Привет, комьюнити! 👋
Рынок криптовалют — это хаос, волатильность и 24/7 стресс. Можно ли укротить его с помощью математики и кода?
В последнее время я работаю над pet-project — торговым агентом на базе Ensemble Machine Learning. Это не просто "бот на RSI", а сложная архитектура, которая объединяет три разные нейросети для принятия решений.
Хочу поделиться техническими деталями и архитектурой. Это чисто технический обзор эксперимента, а не призыв к действию.
🧠 «Мозг» системы: Что такое обучение ансамбля?
Одна модель часто ошибается. Поэтому я использовал подход Ensemble (ансамбль) — это как совет директоров, где решение принимается голосованием трёх разных экспертов.
Мой агент анализирует пары (BTC, ETH, BNB, SOL, XRP) на разных таймфреймах, используя три модели:
1. CatBoost (Аналитик):
• Алгоритм градиентного бустинга.
• Что делает: Ищет нелинейные связи между 31 индикатором (RSI, объёмы, волатильность).
• Преимущество: Наибольшая точность (AUC ~0.75) на табличных данных.
2. Transformer (Стратег):
• Та же архитектура, что лежит в основе ChatGPT, но для чисел.
• Что делает: Анализирует 512 свечей истории через механизм Self-Attention.
• Преимущество: Видит глобальные паттерны и долгосрочные контексты.
3. TCN (Тактик):
• Временная свёрточная сеть (Temporal Convolutional Network).
• Что делает: Фокусируется на локальных трендах.
• Преимущество: Очень быстрая и эффективная для краткосрочных прогнозов.
📊 Как принимается решение?
Каждая модель «голосует». Агент берёт взвешенное среднее их прогнозов. Это позволяет фильтровать ложные сигналы: если одна модель паникует, а две другие спокойны — сделка не открывается.
🛡 Управление рисками > Профит
Главная проблема ботов — они могут «сжечь» депозит за ночь. Поэтому я построил систему защиты ещё до того, как научил его торговать:
• Динамические стопы: Стоп-лосс и тейк-профит не фиксированы, а адаптируются под волатильность рынка (через ATR). Если рынок резко движется — стопы шире, если флет — уже.
• Двухскоростная архитектура:
• Slow Cycle (5 мин): Думает, выбирает лучшие монеты для Watchlist.
• Fast Cycle (1 сек): Выполняет сделки, отслеживает спреды и ликвидность.
• Защита от «Тильта»: Ограничение просадки за день (макс. 3%), лимит открытых позиций и периоды ожидания между сделками.
📈 Результаты тестов (Честные цифры)
На исторических данных (Backtesting) система показывает метрику AUC на уровне 0.71–0.73.
Для справки: AUC 0.5 — это подбрасывание монетки. AUC 0.7+ — уже статистически значимая способность предсказывать направление.
Это не означает кнопку «бабло», но это даёт положительное математическое ожидание при соблюдении управления рисками (соотношение Risk/Reward 1:2).
🚀 План развития: Что дальше?
Проект находится на стадии активной разработки. Вот что планирую добавить:
1. Анализ стакана: Научить нейросеть смотреть не только на цену, но и на стакан ордеров (дисбаланс покупателей/продавцов).
2. Адаптация к режиму: Агент сам понимает, что сейчас на рынке: тренд или боковик, и автоматически меняет веса моделей.
3. Обучение с подкреплением (RL): Добавить агента, который будет учиться управлять размером позиции, наказывая себя за убытки и поощряя за правильные входы.
💻 Технический стек: Python, Asyncio, PyTorch, CatBoost. Аппаратное обеспечение: NVIDIA RTX 4070.
Интересно услышать мнение других разработчиков и трейдеров: как вы относитесь к ИИ в торговле? Верьте ли вы, что алгоритмы могут обойти рынок на расстоянии?
Пишите в комментариях! 👇
