Нейросеть

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

PBF, оптимальная цена для покупки — 8.5724$. Цель — 9.1733$. Вероятность роста 90.98%
MAC, оптимальная цена для покупки — 11.8104$. Цель — 12.67$. Вероятность роста 90.23%
MTSC, оптимальная цена для покупки — 58.1628$. Цель — 62.7238$. Вероятность роста 90.11%
CPRI, оптимальная цена для покупки — 39.36$. Цель — 42.385$. Вероятность роста 90.07%
ETM, оптимальная цена для покупки — 2.707$. Цель — 2.9068$. Вероятность роста 90.07%


Что это такое?

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

FATE, оптимальная цена для покупки — 87.0548$. Цель — 93.6046$. Вероятность роста 90.63%
PBF, оптимальная цена для покупки — 7.895$. Цель — 8.3992$. Вероятность роста 90.63%
RRGB, оптимальная цена для покупки — 20.6102$. Цель — 22.0627$. Вероятность роста 90.63%
OIS, оптимальная цена для покупки — 5.0916$. Цель — 5.4379$. Вероятность роста 90.23%
EDIT, оптимальная цена для покупки — 57.5844$. Цель — 61.5621$. Вероятность роста 90.11%


Что это такое?

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

ADS, оптимальная цена для покупки — 76.1636$. Цель — 81.225$. Вероятность роста 90.1%
CPRI, оптимальная цена для покупки — 38.674$. Цель — 41.2984$. Вероятность роста 90.1%
CPS, оптимальная цена для покупки — 39.9704$. Цель — 43.0024$. Вероятность роста 90.1%
DLTH, оптимальная цена для покупки — 11.4432$. Цель — 12.1366$. Вероятность роста 90.1%
DY, оптимальная цена для покупки — 71.5232$. Цель — 77.1947$. Вероятность роста 90.1%


Что это такое?

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

FATE, оптимальная цена для покупки — 83.357$. Цель — 89.6961$. Вероятность роста 92.7%
OIS, оптимальная цена для покупки — 5.18$. Цель — 5.5835$. Вероятность роста 91.2%
AA, оптимальная цена для покупки — 22.9$. Цель — 24.5337$. Вероятность роста 90.1%
AAL, оптимальная цена для покупки — 17.16$. Цель — 18.4959$. Вероятность роста 90.1%
ADS, оптимальная цена для покупки — 77.1536$. Цель — 82.3511$. Вероятность роста 90.1%


Что это такое?

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

FATE, оптимальная цена для покупки — 79.175$. Цель — 83.9462$. Вероятность роста 93.3%
PBF, оптимальная цена для покупки — 8.0906$. Цель — 8.6661$. Вероятность роста 91.2%
RIG, оптимальная цена для покупки — 2.192$. Цель — 2.3506$. Вероятность роста 90.8%
ATRO, оптимальная цена для покупки — 12.912$. Цель — 13.8079$. Вероятность роста 90.1%
CPS, оптимальная цена для покупки — 39.61$. Цель — 42.1503$. Вероятность роста 90.1%


Что это такое?

Вначале о грустном. Не понимая теорию нейросетей (НС) у вас вряд ли получится построить на ней ТС. Поэтому лучше для начала почитать теорию, например, Хайкин Саймон. «Нейронные сети. Полный курс». Книга уже достаточно старая и в ней нет новомодных веяний, но она дает базовые представления о НС.

И второе, мы будем далее для построения систем использовать пакет scikit-learn для Python. рекомендую ознакомиться. Есть и более продвинутые пакеты, скажем, TensorFlow и др., но их использовать мы не будем, и ограничимся более простым scikit-learn.
Теперь о том, чего здесь не будет. Здесь не будет теории НС, разве эпизодически и оч кратко. Здесь не будет описания пакетов Python, работы с графикой и пр. Обо всем этом вы можете прочесть в интернете, книгах, и документации Python.
В топике мы будем обсуждать только применение НС к ТС и их построению.
Так как тема достаточно велика, в один топик не влезет, сегодня мы займемся самыми общими вопросами. Следующая часть будет недели через две, раньше не получается.

( Читать дальше )

Так как читателей подобных тем немного, думаю, а стоит ли начинать. Надо программы готовить, тесты, в общем — что-то делать. Хочу выяснить аудиторию.
Разумеется, готовую ТС вы не получите, а только шаблон для ваших разработок. Ну, уж тестовый Граль мы непременно сделаем. Из ничего.

При использовании нейросетей мне кажутся ключевыми следующие проблемы:
1. тип сети и реализация
2. подготовка данных для сети

1а. Если вникать во всевозможные типы нейросетей и изучать отличия реализации и обучения по всем хопфилдам, марковым и больцманам, то на это может жизни не хватить.
1б. Хорошими программистами тоже за месяц не становятся. Недостаточно просто знать набор команд какого-то языка. Необходимо разбираться в моделях и парадигмах, средах разработки, знать тонкости реализации используемого языка, особенности производительности отдельных его конструкций.
Попытки абсолютного большинства трейдеров самостоятельно написать нейросеть приведут облому с вероятностью выше 99%. Оставшийся 1% решит, что нафиг им этот трейдинг не сдался, проще найти очень достойную работу с такими-то знаниями, а не маяться фигней. В общем, вероятности тут еще хуже, чем торговать руками в плюс. На 122671 сегодняшних посетителей Смарт-Лаба приходится только один

( Читать дальше )

Написал тут нейросеть и решил выложить на всеобщее обозрение NNTrade.readmcu.com.
Нюансов много. Поэтому это не более чем еще один индикатор, а не робот для торговли.
Как пользоваться ей, каждый решает сам. Я использую как индикатор. Или набор индикаторов, каждый из который отдельная нейросеть (профи поймут). С обязательными стопами. Профитфактор минимум 5:1.
Некоторые акции, особенно в затяжном падении которые, предсказывает плохо. Шортить по ней — самоубийство, хотя недавно шортанул татнефть по ней удачно. Хорошо подходит для поиска точки входа. Но иногда из-за внешних факторов, которые невозможно учесть, хорошие точки входа вылетают по стопам и через пару дней рост идет уже без тебя.
Статистики нет, сложно посчитать и лень. Можно примерно оценить по картинкам какие акции стоит торговать по ней, а для каких не подходит.
Часовики, интервал 10-100 часов, США и РФ. Данные с СПБ биржи для США, если там мало, то с BATS.
В остальном, думаю, сами разберетесь, какая линия за что отвечает.

( Читать дальше )

  Из тестов которые я привел в прошлых постах, следует что для задач с ограниченной выборкой и моим виденьем рынка, следует использовать GB, как наиболее эффективный инструмент, далее близко идет RF, а а где то далеко позади, глотая пыль плетется нейросеть. Также следует необходимость чистки от левых фичей. В чем вообще вопрос?! Лишние фичи это возможность инструментам ML найти черную кошку даже если ее там нет, особенно феерически это показала нейросеть, которая при относительно небольшом числе примеров откровенно творит (от слова тварь). Давайте попробуем зациклить чистку фичей и сделаем это системно. Системно это в частности избежать заглядывание в будущее а танцев с бубнами. Мои данные это около 50 тысяч дневок для наиболее ликвидных российских фишек с 2010 по апрель 2018 года (2008 год безудержного падения, 2009 год безудержного роста, поэтому все что до 2010 года оставил за бортом, как заведомо простые для извлечения профита годы), заглянуть на них в будущее это в частности использовать для прогноза движения цен в 2011 году данные о ценности фичей за все года. Мы так делать не будем. Мы представим что переместились в начале 2011 года и имеем только данные за 2010 год.  Для прогноза 2011 года используем данные о ценности фичей на тесте за 2010 год. Как используем? Да просто — из более чем трех десятков фичей используем только 5, 10, 20 наиболее информативных. Для прогноза 2012 года используем данные о ценности фичей на основе теста 2010-2011 годов итд. (Код разбухает, становится все менее читаемым, впору задумываться о ООП). После получения прогнозов, для удобство переведу их в столь любимое для трейдеров виде: профит на сделку, и сравню их с результатами если бы каждый раз использовались все доступные фичи. А их 34 штуки. Чистка фичей это будет во первых.
  Во вторых попробую улучшить результат за счет скалерновской VotingClassifier, которая будет выводить нечто среднее из прогнозов RF и XGB.
  Приступим с первого пункта. 

( Читать дальше )