцами наш...
миши… я вам поясню...70 был низ… теперь ждем верх… предполагал что 75 низ но маркетос очень хитер.90-95 вижу цели по раскходящемуся треуголь...
миши… я вам поясню...70 был низ… теперь ждем верх… предполагал что 75 низ но маркетос очень хитер.90-95 вижу цели по раскходящемуся треуголь...
миши… я вам поясню...70 был низ… теперь ждем верх… предполагал что 75 низ но маркетос очень хитер.90-95 вижу цели по раскходящемуся треуголь...
Olga Tretyakova, Легко.Надеваем коньки и катаемся от забора до вечера.Туда-сюда, туда-сюда.Кто умеет-тот с чипсами, кто массовка-с переменны...
Максима Лебедева сожрал Дух Альты.След от кед прям чувствуется.
Коллеги, решил проверить, насколько хорошо методы машинного обучения группируют валюты, если использовать не парные котировки, а абсолютные курсы (метод Abscur — расчёт единой фундаментальной стоимости для 45 валют через оптимизацию сетки из 85+ пар).
Что сделано:
Взяты ежедневные абсолютные курсы 45 валют с 1996 по 2026 год.
Для каждой валюты рассчитаны 7 признаков за 1, 5 и 10 лет: общая доходность, средняя дневная доходность, волатильность, коэффициенты Шарпа/Сортино, максимальная просадка, коэффициент вариации (итого матрица 45×21).
Стандартизация, затем k‑means и иерархическая кластеризация.
Результаты (k=4):
Кластер 0 (20 валют): стабильные развитые — USD, EUR, CHF, GBP, CAD, SEK, SGD, CNY, HKD и др. Низкая волатильность, малые просадки.
Кластер 1 (14 валют): сырьевые и развивающиеся рынки — AUD, BRL, RUB, ZAR, NOK, MXN, COP, KZT и др. Высокая доходность, высокая волатильность, заметные просадки.
Кластер 2 (3 валюты): кризисный обвал — ARS, EGP, TRY. Просадки >80%, доходность резко отрицательная на всех горизонтах.