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). В них показывают, что RL и нейросети помогают делать торговые стратегии гибкими и устойчивыми.

— В работе QTMRL: An Agent for Quantitative Trading Decision-Making Based on Multi-Indicator Guided Reinforcement Learning предлагают торгового агента, который учитывает несколько технических индикаторов и адаптируется под рынок. Этот метод зарабатывает больше и лучше управляет рисками, чем классические подходы.

— Optimal Quoting under Adverse Selection and Price Reading — про оптимизацию котировок для маркет-мейкеров. Тут предлагают способ корректировать заявки, учитывая риски из-за информационного дисбаланса.

2. Глубокое обучение для прогнозирования рынков

Вторая группа работ — про анализ временных рядов. Акцент на предобученных моделях (foundation models), которые могут работать без дополнительной настройки.

( Читать дальше )

Каждую неделю мы просматриваем десятки-сотни новых научных работ по трейдингу и алгоритмам. Вот что выделилось на этой неделе.

1. Как предсказать волатильность крипты
Криптовалюты сильно прыгают в цене, поэтому их сложно прогнозировать. В статье Probabilistic Forecasting Cryptocurrencies Volatility: From Point to Quantile Forecasts предлагают новый метод – QRS. Он оценивает вероятности резких скачков на логарифмах данных. Простые линейные модели с ним работают лучше сложных.

Другое исследование – Sentiment-Aware Mean-Variance Portfolio Optimization for Cryptocurrencies – добавляет к анализу настроения из соцсетей и технические индикаторы. Стратегия дала +38,7% против +8,85% у Bitcoin, но и просадки у неё выше (-18,5%).

Вывод: крипту стоит анализировать не только по цифрам, но и по настроению рынка.

2. Нейросети для портфелей
LSTM-сети (особый тип нейросетей) хорошо предсказывают изменения в портфелях. В работе Investment Portfolio Optimization Based on Modern Portfolio Theory and Deep Learning Models их используют для расчёта корреляций активов. Результаты лучше, особенно на долгих периодах.

( Читать дальше )

Каждую неделю мы разбираем десятки, а иногда и сотни научных статей и препринтов по алготрейдингу и количественным финансам. Вот что интересно за последние 7 дней.

Прогнозирование цен и волатильности
Основной тренд — улучшение точности прогнозов. Метод временной иерархической прогнозировки (THieF) даёт плюс 13% к точности предсказания цен на электроэнергию на день вперёд. Суть в согласовании прогнозов по часам и блокам контрактов. Подробности в статье Stealing Accuracy: Predicting Day-ahead Electricity Prices with Temporal Hierarchy Forecasting (THieF) (http://arxiv.org/abs/2508.11372v1).

Для крипторынков полезны модели стохастической волатильности с динамической асимметрией. Они лучше учитывают резкие скачки цен. Детали — в работе Dynamic Skewness in Stochastic Volatility Models: A Penalized Prior Approach (http://arxiv.org/abs/2508.10778v1).

Оптимизация портфелей
Классические методы уступают подходу DFL (обучение, ориентированное на решение). В статье Estimating Covariance for Global Minimum Variance Portfolio: A Decision-Focused Learning Approach (http://arxiv.org/abs/2508.10776v1) показано, что DFL даёт меньший разброс доходности портфеля.

( Читать дальше )

Каждую неделю мы изучаем десятки, а иногда сотни свежих научных статей и препринтов по алгоритмической торговле, трейдингу и смежным областям. Собрали главные работы с 4 по 11 августа 2025 года из arxiv.org в трех ключевых направлениях.

Арбитраж на цифровых рынках
Платформа Polymarket стала источником крупных заработков. Трейдеры получили около $40 млн на неверном ценообразовании связанных активов. Об этом говорится в исследовании Unravelling the Probabilistic Forest: Arbitrage in Prediction Markets.

Авторы Measuring DEX Efficiency and The Effect of an Enhanced Routing Method создали метрику STAP. Она помогает измерить эффективность децентрализованных бирж и показывает, как новые алгоритмы увеличивают прибыль трейдеров.

В работе Performative Market Making описана модель, где участники рынка создают условия для собственных прогнозов и зарабатывают на этом.

Управление портфелем
Нормализация данных снижает эффективность портфельной оптимизации через обучение с подкреплением. К такому выводу пришли авторы Comparing Normalization Methods for Portfolio Optimization with Reinforcement Learning.

( Читать дальше )

На этой неделе в научных работах по алгоритмической торговле и управлению портфелями особое внимание уделено новым методам анализа данных и оценки рисков. Мы отобрали ключевые исследования из сотен свежих статей и препринтов, чтобы показать главные тенденции.

Улучшение торговых стратегий
В работе Order Book Filtration and Directional Signal Extraction at High Frequency предлагается новый способ фильтрации данных о ценах и объемах в режиме реального времени. Авторы доказали, что это помогает точнее находить сигналы для сделок, убирая лишний «шум» в рыночных данных.

Квантовые вычисления в финансах
Исследование Quantum generative modeling for financial time series with temporal correlations показывает, как квантовые алгоритмы могут генерировать искусственные финансовые данные. Это полезно для обучения моделей, особенно когда реальных данных мало.

Риски и ESG-факторы
В статье ESG Risk: Lessons Learned from Utility Theory рассматривается, как экологические, социальные и управленческие факторы (ESG) влияют на выбор активов. Авторы предлагают новые способы оценки этих рисков.

( Читать дальше )

Когда пишешь, информация лучше раскидывается по полочкам. 

Поэтому решил сформулировать тезисы о системной торговле, которые для себя уже вывел, как бесспорные. 
Смешно, ведь кажется все эти тезисы я видел в умных книжках о торговле еще в самом начале, но принял их только теперь.

1) Грааля нет.

За 3 года возни именно с алгоритмами я собрал, наверное, под 1000 черновиков торговых систем разной степени сложности. Из них лишь единицы реально заслуживают внимания 🤷‍♂️ И я верю, что лучшие алгоритмы ещё впереди, но подход к ним уже никогда не будет построен на «ща бахну вундервафлю и все деньги мира будут мои» — не будут.

2) Убытки — это нормальная составляющая торговли. 

В самом начале я пытался построить систему в которой процент успешных сделок будет 85-90%.

Оказалось, что не так много способов добиться этого результата. Сходу могу предположить, что подошел бы арбитраж (в эту сторону ещё толком не копал, поэтому сомневаюсь), гридеры (такое мне концептуально не нравится) и самый доступный из них — это делать стоп длиннее тейка) 

( Читать дальше )

MACD — это всего лишь две EMAшки, обычно ЕМА12 минус ЕМА26 и вот по полученному значению высчитывается ЕМА9
Т.е. мы банально вычисляем расстояние между двумя скользяшками и определяем выше или ниже среднего расстояние между ними.
Но индикатор очень популярен, поэтому попробуем понять заслужено ли

Проверим отработку на нескольких ТФ по двум логикам:
А) Пересечение значением MACD нулевой линии
Б) Пересечение значением MACD сигнальной линии (ЕМА 9)

Дневки:
А) Пересечение значением MACD нулевой линии:
1) Собрано 117.444 пунктов («Купил и держи» 66159 пт)
2) Общий MFE 436.828 ПТ. Вычитая из этого пункта 117.444, мы можем наглядно увидеть сколько стратегия не дособирает прибыли.
3) Всего сделок 121
4) Прибыльных лонгов 34.43% Прибыльных шортов 36.67%
5) Средняя прибыль лонг +5941 пт
Средняя прибыль шорт +2975 пт
6) Средний убыток лонг -834 пт
Средний убыток шорт -1037 пт

Б) Пересечение значением MACD сигнальной линии:
1) Собрано 65.178 пунктов («Купил и держи» 66.159 пт)

( Читать дальше )

Вчера зарегистрировался в ЛЧИ

В прошлом году занял 18ое место в рейтинге трейдеров-капиталистов, с результатом +20% (если бы не пополнил депо в середине конкурса, было бы +46% 😔). ник AIT

В этом году участвую не руками. Моя ключевая задача перейти на торговые алгоритмы полностью, зачем мне седина преждевременная?)

Поэтому участвовать будет мой алгоритм Вжух) при желании часть его работы на $SIZ3 вы можете легко найти)

А в боевую сборку будут добавлены еще 5 фьючей с подходящей волой. фьюч на евро, его буду иногда чередовать с сишкой в ручном режиме
Ещё газ, кстати, алгоритм его лонгует с 2.951, правда всего на 18 лотов при депо 1кк, но тут оценка риска, никуда не денешься 🤷‍♂️ руками я бы эту сделку не открыл бы ни за что

+ серебро, скрипт оч хорошо лёг на его движения

Не очень люблю торговать нефтью, но поскольку ликвидных фьючей на рынке раз два и обчелся, то и нефть в ход пошла)

фьюч на обычки сбера, долго выбирал между фьючом на индекс МБ (мини) и сбером. Результаты у сбера были сильно плавнее, поэтому выбор пал на него.

( Читать дальше )

Строим торговую систему в ТСлаб с нуля. Часть 1OllivanderMay 11, 2023

 Дисклеймер:

Это не обучалка, это просто статья, которую я пишу в процессе своих изысканий) Я тут внезапно начал вести диалоги с подписчиками в чате и с удивлением для себя узнал, что имеет смысл постоянно подчеркивать, что наличие стратегии/торговой системы (это не обязательно робот, это может быть просто свод правил и техник) – это очень важно. Задача этого лонгрида показать, что торговля может быть более спокойной, без эмоциональных качель, что прибыль и риски можно прогнозировать хотя бы примерно.

 

Лонгридище

 

 Для построения успешной торговой системы нам нужно получить максимально возможный «перевес» на каждом из этапов построения:

 1)  Выбор подхода: тренд или контртренд. Торговля по системе должна подходить нам психологически. Никто не хочет испытывать дискомфорт от торговли, нам нужно спокойствие. Подходящая психологически система даст нам больше шансов не влезать в ее работу со своим сиюминутным тревожным анализом и меньше сомневаться в ее действиях. Этот пункт стоит первым, потому что его стоит определить еще до того, как вы начали строить ТС.

( Читать дальше )

Почему казино всегда в выигрыше?
Рынок — это казино?
А почему казино — это плохо?


В сети часто можно наткнуться на утверждения в духе «это казино». Я понимаю, что людям удобно верить в грязную руку вселенского дилера, но не каждое поражение означает, что выиграть невозможно, чаще всего это означает, что ты либо играешь так себе, либо играешь не в те игры.

Но как понять где стоит играть, а где шансов никаких? И как играть лучше

Чтобы разобраться с этим, притянем немного обывательской математики и пару формул из середины прошлого века.

Для начала приведу формулу «Критерий Келли», которая была разработана специально для ставок в казино и БК:

(Коэффициент букмекера * личная оценка вероятности события -1) / (коэффициент БК — 1)

На выходе мы получим долю от депо, которой можем рискнуть конкретно сейчас. Даже в страшных играх, да даже если это $NGK3. Главное, чтобы статистика была верной.

Если вникнуть в эту формулу, можно оценить насколько она логична, ведь помимо вероятности, она учитывает и потенциал выигрыша.

( Читать дальше )