ТОРГОВЫЕ РОБОТЫ

23 медали из 26 у норвегов за лыжи
Пипец просто

2 сноуборд и 1 кёрлинг

 Это же кто-то двинул этот вид спорта у них? или допинг?

Нашли Грааль?

Может просто мазь какая хитрая? Случайно нашли состав?
как пенициллин или чашку Петри когда-то ученые-медики?

Вот ведь так же можно на бирже найти грааль. Случайно.

представляю алгоритм, случайно наткнулся на идею.  не на бирже.
Решил попробовать. написал. протестировал.

не пошло нифига.

начал анализировать, нифига не выходит, все не стабильно, все не так и тут БАХ!

перед тестированием неправильно поля заполнил, цифру одну не в то окно вписал

вот результат

   Добрый день! Потерялся самописный(не мной) индикатор. Котрый делил график на заданные интервалы. Что для меня было удобно. Так например на минутках легко было видно конец/начало м15 или часа.. 

   Индикатор  рисовал на последней свечке заданного интервала гистограмку заданного цвета и толщины. Что было просто и наглядно. Скриншот прилагается!

  В прошлый раз обращался на какой-то профильный сайтик идикаторо-робо-дела. Мне тот товарищ сделал это за 300 рублей=)
Вообщем, готов заплптить за подобный индикатор 1000 руб. Можно и больше, если сможете сделать эргономичнее/нагляднее.
Единственное, индюк должен быть встраиваемым в квик. Что бы не надо было как-то запускать его отдельно каждый раз.

  Если есть предложения — пишите в комменты или личку!

231 публичных торговых сигналов: счет моих роботов 139:92

Закрылась еще одна публичная сделка моих роботов:

• Робот CandleMax, купивший акции Яндекса (YNDX) 15.02.2022 по 3888 рубля, закрыл сделку по тэйк-профиту, цена продажи 4106 рублей.

На текущий момент было 231 публичных сигналов на покупку. 76 от робота AVP, 123 от робота PVVI и 32 от робота CandleMax. Вот ссылки:

• тс: покупка HYDR робот AVP
• тс: покупка NVTK робот AVP
• тс: покупка TATN робот PVVI
• тс: покупка RTKM робот AVP

 Введение

     Многие datascientists, желающие использовать ML на финансовых рынках, прочитали толстые книжки об инвестировании, может даже создавали модели с учетом прочитанного. И наверняка знают как правильно оценить полученные модели с точки зрения ML. Разобраться с этим необходимо, чтобы не было мучительно больно, когда прекрасная модель на бумаге, превращается в генератор убытков при практическом использовании. Однако оценка эффективности модели ML на бирже, довольно специфическая область, тонкости которой раскрываются только когда вы погружаетесь в процесс. Под процессом я понимаю трейдинг с частотой совершения сделок гораздо чаще «пара сделок в месяц, в течении полугода». Существует множество подводных камней, о наличии которых вы даже не подозреваете, пока смотрите на трейдинг извне. Я попробую вольно изложить свои мысли на данную тему, я покажу метрики, условно разбив их на 3 группы и обьясню их смысл, покажу свои любимые и о чем нужно подумать, если вы хотите практически использовать модели, а не повесить их на стеночку в красивой рамочке. Представлю метрики в табличном и графическом виде, показав их взаимосвязь. Сравню показатели моделей в виде «какую модель выбираю я» и «что выбираете вы» и кто тут больше ошибается. Для любителей кодов, приведу реализацию всего подсчитанного, так что можно сразу применить прочитанное для оценки своих моделей. Я не буду тут говорить о борьбе с переобучением или регуляризации или стратегиях кросвалидации — оставлю это на потом. Здесь мы начинаем со списка уже спрогнозированных сделок, с помощью transformer о которой я писал в прошлой статье. Поэтому данный текст будет его логическим продолжением, где я оценю модель с точки зрения ее практического использования.