ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ФОРЕКС

Лучшие Форекс брокеры 2021:

Содержание этой статьи:

Нейросети на Форекс – кто их использует и есть ли в них смысл?

В современном мире все глубже в нашу жизнь проникают искусственный интеллект, самообучаемые голосовые помощники и анализ Big Data. Простые люди сталкиваются с этим чаще всего в формате приложений для смартфонов, но факт остается фактом – нейросети, или же самообучаемые компьютерные системы уже повсюду, даже если мы их не видим.

На протяжении многих лет, года эдак с 2006, программисты пробуют внедрять нейронные сети и в трейдинг. Идея кажется интересной – подстраивать торговлю автоматически под постоянно меняющийся рынок. Но как дела обстоят на практике?

Многие из нас постоянно находятся в поиске новых стратегий и тактик торговли на рынке Форекс. Каждая найденная система подвергается тестированию на историческом периоде различной длины. В идеале тестирование должно выявить такие паттерны, которые работали бы на достаточно длительном промежутке времени.

В реальности это нерешаемая задача – торговые системы «сливают», проработав от трех месяцев до нескольких лет. Продлить «срок службы» помогает оптимизация, но в конечном итоге приходится искать другой подход к рынку Форекс.

Феномену выхода из строя стратегий Форекс дают много объяснений, но стоит обратить особое внимание на одну из причин, способную со временем свести на нет все старания заработать на валютных спекуляциях, – эволюцию нейросетей. Что это такое, и как искусственный интеллект может повлиять на трейдинг, – в нашем сегодняшнем материале.

Когда заработки на Форекс были большими

Многие трейдеры, охватывающие прогонами тестов всю историю валютных торгов, с начала 90-х до настоящего момента, часто замечают падение производительности стратегий на отрезках 2001-2008 и 2022 годов. Они связывают выход из строя торговых систем с экономическими кризисами, но это лишь одна из причин, причем далеко не самая важная.

Рынок Форекс девяностых годов буквально «раздавал» деньги первым участникам торгов, установившим торговые терминалы, подключившись к сети Интернет, и использующим достаточно простые тактики, описанные в книгах трейдеров восьмидесятых. Заработку не мешали даже временные лаги, баги платформ, большие спреды, низкая скорость подключения ко Всемирной Паутине.

Борьба за пинг и низкие комиссии брокеров началась в 2001 году, когда на рынке стали массово появляться роботы и скальперские стратегии, изменившие форму трендов. Развитие робототехники заставило маркет мейкеров больше полагаться на анализ потока ордеров клиентов, «охотиться за стопами», применять различные уловки, управляя толпой с помощью автоматизированных стратегий.

Применение искусственного интеллекта в трейдинге

Трейдеры ответили тем же: торговые платформы XXI века стали анализировать потоки ордеров фьючерсов и Открытый Интерес опционов, объемы торгов сопоставлялись со свечным анализом (VSA), на рынке «прописались» программисты и математики, создавшие множество разнообразных советников.

В 2008 году стратегии вышли за пределы булевой математики: рынок стал осваивать нелинейные индикаторы и эконометрику, которые уже было невозможно «повторить» в стандартных торговых терминалах. Негласные рейтинги брокеров Форекс зафиксировали в этот момент падение результативности у клиентов.

Торговый робот Форекс нового поколения 2020 Titan GT7

Новые подходы пока не получили широкого распространения в среде трейдеров из-за специфики темы эконометрики, а также сложности и дороговизны использования аналитических программ. Однако в 2022 году появилась еще одна «беда»: на рынке Форекс начал активно развиваться искусственный интеллект, который может практически не оставить возможностей для ручного и автоматического заработка.

Что такое нейросеть простыми словами

Тема нейросетей «выстрелила» в 2022 году, и за 8 лет она проникла во все сферы. Сейчас никого не удивить голосовыми помощниками, управляющими «умными домами», распознаванием лиц и т.д.

Во втором десятилетии XXI века нейросеть средней сложности обыгрывает гроссмейстеров в шахматы, а искусственный интеллект высшего порядка способен решать сложные логические задачи. Ярким примером возможностей ИИ является титул чемпиона по китайским шашкам Го у нейроробота Google.

За этим развитием стоит почти вековая эволюция: мало кто знает, что первой созданной нейросети скоро исполнится 80 лет. Благодаря Уоррену Маккалоку и Уолтеру Питтсу ученые стали работать над созданием вычислений, подобных работе нейрона человеческого мозга.

Каждому из них можно задать свой математический алгоритм работы, настроенный на обработку входных данных определенного формата. Управляет этой системой параллельных вычислений выходной нейрон, подбирающий итоги работы, чтобы подогнать результаты под правильный ответ.

Ответы предоставляет человек, – это называется процессом обучения сети, который является обязательным этапом на пути создания нейросети. Выходной нейрон должен стремиться выстроить процесс вычислений среди нейронов таким образом, чтобы при получении различных выходных данных находить показанные ему человеком результаты.

Настройка или “тренировка” сети перед ее запуском очень похожа на тестирование стратегий, – сеть раз за разом запускает вычисления и выделяет с помощью весовых коэффициентов наиболее значимые для правильного ответа алгоритмы. Пользователь определяет работу искусственного интеллекта по математическому отчету погрешностей.

Так же, как и в стратегии Форекс, когда нейросеть начинает выдавать раз за разом удовлетворительный результат, запускается форвард-тест на реальных, но уже прошедших событиях с известным исходом. Если сеть проходит эти испытания, она принимается в работу. При этом никогда не известно до конца, чему именно и как научится искусственный интеллект: результат и сам процесс работы алгоритмов нейронов внутри – это «черный ящик».

Приведу два примера. Первый – из теории распознавания лиц. Любому из нас в общих чертах знаком процесс составления фоторобота – подбор губ, лба, овалов лица и т.д. Нейросеть решила эту задачу по-своему и достаточно просто.

Нейроны заполняют поле любого фото крестиками размером в пиксель, с помощью анализа которых обнаруживаются границы изображения. После удаления размытых областей начинается подсчет по диагонали и горизонтали. Оказывается, при таком «измерении лица» получаются уникальные суммы, соответствующие конкретному человеку, если соблюдать масштаб и пропорции, которые определить не сложно.

Другой курьезный случай, часто вспоминаемый при обучении нейросети, – попытка американских военных научить беспилотники обнаруживать военную технику, распознавая ее тип с воздуха. Многочисленный показ снятых в различных условиях самолетов, танков, орудий и вертолетов, привел к тому, что ИИ стал идеально определять погодные условия, но так и не научился искать технику.

Чем опасно применение искусственного интеллекта на рынке Форекс?

Нейросеть изменит валютные спекуляции, брокеры могут вернуться к тактике, чем-то похожей на «кухни», только в глобальном масштабе. Фактически безграничные возможности нейросетей можно применять против толпы, прогнозируя не курсы валют, а модель поведения каждого отдельного трейдера. Маркет мейкеры и прайм-брокеры смогут подбирать контрстратегии, охотясь за стопами, расширяя спреды в момент вывода заявок на рынки, выставлять фантомные объемы в стаканах с опережением, а не по факту.

Спроектированная и запущенная стартапом Sentinent Technologies нейросеть уже может эмулировать 1800 рабочих сессий, прогнозируя с высокой точностью до триллиона (!) когнитивных моделей поведения реальных трейдеров. Система тренировалась на потоках ордеров, взятых из книги заявок бирж и серверов брокеров.

Качество и количество данных – залог успешной тренировки нейросетей; архивы тиковых сделок, разбитые по конкретным счетам, – самый ходовой товар на рынке дата-майнинга. Этим термином названа отдельная отрасль, добывающая, анализирующая и форматирующая первичную входную информацию для нейросети.

Другой столп, определяющий успех работы системы, – количество нейронов в «черном ящике». Чем оно выше, тем больше требуется вычислительных мощностей, которые вышли за рамки стандартных процессоров CPU. Проектировщики и создатели нейросетей используют чипы, изготовленные под заказ на специальных интегральных схемах. Идея взята у майнеров криптовалют, добывающих Bitcoin и другие монеты на ASIC-оборудовании.

Даже если брокерам не удастся изучить модель поведения трейдеров и успешно играть против стратегий толпы, они создадут высококлассные прогностические системы, которые уже не повторить в торговых терминалах. Современные торговые системы, работающие на рынках акций, товаров и валют, читают и понимают новости, распознают паттерны, то есть представляют собой аналитика с мозгом суперкомпьютера. Так работает, например, робот Emma.

Cryptorobotics — настоящий терминал с криптоботами и автоследованием или развод?

Некоторые компании используют трейдеров напрямую, чтобы обучить машину самым удачным стратегиям, прошедшим конкурсный отбор. Компания Numerai проводит постоянные турниры, не скрывая своей цели и даже предлагая победителям получать постоянные дивиденды пропорционально вкладу в общую торговую систему нейросети.

Марк Линд из отдела компании IBM, проектирующего и запускающего нейросети по корпоративным заказам, особо отметил «нейробум» в конце 2022 года. Более 90% поднятых IT-гигантом сетей в отрасли экономики относились к прогнозированию курсов валютных и биржевых рынков.

Системы практически не использовали теханализ, работая с реальными данными товарно-денежного потока, анализируя деловую прессу и финансовые индикаторы, данные по производству, политические новости, отчеты по качеству продукции независимых экспертов и даже погоду. Алгоритмы нейронных сетей IBM не столько прогнозировали рыночные цены, сколько изучали реакцию толпы на те или иные фундаментальные новости и индикаторы, которые отражалась не только на рынке, но и в соцсетях.

Такая тенденция доказывает тезис, что компании больше изучают не поведение рынка, а реакцию толпы на события, часть из которых можно предсказать, узнать с помощью инсайда или вызвать косвенными манипуляциями, не связанными с торгами. В этом случае у Регуляторов не будет повода для наказания крупных компаний.

Алготрейдинг – технологии, архитектура, алгоритмы, искусственный интеллект / Твардовский & Слукин

Искусственный интеллект в крупных инвестиционных фондах и банках

Одной из первых компаний, применивших искусственный интеллект для прогноза рыночных движений, стала Renaissance Technologies – компания, управляемая талантливыми математиками, принципиально нанимающими сотрудников с нулевыми знаниями трейдинга и теханализа.

Компания отличается низкой текучестью кадров, которые смогли создать полностью роботизированный фонд Medallion, показавший среднюю доходность 35% годовых за 20 лет управления инвестициями.

НА ЧТО СПОСОБЕН ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ОТ OPENAI? [KOSMO STORY]

Самая радикальная замена трейдеров искусственным интеллектом произошла в Goldman Sachs, – «кузница кадров для Госдепа» сократила штат на 99%.

Известная всему миру инвестиционная компания BlackRock доверила нейросети Aladdin до 10% от всех портфелей и проводит тотальный аудит всех принятых решений аналитиками компаний. Такое решение было принято после падения доходов в 2022 году. Фонд отметил успехи конкурентов из Азии, где сейчас проходит нейробум в сфере инвестиций, на бирже Гонконга уже несколько лет успешно работает Aidyia Limited – хедж-фонд под полным управлением ИИ.

Как искусственный интеллект меняет доверительное управление?

Нейросеть заменила инвестиционных консультантов, персональных менеджеров и доверительных управляющих. Стартапы и крупные компании уже несколько лет предлагают подобных помощников, способных на 100% подстроиться под каждого конкретного клиента. Нейросеть изучает его предпочтения и привычки, чтобы индивидуально подобрать уровень риска и состав портфеля, предложить подходящие рынки и оптимальный мани менеджмент.

Подобные помощники разрабатываются для BlackRock стартапом FutureAdvisor, тестируются Motif Investing в партнерстве с JPMorgan и создаются UBS на базе SigFig.

Согласно исследованиям и опросам McKinsey, фокус группы инвесторов, следующих советам нейроконсультантов, опережает средний результат по рынку доверительного управления «живых» аналитиков на 7% годовых.

Помимо роботов от банков и крупных брокеров, на рынке финуслуг появилось отдельное направление по созданию нейростратегий «под ключ», например, Binatix. А также целая сфера услуг дата-майнинга – предоставление информации для нейросетей, отформатированных под любой конкретный рынок, как в случае со стартапом BUZZ Indexes.

На российском рынке нейросети использует компания БКС, управляя портфелями акций. Роботы приносят инвесторам от 30 до 70% доходности, обгоняя по результативности бенчмарк в виде курса S&P.

Роботы-консультанты, спроектированные на нейросетях, запущены в инвестиционных сервисах Яндекс.Деньги (Yammi) и банка Тинькофф. Заявленная и прогнозируемая доходность инвестиций составляет двузначную цифру. Ее трудно верифицировать из-за малого срока работы платформ, составляющих чуть больше года.

Айрат Шайхулов — Искусственный интеллект в трейдинге

Как создать собственную нейросеть?

Прогнозирование валютного рынка Форекс с помощью искусственного интеллекта доступно «простым смертным». Нейросети участвуют в различных чемпионатах по алгоритмическому трейдингу, проводимых международными ассоциациями брокеров с 2008 года.

Собрать собственную стратегию можно на специализированных платформах: neuroshell, matlab, statistica, deductor или brainmaker. Трейдеры со знанием языка программирования могут воспользоваться специальными сервисами от Google, Microsoft, Amazon и т.д.

Чтобы максимально упростить сложные процессы обучения нейросети и выбора входных данных, трейдер может воспользоваться различными шаблонами и приложениями, собранными по типу блочного конструктора стратегий.

Заключение

Первая волна интереса к нейросетям накрыла Форекс в 2006-2008 годах. Экономический кризис и недостаток входных данных значительно уменьшил ряды энтузиастов. Трейдеры и компании так и не смогли показать долгосрочных стабильных результатов, которые бы могли оправдать высокую стоимость торговых платформ на нейросетях. Вторая волна, стартовавшая в 2022 годах, привела к выпуску готовых продуктов в 2022 годах, которые еще не успели показать объективные для оценки результаты.

Компании, рекламирующие нейроэдвайзеров, и фонды, управляемые нейросетью, скрывают графики доходности; многие ПАММ-счета, запущенные в Альпари на нейросетях, слиты к моменту написания статьи.

Учитывая скудное или даже полное отсутствие результатов доходности по нейросетям (на весь сервис myfxbook пять систем, 4 из которых уже закрыты), наряду с успехами искусственного интеллекта в других областях можно предположить, что эта тема пока используется только крупными брокерами и биржами.

Как я искусственный интеллект торговать научил

Однажды великий гуру трейдинга и знаток анекдотов Александр Михайлович (который Герчик) в одном из своих семинаров рассказал про один случай, когда он пытался алгоритмизировать работу с уровнями и нанял целого математика, чтобы тот разработал мат.аппарат и запрограммировал сигналы для отбоя/пробоя. Целый математик бился над задачей как рыба об лед, но, видимо, математик он был так себе и поэтому задачу решить не смог.

Даже я, на тот момент имеющий в активе три класса церковно-приходской, долго недоумевал, как можно было не решить такую простейшую задачу. Это же легче легкого, думал я: хочешь запрограммировать горизонтальные уровни — тупо вбей в систему справочник круглых чисел, хочешь запрограммировать вершину параболы — пиши регрессию. И так далее.

Потом времена ушли далеко вперед и появился Искусственный Интеллект (ИИ), который легко решает эту задачу, даже без понимания, как оно должно работать.
Собственно, ИИ появился еще лет 50 назад. Но в те давние времена (уже почти былинные), когда и трава была зеленее и небо голубее, компьютерное железо было не способно решать задачи такого уровня. Сегодня ситуация изменилась.

ИИ сейчас развивается семимильными шагами.
У всех сейчас на слуху глубинное обучение, нейронные сети и прочий мэшинг лёнинг.
ИИ уже обыгрывает человека в шахматы, ИИ умеет определять, кто изображен на картинке. Доисторический ИИ давно умел распознавать дорожные знаки, а современный ИИ уже умеет водить машину без водителя.
ИИ уже умеет понимать человеческую речь и умеет переводить с любого языка на любой.
ИИ уже может узнать человека по его лицу.
ИИ уже сегодня может выдержать 5-тиминутный тест Тьюринга, а лет через 7 сможет пройти его полностью.

Так вот, мы все знаем, что основной критерий успешного трейдинга — научиться видеть тренды и паттерны. Тренды и паттерны дают понимание, куда дальше пойдет цена акции. Понимание дает статистическое преимущество, а преимущество позволяет зарабатывать.

Однажды у меня возникла идея: а не прикрутить ли ИИ к торговле и не обыграть ли мне это казино биржу?
Ведь ИИ сможет определять тренды и паттерны за меня, обучаясь самостоятельно.

НЕЙРОСЕТЬ своими руками за 10 минут на Python

Углубившись в эту тему, я с удивлением обнаружил, что появились отличные мощнейшие инструменты для работы с ИИ.

Во-первых, я открыл для себя такой гениальный язык, как Python.
Как думаете, сколько строчек занимает программа на питоне для распознавания текста из картинки? 4 строки!
А программа на питоне, читающая данные из Excel, выполняющая их фильтрацию и выводящая гистограмму? 6 строчек!!
В какой еще полноценной программе, работающей и на Windows и на Маке и на Линуксе, вы сможете нарисовать синусоиду всего за 5 строк кода?!

Во-вторых, для питона разработана огромная куча библиотек, в том числе мощнейшая библиотека для машинного обучения от самого Google, позволяющая строить нейронные сети всего за 30-40 строчек кода.

В итоге я создал нейронную сеть, которую обучил на 4 000 000 исторических котировках. Все по науке — обучающая выборка, валидационная, тестовая. Обучение — процесс тяжелый, требует хорошего железа и выполняется часами.

В итоге получилась модель, которая получает на входе примерно 30 параметров и предсказывает цену актива в следующем временном периоде.

Естественно, как и в любых других моделях, предсказать цену со 100% точностью невозможно. Да это и не нужно. Нейросеть в этом смысле не исключение, но точность модели на тестовой выборке получилась весьма высокой (о цифре умолчу) — совершенно точно дающей весомое статистические преимущество.

— Логику принятия нейросетью решений объяснить нереально. Модель каким-то образом видит известные мне паттерны. Плюс она видит что-то еще, мне непонятное.

— Уровни таки работают (Тимофей, привет!). За все виды уровней не скажу, но проверенная мной пара вариантов — да.

— Технический анализ в отрыве от фундаментала — работает

— Предсказать цену актива в следующем году или даже в следующем месяце можно, но точность будет крайне низкая. Точность резко повышается при минимизации таймфрейма

Нейросети и трейдинг. Практическая реализация

Мода на трейдинг переживает взлеты и падения вместе с курсом Биткоина. Сейчас эта тема в нижней точке после невероятного роста в 2022 году. Многие за это время успели познакомиться с криптобиржами — вникали в тему, учились, трейдили, теряли деньги и даже иногда зарабатывали. В итоге, мода прошла, а опыт остался, пусть и негативный. Слова «лонг», «шорт», «спред», «дивер» можно услышать от тех, от кого уж точно этого не ожидаешь. Но не только торговля «руками» приковывала к себе внимание, есть еще торговые боты. Что у нас в этой области, о чем говорит опыт последних 2-3 лет?

К сожалению, в этой области тоже ничего хорошего. Инструментов для написания торговых ботов много, а стабильно профитных стратегий нет. В лучшем случае работающее решение нужно постоянно обслуживать парой трейдер-программист меняя настройки под текущий рынок. Стандартный результат после подключения полностью автономного бота к депозиту — слив депозита.

Остается последняя надежда — нейросети. Тут уж точно должно получиться, ведь нейросеть учится как человек и сама подстраивается под рынок. Как дела в этой области? Ну… вы уже догадались. Все плохо, разговоров много, а работающих решений нет. Все очень плохо! Яркий тому пример магазин приложений сообщества MQL5. За брендом MQL5 стоит профессиональная платформа для трейдинга — MetaTrader5 плюс огромное сообщество трейдеров и программистов. Так вот в этом магазине есть раздел для решений на основе нейросетей, там много ботов, но ни одного настоящего. Добавить туда бота использующего нейросети запрещено правилами. В это трудно поверить, но это так. Запрет на подключение внешнего API исключает возможность использования нейросетей, а встроенные в MQL5 средства на практике не работают. Этот вопрос я обсуждал с техподдержкой MQL5, внятного ответа так и не получил. В итоге, на рынке нет ничего реально работающего из коробки, выложенные на гитхабе решения из серии «обучи сам» в расчет не берутся.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В 2021 | НАС ЖДЕТ НЕ КИБЕРПАНК | КИТАЙ ПРОТИВ США

Ладно, заканчиваю со вступлением, перехожу к делу. У меня получилось обучить нейросеть, есть стоящие внимания результаты на реальном рынке. Дальше не погружаясь в детали опишу как это было сделано.

Первой и главной ошибкой всех, кто пытается обучать нейросеть торговле является трейдерское мышление о рынке. Обычно внедрить решение основанное на нейросетях пытается трейдер в паре с программистом, которые до этого писали ботов. Алгоритм торгового бота решает задачу поиска правильной точки входа в позицию и определения «тейка» и «стопа». Если эту задачу иметь в голове при проектировании нейросети, то ничего не получится. Можно бесконечно перебирать хитроумные варианты входных данных, подавать или не подавать индикаторы, пробовать разные типы нейросетей, подставлять костыли ввиде обучения только на определенных участках или обучать показывая только известные паттерны. Работать не будет.

С нейросетью надо как с ребенком, смотреть на мир ее глазами и начинать с простых задач. Самый простой вопрос который можно задать — «куда пойдет цена через Х свечей, вверх или вниз?». Не важно на сколько сильно изменится цена и не важно, что ответ потом нельзя будет превратить в торговую стратегию. Забываем про торговлю, сейчас главная задача хоть чему-то обучить сеть, просто получить правильный ответ.

У меня эта начальная задача решилась после 100500 подборов входных данных. Использовал TensoFlow плюс Keras, сеть Sequental Dense. Входной датасет на 200-300 тыс примеров, входной вектор 250-350 фичь. Из поставленного сети вопроса вытекает и форма ответа — бинарная классификация «вверх» или «вниз». Входные данные готовил ботом на MQL5. Бот пробегая историю формирует обычный csv фаил, каждая строка — вектор. В конце каждого вектора правильный ответ ввиде 1:0 если вверх, 0:1 если вниз.

Вот несколько советов тем, кто попробует это сделать:

Форекс робот Бенджамин Искусственный интеллект Презентация

  1. Хорошо обучается в пределах прогноза от 15 минут до 60 минут. На меньшем периоде растет хаотичность движения цены, на большем увеличивается внешнее влияние — новости и прочее, 15-60 минут самая «техничная» зона.
  2. Лучше всего обучение проходит на BTCUSD, второе место у EURUSD. Почему так — не знаю.
  3. Не забивайте голову вопросами типа «а что если цена не изменилась? тогда это третий вариант ответа?». При сборе данных я просто не включал их в датасет, задачу надо упрощать.
  4. При прогоне на тестовом участке ответы сети на первый взгляд будут казаться хаотичными с практически случайным, приближающимся к 50% уровнем результативности. Это серьезная проблема, ниже поясню как я ее решил.

Используя такой подход получил следующий результат:
примерно в 2% ответов сеть угадывает дальнейшее движение в соотношении 2 правильных ответа к 1 неправильному. При тесте на реальном рынке именно так и получается, но возникает другая проблема. У нас ведь всего 2% вопросов имеют ответ, остальное игнорируем. Т.е. запускаем нейро на реальном рынке на таймфрейме 5 минут и ждем… при 2% — это только каждая 50ая свеча будет с ответом, один ответ за 4 часа! И что с этим делать? Ладно если бы ответ был «купи/продай», тогда 6 сделок в сутки нормально, а тут абстрактные «вверх/вниз» и то неточно, полное разочарование.

В итоге, решил эту проблему относительно легко — просто каждые 5 мин надо опрашивать не одну модель, а несколько. Модели обучаются на разных входных данных и, соответственно, обучаются разным паттернам. На практике так и получается, модели сигналят на разных свечах, вместе активируясь только в очевидных, предсказуемых местах и друг друга не перекрывают.

Подведем итог, теперь есть нечто, что можно запустить на реальном рынке и иметь сигналы «вверх/вниз» со средней отработкой. Уже веселее, но практического толку по-прежнему ноль.

Пара слов о реализации. У меня это работало на связке MQL5 плюс Keras. Бот запущенный в MetaTrader5 на каждой свече готовил данные для нейросети и через сокеты передавал скрипту на питоне, который по очереди опрашивал все модели и при прохождении ответом допустимого порога отправлял сигнал в Телеграм канал.

Итак, схема работает, но применить нельзя. Сложить сигналы в какую-то стратегию не получалось. Главный недостаток — дискретность ответов. Ответ — это событие на которое надо как то реагировать — смотреть на рыночную ситуацию, думать права сеть или нет и т.д. На одной свече одна модель могла сигналить вверх, а другая вниз и какой верить? В итоге, родилась идея отказаться от порога прохождения ответа, а начать уважать каждый ответ сети, пусть и с низкой степенью уверенности. Если начать усреднять все ответы в единое общее мнение и это считать ответом сети, то ответ становится совершенно другого качества. В этом случае начинают складываться знания всех моделей, а это огромный объем совместного обучения.

Долго ли, коротко ли, но после всех переделок стал получать единые ответы нейросети на каждой свече выраженные в процентах ожидаемой отаботки от -100% до +100%. Знак отражает ожидаемое направление движения «вверх/вниз». Стало видно, что теперь смысл есть в каждом ответе. Оно работает! Я сам имею опыт трейдинга и видел как поведение сети на глазах становилось осмысленным. Иногда ее логика была понятна иногда нет, но всегда за ее ответами чувствовалось какое то свое, часто парадоксальное, видение рынка. В добавок к этому, выяснилось, что чем выше уверенность сети тем ближе к нужному сроку ожидаемая отработка и наоборот. Низкая уверенность как бы говорила «что будет через 15 минут не знаю, но общий тренд вверх».

С этого места, я понял, что пытаться все это формализовать в сигналы «купи/продай» это как микроскопом забивать гвозди. Нужен был какой то инструмент для визуализации сигналов нейросети — графического отображения на каждой свече уровня «уверенности». Широкий набор инструментов MQL5 позволил все это собрать в «Эксперт» для MetaTrader5. «Эксперт» через API получает ответы нейросети и занимается только отрисовкой. Вот пример его работы на BTCUSD M1:

Цветная область вверху — прогноз «вниз», область внизу — прогноз «вверх», толщина — степень уверенности.

На данном этапе качество прогноза не имеет значения, важно, что нейросеть демонстрирует вполне адекватное мнение о рыночной ситуации. Еще больше прокачать сеть всегда можно, главное, что это работает!

В итоге, на сегодняшний день есть Expert к MetaTrader5 с двумя видами прогнозов — кроткосрочным и долгосрочным. Постепенно накапливается статистика, есть обратная связь с трейдерами. Полученный результат вдохновляет на дальнейшую работу, теперь надо подбираться к заветным «buy/sell» командам. Сделать это можно существенно увеличив качество прогноза. Дальше вижу такой путь развития:

  1. Надо подготовить еще десяток прогнозов в промежутке между 15 и 60 минутами. Т.е. начать предсказывать «вверх/вниз» для 20, 25, 30, 35 минут и так до 60. Каждый прогноз, напомню, строится из ответов примерно 20 моделей.
  2. Имея такой объем информации на каждой минутной свече, можно и нужно анализировать ее другой нейросетью. Связь прогнозов между собой на разных временных отрезках может оказаться совсем нетривиальной, поэтому нейросеть тут будет уместна.
  3. Датасет для этой нейросети не будет так зашумнен как у ее младших товарищей, поэтому ее надо обучать не банальному «вверх/вниз», а предсказанию силы движения актива, а это уже прямой выход на «buy/sell».

Кстати, этот Expert для MetaTrader5 распространяю бесплатно, если хотите увидеть работу нейросети на реальном рынке обращайтесь.

Продолжение этой статьи здесь и здесь. Сайт с прогнозами нейросети здесь.

Торговый бот RAprofit для Форекс — реальный доход или сливатор?

Искусственный интеллект на Форексе? Нет, не видел…

Вокруг сферы торговли на Форексе (да и на фондовом рынке тоже, принципиальных отличий тут куда меньше, чем сходства) крутится такое огромное количество мифов, не имеющих ничего общего с реальностью, что в голове у новичка обычно сразу же возникает каша из неведомой фигни, которая искажает дальнейшее восприятие до неузнаваемости. Ухудшает ситуацию ещё и «антинаучность» всей сферы, и конфликт интересов между посредниками (провайдерами ликвидности, брокерами) и клиентами, которые лишь усиливают эффект.В результате спустя годы попыток расхлебать эту кашу немногим, лишь самым стойким людям удаётся дойти до более-менее правдоподобной картины мира. Тем не менее, даже у них остаётся порой множество мифов, поверить в которые очень легко, а проверить со стороны практически невозможно.

К числу таких мифов, на мой взгляд, относится проскальзывающее время от времени в известных изданиях мнение о всемогущих самообучающихся компьютерных алгоритмах торговли (именуемых зачастую ИИ — искусственным интеллектом), якобы используемых трейдерами, чуть ли не знающих все движения рынка наперёд. Мой опыт общения с профессиональными управляющими и менеджерами фондов по всему миру показывает, что это мнение очень далеко от правды. В данной статье постараюсь раскрыть этот вопрос подробнее и показать, почему это скорее всего не так.

  1. Вступление
  2. Факты
  3. WTF?
  4. Кто виноват и что делать
  5. Критика
  6. Краткие выводы

Вступление

Я уже давно привык, что в сфере финансов верить можно лишь тому, что можно неопровержимо доказать. Этот известный в науке принцип позволяет надёжно отсеять 99.9% лжецов, которым выгодно показать себя «крутым трейдером» и, пользуясь давлением авторитета, впарить мало что смыслящим новичкам что угодно.При этом на фоне последних успехов в машинном обучении кажется очень логичной мысль о самостоятельно научившемся торговать на рынке алгоритме. Ещё 10-15 лет назад самые лучшие применения ИИ находились на уровне экспертных систем наподобие Deep Blue, победившей нашего соотечественника Гарри Каспарова.

Однако Deep Blue не учился игре самостоятельно. Фактически, все знания об игре были запрограммированы в него вручную командами программистов, которые в свою очередь консультировались с профессиональными игроками, пытаясь «разбить на части» накопленные людьми знания о шахматах, разложив их на конкретные алгоритмы. Именно такой подход и привёл IBM к успеху, и именно он сейчас применяется в самых сильных шахматных программах.

Сегодня же мы имеем самообучающиеся (не совсем ещё «само», но самости им всё же хватает) системы, способные с нуля обнаружить многие весьма неочевидные закономерности и научиться играть в видеоигры лучше любого человека, распознавать объекты на изображениях, водить автомобили, отвечать на вопросы, распознавать речь, сразу переводить её на другой язык и произносить результат и даже обыгрывать лучших профессионалов-людей в игре го (отличается от шахмат в первую очередь на порядки бОльшим числом вариантов и сложностью в формализации — в отличие от профессиональных шахматистов, игроки в го зачастую не могут объяснить тот или иной ход, говоря лишь, что он «чувствовался» правильным). На фоне такого кажущегося всемогущества нейросетевых алгоритмов кажется очевидной идея, что можно взять кучу котировок и запросто «натаскать» алгоритм на предсказание будущих движений. Но не всё так просто.

Факты

Начну с доказательной базы.

По роду деятельности я общаюсь с большим количеством как профессиональных трейдеров, так и не очень профессиональных, но людей, имеющих большой опыт в исследовании рынка, менеджерами фондов, агентами и другими людьми, имеющими отношение к сфере торговли. Конечно же, далеко не всем из них можно доверять, но здесь логично применять «научный» подход, описанный в начале статьи и смотреть больше не на слова, а на дела.

Итак, какими фактами я располагаю:

Sincere systems — торговые роботы на валютном рынке с искусственным интеллектом. Или лохотрон?

1. Ни один из известных мне профессиональных алготрейдеров с доказанным на протяжении нескольких лет хорошим торговым результатом не использует в качестве основы своей системы нейронные сети или какой-либо другой самообучающийся алгоритм. В основе их роботов лежит классический «ручной» подход к написанию алгоритмов, при котором у трейдера имеется в голове какая-то идея первоначально, он реализует в коде и настраивает её, и затем пытается использовать для извлечения прибыли.

2. Некоторые из трейдеров, ставших сейчас профессионалами, действительно длительное время извлекающие прибыль из торговли, экспериментировали в прошлом с нейросетями, но никакого положительного результата из этих экспериментов не получили. Кроме того, я общался с некоторым числом профессиональных математиков и программистов (в т.ч. профессорами западных вузов, спецами по мат. статистике и экономике). Один из них, к примеру – весьма обеспеченный человек из Англии, PhD, профессор экономики, который около 10 лет своей жизни потратил на изучение движений на финансовых рынках, потратив порядка $1 млн на оплату своих исследований, которые он проводил совместно со знакомыми профессорами. Читал некоторые из его публикаций (всё официально и научно) – как и в большинстве случаев, интересно, сложно и совершенно бесполезно на практике. Начали с использования сложных математических методов, продолжили нейросетями в применении к прогнозированию напрямую, закончили навороченной системой собственных индикаторов, показания которых были исходными данными для анализа нейросети, но его команде так и не удалось разработать алгоритм, способный длительное время выдавать достаточный для отбивания накладных расходов результат.

При этом человек вполне адекватен, понимает все основные принципы риск-менеджмента и важность использования стопов. Если кому-то интересно, сейчас он торгует вручную на мажорах по фундаменту (не настолько успешно, чтобы попасть в индексы Айсов, но вроде не сливается) и инвестирует свои средства в парочку ДУ.

3. Ни от одного из трейдеров или менеджеров, действительно хорошо разбирающихся в теме прибыльной торговли, я ни разу не слышал о каких-либо трейдерах, успешно применяющих на практике нейросети в качестве основного инструмента прогнозирования. Причём следует понимать, что если была бы такая информация на уровне слухов, проверить её я бы не смог. Но её попросту нет, а охват тут немалый.

4. Абсолютно все известные мне случаи, в которых трейдеры упоминали об использовании нейросетей для прогнозирования, заканчивались печально — от ПАММ-счетов до роботов и сигналов. На текущий момент, фактически, у меня сформировался такой весьма надёжный признак: если трейдер упоминает в описании своей торговли нейросети и/или самообучающиеся алгоритмы, то почти наверняка инвестировать в него не стоит, ибо по сути это с вероятностью 99.9% окажется фигня.

При этом в разных изданиях по-прежнему выходят весьма убедительные публикации на тему использования нейросетей в торговле. А эксперты по машинному обучению в своих выступлениях и книгах считают возможность прибыльной торговли таких алгоритмов совсем уж очевидной, о чём любят время от времени напомнить.

Так в чём же дело? Почему наблюдается такое сильное расхождение ожиданий и мнения большинства с реальностью даже у очень умных и разбирающихся в данной сфере (имеется в виду машинное обучение) людей?

Во-первых, нужно понимать, что нейросетевые алгоритмы очень хороши в том, с чем у человека порой бывает плоховато: в нахождении неочевидных закономерностей. И люди, далёкие от торговли на финансовых рынках полагают, что в этом всё дело: нужно просто найти какую-то закономерность в котировках (не важно какую, главное чтобы она была на истории) и дело в шляпе.

Опытные трейдеры же понимают, что дело тут далеко не только лишь в одной закономерности. И подтверждается это очень просто: MQL Маркет просто кишит прибыльными на истории роботами, которые не могут дать своим покупателям ни цента прибыли в долгосроке. И лишь пренебрежимо малая доля этих роботов (явно намного меньше 1%) действительно сможет показать сколько-нибудь положительный результат на реальных счетах покупателей.

А дело здесь в основном заключается в том, с чем у нейросетей сейчас очень плохо: несмотря на отличные показатели в нахождении закономерностей, у них отсутствует здравый смысл. Пояснить это проще на примере. Допустим, что у нас есть такая головоломка, ответ на которую мы поручаем найти алгоритму, построенному на нейросетях:

Вроде бы всё выглядит очень просто, не так ли? Однако даже люди, пытающиеся разгадать эту головоломку, могут дать несколько принципиально различающихся ответов. Перед тем, как читать дальше, подумайте минуту над ответом.

Самое очевидное на взгляд многих людей решение следующее:

Т.е. если принять первое число за x, второе — за y и третье — z, то просто берём формулу z=x*(y+1) и получаем любой нужный нам ответ. В таком случае четвёртая строчка расшифровывается как 8*(11+1)=96.

Однако многие видят первой другую закономерность: если включить в число допустимых параметров для каждой строки результат с предыдущей (и для первой строки результат примем нулевым), то увидим следующую закономерность:

В таком случае ответ уже 8+11+21=40.

На этом, как правило, человеческие способности в нахождении закономерностей заканчиваются. Любые другие из них, по сути, отсекаются его здравым смыслом и текущей ситуацией, в которой возникла эта головоломка. К примеру, если это задание из теста на IQ, то наверняка подойдёт скорее второй ответ, т.к. составители очень любят включать в головоломки необходимость в «широком взгляде на проблему», который демонстрируется здесь решением взять результат с предыдущей строки. Однако компьютерные алгоритмы наверняка смогут найти ещё десятки, если не сотни различных допустимых закономерностей. К примеру, можно взять первое число, умножить на второе, добавить 0.2 от суммы ответа предыдущей строки и числа 3 и полученный результат округлить до ближайшего целого. Удивительно, но это тоже работает, и получаем ещё один возможный ответ (93, если что). И хотя практически любому человеку очевидно, что едва ли это является запрашиваемым ответом, это совершенно неочевидно для самообучающегося алгоритма. Для него, к примеру, может показаться более убедительной закономерность, связанная с формой цифр (если данные на вход подаются в виде изображения). Или какая-то другая, которую человек в принципе никогда не будет рассматривать как имеющую смысл.

При всём этом понять, какую именно закономерность выявил алгоритм практически невозможно, т.к. для этого в общем случае необходимо реконструировать нейросеть, поняв что в ней за что отвечает, а ведь её изначально используют именно для тех случаев, когда написать необходимый для решения задачи алгоритм «вручную» невозможно, или как минимум крайне тяжело! Получается, что в абсолютном большинстве случаев к алгоритму относятся как к «чёрному ящику», судят о котором только по получаемым результатам.

Классический пример опасности данного подхода приведён в книге известного американского исследователя Элиезера Юдковски. Подробнее:

Успехи машинного обучения подмечают не только узкие специалисты, но и многие другие, кому это может быть полезным. В том числе и военные. А поскольку у американских военных денег больше всех, не удивительно, что именно они являлись заказчиком исследования, посвящённого обнаружению замаскированных танков на фотографиях при помощи нейросетевых алгоритмов.
Задача была простой: взять фотографии с замаскированными в лесной обстановке танками, фотографии без замаскированных танков и научить систему отличать одно от другого.
Исследователи взяли 50 фотографий с танками, 50 без них и, используя стандартные техники машинного обучения, получили в первом случае 50 ответов «да» и во втором — 50 ответов «нет».
Но исследователи-то не дураки: у них было по 100 фотографий с танками и без, и оставшиеся 100 они использовали для проверки (аналогичный трюк при настройке торговых алгоритмов называется форвардным тестированием). Результаты оказались положительными: все оставшиеся фотографии алгоритм распознал идеально.
Готовую программу отослали в Пентагон, чтобы местные спецы проверили её в реальных условиях. Тут-то и выяснилось, что точность распознавания программы не сильно отличается от 50%, и доверять её результатам совершенно нельзя.
Дальнейшая проверка показала существенную деталь, которую исследователи упустили из вида: все 100 фотографий танков были сделаны в облачную погоду, а фотографии леса без камуфлированных танков — в солнечную. Таким образом, нейросеть натренировали лишь на распознавание погоды, но никак не на поиск танков на фотографии.

В этом и кроется основная сложность: если при настройке нейросети были допущены какие-то ошибки, нельзя «залезть в код программы» и посмотреть, что там не так. Практически единственной возможностью проверить результат является доказательство на практике.

Ещё один момент, который необходимо учитывать — редкость присутствия хороших торговых возможностей на финансовых рынках. Это подтверждает опыт множества знакомых со мной профессиональных трейдеров: им порой приходится больше месяца ожидать подходящего момента для входа в рынок, а всё остальное время является с точки зрения их торгового подхода неподходящим. И это не какая-то аномалия, а логичное поведение лучших профессиональных трейдеров, которое наглядно показывает редкость возможностей для более-менее эффективного предсказания движений в ближайшем будущем.

Разумеется, что если предоставить самообучающемуся алгоритму котировки «как есть», то вероятность, что будет найдена какая-то подобная закономерность на фоне огромного массива данных (основная часть из которых представляет собой «фоновый шум») минимальна. Куда вероятнее, что алгоритм попытается как-то связать между собой не имеющие никакого смысла и взаимосвязи данные, что в большинстве случаев и происходит.

Кто виноват и что делать

Перечисленные недостатки приводят к весьма ожидаемому результату: абсолютное большинство попыток «научить» нейросеть торговле приводят к поиску не имеющих никакого практического смысла закономерностей в исторических данных. При этом попытки понять, а что же такого там нашла нейросеть в котировках, хотя порой и предпринимаются, в большинстве случаев бесполезны.

Лично для меня, как инвестора, всё вышеперечисленное означает следующее: если какой-либо трейдер упоминает, что «ядром» его прогнозирующего алгоритма является нейросеть, самообучающийся алгоритм и т.п., то с очень большой вероятностью это либо дезинформация, которая ни к чему хорошему обычно не приводит, либо правда, и в таком случае относиться к такой торговле нужно с тройной осторожностью.

Признак по моему опыту стал уже настолько надёжным, что во всех случаях, встретив его, я мог, по сути, не копаться в имеющихся материалах дальше, а поставить пометку «фигня» и с чистой совестью пройти мимо, будучи полностью уверенным в том, что с этим трейдером каши не сваришь. Однако ради проверки данной закономерности в лишний раз я всё-таки докапывался всегда до конца, и это неизменно приводило к одному и тому же результату: трейдер не оказывался способным демонстрировать устойчивые во времени показатели торговли.

Для практикующих трейдеров всё вышеперечисленное означает одно из двух:

1. Стоит забыть про применение нейросетей к прогнозированию движений и продолжить разрабатывать торговые алгоритмы «классическим» методом.

2. Стоит учитывать имеющиеся недостатки и постараться использовать сильные стороны подобного подхода.

Если с первым всё понятно, то со вторым требуется небольшое пояснение.

Полагаю, что в некоторых случаях применение нейросетей в торговле всё же может быть оправданным. На мой взгляд, делать это можно только в тех случаях, когда первичный поиск закономерностей не осуществляется нейросетью.

Это возможно в случае, к примеру, если исходные данные для нейросети поставляются «классическим» алгоритмом и имеют явный смысл. Т.е. это не «сырые» котировки и не показания десятков индикаторов, не имеющие никакого особого смысла и взаимосвязи, а, к примеру, специальным образом подготовленные данные, описывающие силу возникшего недавно импульса. На выходе же будем ожидать , к примеру, решение о входе в рынок (стоит входить в направлении импульса или нет) и размеры SL/TP. В таком случае нейросеть будет искать закономерности в понятных нам исходных данных, а принятые ей решения можно будет проверить на наличие здравого смысла, поскольку все входы будут привязаны к возникшим недавно импульсам. Устойчивость подхода во времени позволит проверить классический форвард-тест: если алгоритм окажется способным показывать прибыль несколько лет подряд на данных, отсутствовавших в наборе данных для обучения, при этом во всех его решениях прослеживается смысл, то логично предполагать, что он наверняка будет показывать прибыль и дальше.

В данном случае, однако, всё ещё остаётся вопрос, как избежать «переподгонки», т.е. ситуации, в которой полученный алгоритм будет показывать прибыль лишь на истории. Даже при наличии здравой исходной идеи (например, импульсной торговли) это остаётся непростым вопросом, что опять-таки подтверждается MQL Маркетом, где присутствует достаточное количество импульсных систем, прибыльных лишь на истории. И если в случае «ручных» алгоритмов можно понять конкретную причину, то в случае нейросетей опираться получится только на результат, что уже само по себе несёт явные риски.

Критика

Разумеется, что моя статья наверняка встретит критику. Всё-таки описанное в ней очень резко расходится с господствующим «общественным мнением», так что это ожидаемо. Здесь опишу основные положения критики, которые я ожидаю встретить, и готовые ответы на них.

1. «Но ведь нейросетями для составления прогнозов пользуются крупнейшие инвест-банки!»

Во-первых, методы торговли в крупных банках существенно отличаются от методов торговли частных трейдеров. Во-вторых, судя по тем данным, которые открыто публикуются банками, результаты их торговли не то чтобы очень впечатляют — лидеры прошлого года по указанной ссылке являются аутсайдерами в этом году, что как-то не напоминает «предсказание рынка». В-третьих, по причине непрозрачности подобных методов торговли любому понимающему в торговле что-то риск-менеджменту тяжело адекватно оценить несущиеся риски. Наконец, в-четвёртых, едва ли кто-либо из читателей владеет достоверной непубличной информацией по этому вопросу, поэтому любые рассуждения на эту тему опираются на данные информагентства ОБС.

2. «Всё дело в вычислительных мощностях. Ваши знакомые, видать, попросту не имели доступа к хорошим серверам».

Во-первых, некоторые имели. Во-вторых, при правильной работе достичь впечатляющих итоговых результатов сегодня можно даже на «обычном» железе.

Silver Star Live ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ в торговле на ФОРЕКС

3. «Так сами же указали в конце, что использовать нейросети в торговле таки можно. Где же примеры?»

В указанном мной случае использования нейросетей необходимо, чтобы человек не только уже хорошо разбирался в торговле и понимал, каких подводных камней ему нужно избежать, но и являлся профессионалом в машинном обучении. Крайне редко оба этих качества присутствуют у одного человека, а трейдеры редко посвящают в свои замыслы кого-то кроме близких друзей, к которым есть заметный уровень доверия (при этом небольшие команды по 2 человека, к слову, порой работают весьма успешно, и зачастую лучше своих коллег-«одиночек»). Поэтому ситуация, в которой оба этих качества окажутся вместе, очень маловероятна.

Краткие выводы

Суммирую всю статью в нескольких тезисах — полагаю, это положительно сказывается на понимании.

1. Если нейросетевые алгоритмы и применяют в торговле, то это редкость и наверняка речь идёт о высокоспецифичных узконаправленных системах, в которых главенствующую роль играют всё-таки люди, которые в целом понимают, что именно они ищут и как работают.

2. Если в описании системы трейдера стоит «самообучающийся алгоритм искусственного интеллекта на нейросетях», то бежать от него следует куда подальше.

3. Опираться на находимые нейросетями закономерности при самостоятельной торговле не стоит. Если и использовать нейросети в торговле, то нужно максимально специализировать и направлять их, не надеясь, что «он сам всё поймёт».

Надеюсь, этот небольшой ликбез даст читателям избежать ошибочных решений и позволит сэкономить драгоценное время.

Советник Robot – стохастики + искусственный интеллект

Рынок постоянно меняется, и старые идеи периодически изживают себя. Но, если задачу нельзя решить традиционным методом, на помощь приходит нестандартный подход, к примеру нейросетевой анализ. Именно такой подход использует советник с самым простым названием Robot, опубликованный на нашем форуме, который соединяет в себе традиционный технический анализ с зачатками искусственного интеллекта.

Характеристики советника Robot

Т.к. это нейросетевой робот, у него есть возможность работать на любых валютных парах и рынках. Обучаемость принципам динамики заданного актива не ограничивает его и по тайфрейму, и по времени работы. Поэтому вы можете использовать его как в долгосрочной торговле, так и в скальпинге. Разницей будет лишь данные для обучения.

  • Таймфрейм: любой
  • Валютные пары: любые
  • Время торговли: круглосуточно

Описание принципа работы советника Robot

В качестве входных данных советник Robot использует 4 самых традиционных стохастика с разным значением сдвига. Входные данные обрабатываются обычным линейным классификатором, представляющим собой простейшую модель нервной клетки. Процесс обучения подобного алгоритма состоит в подборе оптимальных значений весов, которые при правильном подходе к процессу обучения фиксируют некоторую закономерность (паттерн), если таковая действительно существует.

И хотя советник не обладает полноценным искусственным интеллектом, использование подобного алгоритма дает несколько преимуществ, в сравнении с традиционным (ручным) подбором логических условий.

  • Во-первых, это гибкость самих условий. Все что вы задаете в начале: тип и количество входных параметров, но, по умолчанию, советник еще не знает, что с этими параметрами делать. Только в процессе оптимизации (обучения) советник приобретает некоторую картину рынка и может в дальнейшем прогнозировать его движение, основываясь на своем прошлом опыте.
  • Во-вторых, это возможность быстрого переобучения. Если рынок изменился и старые паттерны потеряли свою актуальность, вам достаточно лишь переоптимизировать значения весов, и тогда (в теории) робот снова будет работать прибыльно.

Рабочие параметры робота

В данном случае, все входные параметры для однослойного перцептрона отображены на картинке. Первый параметр «shag» определяет значение сдвига для каждого из стохастиков. То есть, первый индикатор без сдвига, второй со сдвигом shag, третий со сдвигом shag * 2 и последний со сдвигом shag * 3. Значение сдвига будем выбирать от 1 до 6. Чтобы оптимизация не затянулась на неделю, для подбора весов выбираем не слишком маленький шаг, в данном случае, по 20 итераций на каждый из множителей. Этого должно быть вполне достаточно для определения примерного вида паттерна.

Рабочие параметры советника для оптимизации

Тестирование и оптимизация советника Robot

  • Валютная пара: EUR/USD
  • Начальный депозит: 10 000
  • Генерация тиков
  • Таймфрейм: H1
  • Период тестирования: с 1 апреля по 1 мая 2022 года
  • Спред: 10 пунктов

По итогам оптимизации мы получили лучший вариант (с учетом прибыли/просадки) с такими параметрами:

  • Шаг – 5
  • x1 – 0
  • x2 – 70
  • x3 – 150
  • x4 – 160

По результатам форвард теста с выбранными параметрами можно судить о хорошей обучаемости стратегии. Прибыльность и общая динамика почти полностью соответствует результатам бэк-тестирования.

Статистические данные оптимизации робота.

Тем не менее, относительная просадка советника почти равна сумме начального депозита, что является неблагоприятным условием для использования на реальном счета и вполне возможно приведет к скорой потере депозита на реальном счете. Но эта проблема тоже решается, например, использованием менее агрессивного мани менеджмента.

Вывод

Можно сказать, Robot – это практически универсальный советник, который, ко всему прочему, можно легко адаптировать под любую рыночную ситуацию. Параметр mult отвечает за умножение лота в последовательности, что позволяет применять как агрессивный, так и более консервативный подходы к торговле (для фиксированного лота установите значение 1.0).

Тем не менее, это совсем не Грааль, как может показаться на первый взгляд – Robot требует постоянного внимания, т.к. один раз «научившись» работать на одном варианте рыночного движения, советник будет просто следовать знакомой ему парадигме рынка. При изменении ситуации может начать неожиданно для владельца терять деньги. По эффективности такой подход в целом схож с ручным периодическим подбором условий для советников, но главный его плюс в значительной экономии времени для трейдера, а результат при этом может даже превосходить более «продвинутые» стратегии.

Поэтому чтобы результаты оставались предсказуемыми и удовлетворительными, проводите периодическую переадаптацию значений весов, тогда робот всегда будет иметь дело с актуальной картиной рынка.

Искусственный интеллект на форекс. Как это работает?

Совсем недавно мы анонсировали вам нашу новую разработку, под названием NEURO BOT 10, позволившую наконец-то, забыть об оптимизации своей авто стратегии и не переживать за исход открытой сделки. Так как нейронный робот самостоятельно адаптируется под изменения рыка. О том, как у нас это получилось, чем наш советник отличается от других нейронных роботов и что потребовалось для его разработки мы подробно расскажем Вам в этом обзоре. Многим из Вас это поможет лучше разбираться в тонкостях валютного рынка, другим понять как устроен наш нейронный советник, и третьим — позволит определиться в каком направлении двигаться при разработке собственных авто систем. Не секрет, что мы уже более 5-ти лет создаем действительно мощные авто стратегии, поэтому имеем полное право рассказать вам свое видение этого вопроса. Считаю, что этот обзор можно было бы даже назвать другим заголовком — «как создать эффективную стратегию на форекс?». Но так как, речь все же идет о советнике NEURO BOT 10, я решил этого не делать.

На самом деле, история разработки этого эксперта уходит своими корнями в далекий 2022 год, когда после сотен неудачных попыток, я решил навсегда выбросить индикаторы с графика и торговать тем, что есть. А было немного: торговые уровни, цена и тиковые объемы. На помощь пришло изучение сразу нескольких известный теорий рыночной аналитики: методы Ганна (используются так или иначе сразу в нескольких наших роботах), золотое сечение Фибоначчи, метод VSA и метод Price Action. Сказать, что я много о них знаю, значит не сказать ничего. Я настолько был озабочен созданием идеального робота, что вызубрил некоторые абзацы наизусть!

К концу 2022 года это ни привело ни к чему полезному для советников, но дало много пищи для размышлений, за счет чего к 2022 и родилась моя авторская стратегия трейдинга – метод I-FSR. Уже на базе которой нам и удалось разработать более 10-ка невероятно прибыльных советников для форекс. Но всегда было огромное НО, использовать их могли только опытные трейдеры, понимающие как оптимизировать робот, то есть адаптировать его под изменения рынка. Это была не исключительно проблема наших роботов, это вообще глобальная проблема для любой автоматической, и тем более – ручной стратегии. Ведь в последнем случае мне даже сложно представить, как вы будете это делать на отрезке с десяток месяцев. По этой причине, мы всегда бесплатно оптимизировали советники каждые 2-3 месяца, так как большое количество их владельцев не были готовы к самостоятельной оптимизации.

Почему мы избавились от технического анализа?

Когда в 2022 году мы избавились от комплекта безумных индикаторов в своих торговых роботах, то наконец-то вздохнули с облегчением. Эти советники показывали в 10 раз большую эффективность и проходили без глубокой просадки отрезки в год и более, что говорило о высокой надежности безиндикаторных систем и их невероятном потенциале. Но для того, чтобы стратегия сама адаптировалась к рынку этого было недостаточно. Никогда нельзя точно предсказать какое количество пунктов пройдет цена после появления сигнала к открытию позиции. Бороться с этим можно было только математическими формулами управления ордерами, но даже здесь рынок однажды находил лазейку, поэтому оптимизация была жизненно необходима для успешного авто трейдинга.

Многочисленные попытки решить эту проблему не приводили к успеху до тех пор, пока мы не решили оставить только управление ордерами и взяться за обучение советника самостоятельной адаптации к рынку. Причем выбрали совершенно иной путь, нежели наши предшественники. Обычно нейронный робот просто ищет вероятности на исторических данных, и на основе этого принимает решение о покупке или продаже валюты (так называемые, нейросети). Что позволяло ему показывать отличные результаты в тестере, но чаще всего это отвратительно работало в реальной торговле. Нам это не подходило, поэтому мы пошли другим путем.

Известно, что основные рыночные фазы, это: накопление, распределение и аккумуляция. Можно сказать проще: флет, медвежий тренд и бычий тренд. Большинство роботов способны работать только на одной (максимум двух) рыночной фазе. К примеру, метод усреднения отлично работает на флет участке и сливает деньги на тренде. Но, что если вы зададитесь целью искать не успешную точку входа (где все равно не сможете быть на 100% правыми), а именно рыночную фазу и применять для каждой отдельный способ управления ордерами? Тогда ваша эффективность повысится в разы, а советник определяя рыночную фазу вместо точки входа будет самостоятельно адаптироваться к изменчивости рынка. Именно это позволило назвать NEURO BOT 10 нейронным, а не то, что он смотрит в историю. Она ему не интересна, так как это уже история на которой мы с вами не заработаем, нейронный советник NEURO 10 исследует исключительно текущую ситуацию (текущую рыночную фазу).

Для чего вам в таком случае технический анализ?

Его очевидные недостатки: невозможность предсказать силу рыночного движения и работа только в своей рыночной фазе. Его единственные плюсы: систематизация вашей торговой деятельности. Все, что нам оставалось анализировать – это рыночную фазу, причем снова возвращаться к техническому анализу (хотя в методе I-FSR есть для этого отличные инструменты) совсем не хотелось. Поэтому мы решили использовать непосредственно цену, или торговые уровни, которые для каждой рыночной фазы имеют свои цены. От которых мы и заставили работать советник: при смене уровней робот автоматически адаптировался под новую рыночную фазу и успешно вел торговлю в текущих рыночных условиях. Он больше не конфликтовал с рынком, а просто следовал за ним. Именно таким образом, мы и родили эту совершенную во всех отношениях нейронную авто стратегию.

• Оставался только один момент: нужно избавиться от такого параметра, как take profit. Ведь его значение всегда зависит от силы рыночного движения.

В этот раз мы понимали, что искать решение этого вопроса нужно не методами “борьбы с рынком”, а наоборот, – дружбы с ним. Это и заставило нас полностью избавиться от попыток предсказывать движения котировок. Мы просто задали ценовой коридор, при достижении которого робот фиксирует ту прибыль, которую нам дал рынок в течении дня.

Тем самым, мы раз и навсегда избавились от необходимости оптимизировать торговый эксперт, теперь можно было просто расслабиться и получать гарантированную прибыль. Собственно эти слова прекрасно доказало успешное 5-ти летнее тестирование советника с результатом в 10 000% прибыли. Так и родился, наш самый надежный и прибыльный советник NEURO BOT 10, гарантирующий Вам финансовую независимость на долгие десятилетия.

Только вдумайтесь в это: всего один советник и вы больше никогда не проигрываете деньги на форекс! Более 5-ти лет нашей работы над созданием автоматических систем не прошли даром. Мы дали Вам то, о чем вы так давно мечтали – систему, которая никогда не проигрывает рынку, а зарабатывает вместе с ним.

Тема: советник Artificial Intelligence

Скачала этот советник на другом сайте. Как теперь понимаю по невероятной случайности но все же данное чудо с 10$ принесло 60$ на серебре за одну сделку. Минус данного произведения в том что профит нужно выставлять в ручную по факту уже открытой сделки. Стоп лосс здесь есть но по моему его лучше тоже отредактировать так как он составляет 700 п.

———- Сообщение добавлено в 12:43 ———- Предыдущее сообщение размещено в 12:40 ———-

На этом советнике можно как хорошо подзаработать так и влететь так как лот 1, хотя его опять же в настройках можно как увеличить таки уменьшить. Что касается конкретно моих наблюдений, так наиболее уверенно он чувствует себя на паре EURUSD с тф 5м, но это как вы от тестите. Пологаясь на мнение Юрия Решетова(разработчик этого советника сокращенно AI) еще меньше просадка на акциях-я не проверяла Мене устойчив он на серебре. Так же больше профитных сделок он совершает до 16 00. Но опять же таки ЭТО ПО МОИМ НАБЛЮДЕНИЯМ И СОГЛАСНО МОЕГО ТЕСТИРОВАНИЯ

Обучение Нейронной сети торговле

  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы

Скачала этот советник на другом сайте. Как теперь понимаю по невероятной случайности но все же данное чудо с 10$ принесло 60$ на серебре за одну сделку. Минус данного произведения в том что профит нужно выставлять в ручную по факту уже открытой сделки. Стоп лосс здесь есть но по моему его лучше тоже отредактировать так как он составляет 700 п.

———- Сообщение добавлено в 12:43 ———- Предыдущее сообщение размещено в 12:40 ———-

На этом советнике можно как хорошо подзаработать так и влететь так как лот 1, хотя его опять же в настройках можно как увеличить таки уменьшить. Что касается конкретно моих наблюдений, так наиболее уверенно он чувствует себя на паре EURUSD с тф 5м, но это как вы от тестите. Пологаясь на мнение Юрия Решетова(разработчик этого советника сокращенно AI) еще меньше просадка на акциях-я не проверяла Мене устойчив он на серебре. Так же больше профитных сделок он совершает до 16 00. Но опять же таки ЭТО ПО МОИМ НАБЛЮДЕНИЯМ И СОГЛАСНО МОЕГО ТЕСТИРОВАНИЯ

Искусственный интеллект в трейдинге

Вы видели, как талантливые трейдеры проводят вычисления в уме? Или как в фильмах они активно записывают свои недавние сделки, одновременно отслеживая текущие данные? Такие традиционные методы трейдинга устарели и постепенно исчезают. Те, кто стремился идти в ногу со временем и дальше получать прибыль, стали обращаться к техническим специалистам.

Как искусственный интеллект меняет наш мир на FOREX

Честные Форекс брокеры:

Программисты совместно с математиками и аналитиками дали рынку полезный инструмент — торговых роботов (или ботов), которые проводят операции за счёт заложенных алгоритмов и предоставленных данных. Популярность алгоритмической торговли на биржах привела к появлению высокочастотного трейдинга.

Трейдеры, брокеры, инвестиционные фонды уже не обходятся без разработчиков роботов, потому что люди не способны торговать с маленькими спредами на высокой скорости и концентрации. Одни создают стратегии, другие пишут алгоритмы, а боты по ним торгуют — так работает трейдинг в XXI веке. Вернее, работал.

С усилением конкуренции на рынке и развитием направления «Большие данные» возможностей ботов стало недостаточно. В автоматизированном трейдинге их начали сменять машины, которые при той же работоспособности могут ещё думать как человек, — модели нейронных сетей и искусственного интеллекта (ИИ).

Участие искусственного интеллекта в биржевой торговле

Профессиональные трейдеры периодически вынуждены модернизировать свои наработки, так как прогресс делает трейдинг сложнее. В 2000–2022 гг. им пришлось конкурировать с торговыми ботами, а потом научиться настраивать их, чтобы силы уравнялись. Примерно с 2022 года трейдерам и их ботам приходится конкурировать уже с искусственным интеллектом.

За последние 5 лет количество торговых систем с ИИ значительно выросло. По мере их распространения и влияния на рынок трейдеры, использующие устаревшую автоматизацию, наблюдают падение доходов. И наоборот, те, кто использует искусственный интеллект для торговли на биржах, получают результаты лучше, чем средние по рынку показатели.

Способности ИИ в торговле на бирже

По сравнению с ботами, которых надо постоянно перенастраивать, искусственный интеллект способен действовать самостоятельно, без вмешательства людей. Он может придумывать торговые стратегии, тестировать и дорабатывать их. Может учитывать рыночные тренды, чтобы совершенствоваться с помощью свежеобретённых знаний. То есть ИИ умеет имитировать мышление аналитиков.

Надежные Форекс площадки:

Вот ещё несколько способностей ИИ, которые используются на благо трейдеров, брокеров, фондов, а также их клиентов:

Нейронная сеть + GHOSTTRADE. Сигналы на отскок. BITMEX. Скальпинг.

  • сбор информации из новостей, социальных сетей, тематических сайтов для её применения в фундаментальном анализе;
  • обработка рыночных данных, фондовых индексов для их применения в техническом анализе;
  • консультирование по среднесрочным инвестициям;
  • управление портфелем активов, его диверсификация;
  • составление рейтинга аналитиков, проверка их результативности при выборе лучших стратегий для зеркального трейдинга;
  • построение поведенческих моделей в периоды рыночных потрясений;
  • выявление случаев сговора и манипулирования на рынке.

На что ИИ не способен, хотя это всё равно достоинства, а не недостатки: не проявляет человеческие эмоции, такие как жадность и страх; не строит иррациональные догадки. ИИ на бирже показывает результаты лучше, чем алгоритмические боты, не говоря уже о превосходстве над людьми.

Создание торговых стратегий искусственным интеллектом

Искусственный интеллект становится главным компонентом при разработке торговых стратегий для труднопрогнозируемых рынков. Он не просто торгует по написанному алгоритму, а постоянно собирает и обрабатывает огромные массивы данных, анализирует события и тренды, сам принимает решения.

Сбор данных

Сегодня к ИИ применяют глубокое обучение, чтобы он разборчиво собирал неструктурированные данные из различных источников, таких как новости и посты в социальных сетях. Обычно поступающие данные выглядят как хаотичная структура. Однако даже в такой структуре характерно то, что прошлые события могут оказать влияние на настоящие и будущие тренды.

ИИ использует исторические данные, чтобы понять, как текущий рынок отреагировал бы на прошедшие события. Так он сможет отрегулировать свои торговые стратегии. Хоть это не сразу приносит выгодный результат, но в перспективе позволяет ИИ научиться продуктивности в будущих рыночных условиях.

Организация данных

Принцип работы программ с ИИ для торговли на бирже мало чем отличается от подхода, используемого аналитиками. Следующий шаг после сбора данных — организовать их и разделить на определённые группы. Существует два набора данных:

  1. Обучающий набор, предназначенный для обучения и настройки алгоритма перед тестированием.
  2. Тестовый набор, приводящий в действие откалиброванный алгоритм.

Построение торгового алгоритма

Идея алгоритма заключается в том, чтобы прогнозировать динамику цены актива, которым торгует трейдер или инвестиционный менеджер. Существует много способов построения прогнозирующего алгоритма, однако большинство из них пытаются упростить проблему, а затем следуют двухклассовой модели, основанной на факторах сигнала и предсказуемости:

  1. Сигнал указывает на то, что ожидается: повышение или понижение цены.
  2. Предсказуемость показывает уверенность в сигнале.

После того как сгенерируются выходные данные, трейдер получает нужный сигнал.

Практическое применение искусственного интеллекта в трейдинге

Финансовый и ИТ-рынки изменчивы, так что машины тоже нуждаются в совершенствовании. За последние 10 лет многие компании предлагали трейдерам инструменты и сервисы на основе ИИ, но половина из них, как правило, закрывались через 2-3 года. Перечислим интересные проекты, которые продолжают работать в 2022 году.

ИИ-фолловер Buzz

Канадская компания BUZZ Indexes собирает большие данные из соцсетей, тематических СМИ и блогов, пишущих о трейдинге и инвестициях. Потом её система с ИИ фильтрует эти данные и интерпретирует, какое у интернет-сообщества складывается мнение о часто упоминаемых акциях: положительное, отрицательное или нейтральное. На основании 15 миллионов точек данных строится аналитическая модель с учётом настроений инвесторов.

Каждый месяц компания формирует BUZZ NextGen AI US Sentiment Leaders Index по лицензии Van Eck Associates Corporation. Это индекс интереса к 75 популярным акциям американских компаний с крупной капитализацией.

ИИ на службе количественного трейдинга в Walnut

Французская компания Walnut Investments занимается количественным управлением инвестициями, применяя ИИ в стратегиях с абсолютной доходностью. Она сочетает финансовую экспертизу с методами машинного обучения для создания прибыльных самообучающихся торговых систем. Walnut выстраивает торговые стратегии так:

  • Машинное обучение — для точного, быстрого, непрерывного анализа больших объёмов данных. Так достигается педантичность в измерении и контроле статистической надёжности, но без жёстких правил.
  • Количественное инвестирование — для торговли по взвешенным решениям, без оглядки на интуицию или случайности. Так увеличивается статистическая значимость, за счёт последовательного применения математики и рыночного обоснования.
  • Диверсификация — для снижения риска, особенно когда происходит корреляция во время кризиса. Так защищаются позиции и контролируется уровень подверженности рискам.

У Walnut ещё есть Singularity — программа краткосрочных фьючерсов с систематическим управлением. В ней машинное обучение используется для обнаружения длинных и коротких импульсов, а также сигналов возврата к среднему. Торговля фьючерсами ведётся только внутри дня, позиции не удерживаются на ночь.

На заметку тем, кто планирует разработать или заказать похожий проект: с июня 2022 по июль 2022 Walnut Investments SASU привлекла венчурные инвестиции и получила грант на общую сумму €1,5 миллиона.

ИИ как управляющий хедж-фондом Numerai

Калифорнийский хедж-фонд Numerai управляет долгосрочными/краткосрочными инвестициями в акции с помощью ИИ. По замыслу разработчиков, он должен стать глобальным краудсорсинговым хедж-фондом, способным прогнозировать фондовые рынки. Сейчас он поддерживается сетью анонимных специалистов по обработке данных. Они создали и обучили уже 2774 модели на данных, очищенных и упорядоченных хедж-фондом.

Numerai был первым в мире хедж-фондом с ИИ, который выпустил собственную криптовалюту — токен Numeraire (NMR). Компания проводит еженедельный турнир среди специалистов по данным, предоставившим свои прогнозы, а потом выплачивает им вознаграждение в нативных токенах или эфирах (ETH). На основе лучших прогнозов хедж-фонд создаёт торговые стратегии, чтобы зарабатывать самому и своим инвесторам.

На заметку тем, кто планирует разработать или заказать похожий проект: с апреля 2022 по июнь 2022 Numerai GP, LLC привлекла венчурные инвестиции на сумму $21,5 миллиона; в апреле 2022 цена NMR составляла $67.

Искусственный интеллект на бирже в сравнении с трейдером-человеком

Сегодня, с распространением ИИ, операции традиционных трейдеров составляют 10% от общего объёма торгов, а ведь ещё в 2022 году на долю их операций в США приходилось 55%. В то же время более 2000 хедж-фондов (а всего их около 11 000) используют ИИ при разработке большинства торговых стратегий. Это высокий показатель применения искусственного интеллекта в торговле и инвестиционной деятельности.

Многозадачность

Обученные машины способны обрабатывать бесчисленное количество данных за считаные минуты. Таким же образом они могут находить и обрабатывать исторические данные и повторяющиеся модели для ведения «умной» торговли, которые часто скрыты, недоступны или неочевидны людям.

Трейдеры не способны обрабатывать такое количество данных или хотя бы обнаруживать их. Например, когда дело касается высокочастотного трейдинга, то некоторые используют ИИ для расшифровки более 250 миллионов всевозможных точек данных с Нью-Йоркской фондовой биржи уже в первый час с открытия торгов.

Скорость торговли

Хоть ИИ — не революционная технология, он существенно ускоряет торговые операции. Сегодня каждая миллисекунда имеет значение. Если вы брокер или управляющий инвестиционного фонда, то ИИ облегчит вашу работу: клиентам не нужно звонить и делать заявки, ведь торговля будет автоматизированной.

Анализ настроений и прогнозирование

Штудируя заголовки статей, новостей, постов в социальных сетях, блогах и других тематических источниках, ИИ может прогнозировать движение цен на акции и возможные действия других трейдеров. Он проводит анализ настроений — это процесс категоризации мнений (или настроений), которыми люди активно делятся в Интернете.

Самообучение

ИИ не идеален с первых дней работы, но способен улучшать свои навыки. Он будет учиться на собственных ошибках, постоянно совершенствоваться. Для этого есть автоматизированные торговые советники, с помощью которых ИИ работает над улучшением производительности, не только путём тонкой настройки имеющихся данных, но и за счёт добавления и анализа новых.

Модернизация трейдинга с помощью искусственного интеллекта

Многие трейдеры и инвесторы уверены, что в ближайшее время применение компаниями искусственного интеллекта на бирже распространится повсеместно. Системы на его основе легко использовать, они функционируют прозрачно и торгуют аккуратно.

Искусственный интеллект уже начал менять правила трейдинга. Воспользуйтесь его преимуществами и модернизируйте деятельность вашей брокерской фирмы или инвестиционного фонда. Он поможет вашим клиентам рационально инвестировать и грамотно распоряжаться активами.

Если хотите использовать ИИ в трейдинге или управлении инвестициями, то компания Polygant готова разработать необходимые для этого решения. Чтобы узнать стоимость работ и сроки разработки, а также получить подробную информацию об услугах, заполните короткую заявку, и мы мгновенно свяжемся с вами.

DeepTradeBot: Что такое ИИ-трейдинг в XXI веке?

Автоматические торговые роботы распространяются все активнее. Сегодня мы хотим рассмотреть одно из популярных решений в этой области — DeepTradeBot, которое представляет собой уникальное сочетание блокчейна, искусственного интеллекта (ИИ) и облачных вычислений.

Большинство криптовалютных торговых платформ предлагают трейдерам множество инструментов вместе со сложным пользовательским интерфейсом, и есть две проблемы: новичкам трудно начать торговать, а профессионалы вынуждены тратить слишком много времени на платформу. Именно поэтому автоматические трейдинг-системы становятся все популярней.

DeepTradeBot дает трейдерам возможность использовать функции ИИ, чтобы сделать торговлю криптовалютами более эффективной и занимающей меньше времени. Платформа разработана так, чтобы быть максимально простой и понятной. Давайте посмотрим, как она работает.

Как работает DeepTradeBot

Функциональность торговых роботов основана на нейронных сетях машинного обучения и увеличивается благодаря облачным вычислениям с использованием технологии BigData.

DeepTradeBot работает с криптовалютными биржами Bittrex, Exmo, Kraken, Binance, Bitfinex и Huobi и предлагает арендовать одного из четырех торговых роботов:

Каждый режим торговли активируется в нужное время, и это позволяет оставаться на высоте, какой бы ни была рыночная ситуация.

Основные методы, которые используют боты:

Высокочастотная торговля

Робот анализирует ценовую чувствительность (которая может быть не видна глазу) на различных биржах по их книгам ордеров и оценивает возможность движения цены вниз или вверх.

Арбитражная торговля

Самый простой режим, всегда доступный, но приносящий прибыль всего от 5% до 15%.

Робот постоянно обеспечивает дополнительную защиту в случае, если другие стратегии дают результат ниже среднего.

Алгоритмическая торговля на основе технических индикаторов

Фундаментальный анализ, основанный на трейдинге — с учетом медиа-наполненности в соцсетях, таких как Facebook, Twitter и т. д.

Таким образом, используя функции искусственного интеллекта, DeepTradeBot помогает максимально использовать рутинные задачи для трейдера. Он анализирует множество информации с торговых сайтов, от регулирующих органов, основателей: критика или заявления, которые создают позитивный или негативный новостной фон.

Эти заявления оказывают прямое влияние на диапазоны цен и объемы торгов. Автоматические парсеры новостных ключевых слов DeepTradeBot позволяют оценить потенциальный новостной импульс из определенного источника.

3 главных преимущества DeepTradeBot

1. Быстрая обработка

Обычно для передачи сигналов через API требуется минимум секунда. За это время Winrate уменьшается на 40%. Ключ к повышению Winrate для DeepTradeBot — получение торговых индикаторов непосредственно с биржевого сервера.

2. Улучшенный интерфейс

Единственное, что вам нужно, это пополнить баланс, арендовать бота и сэкономить на комиссионных, получить увеличенный денежный оборот, больший выигрыш и, соответственно, хороший заработок.

Искусственный интеллект в трейдинге.

3. Низкие комиссии

Огромный объем торговли на биржах дает шанс достичь снижения комиссионных: чем больше объем торгов, тем меньше комиссия на торговых платформах с высоким рейтингом, включая Binance.

Таким образом, из-за маржинальной торговли и кредитования в большем объеме боты генерируют прибыль даже в тех случаях, когда есть незначительная волатильность и незначительные арбитражные возможности.

DeepTradeBot: Цены и варианты

У DeepTradeBot есть четыре бота, включая бесплатный, который позволяет новым клиентам тестировать систему. Платформа предоставляет в аренду следующих ботов:

  • MiniBot 5 NFS / Бесплатный бот
  • StandartBot 10 NFS / $10
  • ProBot 15 NFS / $25
  • NetPremium 40 NFS / $45

Каждый бот имеет собственные условия аренды, минимальный и максимальный диапазон ежедневного дохода, торговые пары и т. д. На данный момент доступны следующие криптовалюты: BTC, ETH, LTC и DOGE.

Преимущества ИИ-трейдинга

У бота нет эмоций

Ни для кого не секрет, что мир находится на грани всемирной роботизации. Беспилотные автомобили, ток-боты, умные дома — это наша реальность. Сейчас роботы выполняют низкоквалифицированную работу, но в ближайшем будущем они начнут исполнять задачи, которые требуют сложной логической активности. Мы находимся в начале этого этапа, участвуя в торговле с помощью искусственного интеллекта.

Самое сложное в торговле — избегать эмоций. И это действительно подходящая работа для искусственного интеллекта. Вместо того, чтобы быть эмоциональными и совершать ошибки, торговые боты всегда будут выходить на рынок в нужное время.

Бот не устает

Для трейдера невозможно работать изо дня в день без утомления. Довольно сложно идти в ногу со скоростью, с которой развивается криптомир. Торговые боты работают автоматически и никогда не нуждаются в перерыве.

Помните: одна успешная сделка может полностью покрыть стоимость аренды бота и сэкономить ваше время, средства и силы.

Бот всегда точен

Вы, наверное, видели: как только стоимость биткоина возрастает, цена на какой-то альткоин может немедленно упасть, словно есть некая закономерность. Это самый простой пример, когда связь видна человеческому глазу. Искусственный интеллект также способен находить и прогнозировать более сложные и многоуровневые связи, которые абсолютно незаметны глазу. Но самое главное в роботах: чем больше информации он анализирует, тем умнее становится. Самообучение — главная особенность DeepTradeBot.

ИИ торгует для вас?

Если вы ищете способ автоматизировать торговлю криптовалютами, стоит попробовать DeepTradeBot.

Бесплатное решение MiniBot 5 NFS дает прекрасную возможность опробовать его без оплаты.

Инструменты и активность в мире криптовалют растут и развиваются. DeepTradeBot поможет вам войти в эту перспективную отрасль с минимальными затратами. Тактика DeepTradeBot поможет зарабатывать вне зависимости от того, какой на рынке тренд.

Однако самое важное — работа DeepTradeBot в режиме 24/7, что дает вам максимум свободы.

Искусственный интеллект. Какие акции купить, чтобы инвестировать в будущее?

Искусственный интеллект (ИИ; англ. artificial intelligence, AI) — свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека. Технология ИИ все еще далека от совершенства, но развивается семимильными шагами и активно внедряется в самых разных сферах.

Искусственный интеллект. Возможно первая ассоциация, которая у вас возникает, когда вы это слышите – это “Skynet” из фильма Терминатор. Все знания об искусственном интеллекте окутаны для большинства людей тайной, а представления о нём зачастую довольно размыты. Но все же, ни у кого нет сомнений, что за ИИ будущее, хорошее оно будет или плохое – вопрос уже другой. А раз за ИИ будущее, значит эта технология перспективна для инвестиций.

Сегодня мы постараемся разобраться в том, какие акции, тесно связанные с ИИ можно купить уже сейчас. Начнем мы свой краткий обзор, конечно же, с технологических гигантов или IT-гигантов, как их часто называют.

Искусственный интеллект для IT-гигантов

Действительно, если мы скажем, что Amazon, Google, Facebook, Apple, Microsoft, Netflix занимаются развитием искусственного интеллекта, инвестируют в него, то мы точно не ошибемся. Давайте рассмотрим, чем именно занимаются эти компании в интересующей нас области.

Amazon действительно отличается своей инновационностью, технологичностью. Компания Джефа Безоса применяет искусственный интеллект почти везде: прогнозирование спроса на продукцию, оптимизация логистики, улучшение качества поиска, улучшение голосового помощника.

Также Амазон лидирующий поставщик облачных услуг по машинному обучению. Amazon инвестирует большие деньги, чтобы оставаться в быстрорастущей отрасли AI на передовой.

Искусственный интеллект для Google имеет также огромное значение. Здесь он применяется, как и в случае с Amazon, для улучшения качества поиска, распознавания человеческой речи. Также важными областями для ИИ являются технологии беспилотного управления, оценка стоимости рекламы, софт для персональной помощи и многие другие.

Facebook также активно использует технологии искусственного интеллекта. В самой крупной социальной сети ИИ применяются для автоматического поиска неприемлемых и оскорбительных высказываний и поддельных новостей, а также для составления более подходящей фид-ленты.

Facebook имеет доступ к огромному количеству данных пользователей сети, которые меняются в реальном времени, что дает компании большое преимущество в исследованиях данных.

Компания Apple также не отстает в этой гонке за искусственным интеллектом. Большую часть выручки компании приносят продажи iPhone. И, казалось, для Apple необходимости в применении искусственного интеллекта нет. Однако технологический гигант за последние 10 лет уже приобрел более 20 компаний, связанных с искусственным интеллектом.

ИИ Apple нужен, в отличие от Facebook и Google не для продаж, а для введения новых функций в свою продукцию. Интересным смотрится сочетание искусственного интеллекта с CarPlay, приложениями Apple Watch и платформой для дополненной реальности ARKit.

Netflix также пользуется преимуществами искусственного интеллекта для ряда задач. Искусственный интеллект помогает Netflix лучше подбирать для подписчиков контент, выбирать самое удачное время для запуска фильма или сериала, использовать правильную стратегию продажи продукции, определять качество трансляции и схему загрузки серверов.

Активно развивается в области ИИ и Microsoft. Тут важную роль играет облачная платформа Azure. Работоспособность Microsoft Azure обеспечивается глобальной сетью датацентров.

Инструменты, базирующиеся на этой платформе, используются в медицине, робототехнике, видеоиграх (в перспективе) и многих других областях. Также Microsoft в 2022-м году инвестировала в OpenAI.

Все эти технологические гиганты инвестируют в искусственный интеллект и технологии, связанные с ним. У перечисленных компаний применение ИИ направлено на разные области, но все они так или иначе извлекают выгоду из использования искусственного интеллекта.

Этот тренд продолжит набирать оборот, поскольку ИИ в будущем, скорее всего, будет пронизывать все стороны нашей жизни, оптимизировать все окружающие нас процессы. Представленные крупные IT-компании – это хороший выбор для достаточно консервативного инвестора, но они вряд ли смогут показать кратный рост, так как их капитализация уже огромна, а они сами слишком известны и популярны у инвесторов. Кроме того, искусственный интеллект не является их основной сферой деятельности.

Также мы не будем разбирать, какая из акций Amazon, Google, Facebook, Apple, Microsoft или Netflix выглядит привлекательнее с точки зрения финансовой части. Эти компании проанализированы тысячи раз, материалов на эту тему много, а их сравнение достаточно трудная задача.

Мы решили представить вам еще несколько небольших списков акций, которые могут быть интересы для инвесторов с разными предпочтениями.

Компании средней капитализации

Мы выбрали 5 компаний, которые имеют положительную чистую прибыль за последние годы и являются достаточно надежной инвестицией, но в то же время их капитализация не слишком велика и у них есть достаточно высокий потенциал для роста.

  1. NVIDIA Corporation
  2. Micron Technology
  3. IBM
  4. Alteryx
  5. Fortinet

NVIDIA (NVID): капитализация: 258 млрд $

Эту компанию мы уже видели в обзоре по сетям нового поколения, и вот теперь она в статье об искусственном интеллекте. Действительно, позиции NVIDIA удачны для сегодняшних технологических запросов.

Так как компания производит GPU для дата-центров, то она играет серьезную роль в развитии искусственного интеллекта, который как раз базируется на больших базах данных. Выручка от дата-центров в последнем квартале выросла на 80%. Рост, судя по всему, произошел из-за повышения спроса со стороны крупных потребителей, которые используют GPU для искусственного интеллекта и высокопроизводительных вычислений.

Также NVIDIA производит чипы для беспилотных автомобилей. Выручка по этому сектору в 2022-м году упала по объективным причинам, но прогноз на будущее вполне положительный.

Вторая половина 2022-х годов оказалась для NVIDIA невероятно удачной. Мы уже говорили о том, что это во многом результат быстрого развития Data Science и спроса на GPU для датацентров.

Цена акций NVDA на начало 2022-х годов составляла 18,5 долларов. В течение первой половины 2022-х акции компании стагнировали вблизи этих уровней, после чего начался резкий рост. Сейчас одна акция NVIDIA стоит 414 долларов США, то есть рост за 10 лет составил 2136%, а рост за последние 5 лет ненамного меньше – 1957%.

Размер выручки за 10 лет вырос в 3 раза, в то время как чистая прибыль увеличилась более чем в 10 раз. При этом 2022 год оказался не самым удачным, однако первый квартал 2022-го года вышел у NVIDIA весьма сильным, что внушает надежды на продолжение роста. NVIDIA также выгодно отличается размером доли затрат на исследования и разработки.

Аналитики считают, что компания на текущих уровнях уже достаточно дорогая. Возможно также, что цена ее акций не учитывает нарастающую конкуренцию на рынке AI-чипов. Акция продолжает расти, а P/E уже равен 76, P/S – 22.

Несмотря на то, что NVIDIA во второй половине 2022-х стала внезапно акцией роста, есть мнение, что текущая цена уже слишком высока. И все же, иногда лучше купить отличную акцию по приемлемой цене, нежели средненькую акцию по хорошей.

IBM (IBM): капитализация: 103 млрд $

Хотя эта компания постепенно растеряла свою популярность среди инвесторов, у нее может открыться второе дыхание на волне развития искусственного интеллекта.

Стратегия компании в области ИИ заключается в его применении там, где он может снизить затраты или повысить эффективность. Например, в сфере здравоохранения технологии искусственного интеллекта от IBM могут создавать персонифицированные планы ухода, ускорять выход лекарств на рынок, улучшать качество ухода за больными.

ИИ от IBM также используются в финансовом секторе и некоторых других. Сейчас ведется разработка искусственного интеллекта для навигации в Атлантическом океане.

Artifical Investments Company — искусственный интеллект в торговых роботах Форекс без налогов

Согласно данным от IDC, выручка от товаров и услуг, связанных с искусственным интеллектом за 2022-й год, составила 2,5 млрд долларов, что делает IBM компанией с самой большой долей выручки на рынке искусственного интеллекта.

Если взглянуть на финансовую отчетность IBM за последние 10 лет, то станет понятно, что у компании не все хорошо. Действительно, годовая выручка IBM падает уже 9 лет подряд и за 2022 год она составила всего 72% от уровня 2022-го. Чистая прибыль также не радует и составляет 64% от уровня 2022-го года.

А ведь 2022-е были для фондового рынка и мировой экономики очень удачными годами. Вместе с показателями падает и цена акций компании. Как видно из графика, IBM находится в нисходящем тренде уже почти 8 лет. Складывается такое впечатление, что компания теряет популярность и постепенно затухает.

И все же мы решили её добавить в этот список, потому что она сильно отличается от всех остальных. Когда мы говорим об искусственном интеллекте, мы всегда представляем себе суперсовременные быстрорастущие компании. Но правда заключается в том, что удача может улыбнуться и старым игрокам, запуская в них процесс перерождения.

Мы помним, что та же NVIDIA почти не росла в период 2022 годы, а потом выстрелила вверх за 2-3 года. И, возможно, IBM тоже сможет найти новую нишу в новом десятилетии.

IBM весьма дешевая компания, её P/E равен 11,8, а P/S – всего 1,4. Также в глаза бросаются дивиденды в 5,5% за последний год и 4,1% в среднем за последние 5 лет. Дивиденды также в среднем растут на 5% в год.

Дешевизна акций должна компенсировать затухающую динамику ее чистой прибыли и выручки. Мы также помним, что иногда компании перерождаются из-за изменений рыночных условий и, вполне возможно, звездный час IBM еще впереди.

Как искусственный интеллект меняет наш мир Торговые форекс роботы

Micron (MU): капитализация: 55,6 млрд $

Компания производит чипы памяти DRAM и NAND, флеш-накопители, SSD-накопители. Аналитики считают, что в долгосрочной перспективе спрос на чипы памяти будет активно расти, особенно это связано с развитием искусственного интеллекта. Хорошим примером в этой области могут послужить беспилотные автомобили, сенсоры и камеры которых генерируют огромное количество информации, и эту информацию необходимо сохранять для дальнейшего анализа искусственным интеллектом. Также в памяти нуждаются крупные дата-центры, которые прочно связаны с развитием ИИ. Глобальный тренд ИИ должен стать сильным попутным ветром для Micron.

Micron трудно назвать стабильной компанией, для этого достаточно взглянуть на ее финансовые показатели за последние 10 лет. Например, чистая прибыль в 2022-м году оказалась больше, чем выручка в 2022-м.

И все же, несмотря на скачки, в среднем наблюдается постепенный рост показателей в течение 10 лет. Чистая прибыль в 2022 году оказалась больше, чем в 2022-м в 3,5 раза, выручка сопоставимо выросла на 175%.

Цена акций компании за этот же период выросла примерно в 4,5 раза. P/E компании сейчас равен примерно 25, P/S = 2,7. Нельзя сказать, что Micron отличается высокой маржой, рентабельностью или эффективностью бизнеса. У компании есть долг, но он мал, также у нее хороший показатель Debt-to-equity. Расходы на исследования и разработки намного больше, чем административные расходы и расходы на продажу, но все же они невелики относительно себестоимости продукции. В целом, по финансовой отчетности компания выглядит ровной и простой по всем показателям. Единственное, что выделяется – цикличность и нестабильность выручки и прибыли, в следствие чего возникает и высокая волатильность по бумаге.

Alteryx (AYX): капитализация: 12 млрд $

Компания занимается разработкой софта для науки о данных (data science) и аналитики. Продукты компании позволяют исследователям данных (data scientists) и аналитикам объединяться друг с другом для исследований. Alteryx дает возможность заниматься анализом данных быстро, просто, затрачивая минимум времени. Так как развитие ИИ непосредственно связано с базами данных, именно эта компания может стать главным бенефициаром растущего тренда. Компания относительно молодая, но уже сумела выйти на чистую прибыль.

С точки зрения финансовой отчетности, компания Alteryx – типичная быстрорастущая компания. P/E компании иронично равен 2022, P/S = 26. Мы не должны пугаться столь большого показателя “цена/прибыль”, так как AYX вышла на чистую прибыль лишь в 2022-м году, в то время как на бирже компания котируется с 2022-го года. Динамика с момента IPO оказалась очень хорошей. 1 марта 2022-го года одна акция Alteryx стоила всего 17,25$, сейчас же они торгуются по цене 181$ за акцию, то есть рост за 3 года составил 900%! Впечатляющий результат. Учитывая небольшую капитализацию компании и бурный рост выручки, предсказать её дальнейшую динамику трудновато, инвестиция достаточно рискованная. И все же тот факт, что компания смогла преодолеть этап убыточности делает ее весьма интересной. Затраты на исследования и разработки у компании не столь велики, долг существенного размера, но все же меньше, чем “Cash & Cash Equivalents”.

Fortinet. Рыночная капитализация: 24 млрд $

Так как кибербезопасность – одна из главных областей, где искусственных интеллект должен дать преимущество компании, использующей его, то мы не могли не добавить Fortinet в наш топ. Вместе с развитием информационных технологий, эволюционируют и киберугрозы.

FortiAI, работающая на основе нейросетей, по словам Fortinet, – одна из самых сложных систем безопасности. FortiAI создан для того, чтобы упрощать поиск потенциальных угроз в реальном времени, идентифицировать и классифицировать эти угрозы и блокировать их в сети.

Посмотрев на финансовые показатели за последние 10 лет, мы приятно удивимся плавно и быстро растущей из года в год выручке. Действительно в части динамики выручки Fortinet выглядит очень хорошо.

Торговые роботы не работают? Мнение трейдера. Вся правда. Стоит ли связываться?

Чуть хуже обстоят дела с чистой прибылью. Сохранять плавный рост чистой прибыли Fortinet пока не удается, так как с 2022-го по 2022 она снизилась почти до нуля, а в 2022 оставалась заниженной.

Текущая чистая прибыль за последние 4 квартала обеспечивает компании P/E = 69, P/FCF и P/S = 10, что для быстрорастущей компании в целом нормально. Компания не обременена долгами, расходы на исследования и разработки не столь велики. В части эффективности бизнеса можно отметить хорошую рентабельность, неплохую маржинальность. Динамика цены акции Fortinet, в целом, – стабильный рост.

Все эти компании являются достаточно солидной инвестицией. Однако есть более рискованные, но не менее интересные варианты для вложений. Итак, кратко о еще 5 акциях, наиболее близко связанных с искусственным интеллектом. Большинство перечисленных акций либо еще не вышли на чистую прибыль, либо являются внебиржевым инструментом.

Рискованные инвестиции в AI

Veritone (VERI). Акция, безусловно, примечательная. С одной стороны, компания занимается исключительно технологиями, связанными с искусственным интеллектом. Решения компании продаются широкому кругу потребителей из разных областей: медиа, спортивные команды, государственные службы, электроэнергетические компании, школы. Компания полностью специализируется на искусственном интеллекте и аналогично себя позиционирует.

С другой стороны, компания интересна тем, что после первого публичного предложения в мае 2022-го года за 15,6$, она сначала выросла до 75$, то есть почти в 5 раз, а затем в течение более 2-х лет падала до 1,2$! И теперь снова пошла в активный рост. Вот такие американские горки! О чем это говорит? Отрасль искусственного интеллекта для многих сложна и непонятна, но всем она кажется перспективной. Это создает хорошие условия для возникновения пузырей и компаний пустышек, и требует от инвесторов осторожности.

Blue Prism (PRSMB). Британская многонациональная корпорация. Занимается так называемым RPA (Robotic Process Automation), то есть автоматизацией роботизированных процессов. Была создана в 2001 первом году с целью улучшения эффективности организаций. С момента размещения на Лондонской фондовой бирже у акций были периоды и сильного роста, и серьезного падения, но в целом, акции Blue Prism за 4 года выросли примерно в 9 раз.

BioXcel Therapeutics (BTAI). Биофармацевтическая компания в области в неврологии и иммунологии, особенностью которой является активное применение искусственного интеллекта для разработки новых препаратов. Искусственный интеллект применяется на начальных стадиях процесса разработки. Разработанные препараты затем проверяются сотрудниками BioXcel. Компания появилась на NASDAQ только в 2022-м году, но за это время показала отличный рост акций в 4,5 раза!

CrowdStrike (CRWD). Еще одна компания из сектора “cybersecurity”. Некоторые эксперты считают, что продукция компании не имеет аналогов и верят в ее отличные перспективы. Компания также говорит об искусственном интеллекте, как о будущем сферы кибербезопасности.

Акции CrowdStrike последние месяцы активно растут, несмотря на то, что компания все еще не вышла на чистую прибыль ни в одном квартале. И все же она к этому моменту постепенно приближается. Огромные темпы роста выручки из года в год и P/S = 43,9 делают её весьма интересной инвестицией. Мультипликатор P/E в таких случаях отходит на второй план.

Dynatrace (DT). Системы компании помогают предприятиям лучше управлять сложными IT-средами. Платформа Dynatrace базируется на использовании искусственного интеллекта. Платформа создана для того, чтобы пользователь мог модернизировать и оптимизировать IT-операции, делать свой софт быстрее. Компания котируется на бирже меньше года, но уже за этот период ее акции смогли вырасти с 25,5$ до 44$. Выручка компании растет умеренными темпами, однако беспокойство может вызвать нарастающая убыточность. Удастся ли Dynatrace преодолеть этот негативный тренд?

Также так или иначе с использованием искусственного интеллекта связаны следующие компании:

  • DocuSign(DOCU). Используют искусственный интеллект для анализа контрактов.
  • Salesforce(CRM). CRM-компания, которая часто приобретает технологические стартапы. Одним из таких приобретений стал Bonobo AI, который может автоматически анализировать звонки, тексты, чаты.
  • MatchGroup(MTCH). Компания применяет искусственный интеллект для улучшения алгоритмов поиска пары в приложениях для знакомств.
  • TradeDesk(TTD). Использует искусственный интеллект для поиска лучших сайтов для размещения рекламы.
  • Five9 (FIVN). Разрабатывает алгоритмы машинного обучения для помощи компаниям в автоматизации поддержки клиентов.
  • TencentHoldingsLimited. Китайская инвестиционная холдинговая компания. Одна из крупнейших в мире венчурных инвестиционных компаний. Логично, что одним из важных направлений их инвестиций является искусственный интеллект.
  • Visa (V) и Mastercard (MA). Искусственный интеллект используется компаниями для обнаружения финансовых преступлений.

Просмотрев разные доступные нам инструменты, мы поняли, что компаний, занимающихся исключительно искусственным интеллектом не так много. Большинство компаний занимаются им наряду с другими видами деятельности, то есть ИИ в их случае – вспомогательный инструмент. Некоторые из представленных компаний более тесно связаны с искусственным интеллектом, некоторые менее. Думаю, мы смогли охватить довольно широкий круг акций на любой вкус. Выбор конкретной бумаги зависит от предпочтения инвестора.

Рейтинг Форекс брокеров: