Найти в Дзене
MTRobot

Деньги, делающие сами себя.

Сегодня расскажем вам про этапы разработки нашего продукта MTRobot.
Деньги, делающие сами себя - быстро-размножающаяся популяция породистых долларов - идеальное домашнее хозяйство, разве нет?
Как и множество энтузиастов финансовых рынков по всему миру, нас привлекала идея создания эффективного торгового алгоритма, способного принести нам прибыль.
Поиск Грааля начался с нейронных сетей. Мы

Сегодня расскажем вам про этапы разработки нашего продукта MTRobot.

Деньги, делающие сами себя - быстро-размножающаяся популяция породистых долларов - идеальное домашнее хозяйство, разве нет?

Как и множество энтузиастов финансовых рынков по всему миру, нас привлекала идея создания эффективного торгового алгоритма, способного принести нам прибыль.

Поиск Грааля начался с нейронных сетей. Мы собирали гигабайты данных со всех существующих новостных порталов, данные об изменениях цены за последние 30 лет и всё, что было хоть как-то связано с финансовыми рынками. Мы думали все будет просто: мы передадим эти данные умной нейронке, а она предскажет поведение цены. Перепробовали множество разных архитектур, подходов и других техник машинного обучения от классификации random forest до ансамблей авторегрессионных нейронных сетей.

В то время мы писали множество разных роботов на mql4/mql5, в основе которых были классические стратегии. Мы проводили с финансовыми аналитиками 5 - 6 часов ежедневно: разбирали их стратегии, добавляли свои наработки, объединяли всё это с нейросетью и на выходе ждали чуда. Но каждый раз что-то шло не по плану.

Первые версии роботов были очень сырыми:

могли перестать торговать,

открывали сделки не там, где нужно,

не закрывали сделки,

всё могло рухнуть из-за примитивных багов.

Мы постоянно устраняли недочёты и заново запускали роботов. За это время были написаны и переписаны тонны строк кода. Каждый отдельный процесс мы отладили до совершенства.

Очень важно было научиться правильно оптимизировать параметры роботов и избежать переобучения. Для этих целей мы также используем все лучшие практики машинного обучения. Сейчас процесс тестирования робота выглядит так:

1 мы оптимизируем роботов, чтобы подобрать группу идеальных параметров

2 стресс-тестирование на экстремальных участках рынка и имитация задержек сигналов отсеивает ненадежные параметры

3 запускаем робота торговать на демо-счёте

4 в течение полугода мы анализируем количество и качество открываемых операций

5 в случае, если робот показывает достойные результаты, мы запускаем его торговать на реальном счёте на свои деньги

6 затем проводим окончательный анализ, чтобы определить, готов ли робот быть представленным широкой аудитории

Таким образом, мы получаем полностью автоматический, оптимизированный, протестированный и готовый к торговле в реальных условиях на реальных счетах робота.

Подписывайтесь на нас, дочитывайте статьи и переходите в наши соцсети.