Всем привет. Хочу найти единомышленников, что бы разобрать тут эту задачу и создать бота по обученной модели. (Понимаю, что я не первый и не последний но экспиреанс хоорооош ^_^)
Буду рад выслушать от вас конструктивную критику и предложение. Прошу по существу. Вы понимаете, что за код надо садиться в последний момент, когда все спроектировано.
Задача:
Принятие решения: продать, купить, сушим весла(ничего не делаем).
Идея:
Предлагаю решать через градиентный бустинг, а значит будем рассматривать это как задача классификации.
Ответ от модели мы должны получить это принадлежность к какому то классу.
Наши классы:
- Покупка
- Продажа
- "Ничегонеделанье"
Данные:
Начинается самое интересное это обработка данных.
- low, high, close, open 4*30 = 120 = 30 дневных свечей истории.
- EMA5(high) - по сестеме the7 https://tlap.io/torgovaya-sistema-the7/ * 30 дней
- EMA5(low) - по сестеме the7 https://tlap.io/torgovaya-sistema-the7/ * 30 дней
- EMA7(close) что бы у модели было представление о текущей неделе и текущей свече * 30 дней
- EMA31(close) что бы у модели было представление о текущем месяце и текущей свече * 30 дней
- EMA365(close) что бы у модели было представление о текущем годе и текущей свече. * 30 дней
PS возможно стоит еще пивоты прикрутить какие то..
Это так сказать наши фичи. 120 столбцов занимают информация о свечах в истории + 180 фич ( значения индикаторов ). Т.е. мы пытаемся научить модель торговать по The7 + 3 EMA(для понимания общей картины, определения флета тренда) + Правильный ответ. Мы как бы должны нарезать график на кусочки и выявить надо ли было входить в сделку с sl tp.
Таким образом нам надо обработать данные так, что бы из таблицы котировок в итоге получить таблицу 301 x N-сток.
Далее предлагаю взять catboost, так как у яндекса всегда хорошая документация и считаю что на данный момент это сильнейшая библиотека в "опенсорсе"
Ну и посмотреть, что она нам даст.
Развитие:
Как вы понимаете catboost работает с разными типами данных (градиентный бустинг к этому хорошо относится ) и мы можем на их примере "яндекс музыки", "такси" и тд научить модель определить настроение текста(новости) и использовать это как фичу. Мы заставим за нас думать эту чертову машину =)
Обрабатывать буду конечно на Питоне....
Ну я вроде все, давайте теперь выслушаю вас.
