Когда появилось видео с «Петровым и Бошировым» в Англии, то мне это показалось «до боли знакомым», как будто бывшим когда то со мной. Прямо дежа вю какое-то. Я наверное дня два вспоминал, но вспомнил таки. И вот наконец решил описать то, что было со мной.

Нет, не подумайте, это не было тогда  за границей. Киев заграницей стал позже. Мне, как молодому сотруднику, довелось курировать работы по линии украинской академии наук. Работа была муторной, чисто бюрократической  и потому предыдущим куратором после защиты диссертации «передавалась по наследству» самому молодому сотруднику отделения. Мне не повезло, предыдущий куратор защитил диссертацию как раз, когда я только-только пришел в отдел.

Кроме чисто бюрократической работы, кураторство подразумевало и две командировки в Киев весной и осенью и только один раз в мае 1986-го после Чернобыля руководство решило «уж лучше вы к нам» и не пустило меня в Киев. Но это были плановые командировки, а случилась одна внеплановая.

— Трейдер – это лицо, принимающее решения о покупке-продаже активов на финансовом рынке.
— Инвестор – это трейдер, постоянно находящийся в позиции лонг, апериодически меняющий в портфеле доли активов, со средним временем смены не чаще 2-х раз в месяц.

Если б я был противником, то  не создал бы  «Русского Баффета»



цель которого доказать, что для обыгрывания индекса по доходности в растущие годы  не нужны фундаментальный анализ и «плечи».

Я только хотел предупредить, что в падающие годы никакой анализ не спасет «инвестора» (в моем определении) от больших потерь, а «плечи» вообще «убьют». И в последнем случае «спекулянт» с разумными «плечами» (!) находится в более выигрышном положении. Впрочем, последнюю мысль я вроде раскрыл в докладе.

PS. Странно, что в программе меня записали в «алго». «Алго» я посвятил лишь несколько предложений про корректное тестирование систем, когда говорил о свойствах случайного блуждания. В моем докладе вовсе не стоял знак равенства «спекулянт»=«алготрейдер».

Упростим  тему  по максимуму.
Возьмем  данные,  10 входных точек. Неважно чего, неважно каких.
Возьмем  1  нейрон, который  видит эти 10 точек,  а  значит  у него есть 10 весов  которые  нужно найти.
Процесс нахождения  весов и есть обучение.

Метод обучения  на примерах.  Значит мы  должны  знать заранее ответы,  какое значение примет сеть  для  каждого примера.
Есть методы обучения  без примеров.
Вот такой  примитив.

И это не  работает потому  что:

1.  Когда мы  подаем нестационарные  данные,  ответы  так же будут нестационарны, какую бы математику  мы  не  применили. Не существует математики корректно описывающей  нестационарные  процессы.  Сети инструмент стационарный!!!!!  Это означает что необходимо подавать стационарные  данные  на вход. Самый  яркий  пример синусоида,  идеал стационарности и по амплитуде, и по частоте.
2. Метод обучения  на  примерах,  применять нельзя. Потому что для  любого набора  данных невозможно разметить данные 100% правильно. Потому  что у вас в реальном рынке есть куча  факторов задержка, скорость расчетов, скорость выставления  и получения  данных, точность этих данных, ликвидность,  набрал позу или нет,  и в  каком объеме и  тд и тп.
3. Таким образом применение сетей реально серьезная  софтовая  задача, придется  разработать очень серьезный  комплекс, внутри которого будет зашита сеть для обучения,  и отдельный  режим этого софта для  тестирования  полученных результатов.

Если вы не умеете программировать забудьте про сети.
Если умеете, будьте  готовы  писать очень большой и сложный  проект. Который  даст мощный  исследовательский  инструмент, и не факт что этот  инструмент даст необходимый  результат.

И сами сети здесь в общем то вторичны, по сравнению  задачей  по разработке всего комплекса софта в  целом.

Вам потребуется:
1. Данные  в виде ордерлога  из которых вы будете  нарезать модели данных для сети.
2. Видеокарта с CUDA + ваш супер софт.
3. Крайне необычно мыслящий мозг, который будет способен решать такую исследовательскую задачу.

Ни для кого не секрет, что рынок криптовалют обладает феноменальной волатильностью, по причине своей молодости и отсутствию регулирования. На регулируемых рынках в борьбе с волатильностью помогает портфель, представляющий собой набор активов с периодической ребалансировкой.

Поможет ли портфель на рынке криптовалют? И позволит ли он сохранить и приумножить биткойн (BTC)? Мы в команде решили это проверить. Одним из условий создания портфеля была простота его поддержания. Подбор и поиск активов мы проводили с помощью Jupyter на Python. Разбору кода мы посвятим отдельную статью. А в этот раз рассмотрим, какие портфели нам удалось получить.

Анализ и поиск возможностей будем осуществлять за последний год, начиная с августа 2017 года. За этот короткий период были резкие взлёты монет, сопровождаемые не менее быстрыми падениями.