Новое расписание в праздничные дни 2026 года 📩
Мы приняли решение проводить торги на фондовом и срочном рынках в дни официальных праздников 23 февраля, 1 мая, 12 июня и 4 ноября 2026 года . Торги в эти дни будут проводиться в формате...
Предварительные итоги года на рынке жилья и ипотеки
Аналитический центр ДОМ.РФ подводит предварительные итоги года.
Объём продаж жилья по договорам долевого участия (ДДУ) в 2025 г. (в рамках 214-ФЗ) превысил показатель прошлого года. Продано...
Ответы на вопросы о выкупе акций
Всем привет! В связи с процедурой выкупа акций SFI нам поступает много вопросов! Мы подготовили ответы на основные из них:
В каком случае я могу предъявить акции SFI к выкупу компанией?...
1. Какой таймфрейм свечек?
2. Вечерняя сессия включена в данные?
3. При нормализации данных для определения min/max использовали всю выборку?
4. При разметке какие получились минимальное/максимальное/среднее время удержания позиции? Перенос позиции на следующий день разрешен?
1. 1 min
2. да
3. да, но внутри сети есть слои батч норм, которые ещё и в рамках семпла нормализацию делают
4. 20-30 минут в отсутствие тренда и до нескольких часов при ярко выраженном тренде
5. всегда в рынке = означает перенос позиции и на следующий день, и через выходные. Выход из лонга и вход в шорт на одной и той же свечке и наоборот.
На чем строится Ваше убеждение о достаточности данных? На роликах Жени Черных?
Сеть, пойди туда, не знаю куда, и принеси мне прибыль не прокатывает.
ЗЫ Мильон нейронов — это до фига. НС со 100-200 нейронами с реальной гипотезой справляются на раз.
1) если есть в потоке котировок закономерности — то вероятность того, что нейросеть их выявит и сможет использовать, однозначно выше, чем у человека.
2) по порядка 40 сигналам, которые я посчитал на оснвое ценовых данных и данных индикаторов вроде ma fast/slow — stochastic — rsi — macd — etc., было видно, что в моменты, когда нужно входить или выходить в лонг или шорт, баланс количества сигналов резко меняется, и для каждого таймфрейма такой закон выглядит чуть иначе. Поскольку писать громоздкие if и проверять глазами и руками все возможные варианты корреляции — задача малорешаемая, неэффективная и неприятная, я попробовал привлечь к этому делу нейросеть.
Размеченные для обучения бары очевидно имеют смысл, поскольку соответствуют локальным экстремумам цены (вниз или вверх) или не принадлежат таким экстремумам (для третьего класса).
Число нейронов, в данном случае, не принципиально, главное, чтобы оно было достаточным. На точность сетей вообще в большей степени оказывает влияние архитектура, а не число нейронов, как показывает мой личный опыт.
1. Однозначно, нет.
2. В общем, я тоже использую НС для построения логики системы, точнее, уже предполагаемой!!! системы. Если не прокатывает, значит предположения неверные и там ничего нет. Был топик на эту тему.
ОХЛСВ — вполне достаточно, НС все эти фичи- предикторы в состоянии построить самостоятельно из исходных данных. Лучше фильтровать ОХЛСВ ещё до входа в НС.
Попробуйте, кстати, леса-деревья. Имеет смысл. Думаю и Байеса тоже можно — у меня руки не дошли.
В таком формате, конечно, очень сложно понять, что имеется в виду — что за отношение, что в знаменателе и т.д.
А в целом: ну, нейросеть, которая говорит когда лучше не торговать, она, пожалуй, будет намного ценнее той, которая говорит куда и когда торговать). Так что нейросеть, у которой отдельным классом идет класс «сидеть за заборе» это уже что-то интересное.
В моих нейросетях класс «на заборе» присутствовал неявно. Тип купи/продай с недостаточной вероятность — это и есть «на заборе». Что лучше работает — хз.
Кстати, на графике, оранжевый график — это на отложенной выборке?? Как-то подозрительно хорошо график идет. Ну или, действительно, целевая метрика некорректно выбрана и нейросеть поощряется когда она начинает понимать, что просто сидеть на заборе — вообще отличный сценарий.
class_weights = class_weight.compute_class_weight('balanced', np.unique(y_train), y_train)В подарок лично для НС мои 2 правила ...1-полюби убыток и 2-разлюби прибыль.Интересно -можно ли научить этому НС ?