Профиль инвестора ML_TradingStrategies | Тинькофф Инвестиции Пульс

VP-Supertrend против классического Supertrend: проверка на SBER SBER 5m, 2024–2026, комиссия обнулена — сравниваем движок против движка. 🔧 Оптимизация. 240 комбинаций параметров VP. Разбивка по времени 60/20/20: train → val → прогнозная выборка (2026-H1), которую не трогал до финала. Метрика отбора — стабильность (дневной Sharpe). 🎯 Прогнозная выборка (2026-H1): 📉 VP (устойчивый) — PF 1.28 · +0.84% · Sharpe 0.09 📉 VP (прибыльный) — PF 1.23 · +0.82% · Sharpe 0.08 📉 VP (дефолт) — PF 1.13 · +0.41% · Sharpe 0.05 🏆 Обычный Supertrend — PF 1.89 · +3.56% · Sharpe 0.25 🏆 Итог. Классический Supertrend в разы бьёт любую версию VP: доходность 3.56% против 0.84%, PF и Sharpe втрое выше, просадка меньше. ⚙️ Почему. Профиль объёма + EMA запаздывают → VP режет вдвое-втрое больше сделок. Объём как основа трендовой линии преимущества не даёт. ✅ Вывод. Out-of-sample обнажил переобучение: на val VP давал ~15% годовых, на честной выборке — почти ноль. Гипотеза отклонена. Бэктестинг стратегий и опережающие индикаторы для фондового рынка в TG: ml_trading_strategies

Volume Profile Supertrend: когда индикатор смотрит не на цену, а на объём Обычный Supertrend строит трендовую линию от волатильности: hl2 ± ATR × множитель. Он реагирует на то, насколько сильно цена ходит. Volume Profile Supertrend (VP-Supertrend) задаёт другой вопрос: где рынок реально наторговал стоимость? Вместо средней цены он опирается на скользящий профиль объёма: ▪️ POC — цена с максимальным объёмом (самая «справедливая» за окно) ▪️ VAH / VAL — верх и низ Value Area (зона, где прошло ~70% объёма) Логика тренда: 🟢 объём смещается вверх → рынок принимает более высокие цены → бычий сигнал 🔴 объём смещается вниз → медвежий Линия строится так: нижняя = EMA(VAL) − ATR × buffer (поддержка в лонге) верхняя = EMA(VAH) + ATR × buffer (сопротивление в шорте) Подробнее, можно попробовать построить на графике: ATR тут уже не основа, а буфер безопасности вокруг зоны стоимости. Идея красивая. Цена может дёрнуться на одной свече, но если объёмная зона не сместилась — движение слабое. Теоретически это должно фильтровать ложные пробои лучше классики. Ключевой вопрос — работает ли это на реальных данных? Я встроил VP-Supertrend в свой ST-ORB бэктестер (пробой утреннего диапазона + фильтры) как замену движка тренда и прогнал на SBER, 5-минутки, 2.5 года. Спойлер: результат оказался не тем, что обещает теория. Разбор с цифрами, оптимизацией параметров и честным out-of-sample тестом — в следующем посте. 👇 ml_trading_strategies

ML-фильтр на бэктесте: как он превратил прибыль в убыток На разметке отдельных пробоев фильтр выглядел красиво: profit factor рос с 0.61 до 0.96, доля прибыльных сделок — с 20% до 34%. Казалось, работает. Но настоящий тест — наложить фильтр на реальную стратегию со всеми её фильтрами (VWAP, ADX, bar-quality, Supertrend) и стопами, и прогнать out-of-sample на всех 6 акциях. Обучил на данных до июля 2025, тест — после (модель этот период не видела). Итог по пулу из 6 акций (out-of-sample, ~1 год): сделок win% PF сумма без фильтра 706 40.7% 1.085 +242 пт + ML-фильтр 210 34.8% 0.894 −78 пт Фильтр сделал прибыльную стратегию убыточной. PF упал 1.085 → 0.894. Он срезал 70% сделок, и среди оставшихся доля прибыльных даже снизилась. Модель выбрасывала не то. По тикерам — разброс как из пушки: SBER 1.69 → 2.26 ✅ (сначала обрадовался!) GAZP 1.37 → 1.26 ❌ LKOH 1.16 → 0.72 ❌ GMKN 1.18 → 0.37 ❌ (обвал) MGNT 1.06 → 1.17 ✅ CHMF 0.69 → 0.77 ✅ Помогло на 3 из 6. Если бы я остановился на SBER, сделал бы ложный вывод «фильтр работает». Прогон на всех 6 и вскрыл подгонку. Почему фильтр провалился — важный урок: Стратегия УЖЕ отфильтровала сигналы своими правилами. То, что дошло до входа — уже отобранные пробои с положительным edge. А модель училась отделять хорошее от плохого на ВСЕХ голых пробоях, где 60% мусора. Наложенная на уже-чистую выборку, она стала резать по признакам, которые здесь не работают — и выбрасывала прибыльные сделки как шум. ML-фильтр дублирует работу стратегии и добавляет только шум. Вывод: гипотеза не подтвердилась. AUC ~0.67 недостаточно для устойчивого фильтра. Но есть и хорошая новость — сама стратегия ST-ORB на голубых фишках прибыльна out-of-sample (PF 1.085, +242 пункта за год на 706 сделках). И работает лучше без ML-надстройки. Отрицательный результат — тоже результат. Дорогу к прибыли иногда находишь, вычёркивая то, что НЕ работает. ml_trading_strategies

📊Как я строил ML-фильтр: признаки, разметка, валидация Задача модели — не предсказать цену, а ответить на один вопрос: пускать в сделку или нет. Это бинарная классификация: P(сделка будет прибыльной). 1. Разметка (target). Для каждого пробоя симулирую сделку вперёд по барам теми же правилами, что в бэктесте (стоп по Supertrend, цель 1.5R). Метка = 1, если r_realized > 0. Никакого заглядывания в будущее при расчёте признаков — только бары ≤ момента входа. 2. Признаки — 28 штук. Два блока: • статические (снимок рынка на баре пробоя): ADX, ATR, ширина ORB, расстояние до VWAP/POC/границ Value Area, позиция закрытия, объём/SMA и т.д. • динамические (как цена ПРИШЛА к пробою): скорость и ускорение движения, сила и объём пробойной свечи, всплеск диапазона, глубина отката, наклон регрессии за 5 баров. 3. Модели — три, для сравнения: RandomForest, XGBoost, CatBoost. Гиперпараметры — RandomizedSearch с TimeSeriesSplit (5 фолдов). 4. Валидация — ГЛАВНОЕ. Никакого random split. Делю строго по времени: обучение на раннем периоде, проверка на позднем, которого модель не видела. И смотрю метрики на train / val / test одновременно — это ловит переобучение. модель train val test RandomForest 0.9998 0.662 0.669 XGBoost 0.764 0.665 0.670 CatBoost 0.740 0.665 0.670 Что здесь видно: • На test все три почти равны — AUC ≈ 0.67. Разные алгоритмы упёрлись в один потолок. Это не случайность модели, а предел информации в данных: сильнее из этих признаков выжать нельзя. • RandomForest жёстко переобучен (train 0.9998!). Деревья без ограничения глубины зазубрили обучающую выборку. XGBoost и CatBoost с регуляризацией честнее — у них train 0.74–0.76, разрыв с test меньше. Но итог на новых данных у всех одинаковый. • val ≈ test (0.665 ≈ 0.670) у всех трёх — хороший знак: нет дрейфа, модель одинаково работает на двух разных будущих периодах. Значит AUC 0.67 — не артефакт, а реальный (пусть и слабый) сигнал. Дополнительно — PR-AUC на test ~0.31–0.32 при доле прибыльных 0.20. То есть по точности на редком «хорошем» классе модели примерно в 1.5× лучше случайного. Скромно. Вывод по этапу: три разных алгоритма сошлись на AUC ~0.67 — «слабый, но реальный сигнал». Модель что-то видит. Достаточно ли этого «что-то», чтобы реально зарабатывать на бэктесте — в следующем посте (спойлер: нет). ml_trading_strategies

🎯 Supertrend ORB продолжение: цель, стоп и фильтр риска Вход — это только половина стратегии. Вторая половина — как считается цель, где ставится стоп и когда сигнал отменяется. 🔹 1. Цель Цель обычно считается от ширины утреннего диапазона. Пример: утренний диапазон = 10 пунктов. Если объем нормальный — цель может быть около 10 пунктов. Если объем высокий — цель может быть около 20 пунктов. То есть сильное открытие дает стратегии право ждать более крупное движение. 🔹 2. Стоп По умолчанию стоп ставится по линии Supertrend. Но есть защита через ATR: стоп не должен быть слишком близко к цене входа. Это нужно, чтобы сделку не выбило обычным рыночным шумом. 🔹 3. Фильтр прибыль/риск Перед сигналом стратегия считает соотношение потенциальной прибыли к риску. По умолчанию минимум — 1.2. То есть если риск 10 пунктов, цель должна быть минимум 12 пунктов. Если цель слишком маленькая относительно стопа — сигнал не появляется. 🔹 4. Повторные входы Стратегия может давать несколько сигналов в день, но с ограничениями: ▫️ максимум сигналов в день; ▫️ пауза после выхода; ▫️ входы только в разрешенное время сессии. 🔹 5. Что важно проверить в бэктесте Перед использованием такую стратегию нужно проверять на истории: ▫️ разные инструменты; ▫️ разные периоды рынка; ▫️ комиссии; ▫️ проскальзывание; ▫️ устойчивость параметров; ▫️ поведение в боковике. 📌 Вывод Supertrend ORB — это не просто “купить пробой”. Это система фильтрации пробоев. Она ищет ситуацию, где есть: ▫️ направление; ▫️ объем; ▫️ импульс; ▫️ подтверждение через VWAP; ▫️ понятный стоп; ▫️ нормальное соотношение прибыль/риск. Проверим, как стратегия отработает на реальном бэктесте на акциях Сбера? 📚 Расшифровка аббревиатур ORB — Opening Range Breakout, пробой утреннего диапазона. VWAP — Volume Weighted Average Price, средневзвешенная по объему цена. ATR — Average True Range, средний истинный диапазон, показатель волатильности. ADX — Average Directional Index, индекс силы тренда. RR — Reward/Risk, соотношение прибыли к риску. BUY — сигнал на покупку. SELL — сигнал на продажу. Backtest — проверка стратегии на исторических данных. Anti-chase — фильтр против позднего входа после сильного движения. 📊 ml_trading_strategies

Сегодня разберем одну интересную стратегию внутридневной торговли. 📈 Supertrend ORB: стратегия пробоя утреннего диапазона Суть простая: сначала рынок формирует диапазон, потом стратегия ждет качественный пробой. 🔹 1. Формируется утренний диапазон После открытия торговой сессии стратегия берет первые 15 минут. За это время она фиксирует: ▫️ максимум диапазона; ▫️ минимум диапазона; ▫️ ширину диапазона; ▫️ объем за первые 15 минут. В этот период сделок нет. Стратегия только собирает данные. 🔹 2. Проверяется объем • Дальше объем первых 15 минут сравнивается со средним объемом предыдущих сессий. • Если объем низкий — день пропускается. • Если объем нормальный — сделки разрешены. • Если объем высокий — стратегия может ставить более дальнюю цель. 🔹 3. Ждем пробой BUY появляется, если цена закрылась выше верхней границы утреннего диапазона. SELL появляется, если цена закрылась ниже нижней границы. Но пробой сам по себе еще не вход. 🔹 4. Фильтр Supertrend Для BUY Supertrend должен быть направлен вверх. Для SELL Supertrend должен быть направлен вниз. Это нужно, чтобы не торговать против текущего тренда. 🔹 5. Фильтр VWAP Для BUY цена должна быть выше VWAP. Для SELL цена должна быть ниже VWAP. Так стратегия проверяет, на чьей стороне внутридневное преимущество: покупателей или продавцов. 🔹 6. Фильтр качества свечи Для BUY пробойная свеча должна закрыться в верхней половине своего диапазона. Для SELL — в нижней половине. Это помогает отсечь слабые пробои с длинными тенями. 🔹 7. Anti-chase Если цена уже слишком далеко ушла от уровня пробоя, сигнал пропускается. Идея простая: не догонять движение, когда импульс уже частично отработал. 📌 Итоговая логика: Стратегия входит не на каждом пробое, а только когда совпадают: ▫️ пробой утреннего диапазона; ▫️ направление Supertrend; ▫️ правильная сторона VWAP; ▫️ достаточный объем; ▫️ сильная свеча; ▫️ вход не слишком поздний. И это еще не все — продолжение следует 👇 📊 ml_trading_strategies

📉 Трендовая связка MACD + Стохастик + Фибоначчи на часовике IMOEX: 4 индикатора, 11 сделок и ноль альфы Гипотеза Классическая «трендовая система»: ловим вход по совпадению четырёх подтверждений — MACD, стохастик, откат в зону Фибоначчи и всплеск объёма. Считается, что чем больше фильтров, тем чище сигнал. Проверяю на H1 IMOEX за 2 года (июнь’24 — июнь’26), измеряя чистую процентную динамику сделок — без капитала, плеча и денежного риск-менеджмента. Только % от входа до выхода. Методология Когда ЛОНГ (все условия на закрытии часа): • MACD(12,26,9): линия MACD пересекает сигнальную снизу вверх • Стохастик(14,3,3): %K пересекает %D снизу вверх, выходя из зоны перепроданности (был <20) • Цена в зоне коррекции 38.2–61.8% Фибоначчи восходящего свинга (поддержка) Когда ШОРТ — зеркально: медвежий кроссовер MACD, стохастик из зоны >80, цена в Фибо-зоне нисходящего движения (сопротивление), объём выше среднего. Стоп и тейк: • Стоп-лосс = 1.5 × ATR(14) от цены входа (адаптируется к волатильности) • Тейк-профит = R:R 1:2 (берём вдвое больше, чем рискуем) • Тайм-стоп: если за 15 баров не сработал ни стоп, ни тейк — закрываем • Фильтр флэта: не торгуем, когда ATR в нижних 20% своих значений Издержки (вычитаются из каждой сделки): • Комиссия брокера: 0.05% за сделку • Проскальзывание: 0.033% (≈1 пункт индекса) • Итого round-trip: 0.166% на сделку Сигналы строго по закрытым барам, вход — по открытию следующего бара. Никакого заглядывания в будущее. Результат ┌─────────────────┬───────────┬───────────┐ │ Метрика │ Стратегия │ Buy & Hold│ ├─────────────────┼───────────┼───────────┤ │ Доходность │ +0.53% │ −19.12% │ │ Max drawdown │ −4.84% │ −26.75% │ │ Win rate │ 36.4% │ — │ │ Profit factor │ 1.12 │ — │ │ Sharpe │ 0.05 │ −0.35 │ │ Сделок │ 11 │ 1 (hold) │ └─────────────────┴───────────┴───────────┘ Средняя сделка: +0.05%. Выходы: 5 по стопу, 4 по тейку, 2 по времени. Вывод Формально стратегия «обыграла» индекс на ~20 п.п. Но это иллюзия: 1️⃣ Совпадение 4 фильтров почти не случается — всего 11 сделок за 2 года. Это не торговая система, а статистический шум: на такой выборке любой вывод ненадёжен. 2️⃣ «Обгон» Buy & Hold — не альфа, а отсутствие экспозиции. Индекс падал, а стратегия просто почти не была в рынке (11 коротких сделок). Сидеть в стороне на падающем рынке — не заслуга алгоритма. 3️⃣ Сама по себе доходность нулевая (+0.5%, PF 1.12). Edge нет. Чем больше фильтров навешиваешь «для надёжности», тем реже система торгует — и тем меньше у тебя данных, чтобы вообще понять, работает ли она. Красивая теория, нулевая практика. Очередное подтверждение: устойчивого внутридневного преимущества на H1 IMOEX у популярных трендовых связок не находится. Фибоначчи: Цена откатилась в зону Фибоначчи 38.2–61.8%. Что это значит простыми словами: берём последнее заметное движение цены (от минимума до максимума за ~150 часов). После сильного роста цена почти никогда не идёт вверх по прямой — она «откатывается» назад, давая возможность зайти подешевле. Уровни Фибоначчи показывают, насколько глубоко откатилась цена: 38.2% — неглубокий откат, 61.8% — глубокий. Зона между ними считается лучшей для входа по тренду: коррекция уже достаточная, чтобы не покупать на пике, но не настолько глубокая, чтобы заподозрить разворот. Для лонга это работает как поддержка (ждём отскока вверх), для шорта — как сопротивление. 📊 ml_trading_strategies

🧪 Может ли нейросеть предсказать IMOEX по макрофакторам? Спойлер: я поймал себя на переобучении Решил проверить красивую гипотезу: рынок акций реагирует на долговой рынок. Взял макрофакторы — кривую ОФЗ (2Y/10Y из G-curve МосБиржи), RUONIA, наклон кривой, кредитный спред корпоратов — и скормил их рекуррентной нейросети (GRU/LSTM). Задача: предсказать знак доходности IMOEX на 5 дней вперёд. 📊 Данные: дневные, 2019–2026. Признаки (49 шт.): ОФЗ 2Y/10Y из G-curve МосБиржи, RUONIA, наклон кривой, кредитный спред корпоратов — уровни, разности, z-score. Без look-ahead: скейлер учится только на train, таргет сдвинут вперёд. 🤖 Модели: GRU/LSTM на окнах 30 дней (PyTorch) + MLP-бенчмарк (sklearn). Две постановки — классификация знака и регрессия доходности. Фит: Adam, dropout 0.2 + L2 + early stopping. Лучшую выбирал по Sharpe на валидации. 🏆 Кто победил (отбор на валидации, по горизонтам): N=1 LSTM-классиф. val-Sharpe +0.82 N=5 GRU-классиф. val-Sharpe +1.37 N=10 GRU-регрессия val-Sharpe +1.52 Конфиг сети: 1 слой, hidden=32, lookback=30, dropout=0.2, L2=1e-4, lr=1e-3 (Adam). 💸 Торговля: позиция long / flat / short по порогу уверенности (калибруется на валидации). Сигнал на закрытии дня t → позиция работает в t+1, переоценка ежедневно. Издержки: 7 б.п. комиссия + 3 б.п. проскальзывание = 10 б.п. на оборот, списываются при смене позиции. ✅ Проверка честности: хронологический сплит 60/20/20 + walk-forward (5 фолдов, расширяющееся окно). Бенчмарк — Buy & Hold IMOEX. 📈 На валидации — все хорошо. Sharpe сигнала 1.4–1.5. Модель уверенно «видит» развороты, в кризис-2022 на бумаге даже зарабатывает на падении. Хочется бежать торговать. ❄️ На out-of-sample тесте — катастрофа: val-Sharpe TEST (OOS) Buy&Hold N=1 день +0.82 −0.98 −0.30 N=5 дней +1.37 −1.31 −0.27 N=10 дней +1.52 −0.87 −0.08 Sharpe схлопывается из плюса в минус. Стратегия проигрывает даже тупому «купи и держи». На всех горизонтах. 🔬 Главная проверка — walk-forward. Это когда обучаешь модель на прошлом, торгуешь следующий кусок, дообучаешь, торгуешь дальше — 5 раз подряд на разных режимах рынка 2022–2026. Самая честная метрика, которую невозможно подогнать. Результат: Sharpe walk-forward −0.9 / −0.05 / −0.36. Болтается у нуля и ниже. Устойчивость отсутствует. 💡 Почему так — и почему это полезно: Классический разрыв validation→test. Причины: • короткий ряд (~1800 дней) и 49 признаков → сеть запоминает шум; • подбор порога на валидации = ещё одна степень свободы для подгонки; • режимные сломы: то, что «работало» до 2022, не переносится вперёд. Самое интересное — если бы я остановился на валидации (как делают в 90% «прибыльных стратегий» из интернета), я бы поверил в Sharpe 1.5. Именно honest Out of Sample + walk-forward показывают правду. 📌 Вывод. Макрофакторы экономически осмысленны (наклон кривой и кредитный спред уверенно лезут в топ важности признаков), но в этой постановке предсказательной силы на новых данных нет. Гипотеза не подтверждена. •

{$MXM6} 📊 RSI знает, когда молчать: бэктест адаптивной стратегии на IMOEX 2019–2026 Голый RSI на IMOEX даёт много ложных сигналов: индекс часто «застревает» в перекупленности неделями во время трендовых движений. Чтобы отфильтровать шум, добавляем фильтр волатильности через ATR — входим только когда рынок находится в боковике или на раннем развороте, а не в разгаре тренда. ⚙️ Логика стратегии Используем три инструмента: • ATR(10)/ATR(30) — соотношение «быстрой» и «медленной» волатильности. Если оно выше 1.5 — рынок в тренде, стратегия молчит. • RSI(10) с динамическими уровнями: в спокойном рынке (ATR-ratio < 0.8) порог перепроданности смягчается до 35/65, в остальное время — 30/70. • EMA(30) — сигнал выхода: позиция закрывается при пересечении ценой скользящей в направлении, противоположном сделке. Вход в лонг: ATR-ratio в норме + RSI пересёк зону перепроданности снизу вверх. Вход в шорт: ATR-ratio в норме + RSI пересёк зону перекупленности сверху вниз. Главный вывод: стратегии зарабатывают не там, где рынок, а вместо него. В 2022 IMOEX упал на 44% — обе версии завершили год в плюс (+11–12%), потому что ATR-фильтр отключил торговлю в самый острый момент обвала. В 2019 и 2023, когда рынок рос уверенно и без откатов, RSI почти не давал сигналов входа — Long-short сильно отставал от Buy & Hold в эти годы. Шорты работают хуже лонгов: средняя доходность шорта −0.9% против +3.1% у лонга, процент прибыльных шортов — 44% против 63% у лонгов. Long-only (+215%) обгоняет Long-short (+64%) именно за счёт отказа от шортов. 🔍 Когда стратегия ошибается Худший момент — февраль–апрель 2020: Long-short вошла в лонг 26 февраля на первых признаках перепроданности RSI, но обвал из-за COVID продолжился. Сделка закрылась 15 апреля с убытком −17.2% — нет стоп-лосса по ATR, позиция удерживалась весь период свободного падения. Второй слабый паттерн — шорты в боковом растущем рынке: три шорта в 2021 (апрель, сентябрь) и один в 2023 (март) дали суммарно −25% к equity, потому что IMOEX после небольшого отката разворачивался вверх быстрее, чем срабатывал сигнал выхода по EMA(30). 💡 Вывод и следующий шаг Обе версии решают задачу, ради которой строились: не терять на обвалах. Максимальная просадка Long-short −23.9%, Long-only −19.3% — против −55.3% у B&H. За это платим отставанием в сильные трендовые годы (2019, 2023). Очевидный следующий шаг — добавить стоп-лосс: ограничить убыток по одной сделке на уровне 1–2 ATR от точки входа. Февраль 2020 показывает, что без него стратегия может удерживать убыточную позицию слишком долго. Также стоит протестировать отключение шортовых сигналов как отдельный режим — данные говорят, что на IMOEX шорты системно не работают.