Переработал алгоритм поиска перекупленности/перепроданности, а также поиска пиков. Теперь это целый детективский набор ML-моделями, которые помогают пересчитать индикаторы:  

1. RSI с ML-адаптацией  

- Автоматически определяет значимые уровни через машинное обучение  

- Ищет дивергенцию (когда цена и индикатор расходятся)  

2. Williams %R + ATR  

- Уровни перекупленности/перепроданности динамически меняются в зависимости от волатильности  

- Чем шире диапазон ATR — тем строже критерии  

3. Фильтры подтверждения  

✔ Цена за пределами полос Боллинджера  

✔ Угол наклона Stochastic ≥10° (нужен четкий импульс)  

✔ ADX <25 (только для боковиков и слабых трендов)  

Пример работы:  

Акция вылетает за верхнюю полосу Боллинджера, при этом:  

- ML-RSI показывает скрытую медвежью дивергенцию  

- Williams %R с учетом ATR сигналит о перекупленности  

- ADX =18 (тренд слабый)  

→ Робот готовится к шорту  

P.S. Главный парадокс: чем сложнее система, тем чаще хочется вернуться к стратегии "купил SBER и забыл". Но где в этом кайф? 😏  

#Алготрейдинг #ТорговыеРоботы

Стратегия ABIGTRUST является полностью алгоритмической, и реализуется исключительно торговыми роботами. Сделки совершаются на ликвидных фьючерсных контрактах. Роботы принимают решения на основании технических индикаторов, которые не в малой степени доработаны, а также используют паттерны разработанные Ильёй Гадаскиным совместно с его командой .

Доходность стратегии ABIGTRUST (учитывает налоги и комиссии брокеров):

✅ За 1 месяц: %

✅ За 1 год: %

✅ C начала года: %

✅ За период c 2017 года: +1 943.6% или +43,6% годовых

Сравнение стратегии ABTRUST за весь период с БЕНЧМАРКОМ RUSSTOCKBM*

Показатели стратегии ABIGTRUST:

✅ CAGR, %:

✅ Ожидаемая доходность, % годовых:

✅ Волатильность, % в год: 25.57

✅ Коэффициент Шарпа**: 1.29

✅ BETTA***: 0.07

✅ Коэффициент Трейнора, % в год:

✅ Альфа Дженсена, % годовых: 32.58

✅ Максимальная просадка****,%: 17.12

Показатели бенчмарка RUSSTOCKBM:

✅ CAGR, %:

✅ Ожидаемая доходность, % годовых:

✅ Волатильность, % в год: 21.32

✅ Коэффициент Шарпа**: 0.21

✅ BETTA***: 1

✅ Коэффициент Трейнора, % в год: 4.39

✅ Альфа Дженсена, % годовых: 0.0

✅ Максимальная просадка****,%: 52.58

Стратегия реализуется в трех вариантах:

✅ Для людей с небольшим капиталом: от 130 до 390 тысяч, через сервис автоследования COMON FINAM

✅ Для людей с капиталом от 300 тысяч, через доверительное управление в управляющей компанией FINAM.

✅ Для состоятельных людей с капиталом от 10 млн - частный VIP подход.

Если Вы готовы к риску и  хотите получить высокую доходность, присоединяйтесь! Подробно о текущих вариантах сотрудничества по ABIGTRUST можно прочесть здесь ➡️

P.S. С июля 2024 публикуются данные комплексной стратегии ABIGTRUST, которая предлагается VIP клиентам. Она включает в себя комплексы алгоритмов SYSTEMX и STRATEGYONE, которые имеют длительный боевой трэк и в стратегии ABIGTRUST торгуют одновременно с распределением денежных средств 50/50. Стратегия ABIGTRUST на COMON является "младшим братом" данных комплексов и её результаты могут отличаться, хотя базовые принципы в торговле те же.

* RUSSTOCKBM - бенчмарк полной доходности российского рынка акций. Построен из индекса IMOEX, MCFTR и биржевых фондов. Принцип построения: до начала расчёта индекса MCFTR (2002 год) используется индекс IMOEX, потом используется MCFTR, вплоть до появления первых биржевых фондов, повторяющих данный индекс (2018 год), далее берутся биржевые фонды.

** Для расчёта коэффициентов Шарпа и Трейнора, а также Альфы Дженсена в качестве безрисковой ставки используется темп инфляции за соответствующий период, который составляет 6,91% годовых.

*** BETTA, коэффициент Трейнора и Альфа Дженсена считаются по отношению к бенчмарку - RUSSTOCKBM

**** Максимальная просадка рассчитана по месячным таймфреймам, на дневных она может несущественно отличаться

Искусственный интеллект (ИИ) и машинное обучение (ML) активно применяются в трейдинге, позволяя быстро анализировать новости, выявлять рыночные тренды и совершать сделки с минимальными задержками. Один из ключевых подходов — новостной трейдинг (News-Based Trading), где ИИ обрабатывает тексты, определяет тональность и прогнозирует влияние на активы. 1. Как ИИ анализирует новости для трейдинга?

a) Сбор данных ИИ агрегирует новости из: - Финансовых СМИ (Bloomberg, Reuters, CNBC) - Социальных сетей (Twitter, Reddit) - Официальных отчетов (ФРС, корпоративные отчеты) - Альтернативных источников (форумы, блоги) Технологии: - Web Scraping (BeautifulSoup, Scrapy) - API (NewsAPI, Alpha Vantage, Twitter API)

b) Обработка естественного языка (NLP) ИИ использует NLP-модели для: - Тонального анализа (Sentiment Analysis) — положительная/отрицательная окраска. - Извлечения сущностей (Named Entity Recognition) — компании, персоны, индексы. - Классификации тем — макроэкономика, корпоративные события, геополитика. Популярные модели: - BERT, GPT-4 (трансформеры для понимания контекста) - FinBERT (специализированная модель для финансовых текстов) - VADER (анализ эмоциональной окраски) c) Прогнозирование реакции рынка На основе новостей ИИ может: - Предсказывать волатильность актива. - Определять направление движения цены (бычий/медвежий тренд). - Формировать торговые сигналы. Пример: Если ИИ обнаруживает негативные новости о компании → высокая вероятность падения акций → сигнал на продажу. 2. Автоматизация торговли на основе новостей а) Алгоритмические стратегии - Event-Driven Trading — сделки на основе конкретных событий (отчеты, решения ЦБ). - Sentiment Trading — вход в позицию при резком изменении тональности. - High-Frequency News Trading (HFT) — сверхбыстрая реакция на новости. b) Примеры систем - Hedge funds (Renaissance, Two Sigma) используют NLP для прогнозирования. - Retail-трейдинг (платформы типа QuantConnect, Alpaca). c) Техническая реализация 1. Сбор данных (Python + API/Selenium). 2. Обработка текста (NLTK, spaCy, Hugging Face). 3. Генерация сигналов (логика на pandas, numpy). 4. Исполнение ордеров (Interactive Brokers, Binance API). Пример кода (Python): ```python import requests from transformers import pipeline # Анализ тональности новости classifier = pipeline("sentiment-analysis") news = "Apple announces record profits, shares surge 5%" result = classifier(news) if result[0]['label'] == 'POSITIVE': print("BUY SIGNAL") else: print("SELL SIGNAL") ``` 3. Риски и ограничения - Ложные сигналы (фейковые новости, сарказм в соцсетях). - Задержки (конкуренция с HFT-фондами). - Переобучение моделей (исторические данные ≠ будущее). Вывод ИИ в трейдинге на новостях — мощный инструмент, но требует: ✅ Качественных данных ✅ Оптимизированных моделей ✅ Тестирования на исторических данных (Backtesting) Готовы автоматизировать свою стратегию?Начните с простых NLP-моделей и постепенно усложняйте систему! 🚀 Следите за обновлениями — в следующих постах разберем конкретные алгоритмы! #Трейдинг #ИИ #Алготрейдинг #НовостнойАнализ #NLP #МашинноеОбучение