Время после нового года решил провести с пользой и окунуться в машинное обучение. Заняться Machine Learning — и посмотреть получится что‑то или нет с российским рынком акций на Московской бирже.
Моей целью было построить такую систему, которая будет учиться на истории и в перспективе торговать лучше чем случайное блуждание 50/50....Читать далее

Каждую неделю мы разбираем свежие научные работы по алгоритмическому трейдингу и количественным финансам. Вот что выделилось за 5–12 января 2026 года.
1. Адаптивные модели для прогнозирования
Сейчас активно развиваются модели, которые подстраиваются под меняющиеся рыночные условия....Читать далее

Недавно купил книгу «Кванты. Как волшебники от математики заработали миллиарды и чуть не обрушили фондовый рынок», которую её автор Скотт Паттерсон написал ещё в 2010 году. Книга издана на русском языке в 2014, но я познакомился с ней только недавно и понял что в книге очень хорошо расписана хронология развития алгоритмической торговли и чем она заканчивалась....Читать далее

Экспериментирую с ML. Несколько недель ковыряюсь в данных и всё больше понимаю — алгоритмы это не главное. Главная боль — подготовка данных.
Уже несколько недель разбираюсь с машинным обучением. Не ради статьи на Смартлабе — захотелось понять, как это устроено изнутри....Читать далее

Представьте опытного трейдера: наверняка он не говорит котировками и не рассказывает про индикаторы — он просто говорит «сильный тренд», «пробой уровня» или «ложный отскок». Для него график это язык: свечи, объёмы и уровни складываются в понятные фразы о том, что сейчас происходит на рынке....Читать далее

Каждую неделю мы отбираем и разбираем десятки свежих препринтов научных работ по алгоритмической торговле. Вот что сейчас в фокусе исследований.
Генеративные модели для рыночных данных
Ученые активно работают над моделями, которые имитируют рыночные данные....Читать далее

На этой неделе больше всего работ посвящено двум направлениям:
1. Машинное обучение (ML) для алгоритмической торговли
2. Анализ временных рядов с помощью глубокого обучения
1. ML в алгоритмическом трейдинге
Больше всего исследований — про обучение с подкреплением (RL)....Читать далее

Введение
В трейдинге каждая секунда может иметь значение. Но стандартные инструменты часто не позволяют работать с данными высокого разрешения. В этой статье я поделюсь опытом создания кастомного решения для TSLab, которое сохраняет 1-секундные свечи с расширенными метриками (открытый интерес, количество продавцов/покупателей, лента сделок, лучшие бид/аск и др....Читать далее

Инструменты искусственного интеллекта могут быть использованы для классификации торговых сессий по паттернам. Для этого можно использовать среду программирования Python. Здесь мы изложим концепцию.
Вы когда-нибудь думали о торговой сессии как о… цветке?...Читать далее

Взяли в руки блокнотики?))
Грааль в ML для трейдинга состоит из нескольких компонентов. По сути грааль, это «правильные» ответы на вопросы:

1. Что используется в качестве объектов, на которых мы обучаемся. Что за срез. Что? – Свеча, день, тик, трейдер, стакан, паттерн?...Читать далее