Финансовые рынки становятся ареной алгоритмов. Те, кто умеет эффективно анализировать данные — зарабатывает огромные деньги. Эта статья — о том, как шаг за шагом построить на Python торговые стратегии на основе глубокого машинного обучения.
Боремся со сплитом акций на графиках
Очевидно, что решение о сплите акций это изменение масштаба и ГЭП на графике. Десятилетие цена была 1000, а стала 100. Сплит 1 к 10. Для визуализации это печально... исправляем!
Выглядит некрасиво
Например, так:
Магия данных против реальности фондового рынка. Ретроспективный анализ
В прошлых статьях я взял на себя смелость предсказать поведение некоторых активов, используя магию статистического анализа. Пришло время оценить, насколько точно всё вышло!
11
Искусство шума. Прогнозирование ставки ЦБ через Броуновское движение
Прогнозирование ключевой ставки центрального банка — задача со звёздочкой (хорошо, что не звёздочкой Ходжа).
11
Магия LSTM: Прогнозируем золото, серебро и палладий с помощью нейросетей на R
В прошлый раз я уже применял мощную магию прогнозирования (модель Prophet) для анализа активов. Сегодня мы зайдем на территорию ещё более сложной и интересной алгоритмической магии — Рекуррентных Нейронных Сетей (RNN), а именно LSTM.
11