Прошлый проект уходит в забытье - да здравствует новый!

Раньше я писал алгоритм анализа фондового рынка: он опирался на фундаментальные показатели и технический анализ, выдавал сигналы, и кое‑что даже исполнялось. Главная проблема была в отсутствии срока исполнения: один сигнал мог сработать через неделю, другой - через месяц или два. Радость от успехов размывалась: пока что‑то срабатывало, остальное стояло на месте или вовсе шло в обратную сторону.

Ещё тогда я думал, как здорово было бы прикрутить к этому пайплайну модель машинного обучения - и добавить точности за счёт закономерностей, которые ускользают от человеческого взора.

И вот - представляю вам свой «опус магнум»! В прошлом посте я удивлялся, как плохо машина порой угадывает даже направление движения цены. Тут на помощь пришла наша вездесущая нейросеть: во‑первых, подсказала более подходящую метрику для оценки, а во‑вторых, утешила, что на самом деле такая оценка для фондового рынка не так уж плоха. Правда, при прокрутке сигналов тесты показывали минусовую доходность - для реального использования они не годились.

Всё изменилось, когда я решил фильтровать акции по техническим показателям - оставить только те, где сигналы выглядят наиболее уверенно. И тут график заиграл другими красками: средняя точность поднялась в два раза - до 60 %. Да, сигналов стало кратно меньше, и появляются они не каждый день, но доходность по историческим данным вышла в плюс.

Так комбинация технического анализа и машинного обучения позволила создать рабочую систему для принятия торговых решений. Теперь осталось протестировать её в реальном времени. Подробнее с проектом можно ознакомиться на GitHub: https://github.com/ChtoGde/stocks_analyser

P.S. В проекте пришлось отказаться от фундаментальных показателей в пользу чистого теханализа. Из‑за этого лучшие результаты оценок наблюдаются в отрезке 7 дней: дальше прогноз начинает размываться и перестаёт работать.