machinelearning

Принято считать, что валюты делятся по регионам: развитые, развивающиеся, сырьевые. Но рынок часто плевать хотел на эти ярлыки. Я решил проверить, как валюты группируются на самом деле, если скормить алгоритму машинного обучения сухие цифры, а не географические атласы.

Использовал метод K-Means (обучение без учителя) и данные об абсолютных курсах с платформы abscur.ru. Почему это важно? Потому что анализ пар (USD/RUB, EUR/USD) всегда искажен волатильностью доллара. Абсолютные курсы дают чистую картину «характера» каждой валюты.

Что оценивал алгоритм?

Я составил «поведенческий паспорт» для 45 валют по 4 метрикам:

1. CAGR (доходность) — куда идет тренд.

2. Волатильность — насколько сильно трясет.

3. Max Drawdown (MDD) — глубина «ямы» при кризисе.

4. Recovery Days — сколько дней вы будете сидеть в убытке, прежде чем цена вернется к пику.

Результаты: 4 типа «валютных личностей»

Алгоритм выделил группы, которые сильно отличаются по эффективности капитала:

( Читать дальше )

Первая версия: они есть, но шифруются.
Вторая версия: поднявшихся с нуля нет, потому что для разработки и обучений таких нейросетей нужны ресурсы, в том числе финансовые.
Третья версия: предсказания возможны, но миллиарды на этом так просто не сделать из-за ликвидности и ограниченности возможностей нейросетей на данном этапе их развития.

Третья версия наиболее интересная, её и предлагаю обсудить. После ChatGPT стали появляться новости о том, что нейросеть научили делать ту или иную работу. С одной стороны, для людей, занимающихся такими вещами, нет ничего удивительного в «T9 на стероидах». С другой, согласитесь, удивительно, что функция, пусть и с большим числом параметров, которой и являются нейросети, так убедительно воспроизводит текст и создаёт впечатления настоящего собеседника.

Я понимаю, что нейросеть выдаёт то, что в неё закладывают, и то не всегда. И что такие функции собеседника, кажущиеся невероятными — это всего лишь то, что в неё заложили на этапе обучения. Говорят, даже с сортировкой чисел она не справляется, если специально не проводить обучение именно этой задаче.

( Читать дальше )

Как думаете, сколько может принести алгоритмическая торговля? 10% годовых? 100%? Или больше?

Все мы знаем, что machine learning может делать множество крутых вещей. А уж применить его в трейдинге для анализа графиков и прочих цифр — эта идея вообще очевидная. Почему же в публичном пространстве почти не встречается историй успеха? Не знаю, возможно потому что деньги любят тишину.

Однако я точно знаю что machine learning работает! На самом деле очень многие его применяют. Да я сам занимаюсь этим для прогноза движений по индексу S&P 500. Я также общался с человеком, который за год заработал $5млн от стартового депозита в $300 тыс. Буквально вчера общался с другим человеком, который подтвердил, что легко можно делать 300%-500% на американских индексах. Врут? Думаю что нет.

С помощью ML я и сам смог заработать +45.9% к счету только за февраль, а депозит у меня не маленький. Ниже приведены результаты по моим сделкам в феврале на реальном счете. Для сравнения в скобках указано значение тех же метрик за тот же период по самому индексу S&P 500.

( Читать дальше )

( Читать дальше )