VladMih, Сейчас алгоритм ищет экстремумы (argrelextrema) по графику цены, а значения осцилляторов берет в виде «среза» в этих же точках.

Согласен с вами, что по перегибам самого индикатора математически чище, но его чуть сложнее формализовать в коде без ложных срабатываний. Подумаю как лучше реализовать в  будущих версиях.

VladMih, По интерфейсу — критика принимается! Мультивыбор через чекбоксы — очень дельная мысль. Сделаю.

Дед Нечипор, Все тезисы в ответах — мои. Я использую LLM как редактора, он мне помогает упаковать мысли в читаемый вид, чтобы не отвечать «ок» и сэкономить время.

svgr, 

svgr, я услышал вашу позицию про вложенность — с точки зрения пользовательского опыта это действительно выглядело бы привычнее и логичнее. Однако наш текущий подход закладывает иную логику использования. 
Спасибо за обратную связь!

ezomm, Спасибо за разбор! По сути, мой Confidence Score — это и есть попытка оцифровать силу того самого «заходного» импульса. Про объем согласен на 100%: в модели это ключевой фильтр, без которого всё остальное — просто шум. Рад, что математика и классика в итоге смотрят в одну сторону

svgr, Математическое ожидание микро-событий (H1) статистически не обязано идеально вписываться в границы математического ожидания макро-событий (H4). Это как спросить двух разных аналитиков: один прогнозирует среднюю температуру на завтра (H1), а второй — климатический тренд на месяц (H4). Их графики не совпадут пик-в-пик, потому что они оценивают разные горизонты риска.
Если бы мы жестко привязали генерацию H4 к расчетам H1, то любая случайная ошибка на микро-уровне каскадом ломала бы весь глобальный макро-прогноз (эффект бабочки). Независимость моделей — это осознанное архитектурное решение. Оно позволяет нам получать честное «второе мнение» от алгоритма, оценивая вероятности на разных горизонтах, а не рисовать визуально идеальную, но математически несостоятельную картинку будущего.

svgr, отличное замечание, спасибо за внимательность. Вы правы: на исторических данных свечи H4 жестко формируются из H1, и геометрически меньший таймфрейм обязан входить в бóльший. Но когда речь заходит о нашем прогнозировании, этот геометрический закон перестает работать, и вот почему:
Алгоритм не генерирует единую «потиковую» ленту будущего, из которой потом нарезаются свечи разных таймфреймов. Если бы мы делали так, это была бы подгонка.
В AEMMtrader прогнозирование H1 и H4 — это две абсолютно независимые ML-модели, которые ничего не знают друг о друге:
Модель H1 обучена на своем датасете, со своим вектором фичей и своей микро-волатильностью.
Модель H4 обучена на макро-движениях и совершенно других распределениях шума.
Каждая из этих моделей независимо прогоняет свои 30 симуляций Монте-Карло. То, что вы видите на графике в виде прогнозных свечей — это усредненное математическое ожидание этих симуляций.

Replikant_mih, Абсолютно верно, чудес не бывает. Работает жесткое правило: Garbage In — Garbage Out. Симуляция Монте-Карло берет базовый вектор предсказания (mu) из XGBoost. Если бустинг переобучился на истории и выдает кривое матожидание, то Монте-Карло просто нарисует 30 красивых путей вокруг изначально неверного направления. Монте-Карло не создает торговый «эдж» (преимущество) из воздуха. Эдж создается исключительно на этапе подготовки данных (Feature Engineering) и борьбы со стационарностью. Задача Монте-Карло — другая. Это риск-менеджер. Оно спасает не от плохой модели, а от излишней «самоуверенности» хорошей модели в моменты сильного рыночного шума (когда дисперсия убивает любой сигнал).

Replikant_mih, Верно. Тело прогнозной свечи (направление и цены открытия/закрытия) — это действительно усредненная траектория (Mean Path), то есть математическое ожидание от всех 30 симуляций.

А вот тени (хвосты) свечей алгоритм достраивает отдельно. Он берет текущую дисперсию (насколько широко разлетелись эти 30 путей) и исторический показатель ATR (Average True Range). То есть мы берем «скелет» из матожидания и «навешиваем» на него историческую волатильность в виде теней. Сами 30 симуляций нужны нам в первую очередь для расчета Confidence Score — чтобы понять, какой процент из этих путей в итоге пробил текущую цену, несмотря на весь подмешанный хаос

svgr, Наоборот, это доказывает, что модель видит рынок адекватно, а не подгоняет данные. Рынок фрактален, и таймфреймы существуют в разных фазах. Нисходящий тренд на H4 (макро) состоит из серии локальных падений и откатов на H1 (микро).

Если система показывает сигнал SELL на H4 (глобальное падение) и BUY на H1 (локальный откат) — это не баг, это классическая рыночная механика. Более того, для трейдера это идеальный сетап: мы видим, что глобально рынок давит вниз, но прямо сейчас (на H1) идет коррекция, на которой можно зайти в шорт по более выгодной цене. Противоречие компрометировало бы подход, если бы мы искали Грааль, который обещает рост везде и сразу. Но мы ищем вероятности, а вероятность отката внутри тренда — это норма

Op_Man, Индикаторные боты. Системы на базе стандартного теханализа (RSI, MACD, пересечение средних). Их главная проблема — они бинарны (сигнал есть или его нет) и всегда работают «в хвосте» рынка, не учитывая текущую волатильность и фазу.