Как использовать AI для квантитативного анализа и бэкtестирования на крипто-предиктивных рынках.

Сегодня поговорим о практическом применении.
Возьмем в качестве примера 5-минутные или 15-минутные свечи с направлениями вверх-вниз.
Например, многие на предиктивных рынках используют очень простую и грубую стратегию.
За несколько минут до завершения события цена достигает 90-95, они сразу покупают. Это называется "скальпирование хвоста".

Во-первых, может ли такая стратегия приносить прибыль? Конечно, может. Но нельзя действовать так примитивно.
Скальпирование хвоста предполагает достижение максимального процента успеха. А для достижения максимального процента успеха необходима фильтрация. Нельзя применять простые условия однозначно.

Итак, как достичь максимального процента успеха? Предпосылка в том, что после покупки цена не должна развернуться.
Поэтому метод таков: привлечь AI для анализа данных.

Сначала загружаем данные свечей за прошедшие 1-2 года и передаем их AI.
Говорим AI: мне нужно, чтобы ты вычислил и разработал любые схемы. Отфильтруй ситуации, когда покупка перед закрытием 15-минутной свечи не приведет к развороту цены.
(Если ты считаешь, что "не развернется" недостаточно надежно, добавь еще одно условие: цена закрытия должна находиться на определенном расстоянии от цены открытия. Можешь добавлять дальше, как сочтешь нужным.)

Используя имеющиеся данные свечей, разработай и скомбинируй схемы.
Затем, чтобы повысить эффективность, попроси AI использовать несколько удобных open-source фреймворков для бэкtестирования.
AI начнет мощный расчет и анализ. В итоге подготовит результаты для тебя. Какой алгоритм он использовал, какие результаты получил.
Тебе ничего не нужно понимать. Просто включи и позволь AI выполнить работу. AI подготовит результаты.

Этот процесс самый трудозатратный по времени. Лучше всего запустить несколько AI параллельно.

В конце концов, свести все в правила. Это называется факторами. Ты получишь множество факторов. Каждый фактор при бэкtестировании указывает на результат без разворота или с крайне низкой вероятностью разворота.
Когда сработает определенный фактор, просто входи в позицию и готово.

Вот и все.

Итак, это стандартный подход к квантитативному анализу и бэкtестированию предиктивных рынков с использованием AI.

Однако для достижения стабильной прибыли этого недостаточно. Потому что в конце нужно протестировать на реальных деньгах. Например, проблема комиссий. Проблема проскальзывания. Проблема цен на спред. Проблема переобучения.

Все эти факторы невозможно учесть. Потому что у тебя нет доступа к данным предиктивных рынков.

Выше я описал то, что может помочь тем, кто просто играет вслепую.