Машинное обучение

    В этом опусе рассмотрим попытку использования алгоритм случайного леса для создания торгового модели для слива денег на примере индекса IMOEX. Используется язык питон и библиотеки pandas и scikit-learn. Модель будет предсказывать сторону закрытие на следующий день, т.е. оно положительное или отрицательное, и на основании этого строится торговая система.

df["Tomorrow"] = df["Close"].shift(-1)
df["Target"] = (df["Tomorrow"] > df["Close"]).astype(int)  # наша цель

    Очень важно, какие данные будут использоваться для прогнозирования. Здесь используется: показатель силы закрытия бара (т.е. (Close-Low)/(High-Low)) за текущий и предыдущий день, процентные соотношения между ценой закрытия и средними за периоды 2,10,15,25,50 дней по индексам IMOEX, RVI, RGBITR, и плюс цены закрытия индексов RVI, RGBITR.
    Для обучения модели используется период 2013-2022 гг., для проверки 2023-2024г.:

train = df.loc['2013':'2022']
test = df.loc['2023':]

    Для создания модели используется <a href=«scikit-learn.

( Читать дальше )

Подобный топик я уже писал пару лет назад — не снискал популярности. Пост уже затерялся в анналах истории СЛ и было бы неплохо его повторить.
Для начала, не думайте, что какие-то ИИ или НС что-нибудь решат за вас. Этого не будет. Это уже даже почти доказано на других сайтах, где уже несколько лет пытаются приспособить машинное обучение (МО) и НС, в частности, для использования в ТС. Пока тишина, насколько я понимаю.
Предлагаемый вариант несколько сложнее, но гарантированно рабочий.
Для начала вам нужен хотя бы предположительно рабочий вариант ТС на обычных индикаторах. Если вариант нерабочий, то никакие МО или НС вам никак не помогут — из нерабочего, рабочий сделать невозможно.
Итак, исходим из того, что такой рабочий вариант на обычных индикаторах у вас есть, или вы предполагаете, что вариант рабочий.
Первым делом определяем параметры индикаторов и прочие параметры, необходимые для ТС. Далее нормируем все эти параметры в соответствии с требованиями к входным сигналам НС, и естественно подаем их на входы НС.

( Читать дальше )

Добрый день!

Настало время выложить стратегию для TradingView, которую я писал 2.5 недели.

В этом коде реализована торговая стратегия, основанная на модели K-ближайших соседей (KNN), использующая методы классификации для принятия решений о покупке или продаже активов. Модель обучается на технических индикаторах: RSI, CCI, ADX и WT.

Суть модели:

1.Обучение на индикаторах
Модель KNN использует исторические значения указанных индикаторов в качестве входных данных. Эти индикаторы помогают определить потенциальные точки входа и выхода на рынок, основываясь на изменениях в ценах и объемах.

2.Классификация сигналов
В зависимости от значений индикаторов, модель классифицирует текущую рыночную ситуацию как «покупка», «продажа» или «нейтральная». Это позволяет трейдеру принимать более обоснованные решения.

3.Расстояние Лоренца
В отличие от стандартного евклидова расстояния, расстояние Лоренца учитывает определенные характеристики данных, что позволяет лучше захватывать особенности временных рядов и улучшать качество классификации.

( Читать дальше )

Этот материал я изначально готовил для своих каналов в телеграмме и ВК, а здесь оставил только ту его часть, которая

a. описывает в общих чертах мое видение предмета, обсуждаемого в соответствующей недавней статье и комментариях к ней.
b. не содержит секретных секретов
c. не раздражает местную публику, ввиду наличия видео-контента

Поэтому может показаться что написанное не имеет начала и конца, а кое-где и середины)))

«Художник должен изображать не просто то, что он видит перед собой, но и то, что он видит в себе. Если же он не видит ничего в себе, пусть не рисует и того, что он видит перед собой. Иначе его картины будут похожи на ширмы, за которыми можно ожидать только больных и мертвых.»

 

Каспар Давид Фридрих (5 сентября 1774 — 7 мая 1840)

 

 

 

Фридрих – выдающийся немецкий художник, 250-летие которого широко отмечалось в сентябре 2024 г. в Дрездене, и который похоронен на местном лютеранском Троицком кладбище (мимо его могилы я ежедневно прохожу во время утренней прогулки по пути к Эльбе).

( Читать дальше )

Работодатели, создающие проекты на основе искусственного интеллекта (ИИ), активизировали поиск специалистов по разметке данных средней и высшей квалификации, а также по узким направлениям, следует из данных hh.ru. Участники рынка подтверждают тенденцию. Спад спроса на ИИ-разметчиков базового уровня на рынке объясняют в первую очередь тем, что «Яндекс» и «Сбер» уже сформировали пул нужных сотрудников. Возобновиться он может, только если другие компании начнут создавать собственные ИИ-модели.

Подробнее — в материале «Ъ».

Рассказывает менеджер ML-продуктов Selectel Антон Чунаев для РБК 

Искусственный интеллект проникает во все сферы жизни общества. Однако создание фундамента для его внедрения — небыстрый и недешевый процесс, который требует серьезной подготовки. 

По данным The Wall Street Journal, крупнейшие мировые компании, которые пытаются внедрить ИИ в свою работу, на самом деле несут убытки из-за высокой стоимости обслуживания инфраструктуры. Одна из причин такой дороговизны сервисов на базе ИИ — использование AI-моделей (например, GPT-4), которые требуют больше энергии и увеличивают нагрузку на графические карты.

Так некоторые компании начали изучать возможности внедрения менее мощных, но более дешевых языковых моделей. Развиваются open-source ML-модели, которые востребованы у малого и среднего бизнеса.

Главный фокус на рынке машинного обучения в России в ближайшие несколько лет — формирование комплекса лучших практик, который позволит разработать универсальные платформенные ML-решения, подходящие для самых популярных задач большинства компаний.

( Читать дальше )

В новой версии появилась функция сохранения торгового отчета в виде файла HTML или PDF. Теперь вы можете легко поделиться своими торговыми достижениями с коллегами или инвесторами. Также в обновлении появилась возможность сохранить в файле текущее состояние показателей в «Обзоре рынка».

В MQL5 появились новые функции для работы с матрицами и векторами, которые применяются в машинном обучении. Помимо этого, в обновлении были внесены улучшения в профилировщик кода и тестер стратегий.

 

MetaTrader 5 Client Terminal

1. Terminal: Добавлен экспорт торгового отчета в файл HTML и PDF. Теперь вы можете легко поделиться своими торговыми достижениями с коллегами или инвесторами. Для экспорта воспользуйтесь меню в самом отчете или меню «Файл».
   

   
   

( Читать дальше )

Технологии развиваются стремительными темпами, и способность прогнозировать будущее – как никогда востребована. С каждым годом появляются новые технологические веяния, обещающие изменить не только наш образ жизни, но и преобразить бизнес-среду. Рассмотрим несколько перспективных направлений, которые могут сформировать будущее бизнеса.

1. Искусственный интеллект (ИИ) и машинное обучение (МО). В будущем бизнес будет активно внедрять ИИ и МО для оптимизации операций, принятия решений и взаимодействия с клиентами. Алгоритмы машинного обучения помогут автоматизировать процессы прогнозирования, анализ данных и создание персонализированных стратегий для максимизации эффективности.
2. Расширенная реальность (AR) и виртуальная Реальность (VR). В области бизнеса, AR и VR предоставят новые возможности для обучения сотрудников, проведения виртуальных конференций, а также для улучшения маркетинговых стратегий. Виртуальные показы продуктов, обучающие симуляции и визуализация данных в реальном времени станут обыденностью.

( Читать дальше )

Всем привет!
Снял новое видео про машинное обучение в трейдинге.
Попробуем предсказать движение цены акций при помощи машинного обучения.
Будет интересно :)

На Санкт-Петербужской бирже, по мнению нейросети Investington, сейчас актуальны следующие позиции:

MARA, оптимальная цена для покупки — 8.0$. Цель — 8.6131$. Предсказанная вероятность роста 85.0%
CLSK, оптимальная цена для покупки — 3.745$. Цель — 3.9739$. Предсказанная вероятность роста 79.3%
CARA, оптимальная цена для покупки — 1.51$. Цель — 1.6392$. Предсказанная вероятность роста 82.5%


Результаты поста от 2023-09-14

SPCE, купили по 2.06$. Продали 12 октября по 1.5901$. Итоговый процент -22.81%
FCEL, купили по 1.285$. Продали 11 октября по 1.388$. Итоговый процент +8.02%
ATRA, купили по 1.58$. Продали 20 сентября по 1.7143$. Итоговый процент +8.5%

Итого: из 3 сигналов 2 оказались верными.


Что это такое? || Отчет