reinforcement learning

🔹 Суть проекта

🔹 Основные особенности

• Учет комиссий, проскальзывания и риск-менеджмента

• Отбор торговых сессий по критериям волатильности (импульсы ≥5% за 10 минут)

• Дискретное пространство действий: LONG, SHORT, CLOSE, HOLD

• Reward shaping для контроля поведения

• Полные логи бэктеста и визуализации

• Публикация сигналов в реальном времени (Telegram)

📊 Результаты бэктеста (март-июнь 2025)

• Доходность: +144.23%

• Sharpe: 1.85, Sortino: 2.05

• Прибыльных дней: 78.57%

• Сделок: 112 (~2 в день), включая SL/TP

• Среднесуточная доходность: +1.61%

На фоне текущего роста портфель обновил максимум и взял отметку в 70 млн рублей.

По совпадению я как раз завершил постепенный процесс увеличения перечня анализируемых акций, доведя их количество до 111 штук. На MOEX акций примерно в два раза больше, но у остальных совсем уж плохо с ликвидностью. В качестве потенциального направления развития можно добавить ETF, ДР, а в перспективе MOEX обещает и иностранные акции подвезти.

Для учета информации в нескольких валютах прийдется существенно переработать блок хранения данных. Опять же по совпадению прочитал пару книжек про Domain-driven design — руки чешутся переписать все чуть более грамотно.

Так же в последнее время прочитал множество статей про Reinforcement learning. Раньше никак не мог придуматься, как прикрутить RL к портфельной оптимизации, а тут вдруг возникло несколько идей. Надо будет поэкспериментировать, и возможно в итоге совершу закономерных шаг от DL к RL.