Почему Reinforcement Learning не работает в широких задачах?

Потому что RL-агент не понимает рынок, он понимает только reward-функцию. Если в симуляции есть лазейка (нереалистичное исполнение, отсутствие проскальзывания, неучтённая комиссия), агент найдёт её и начнёт «зарабатывать», обманывая бэктест, а не торгуя рынок. Это не «агент учится торговать», это «агент учится обманывать вашу симуляцию».

Где RL всё-таки может работать в трейдинге?

В узких инженерных задачах: нарезка крупного ордера на части, выбор агрессивности исполнения, управление очередью заявок. Там среда ограничена, reward можно описать без дыр, а результат можно валидировать на реальных данных. Всё, что шире («пусть агент сам найдёт стратегию») — не работает.

Что такое dollar bars и почему они лучше обычных свечей?

Это способ нарезать тиковые данные не по времени (минута, час), а по накопленному долларовому обороту. В спокойный час обычная свеча содержит мало информации и много шума. В активный — сжимает огромное количество событий в один интервал. Dollar bars автоматически подстраиваются под интенсивность торгов и дают более стационарное распределение, что критически важно для ML-моделей.

Работают ли альтернативные данные в России?

Почти нет. Спутниковые снимки в нужном разрешении недоступны. Sentiment-анализ Telegram — только через всплески активности, а не через тон. Готовых датасетов нет. Единственное, что реально работает, — маркетплейсы как прокси-индикатор потребительского спроса, но это для среднесрочных инвестиционных решений, а не для HFT.

Что такое критерий Колмогорова-Смирнова и зачем он нужен в трейдинге?

Это статистический тест, который проверяет, совпадает ли распределение данных с эталонным или с распределением другого периода. В трейдинге он используется для проверки стационарности данных. Если распределение «плывёт» от периода к периоду — любая ML-модель, обученная на истории, обречена на провал в продакшене. Dollar bars дают более стабильное распределение — это можно проверить численно.

Почему сентимент-анализ Telegram переоценён?

Потому что влияет не тон сообщений, а всплеск активности. Всплеск сообщений свидетельствует о волатильности, а не создаёт её. Анализировать тон тысяч сообщений — значит тонуть в шуме. Работает только ранжирование источников по закону Ципфа и отслеживание аномальных всплесков объёма.

Стоит ли тратить время на альтернативные данные в России?

Да, но только на то, что реально доступно: маркетплейсы (прокси потребительского спроса) и dollar bars (способ предобработки тиковых данных). Всё остальное — либо шум, либо гипотеза, которую нужно проверять годами. Готовых решений нет, придётся строить самим.

статья 10

БИРЖЕВОЙ АЛГОРИТМ

статья 10.
ждите анонсы в ТГ-канале.

ИП Яковлева Т.Г.
ИНН: 143519978927

Биржевой алгоритм

sa@algoclub.pro

политика использования файлов cookie
политика в отношении обработки персональных данных
пользовательское соглашение