Машинное обучение

Последние недели наша небольшая команда работала практически без выходных.
У многих из нас семьи почти не видели — ночные сборки, тесты, переделки, новые модули, очередные сбои, переработка логики, снова тесты.

Но мы дошли до первого важного рубежа.
Сегодня можем показать то, что обычно делает полноценная лаборатория:
прототип автономного AGI-ядра, работающий локально как связная система.

Это не LLM-бот.
Не ассистент с подсказками.
И не интерфейс поверх GPT.

Мы собирали именно архитектуру поведения + память + контекст + восприятие + ядро принятия решений + визуальное тело.

---

🟦 Что у нас получилось (по факту):


( Читать дальше )

Увидел у себя в ленте подписки youtube вот такое видео:
MACD + AI Trading = 1159% Returns?

www.youtube.com/watch?v=b6GKG-vGUyE

Сразу скажу, что заголовок абсолютно кликбейтный: заявленная доходность в 1159% процентов — это за 15 лет, а CAGR этой стратегии гораздо скромнее — 18.8%. Автор продает свой курс.

Но в качестве упражнения решил проверить эту стратегию на индексе турецкой биржи (BIST100).

На чем основана эта стратегия, и другие похожие AI-стратегии из интернета:
— берется классический индикатор, один или набор (в данном видео это две движущихся средних)
— строится ML (machine learning) модель, которая учится предсказывать доходность актива на следующий день (как цифру или как булевое значение: плюс или минус) в зависимости от этого индикатора на основе либо одного предыдущего дня, либо на серии за несколько предыдущих дней

Как и в этом видео, я взял модель Random Forest, натренировал ее на данных по турецкому индексу за 2005-2025 годы с использованием двух скользящих средних (пробовал разные комбинации дней: 5 и 20, 12 и 26 и др.). Модель должна предсказывать движение биржи (вверх или вниз) на день T+1 на основе значений двух средних на день T.

( Читать дальше )

🚀 Введение: ИИ против рынка — кто кого?

Можно ли с помощью нейросети заработать на фондовом рынке больше, чем руками? Я поставил эксперимент и дал ИИ задачу: анализировать акции Сбербанка (SBER) и выдавать сигналы на основе прогноза. Результат — +20% прибыли за месяц на демо-счёте. В статье — полный разбор: какие инструменты я использовал, какой код написал, и как вы можете повторить всё это шаг за шагом.

---

🔍 Почему именно Сбербанк и нейросети?

• SBER — ликвиден: высокий объём торгов, идеален для алгоритмических сделок.

• Волатильность: движение цены даёт точки входа.

• Популярность на Smart-Lab: кейс интересен широкой аудитории.

А нейросети, в отличие от людей, не устают, не поддаются эмоциям и умеют видеть закономерности, которые не видны глазом.

---

⚙️ Эксперимент: +20% за 30 дней

Шаг 1. Сбор данных

Источники:

• moexalgo — данные с Мосбиржи

• yfinance — данные с Yahoo Finance

pythonКопироватьРедактироватьfrom moexalgo import Ticker import pandas as pd sber = Ticker('SBER') data = sber.candles(date='2022-01-01', till='2024-12-31', period='D') data = pd.DataFrame(data)[['close', 'volume']]

( Читать дальше )

Самое интересное, что прямо сейчас присходит в AI-отрасли – это гомерически смешная ситуация с новой нейросетевой моделью Grok 3. «Самый умный интеллект в мире», как выяснилось, не очень хорошо относится к своему создателю – и у Маска, видимо, от этого дичайше подгорает. В этой статье мы разберем на скриншотах неуклюжие попытки xAI пофиксить ситуацию.

Твое лицо, когда у любимого AI-чада начинается переходный период, и оно объявляет бунт против своих родителей

Вообще, Маск изначально упирал на то, что все эти ваши OpenAI и Гуглы готовят искусственные интеллекты с промытым воук-культурой мозгом; а Илон пилит настоящий «трушный» AI – который будет без всякой цензуры всегда стремиться к правде и только к максимальной правде!

( Читать дальше )

Провокационное заявление Дональда Трампа о том, что США лидируют в разработке ИИ, послужило сигналом к ответным действиям со стороны Китая. Китайские разработчики выпустили собственный ИИ, который превзошел американские аналоги по всем показателям.

Этот сдвиг парадигмы вызвал потрясение на рынке, поскольку Америка традиционно доминировала в сфере ИИ. Американские компании вложили миллиарды долларов в НИОКР, в то время как Китай ограничился сотнями миллионов.

Теперь инвесторы задаются вопросом, стоит ли продолжать вкладывать средства в американские технологии, которые не могут конкурировать с китайскими разработками. Это привело к резкому падению американского технологического рынка, поскольку пузырь ИИ лопнул.

В условиях неопределенности инвесторы обращаются к альтернативным активам. Ожидается, что средства будут перетекать в криптовалюты и золото, которые рассматриваются как более надежные вложения.

Китайская революция ИИ бросает вызов традиционным инвестиционным стратегиям. Инвесторы должны переосмыслить свой подход и сосредоточиться на активах, которые могут процветать в новой эре, возглавляемой Китаем.

( Читать дальше )

    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».