Копался в статьях по алготрейдингу, решил присмотреться в сторону машинного обучения. Но это в моем случае не про какой-то искусственный интеллект с нейросетями, в нейросети пока не хочу лезть, слишком сложно. Для начала хочу использовать простые алгоритмы для классификации и оценки хороших точек входа на основе обучения модели на истории.

Я исходил из того, как сам разрабатываю обычно торговую систему: ищу хорошие точки входа на истории и классифицирую их. Но так как человеческие возможности ограничены, использую только 3 таймфрейма и около 10 индикаторов в сумме. Кроме этого, история в точности никогда не повторяется и нужна какая-то более умная модель, которая не просто сравнивает индикаторы, как делают сейчас мои роботы, а дает оценку данной рыночной ситуации на основе всей совокупности индикаторов.

С помощью машинного обучения можно создать и обучить много моделей по разным алгоритмам, эта область уже хорошо развита (Logistic regression, Linear discriminate analysis, Stochastic gradient boosting, Decision trees, Support Vector Machine, KNN и другие). Можно быстро попробовать разные модели (Spot-checking algorithms). Модели могут работать вместе и делать предсказания. Можно улучшать точность моделей (Algorithm parameter tuning, Ensemble methods). Можно посчитать точность предсказаний по модели, обучив сначала модель на части выборки, а затем протестировав ее на другой части выборки (resampling). 

Как я понял, R для машинного обучения идеально подходит. Сделал первые шаги сегодня: cоздал модель по туториалу, которая определяет по размеру чашелистиков и лепестков растения ирис точный вид (всего 4 вида) какого-то одного растения(особи) на основе обучения по выборке из 500 других растений(особей). 

Код: 

# Скачивание и инициализация библиотек mlbench(используется для machine learning), caret (используется для нормализации данных)
install.packages("mlbench") 
library(mlbench)
install.packages("caret") 
library(caret)

# Краткая информация про базу данных iris
data(iris)
summary(iris)

# Определение тренировочной выборки
trainControl <- trainControl(method="cv", number=10)

# Оценка точности алгоритма Naive Bayes на данном dataset
fit <- train(Species~., data=iris, trControl=trainControl, method="nb")

# Вывод оценки точности
print(fit)

Сейчас я точно так же хочу сделать модель, которая на основе 30-300 хороших точек входа на истории определяет, насколько хороша данная пятиминутка для входа в лонг или шорт. 

Что скажете? Есть ли там грааль? Есть ли у кого-то опыт использования машинного обучения для торговли? Что посоветуете? 

Также представляю вашему вниманию грубую оценку того, на сколько в среднем ходят нефть Brent и Si за час и 1 день. Посчитал с использованием библиотеки rusquant на R. Также делюсь элементарным кодом. 

Я взял данные за последние 15 дней для BRK6 и 30 дней для SiM6. Затем посчитал доходности и их среднеквадратичное отклонение. Затем отклонение умножил на среднюю цену. 

Получилось:

Brent
за час: 0.25$
за день: 1.15$

Si
за час: 235 руб.
за день: 757 руб. 

Код на R: 

# Инициализация библиотеки rusquant (русская версия от quantmod, поддерживает все функции quantmod)
library(rusquant)

# Получение исторических данных с Финама
getSymbols("SiM6", from=Sys.Date()-30, src="Finam", period="day")

# Рисуем график, чтобы увидеть данные
candleChart(SIM6)

# Расчет доходностей встроенной функцией библиотеки rusquant (унаследована от quantmod)
rr <- OpCl(SIM6)

# Цены закрытия
p <- Cl(SIM6)

# Получение абсолютного значения среднеквадратичного отклонения доходности
sd(rr)*mean(p)

[1] 757.7013

# Аналогично для часовика
getSymbols("SiM6", from=Sys.Date()-30, src="Finam", period="hour")
candleChart(SIM6)
rr <- OpCl(SIM6)
p <- Cl(SIM6)
sd(rr)*mean(p)

[1] 234.9929

#Аналогично для BRK6. 

Торгую внутри дня, иногда с переносом на следующий день. Торгую преимущественно на часовиках, входы могу делать по м15. Сделок немного, зато не приходится следить за рынком часами. Ниже описание сделки по канадцу:




( Читать дальше )

Пока не пробили барьер из сильных оферов в евро выше 1.1440 и оттолкнулись. Не хватило всё-таки топлива для взятия препятствия, но внизу находится несколько баз для дозаправки. Не скажу, что биды сильные, большинство покупателей евро сгорело в в битве за рубеж. Нет, не так. Позиции, открытые участниками рынка форекс по главной паре пока не закрыты, многие входили в рынок с дальним прицелом на восходящий тренд, так что война не окончена, она никогда не прекращалась. Напомню собственные слова о том, что как раз на этих уровнях идёт настоящая битва за слом тренда. Многие продолжают верить в паритет евро и доллара, а кто-то готов лечь костьми за новые вершины. Правильно было подмечено в комментариях, что после 1.15 практически открыт путь на 1.25, но и на этом пути множество подводных и надводных камней.

( Читать дальше )

Всех приветствую.

S&P500 выполнил пробил нижнюю границу боковика. Пока что боковик продолжается.  Сегодня жду возврата в боковик и, после закрепления внутри, жду движения к верхней границе боковика.

 1. RTS  

РТС пока что в середине боковика. Да, он попытался пойти по стрелочке вчерашнего обзора, но пока что признака выхода вниз нет. Я все же жду движения к нижней границе, но возможен еще один рывок к верхней границе.  

2. EUR/USD: 

( Читать дальше )

Почти закончил читать. Как и обещал ранее, пишу краткую рецензию.

1. Книга открывает мир алгоритмов с другой стороны. Больше никаких сложностей. Это как переход от командной строки линукса в последнюю оболочку MacOS. Даже круче, и шаг шире. Если до сих пор алгоритмы были привилегией математиков и программистов, то после ее прочтения сложный торговый алгоритм может составить даже семиклассник или пожилая домохозяйка. С двадцатой страницы хочется взять ручку и бумагу, чтобы нарисовать алгоритм.

Большое внимание уделено эргономике алгоритмов. Причем, эта эргономика четко описана и подчиняется весьма квадратным правилам. Никаких разночтений. Вероятность ошибки сведена к значениям после запятой.

2. В книге описан графический язык ДРАКОН, который придуман российскими учеными при проектировании Бурана. Расшифровывается название языка как «Дружелюбный Русский Алгоритмический, Который Обеспечивает Наглядность». Язык ДРАКОН был разработан, в частности, потому, что традиционные блок-схемы алгоритмов, с эргономической точки зрения, не выдерживают критики. Они напоминают непроходимые джунгли, в которых легко запутаться и почти ничего нельзя понять.

( Читать дальше )

Когда мы говорим об интеллекте человека, мы обычно подразумеваем либо уже наличие у него неких знаний и навыков, либо способность их приобретать. Однако есть много различных аспектов интеллекта. Эмоциональный интеллект, или «EQ», — это одна из форм интеллекта, которая, в различной степени, присутствует у каждого человека и оказывает на него влияние. 

Согласно исследованиям, люди с высоким уровнем EQ более уверены в себе, что часто напрямую связано со степенью успешности человека, как на профессиональном поприще, так и в личных отношениях. Высокий EQ позволяет лучше распознавать и контролировать свои эмоции, понимать эмоциональные состояния других людей, и соответствующим образом корректировать своё поведение.

По сути, эмоциональный интеллект условно можно разделить на четыре «составляющих»:

1. способность воспринимать эмоции;

( Читать дальше )

Моя группа в VK
Мой канал на YouTube


В данной статье я попытаюсь разобраться, кто же на самом деле двигает рынки, как именно он это делает и чем руководствуется. Но для начала разберемся в матчасти происходящего.

Во многих книгах по трейдингу говорится, что рынки двигают маркетмейкеры, но это является откровенной неправдой. Маркетмейкер – это участник рынка, имеющий обязательства перед биржей по предоставлению ликвидности. То есть, для акций газпрома маркетмейкером является компания газпром, для рубля — казначейство Российской Федерации и так далее.
Отсюда выводы, что маркетмейкеры двигать рынки не могут.

Рынок двигают крупные спекулянты – это и есть так называемые КУКЛы, их много, и действуют они примерно одинаково, но это не исключает возможности потери денег одного из них. Никто между собой не договаривается, просто они знают правила и применяют их. Да-да, те самые правила по «разводу толпы», созданию ликвидности для входа своими крупными позициями в сделку, по остановке цены и возврату ее в нужное место. Именно крупные игроки разворачивают рынки, ломают уровни и сдерживают цену.

( Читать дальше )

Фигура => "Факью лонгисты" — сформировалась полностью...



Ну ладно ошибся на копейку… Но я же не снайпер, а трейдер(гы.гы.гы)...
Докупился по плану на данной черточке, ждем дальнейшего развития событий… теперь как бы первая цель в районе 104.07… Дальше видно будет...



( Читать дальше )

01.03:   +410 п.


smart-lab.ru/blog/tradesignals/313715.php


02.03:   +1150 п.


smart-lab.ru/blog/tradesignals/313948.php


04.03:   +200 п.


smart-lab.ru/blog/tradesignals/314522.php

07.03:   +250 п.


smart-lab.ru/blog/tradesignals/314937.php


09.03:   +300 п.


smart-lab.ru/blog/tradesignals/315274.php


11.03:   +520 п.

( Читать дальше )