3 Модуль - Машинное обучение в трейдинге

Многие думают, что ИИ в трейдинге — это когда нейросеть написала код или выдала прогноз текстом. В этом модуле вы пойдёте дальше и соберёте полноценный ML-пайплайн: подготовите данные, создадите признаки, обучите модель, проверите её качество и встроите результат в торговую систему. За 21 день вы научитесь создавать и проверять модели машинного обучения для трейдинга.

Что вы изучите:

✔ ML-пайплайн для трейдинга: данные, признаки, разметка, обучение, валидация и контроль переобучения

✔ Использование моделей для фильтрации торговых сигналов

✔ Распознавание состояний рынка: тренда, флэта и смены рыночной фазы

✔ Адаптацию логики робота под разные состояния рынка

✔ Подбор параметров и гиперпараметров, включая байесовскую оптимизацию

✔ Прогнозные модели и оценку вероятных сценариев движения рынка

✔ Проверку качества моделей с помощью метрик и тестов

✔ Парный трейдинг и поиск взаимосвязей между инструментами

✔ Использование ИИ при формировании инвестиционного портфеля

✔ Принципы работы DeFi-ботов

Практические технологии:

✔ Детекторы флэта и режимные фильтры для изменения логики робота

✔ Байесовские модели и классификаторы для оценки вероятностей

✔ Bayesian Optimization для подбора гиперпараметров

✔ Критерии остановки и контроль процесса оптимизации

✔ Reinforcement Learning: знакомство с обучением робота на взаимодействии со средой — в зависимости от уровня группы

✔ Тесты качества, помогающие отличать закономерность от случайного совпадения

Чему вы научитесь:

✔ Обучать модели на исторических данных и корректно проверять результат

✔ Выявлять переобучение и ошибки в логике модели

✔ Встраивать ML в торгового робота как фильтр сделок, детектор состояния рынка или механизм адаптации параметров

✔ Сравнивать результаты стратегии с ML-фильтрацией и без неё

✔ Оценивать рыночные сценарии и вероятности вместо попыток угадать точную цену

✔ Выстраивать повторяемый процесс ML-разработки вместо отдельных экспериментов

Разработка с ИИ:

✔ Использование VFCodeGPT для написания, объяснения и проверки кода

✔ Помощь ИИ при подготовке данных, создании признаков и сборке ML-пайплайна

✔ Поиск возможных ошибок и проблем в логике модели

✔ Сравнение моделей, параметров и способов валидации

✔ Подготовка документации и описание проведённых экспериментов

Системный подход:

✔ Полный процесс: данные → признаки → обучение → проверка → внедрение в робота → контроль качества

✔ Отдельное внимание к переобучению, состояниям рынка, устойчивости и ошибкам модели

✔ Понимание того, на основании каких данных модель предлагает совершить сделку или подождать

В комплекте:

✔ Шаблоны ML-пайплайнов: признаки → обучение → валидация → прогноз

✔ Примеры моделей для фильтрации сделок, определения состояния рынка и оценки сценариев

✔ Инструменты подбора параметров и гиперпараметров

✔ Инструкции по интеграции ML-моделей в торгового робота

✔ VFCodeGPT для работы с кодом и моделями

✔ Доступ к платным ИИ-моделям ChatGPT, Kimi и MiniMax без отдельной оплаты подписок, API-ключей и использования VPN

Результат: вы сможете создавать и проверять модели машинного обучения, оценивать вероятные сценарии рынка и встраивать ML в логику торгового робота.

Важно: требуются знания Python и опыт создания торговых роботов. Рекомендуется проходить модуль после Модуля 1 и Модуля 2.

Курс образовательный. Подходит для получения налогового вычета.