акции

Вчера индекс закрыл день красной свечой.
Ниже 2955.
Индекс открылся в расчетной зоне 2970, после чего достиг целевой точки 2980, где было рекомендовано закрывать все лонги от 2955 и шортить к 2936-30.
Индекс не смог преодолеть 2980, после чего направился вниз.
Сбер сделал 1 цель 243,7. Удержим 238-237 на опене — восстановлю лонг.
Уходил в шорте. Цели указаны.
Сегодня жду опен к 2940. На 2936 рекомендую закрывать все шорты и при удержании 2936-30 брать лонг с первой целью 2955-50.
Уход ниже 2930 снова шортим с целями 2880-2900.
Текущее движение пока рассматриваю как коррекцию.
Среднесрочные цели 3080.
Удачи

 Если вы посмотрите на выступление какого то гуру ML или разработчика софта под это дело, то высокий шанс увидеть мекающее и бекающее существо, рассуждающее в духе «ну мы точно не знаем как это работает, но эмпирически мы получили что вот если взять куриную косточку смешать ее с пеплом единорога и трижды ударить в бубен, то результат получится очень даже ничего...». ML новая область и многим фишкам применяемым там, нет какого то четкого математического обоснования. 
 Я само собой тоже шаманю, бью в бубны. Например-стоил ли взять максимально большой набор данных для train или лучше брать последние как наиболее актуальные. Или например работа с фичами-допустим посчитал я модельку для первых 2 лет, оказалось что так и так наиболее актуальны из них 10. Стоит ли в следующий train брать только их, или стоит опять брать полный набор фичей. Как насчет порога вероятности? Для модельки с одними параметрами, порог в 55% будет самое то, для другой лучшим будет 57,5%. Я не говорю о гиперпараметрах в самих модельках. То есть если прикинуть все возможные комбинации, то мы получим сотни если не тысячи  вариантов, и сразу возникает вопрос о подгонке. Впору забить на все эти ML и вернуться  к старомы доброму надра… ию в WealthhLab. 

( Читать дальше )

USD/#JPY
Таймфрейм: 2H

Месяц назад я ждал завершения конечной диагонали (https://vk.com/wall-124328009_14960), и сейчас она завершена или почти завершена. Критический и подтверждающий уровни указаны на графике, думаю можно шортить с текущих.

Хотите получать аналитику по форекс рынку ежедневно? Вступайте в группу с одноименным названием или в премиум канал в телеграме. Обсудить разметку и задать вопросы можно в комментариях ВК или в чате в телеграме t-do.ru/ew_chat.

С этого года на лчи можно все ...
1. околорыночной пене ( меткое словосочетание придуманное А. Верниковым) не надо участвовать, ибо нет номинации «лучший тренер трейдингу», а значит к ним не может быть претензий, будут просто устраивать батлы между собой и все, учеников собирать… ничего никому не доказывая и не показывая.
2. убрали кубок ЛЧИ, убрали дуэльный зачет ( который нравился многим, хотя правила там тоже были несовершенны, мягко говоря)
3. призы декларировали как общий и 3 первых, по факту всегда 2 первых и лесом доп номинации.
4. опционная номинация в общий зачет это было до сего дня просто нечестно, а теперь это просто фарс всего конкурса.
5.теперь можно сняться с конкурса и под своим ником в любой день снова перезайти .... 

это последний мой официальный лчи, если и участвовать в этом шапито, то по правилам стелса,… не дают жить и участвовать в лчи по совести!!!
PS: приложу все усилия чтобы в оставшиеся дни показать достойный результат  и закрыть эту тему ....

Так как  насчет практического применения ML? Как вообще это выглядит?!
 А выглядит это так, что 80% времени data scientist тратит на работу с данными, чтобы потом загнав их в модельку мобильно получить прогноз.   Вообще, предполагалось что такой мощный инструмент как нейросети сможет работать с сырыми данными, то есть загонишь в нейросеть обычную котировку, а дальше могучие нейроны похимичат, сгенерируют кучу фичей и найдут нужную их комбинацию (на самом деле никаких фичей нейросети на создают, но можно представить). Ну вот например такое явление как большой ГЭП, важный показатель? Еще какой! В сырых данных он содержится, то есть можно помечтать что если мы создадим очень сложную нейросеть, то она сможет вытащить это значение самостоятельно. Что такое ГЭП нейросеть конечно не знает, но путем манипуляций с весами она найдет, что когда меняется циферка в дате то образовавшийся большой разрыв в цене имеет большое влияние для хорошей аппроксимации.
 Мечты, мечты. Пока все что я видел в результате скармливания нейросети сырах данных-это слезы, боль и убожество. В общем мы пойдет другим путем. Мы не будет скармливать модели сырятину и мусор, мы постараемся кормить его качественно чтобы удои увеличивались и все такое.
Есть такое понятие как в ML как feature engenering. Наверно единственное более менее креативное что остается человеку в этом бездушном мире машинного обучения. А уж коли мы ведем речь о RF, то сам бог велел заняться этим, RF знаете ли не нейросети, там даже теоретически сырятина в данных не приветствуется. Вот этим мы и займемся.
 Откуда же нам взять эти фичи и главное как? Тут каждому воля вольная. Например можно сдув пыль с WealthLab использовать старичка как генератора фичей. Кто не знает в него вшито около полусотни известных индексов и еще столько же, но с неизвестным кодом. А еще можно запрограммировать свои фичи. По своему «знанию и разумению», своих «знаний и разумений» я накопил много, но почти все они из разряда «все эти технические индикаторы не стоят ничего». Зато кое что из своего показали свою небезнадежность. В общем на первый случай я сгенерировал около 17 своих фичей, затем ранжировал их для каждой стоки, итого 34 фичи. Стоки брал из числа 20 самых ликвидных отечественных фишек с 2010 года по март 2018, что дало 50 тысяч дневных наблюдений. Прямо сказать не густо, но что есть. Тем более речь идет о демонстрации силушки RF.
 Вот набор моих фичей:

Week               49303 non-null int64
GEP                49303 non-null float64
Min10              49303 non-null float64
Cl/High            49303 non-null float64
Cl/Low             49303 non-null float64
Cl/w_High          49303 non-null float64
Cl/w_Low           49303 non-null float64
wdif               49303 non-null float64
dif                49303 non-null float64
Vol20/Vol200       49303 non-null float64
tHigh%             49303 non-null float64
tLow%              49303 non-null float64
tHigh%-tLow%       49303 non-null float64
Cl/SMA21           49303 non-null float64
Cl/SMA5            49303 non-null float64
SMA5-SMA21         49303 non-null float64
Cl/(minSMA)        49303 non-null float64
Cl/(maxSMA)        49303 non-null float64
l_Min10            49303 non-null int64
s_Min10            49303 non-null int64
l_gep              49303 non-null int64
s_gep              49303 non-null int64
l_cl/high          49303 non-null int64
s_cl/high          49303 non-null int64
l_cl/low           49303 non-null int64
s_cl/low           49303 non-null int64
l_wdif             49303 non-null int64
s_wdif             49303 non-null int64
l_SMA5-SMA21       49303 non-null int64
S_SMA5-SMA21       49303 non-null int64
L_Cl/(maxSMA)      49303 non-null int64
S_Cl/(maxSMA)      49303 non-null int64
L-tHigh%-tLow%     49303 non-null int64
S_tHigh%-tLow%     49303 non-null int64

( Читать дальше )

Всем привет! Ищу программиста с опытом работы на plaza, писать в личку или на почту! Плачу выше рынка, спасибо
почта: [email protected]

Продолжение тренировки, описание и начало тут. Не торговых рекомендаций ради, а для самообразования и развлечения публики для.

Сетапы на сегодня

CNST,BUY 35.03 STOP 32.8
GSK,BUY 44.54 STOP 43.8
EXPR,BUY 4.22 STOP 3.86
FRTA,BUY 11.76 STOP 11.1
THC,BUY 30.6 STOP 28.7
OPRT,BUY 18.43 STOP 16.6
LTHM,BUY 8.2 STOP 7.85
IPHI,BUY 75.03 STOP 69.18
SVM,BUY 4.52 STOP 4.08
TWI,BUY 3.15 STOP 2.8
DVA,BUY 70.12 STOP 68.7
FCAU,BUY 16.26 STOP 15.8
GNRC,BUY 96.64 STOP 92.25
ZION,BUY 51.4 STOP 48.7
DOV,BUY 110.9 STOP 107.7
TPX,BUY 87.8 STOP 83.3
GT,BUY 17.24 STOP 16.4
AXE,BUY 85.75 STOP 83.1
PWR,BUY 43.7 STOP 41.8
ODP,BUY 2.66 STOP 2.48



( Читать дальше )

Прибыль банка за январь — сентябрь снизилась на 4% по сравнению с аналогичным периодом прошло года – до 128 млрд руб. Розничный и корпоративный кредитные портфели выросли, доля неработающих кредитов (NPL) в совокупном кредитном портфеле на 30 сентября 2019 г. снизилась до 5,5%.

Снижение  прибыли обусловлено сокращением  маржи с 3,9% до 3,3%, что стало следствием снижения процентных доходов до 323,8 млрд руб., по сравнению с 330 млрд руб. за 9 мес. 2018 г. Еще одним негативным фактором выступил рост процентных расходов на 23,7% — до 481,2 млрд руб. При этом операционные и комиссионные доходы показали рост на 0,4% и 6,5% соответственно.

( Читать дальше )