Прогнозирование

… я был прав и есть всего 2 мнения: моё и неправильное.)))

smart-lab.ru/blog/756511.php Наслаждайтесь)))

Ну да, единственное, что я не мог прогнозировать — глубину и объём глупости некоторых граждан России, которые смогли сделать невозможное, чтобы всё стало даже хуже тех моих прогнозов, которые я делал аж с сентября 2021 года...

На 100 лет вперед: Искусство долгосрочного мышления, или Как человечество разучилось думать о будущем. 

Мы живем в эпоху сиюминутных потребностей и краткосрочного мышления. Глобальные корпорации готовы на все, чтобы удовлетворить растущие запросы акционеров, а политики обсуждают применение ядерного оружия. 

А что останется нашим потомкам? 

Не абстрактным будущим поколениям, а нашим внукам и правнукам? 

Оставим ли мы им безопасный, удобный мир или безжизненное пепелище? 

В своей книге философ и социолог Роман Кржнарик объясняет, как добиться, чтобы будущие поколения могли считать нас хорошими предками, установить личную эмпатическую связь с людьми, с которыми нам, возможно, не суждено встретиться и чью жизнь мы едва ли можем себе представить. 

ЦРУ заявляли о спецоперации на Украине еще с осени 2021.

При таком составе спикеров я не вижу смысла вообще на неё ехать.

Почему?

Да всё очень просто.

Я не вижу почти ни одного интересного спикера на ней.

Неполный список тех, кого на ней действительно хотелось бы видеть (хотя бы просто в теории, скорее всего таковых спикеров не будет): К.Бочкарёв, Д.Потапенко, Е.Коган, М.Шеин, М.Ханов, Д.Шагардин, К.Юхтенко, Н.Смирнова...

При хотя бы 2-3 спикерах из перечисленных я сам был бы готов заплатить и за вход даже раза в 2, а то и в 3 больше максимальной стоимости, и билеты на поезд с бронью гостиницы оплатить прямо сейчас, вообще не раздумывая ни разу...

Пока же я вижу таких спикеров, что конференцию смартлаба впору хочется назвать конференцией сливлаба для тех, кто хочет и любит сливать депо. Слушать людей, которые оказались не в состоянии сделать вполне предсказуемо НЕ БУМАЖНУЮ 2-х, а то 3-х значную доходность со знаком плюс в рублях за последние 12 месяцев — какой смысл? Если они такие умные — пусть скажут, какая у каждого из них доходность за последние 12 месяцев? Убытки, просадки, минуса? Ну ладно, есть человек, который на ЛЧИ что-то там выигрывал — и? Абсолютно читерский конкурс, на котором при понимании того, как обмануть систему...

Принципы работы с меняющимся мировым порядком: почему нации преуспевают и терпят поражение. Рэй Далио

1. Аргумент почти никакие не фонды не обходят стабильно на долгосроке индекс.
оно может и так. Но даже если забыть про фонды воде цитадели- индекс (выбранный) мы ведь тоже можем рассматривать как вариант фондов.
даже если мы забудем про Японию на протяжении 30 лет. про ист хай rts в 2008 который до сих пор не пройден, а сосредоточимся на рынке США (хотя странно тут не думать о эффекте выжившего применяя его к активным фондам- индесом на основе которые есть etf тоже сотри)… даже если так, то откуда уверенность в вечный рост рынка?

Интерполяция последних 100 лет? но тогда у нас выходит просто трендовая система с очень большим трайм фреймом. и непонятно почему мы берём его, а не последние 13 лет (тогда бы победил nasdaq, да так победил что можно взять и qqq с тройным плечом).
или есть объективные причины?
если да- то какие?
вера в вечный рост ВВП?
Рост население? стабильный рост доли вознаграждения капитала, в связке капитал/труд

Вечный рост населения и его потребления? или что..

Технический анализ один из самых популярных методов в попытке спрогнозировать цену финансовых активов, или же найти наиболее вероятную точку для входа/выхода в/из них. По нему написано масса книг, придумано огромное количество индикаторов и еще больше объяснений как ими пользоваться. Конечно, определенная простота методов ТА не может не привлекать людей, а смотря как он ведет себя на истории, у многих создается реальное впечатление, что ТА обладает некоторой предсказательной силой.

Взглянув на следующий график котировок, даже без методов технического анализа, создается впечатление, что перед нами интересные акции, у которых есть постоянный рост. За 5 лет она выросла в 2,86 раза, что эквивалентно 30% годовых, если считать по методу сложного процента.

Технические аналитики или инвесторы, размышляя над тем, стоит ли купить данную акцию или продать ее (например, в шорт), конечно нанесут на данный график индикаторы, уровни и все те методы, которые они используют и интерпретируют для себя как сигналы в принятии решений. Выглядеть это может по-разному, например так как показано на следующем графике. В любом случае по итогу этих построений, кто-то увидит хороший момент покупки, кто-то хороший момент для продажи, а кто-то решит, что еще не пришло время ни для одного ни для другого.

import sqlite3 as sql
from scipy.stats import logistic
import math
import numpy as np
import numpy.random as rnd
import matplotlib.pyplot as plt
from sklearn.neural_network import MLPRegressor

sdata =[]
sql1= "select ticker, date, open, high, low, close, vol \
    from Hist_1m where ticker_id=1 order by Date;"
con=sql.connect('C:/Users/ubase/Documents/StockDB/StockDB21.sqlite')
cur=con.cursor()
cur.execute(sql1)
sdata=cur.fetchall()
con.commit()
con.close()

Ldata = len(sdata)
N = 8000 # Количество сделок
ld = 5 #Продолжительность сделки
NNinterval = 20 # Количество входов NN

# Генерация случайных чисел
rng = rnd.default_rng()
rm=rng.integers(0, Ldata, N )

class Candle:
    tr = 0
    dt = 1
    o = 2
    h = 3
    l = 4
    c = 5
    v = 6
    
cl = Candle
DataC =[sdata[i][cl.c] for i in range(0,Ldata)]

# sigmoid линейность до 0.5
def sigmoidnorm(x, alfa = 0.9, xmin = -1.3, xmax = 1.3):
    return (xmax - xmin)*((1 / (1 + math.exp(-x*2.0*alfa))) - 1.0) + xmax

x = [0.002 * i - 3 for i in range(0,3000)]
y = [sigmoidnorm(x[i]) for i in range(len(x))]


plt.plot(x,y)
plt.grid()
plt.show()

# формируем сделки.
def DealsGenL(rm,ld):
   #Lm = len(rm)
   ix = []
   x = []
   pr = []
   
   for i in range(0,N):
        if rm[i] + ld < Ldata and rm[i] - NNinterval - 1 > 0:
            delta = (sdata[rm[i]+ld][cl.c] - sdata[rm[i]][cl.c])/sdata[rm[i]+ld][cl.c]*100
            x0 = [sigmoidnorm((sdata[rm[i] - j][cl.c] - sdata[rm[i]][cl.c])/sdata[rm[i]][cl.c]*100) \
                 for j in range(0, NNinterval)]
            ix.append(rm[i])
            x.append(x0)
            pr.append(delta)
   return ix, x, pr


Ix, X, Pr = DealsGenL(rm,ld)



Ib = 0
Ie = 100

plt.plot(X)
plt.legend()
plt.grid()
plt.show()


plt.plot(Pr, label = 'Prof')
plt.legend()
plt.grid()
plt.show()


regr = MLPRegressor(hidden_layer_sizes = [30,20,15,10,5], \
                    max_iter=500, activation = 'tanh')

regr.fit(X, Pr)
Out = regr.predict(X)

plt.plot(Pr, Out, '.')
plt.grid()
plt.show()