машинное обучение

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

APPS, оптимальная цена для покупки — 68.18$. Цель — 73.0289$. Вероятность роста 90.1%
PBF, оптимальная цена для покупки — 8.07$. Цель — 8.5899$. Вероятность роста 90.1%
REGI, оптимальная цена для покупки — 108.02$. Цель — 115.3581$. Вероятность роста 90.1%
TPR, оптимальная цена для покупки — 34.65$. Цель — 37.2666$. Вероятность роста 89.1%
TSLA, оптимальная цена для покупки — 885.62$. Цель — 946.2102$. Вероятность роста 89.1%


Результаты поста от 2020-12-28

ATRA, купили по 21.7582$. Продали 25 января по 18.89$. Итоговый процент -13.18%
EDIT, купили по 86.674$. Продали 8 января по 92.0772$. Итоговый процент +6.23%
RIG, купили по 2.2372$. Продали 31 декабря по 2.3797$. Итоговый процент +6.37%
SQ, купили по 228.236$. Продали 8 января по 245.7259$. Итоговый процент +7.66%

( Читать дальше )

Здравствуйте! Мне 35 лет, кандидат технических наук, по специальности инженер-механик пищевых производств. Поработал преподавателем, 10 лет отдал бизнесу в сфере образования, но программированием никогда не занимался. Сейчас случайно узнал о специальности машинное обучение, нашел курсы на geekbrains и всерьез задумался о том, чтобы поменять специальность. 1,5 года обучения. Теоретически знания из этой области можно применить в трейдинге, можно устроится на работу в крупные компании. Как обстоит все на самом деле?.. Есть те кто работает в этой теме? Может кто-то помочь советом?

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

RIG, оптимальная цена для покупки — 2.625$. Цель — 2.7951$. Вероятность роста 91.0%
REGI, оптимальная цена для покупки — 95.41$. Цель — 101.2872$. Вероятность роста 90.1%
TRUP, оптимальная цена для покупки — 116.91$. Цель — 124.0215$. Вероятность роста 90.1%
EDIT, оптимальная цена для покупки — 64.85$. Цель — 68.7453$. Вероятность роста 89.5%
FATE, оптимальная цена для покупки — 99.81$. Цель — 107.5056$. Вероятность роста 88.8%


Что это такое?

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

BBBY, оптимальная цена для покупки — 27.07$. Цель — 28.9638$. Вероятность роста 90.1%
BOOT, оптимальная цена для покупки — 58.29$. Цель — 62.5531$. Вероятность роста 90.1%
CPRI, оптимальная цена для покупки — 44.67$. Цель — 47.642$. Вероятность роста 90.1%
CPS, оптимальная цена для покупки — 38.81$. Цель — 41.8255$. Вероятность роста 90.1%
ETSY, оптимальная цена для покупки — 218.68$. Цель — 234.7091$. Вероятность роста 90.1%


Результаты поста от 2020-12-24

PBF, купили по 7.132$. Продали 13 января по 7.644$. Итоговый процент +7.18%
OIS, купили по 5.1676$. Продали 5 января по 5.5693$. Итоговый процент +7.77%
ATRO, купили по 12.843$. Продали 28 декабря по 13.8653$. Итоговый процент +7.96%
BBBY, купили по 18.312$. Продали 5 января по 19.6064$. Итоговый процент +7.07%

( Читать дальше )

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

ENPH, оптимальная цена для покупки — 200.55$. Цель — 213.0532$. Вероятность роста 90.1%
CDNA, оптимальная цена для покупки — 97.7$. Цель — 105.1967$. Вероятность роста 89.3%
APPS, оптимальная цена для покупки — 63.43$. Цель — 68.0761$. Вероятность роста 89.0%
ETSY, оптимальная цена для покупки — 219.05$. Цель — 233.1503$. Вероятность роста 88.2%
HCSG, оптимальная цена для покупки — 31.65$. Цель — 33.7225$. Вероятность роста 88.2%


Результаты поста от 2020-12-23

RIG, купили по 2.2852$. Продали 5 января по 2.4481$. Итоговый процент +7.13%
BLDR, купили по 40.6454$. Продали 20 января по 40.39$. Итоговый процент -0.63%
CDNA, купили по 78.422$. Продали 13 января по 84.4469$. Итоговый процент +7.68%
CHDN, купили по 205.1756$. Продали 20 января по 212.46$. Итоговый процент +3.55%

( Читать дальше )

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

TRUP, оптимальная цена для покупки — 121.42$. Цель — 129.1757$. Вероятность роста 90.1%
MTSC, оптимальная цена для покупки — 58.87$. Цель — 62.6229$. Вероятность роста 89.1%
SEDG, оптимальная цена для покупки — 295.18$. Цель — 318.3974$. Вероятность роста 89.1%
CPRI, оптимальная цена для покупки — 41.85$. Цель — 44.4418$. Вероятность роста 88.6%
MSTR, оптимальная цена для покупки — 596.88$. Цель — 637.0631$. Вероятность роста 87.1%


Результаты поста от 2020-12-22

ZYXI, купили по 14.09$. Продали 7 января по 15.0116$. Итоговый процент +6.54%
Z, купили по 144.024$. Продали 19 января по 141.42$. Итоговый процент -1.81%
RIG, купили по 2.2813$. Продали 4 января по 2.4215$. Итоговый процент +6.15%
REGI, купили по 80.598$. Продали 6 января по 86.8128$. Итоговый процент +7.71%

( Читать дальше )

Решил покопаться в парсинге и сантиментах. То бишь пишем код, который цепляется к какому то сайту, выкачивает оттуда новости, а затем на ее основе делаем сантимент анализ и строим какие то прогнозы. Полистал иностранную литературу (на русском ничего не нашел, если у кого есть ссылки — кидайте), и нашел 2 схемы оценки сантиментов для фондовых рынков. Первое это Natural Language Processing, которые на основе ЛИНГВИСТИЧЕСКОГО анализа оценивают текст — позитивный он, негативный, или нейтральный.  Вторая схема — когда ты читаешь новости и вручную ставишь лейблы — позитивные это новости для фондового (или какой то конкретной бумажки) или негативные. А затем векторизация и уже на новых новостях железный болван ставит лейблы сам. Из прочитанного мною, нигде в заключении вроде не писали о каких то позитивных результатах, но чтобы не стоять на месте и узнать что, то новое, разобрать эту тему все равно будет полезно.
Все что я пишу очень сыро и пишу в том числе чтобы самому структурировать для себя эту новую тему и получить отклик от людей которые этим занимались.

( Читать дальше )

В топике Использование Машинного Обучения в торговых системах. Простейшее применение описаны принципы построение логики ТС с применением Машинного Обучения (МО). Вкратце опишем пути реализации.
Это уже посложней — нам понадобятся знания  Lua, С++ и Python.
Я предпочитаю ничего не делать сам, особенно, если для написания программы требуется изучение и реализация сложных алгоритмов. Зачем это делать, если можно использовать уже готовое. В современном программировании это один из основных принципов объектно-ориентированного программирования — берешь готовый объект и используешь. Если есть уже готовые библиотеки с нужными программами, то их и используем — сокращает время реализации, не надо беспокоиться об отладке, и много других плюсов. Извините, ленив и нелюбопытен — есть масса других интересных вещей, на которые можно потратить свое время.
Для начала пишем на C++ простенькую DLL для связи с Lua — шаблон проекта такой DLL вы можете найти в моих топиках. Нужный Вам код вам придется писать самим.

( Читать дальше )

Решил запустить небольшой проект по исследованию (назовем это так) мартингалов + МО. В сети ничего подобного не нашел.
Это не обязательно может быть мартин, это может быть простая сетка
В чем могут быть преимущества такого подхода: 

• менее чувствителен к шуму
• более устойчив на новых данных, как следствие
• исследуются другие пространства признаков, нежели при простом дискреционнм трейдинге
• ....

делитесь опытом, если таковой имеется. Ну а я предлагаю пока посмотреть\почитать про машинное обучение. Если оно вам надо. Удачи.



( Читать дальше )

Допустим, делаете вы торговую аж на 5 или больше индикаторах. Их как-то надо обернуть логикой принятия решений, потом как-то настроить, подобрать параметры в логике — работа большая, требующая много времени. Но вы сами эту систему разработали, и уже в основном знаете, что конкретно должна искать ваша логика. А раз так, то вы уже примерно знаете, где конкретно ваша логика должна выдавать свои сигналы.
В подобных случаях мы можем существенно облегчить себе работу, поручив построение логики методам Машинного Обучения (МО).
Входы мы знаем, выходы нам тоже примерно известны — строим обучающую последовательность для выбранного метода МО. Затем нормируем нашу обучающую последовательность к входам/выходам метода МО. Обучаем. Проверяем. Получаем готовую логику для нашей торговой системы.
Отмечу, что в данном конкретном случае нас не должны особо заботить переобучение и прочие проблемы МО — мы делаем вполне однозначную систему.
В нашем случае мы всего-навсего используем МО как обучаемую логику.

( Читать дальше )