Модуль 2. Бэктестинг. Машинное обучение. Торговый робот

Курс по программированию торговых роботов на рынках: FORTS, FOREX, CRYPTO

Трейдинг может стать настоящим испытанием: каждый день перед вами графики, требующие непрерывного внимания и времени.
Это может создать давление, ведущее к человеческим ошибкам, усталости и стрессу.
Но представьте, что всю рутинную работу можно доверить автоматизированному помощнику, созданному по вашей стратегии.

Наш курс обучения предлагает возможность создать собственного робота для автоматизации торговых стратегий всего за два месяца.

Под руководством экспертов вы:

Поймёте, как создать торговый алгоритм, который поможет минимизировать ошибки и усталость от постоянного мониторинга рынков FORTS, FOREX, CRYPTO;
Научитесь проводить тестирование торговых стратегий без риска финансовых потерь.
Освоите методы увеличения прибыльности стратегий с помощью машинного обучения.
Создадите собственного автоматического робота для торговли на рынке.

Формат обучения и особенности:

ОБУЧЕНИЕ ИНДИВИДУАЛЬНОЕ
Прямые эфиры, видеоматериалы, теоретические блоки и практические задания.
Все учебные материалы остаются у вас, включая записи будущих эфиров по курсу следующего потока.
После окончания курса в закрытой группе выпускников вас ждут специальные образовательные эфиры и материалы по темам торговли, бэктестинга, машинного обучения и AI в трейдинге.
При успешной защите выпускной работы вы получите диплом.

Модуль 2. Бэктестинг. Машинное обучение. Торговый робот

Даты курса:

июля

сентября

15 уроков

51 день

Пн - Пт

Работа в чате с кураторами

Как проходит обучение

Все занятия в личном кабинете

Все занятия и сдача домашних работ проводятся через удобную платформу личного кабинета, гарантирующую вам легкий доступ к учебным материалам и ресурсам курса в любое время.

Много практики

Для обеспечения возможности немедленного применения и закрепления новых знаний

Прямые эфиры и видеозаписи

Дополняются теорией и практическими заданиями

Доступ ко всем материалам курса

Сохраняется после его окончания для дальнейшего закрепления знаний

«Модуль 2. Бэктестинг. Машинное обучение. Торговый робот» даст вам возможность:

Создать своего торгового робота и освоить Python

Погрузиться в практику реальной автоматизированной торговли

Освоить взаимодействие с API ключевыми биржевыми платформами

Освоить методику бэк-тестинга алгоритмических стратегий

Программа курса

Модуль 2. Бэктестинг. Машинное обучение. Торговый робот

С 26 июля по 14 сентября

Этот блок курса предназначен для тех, кто уже обладает знаниями основ Python и имеет практический опыт. Без этих знаний пройти данный блок будет невозможно.

Чему вы научитесь:

Тестировать свои стратегии на исторических данных и использовать машинное обучение для увеличения прибыли до 10% и выше (в зависимости от выбранных индикаторов и стратегии)
Изучите, как применять Машинное обучение, включая ансамблевые модели, для улучшения вашей торговой стратегии. Вы также научитесь анализировать корреляции между различными данными и выбирать подходящие индикаторы
Освоите навыки создания торговых роботов на биржах

Бонусный блок курса

5 готовых торговых роботов
готовые модели машинного обучения для прогнозирования цены

Блок 1. Бэктестинг (тестирование) торговой стратегии

Выбираем торговый инструмент на подключенной площадке
Загружаем данные по инструменту
Создаем стратегию
Продумываем логику по ордерам и входам/выходам
Пишем бэктест стратегии
Вводим риск-менеджмент
Анализируем выбранную стратегию
Рассчитываем ROI

Блок 2. Машинное обучение

Задача регрессии и задача классификации
Обзор различных методов – линейная регрессия, ансамбли лесов (xgboost, catboost, lightgbm)
Оптимизация торговой стратегии и дохода с помощью библиотек Optuna или Hyperopt
Оптимизация торговой стратегии через GridSearch или Random Search
Метод Грейнджера (Granger) или Коинтеграции (Cointegration) для оценки влияния независимых переменных на зависимую
Передача конструктора моделей
Внедрение индикаторов рынка в модель машинного обучения
Применение AlgoPack от MOEX, включающего 300+ параметров готовых к использованию в торговле
Написание AutoML скрипта для подбора акций под инструмент

Блок 3. Вывод торгового робота

Прописываем логику и правила из стратегии
Создаем лог-файл по текущим и закрытым сделкам
Подключение робота к площадкам
Мониторинг результатов
Вывод по запуску, просмотр логов, редактирование ошибок

Блок 4. Поднятие сервера для торгового робота

Целесообразность
Аренда сервера
Установка требуемого дистрибутива
Загрузка робота/сигналов на сервер

Блок 6. Завершение модуля 2

Подведение итога по потенциалу машинного обучения в алгоритмической торговле
Подведение итогов курса, обсуждение ключевых выводов и навыков, приобретенных участниками

Бонусный блок курса

5 готовых торговых роботов
готовые модели машинного обучения для прогнозирования цены

Вопрос-Ответ

Могу ли я создать торгового робота, не являясь программистом?

Да, конечно! Для успешного освоения материала не требуется быть экспертом в математике или программировании, но понадобится ваше желание разобраться в этом направлении. Мы разработали программу так, чтобы каждый мог достичь желаемых результатов, независимо от его предыдущего опыта или образования. Однако мы не утверждаем, что это будет легко. Вам нужно будет вспомнить математику, и если вы часто сдаётесь на полпути, этот курс точно не для вас. Здесь требуется упорство.

Нужно ли покупать дополнительное программное обеспечение?

Нет, покупать дополнительное платное программное обеспечение не потребуется. Все необходимое ПО, которое будет использоваться в рамках курса, абсолютно бесплатно.

Что нужно для прохождения курса?

Для комфортного прохождения курса вам потребуется ноутбук или стационарный компьютер. Программирование на мобильном устройстве (планшет, телефон) будет невозможно.

Всё необходимое программное обеспечение мы установим вместе. Дополнительные затраты или покупка определённого ПО не потребуются.

Общие требования:

Процессор: хотя бы двухъядерный, но предпочтительно четырёхъядерный или более, для обеспечения эффективной многозадачности.
Оперативная память (RAM): минимум 4 ГБ; рекомендуется 8-16 ГБ или более, чтобы с лёгкостью обрабатывать большие объёмы данных.
Жёсткий диск: SSD с минимум 256 ГБ для быстрого доступа к данным, но подойдет и HDD.
Видеокарта: не требуется мощная видеокарта.

Windows
Операционная система: Windows 10 или новее.

macOS
Операционная система: последняя версия macOS для поддержки всех возможностей и инструментов Python.

Linux (Ubuntu, Debian и др.)
Операционная система: последние версии популярных дистрибутивов, таких как Ubuntu или Debian, предпочтительнее для разработки.