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? 

# 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. 

Доброго закрытия дневной сессии и хорошего отдыха...

Записал новое видео, которое посвятил торговле уровней. Немного полезной информации для тех, кто хочет узнать что-то полезное об уровнях, для тех кто никак не разберется с тем, как правильно строить уровни и где, вообще почему уровни так важны...
Данное видео постарался сделать таким, чтобы оно могло быть полезным, как начинающим трейдерам, так и уже опытным трейдерам.

P.S. поддерживаю и ценю конструктивную критику, адекватные замечания и вообще качественное общение! :)

Начинаю разработку бесплатного майнера паттернов — второй версии. Пока собираюсь с мыслями и готовлю возможную архитектуру. К лету начну работы.

За последние пару лет его скачали больше 10 к. человек. Уважаемые пользователи, пишите, что бы Вы хотели ещё в нём увидеть. В пост, мне на почту, на домашний форум программы. Буду расширять список изменений.

Для всех остальных, небольшой обзор программы. С чего всё начиналось и что есть сегодня.




Stock Pattern Viewer — Уникальная программа для автоматического анализа котировок на предмет формализуемых паттернов и сбора статистики по ним. Data Mining с человеческим лицом.
Программа полезна в качестве станции поиска формаций для системного трейдинга.

Я не знаю, правильно ли делаю(всмысле авторских прав), если что поправьте например. Хочу попробовать расшарить свою электронную библиотеку для дополнительных плюсиков и от того, что в этот вечер делать особо нечего, кроме прослушивания музыки и общения. Для книги бывает достаточно аннотации или первой страницы, чтобы дальше не продолжать это чтиво(что-то типа «чёрного лебедя от Талеба) поэтому многие мной не прочитаны, а выкидывать уже их не охото, сами отсортируете. Вот она
Особенно хорошей хочу выделить книгу „Познать себя в бою“ от Александра Покрышкина. 

Александр Иванович Покрышкин — самое громкое имя среди летчиков-истребителей ВВС Красной Армии. Официально ему было засчитано 59 сбитых самолетов. Кроме того, Покрышкин — выдающийся аналитик, создатель новой тактики и системы подготовки советских летчиков-истребителей, командир гвардейской авиадивизии. Его пример не имеет аналогов в истории Второй мировой войны. С весны 1943 года немецкие станции радиоперехвата и оповещения неизменно предупреждали: «Ахтунг! Ахтунг! Покрышкин в воздухе!» И асы люфтваффе без промедления выходили из боя.

Продолжаем разбирать проблему продажи валюты. В прошлый раз мы определились, что налог при продаже валюты мы платить обязаны. А сейчас мы разберем те случаи, когда можно вполне честно и уйти от этого.

Экономим на налогах

Мы уже определились, что в соответствии с письмом Минфина от 02.08.2012 за номером 03-04-06/4-211, валюта является имущество, и при ее реализации нужно платить налог со всей суммы, что Вы выручили от продажи.

Затем у Вас есть возможность уменьшить эту сумму на размер документально подтвержденных расходов. То есть, если у Вас сохранилась справка о покупке или есть запись в брокерском отчете — можете считать разницу и платить уже налог с разницы.

Освобождаем от уплаты налогов

Но раз валюту признали имуществом, то у нас начинают действовать налоговые вычеты. В соответствии, со статьей 217 НК РФ пункт 17.1 гражданин освобождается от налогообложения, если владел имуществом более трех лет. Это касается как недвижимости, так и любого иного имущества.

Неплохой открытый курс от MIT. Курс с 2013 года и лежит на ютубе. Все четко и понятно в курсе, единственное нет аннотаций на русском языке.

Салют smart-lab'у и его обитателям!
Сегодня хотел бы поделиться вторым роликом из серии роликов посвященных кластерному анализу!

Первая часть - http://smart-lab.ru/blog/317658.php

В данном видео я кратко рассказал, как объемно-кластерный анализ помогает анализировать боковое и направленное движение цены. О том, как это использовать непосредственно в торговле я расскажу в следующих роликах!
Комментируйте, задавайте вопросы и т.д.
P.S.
Все принципы, которые я рассказываю в данных видео, я использую в своей торговле, которую вы можете наблюдать на моем блоге! Новые видео каждый день!
Записи торговли в моем блоге - http://smart-lab.ru/my/VadimTrade/blog/all/

Пока весь смартлаб орет о ставках/нефти/рубле/улюкаеве/горепрогнозистах/подливных гуру и тд — я подготовил, как мне кажется, норм постецкий. Вашему вниманию тщательно сцеженная, рассортированная по тематикам мякотка для работы, учебы и отдыха в нашей общей интернет-помойке: 


Сайты и приложухи для трейдинга:
finviz.com  — это божественно! Бэнчмарк всех фин сайтов по интерфейсу и удобству навигации, множество плюшек отбора акции для домашки, и визуальной подачи инфы. Бесит, что календарь только для амеров и на текущую неделю.

forexpf.ru  — 1 год назад этот сайт лежал когда на него ринулась каждая домохозяйка отслеживать курс рубля. Нормальный ресурсоёмкий сайт, чтобы попырому прочекать нефтянку, голду или бакс.

freestockcharts.com  — если вдруг упал tradingview.com.