Истинный пробой идёт с объёмом выше среднего и закрывается за ключевым уровнем. Фейки — это касания или разворотные шипы без продолжения движения. Нейросети выявляют паттерны через анализ объёма, времени и микроструктуры, снижая число ложных сигналов на 30–40%.
Истинный пробой — это прорыв цены через сильный уровень сопротивления или поддержки с закрытием свечи за уровнем и выросшим объёмом. Фейк-касание — касание уровня без закрытия или с разворотом внутри дня. ИИ различает их через анализ объёма относительно скользящей средней и скорости восстановления цены.
Модель обучается на исторических данных: истинные пробои имеют три признака одновременно — объём >110–120% от среднего, закрытие за уровнем, нет возврата в течение 2–5 свечей. Фейк-касание обычно возвращается в течение одной свечи или пары часов. Обучение занимает 500–1000 примеров для одного актива.
Ошибка 1: игра по фейкам без проверки объёма — к убыткам на первой же свече разворота. Ошибка 2: игра в первую минуту пробоя — волатильность ещё высока. Ошибка 3: игнорирование времени суток (утро чаще даёт фейки). ИИ фильтры устраняют 60–70% таких ошибок через статистику.
На одном активе достаточно 1–2 лет дневных данных (500–750 свечей) для базовой модели или 6–12 месяцев часовых данных (750–1000 свечей). С учётом микроструктуры (минутные данные) нужна история в 3–6 месяцев при активной торговле. Реже торгуется актив — больше нужно истории, чтобы снизить переобучение.
Способ 1: разделите данные на три части — обучение (60%), валидация (20%), тест (20%), обучайте на первой части. Способ 2: используйте кросс-валидацию: разбейте на 5 периодов, обучайте на 4, тестируйте на 1. Способ 3: добавляйте шум в обучающие данные (случайно изменяйте объём на ±10%). Переобучение проявляется, когда точность на обучении >95%, а на тесте <65%.
Главные: объём (в сравнении со скользящей средней 20 или 50 периодов), размер свечи относительно ATR, wick ratio (соотношение фитиля к телу), время до закрытия, цена закрытия относительно уровня. Дополнительные: импульс (MACD/RSI), скорость отскока цены, волатильность. Лучшие фильтры — комбо из 3–4 параметров, обученные на конкретном активе.
В РФ нет специального разрешения на ИИ-системы для личного трейдинга. Если вы создаёте фильтр для себя, это ваш личный инструмент. Если продаёте сигналы третьим лицам, консультируйтесь с юристом — могут потребоваться лицензии лицензия на управление активами или консультирование в зависимости от схемы.
| Актив | Доля фейков за год (%) | Эффект ИИ-фильтра (снижение на %) |
|---|---|---|
| Сбербанк (SBER, часовой ТФ) | 58 | 41 |
| Gazprom (GAZP, часовой ТФ) | 52 | 38 |
| Яндекс (YNDX, дневной ТФ) | 45 | 35 |
| Bitcoin/RUB (часовой ТФ) | 64 | 47 |
| Способ | Точность (%) | Время обучения |
|---|---|---|
| Визуальный анализ (вручную) | 45–55 | Часы |
| Простой фильтр объёма (>115% MA) | 60–70 | 5 минут |
| Логистическая регрессия на 5 параметрах | 72–80 | 30–60 минут |
| Нейросеть (3 слоя, 32–64 нейрона) | 78–87 | 2–4 часа |
| Gradient Boosting (XGBoost) | 80–88 | 1–2 часа |
Получите дневные или часовые свечи актива за последние 1–2 года (OHLCV) через API Finam, Binance, MOEX или Python-библиотеку yfinance. Очистите данные от выходных, заполните пропуски интерполяцией. Объём нормализуйте к скользящей средней 20 периодов.
Вручную отметьте 200–300 примеров: истинные пробои (закрытие за уровнем, объём >115% MA20, нет разворота в течение 2 свечей) и фейки (касание без закрытия или разворот в течение свечи). Запишите метки в столбец (0 — фейк, 1 — истина). Эта работа требует опыта, но делается один раз.
Вычислите 5–7 признаков: volume_ratio (объём/MA20), wick_ratio (фитиль/тело), price_position (где цена в диапазоне дня), momentum (MACD или скорость изменения), volatility_ratio (ATR24/ATR100). Для начала используйте логистическую регрессию (sklearn) — она интерпретируема и работает на 70–75% точности.
Разделите данные 60/20/20 (обучение/валидация/тест). Обучите модель на 60%, проверяйте метрику AUC на валидационной части каждые 50 примеров. Если точность на валидации упала, снизьте learning rate или добавьте регуляризацию (L2 штраф). Остановитесь, когда валидационная AUC стабилизируется (обычно после 100–300 примеров обучения).
Экспортируйте модель (pickle или ONNX). В вашей торговой системе запрашивайте предсказание ИИ для каждого новго пробоя: если вероятность > 0,70, входите в позицию; если < 0,55, пропускаете. Отслеживайте accuracy на живых данных месячно — переобучение станет видно по падению точности.
В РФ нет специального разрешения на ИИ-системы для личного трейдинга. Если вы создаёте фильтр для себя, это ваш личный инструмент. Если продаёте сигналы третьим лицам, консультируйтесь с юристом — могут потребоваться лицензии лицензия на управление активами или консультирование в зависимости от схемы.
Частично. Универсальные признаки (объём, волатильность, микроструктура) переносятся хорошо — точность упадёт на 10–15%. Специфичные признаки (уровни поддержки для GAZP) не переносятся. Лучший подход: обучить базовую модель на одном активе, потом дообучить (fine-tune) на 50–100 примерах нового актива.
Python с библиотеками sklearn (логистическая регрессия, XGBoost), TensorFlow/PyTorch (нейросети), pandas (обработка данных). Для простого фильтра достаточно Python + sklearn (600 строк кода). Для production-системы добавляйте FastAPI (развёртывание) и Redis (кеш предсказаний).
Ежемесячно проверяйте точность на новых данных. Если упала на >5%, добавьте 20–30 новых размеченных примеров и переобучите (fine-tune, 1–2 часа). Полное переобучение на свежих 1–2 годах данных делайте раз в квартал. Слишком частое переобучение может привести к overfitting на недавние рыночные условия.
Для swing-трейдинга (сделки на 2–7 дней) — часовой или 4-часовой ТФ, обучайте на 6–12 месяцах истории. Для позиционных сделок — дневной ТФ, достаточно 1–2 лет. Для скальпинга (минуты) — используйте минутный ТФ, но нужна микроструктурная информация (bid/ask спред, очередь ордеров), её не получить из свечей. Комбинируйте: фильтр на дневном ТФ, вход на часовом.
Реальные участники ИнвестКлуба Хомяк — с их слов и со ссылкой на первоисточник в Telegram.
Точка входазашла пробно на 1 месяц после рекламы
Что изменилосьосталась на 1,5 года — структурированные знания, прямые эфиры с экспертами, освоила ИИ-инструменты
«Когда-то я зашла пробно, на 1 месяц. Прошло 1,5 года, а я по-прежнему там. Один только искусственный интеллект чего стоит.»история в Telegram →
Точка входавозрастной скепсис, долго не решался зайти в закрытый клуб
Что изменилосьгора структурированных материалов, отзывчивое сообщество, которое помогает и подсказывает
«Возрастной скепсис мешал зайти — думал, всё как обычно. Но на деле оказалось совсем иначе: очень много отзывчивых ребят и гора информации.»история в Telegram →
«В Хомяке уже полтора года… кайфовое, живое сообщество. Люди настоящие, можно спокойно спрашивать, не чувствовать себя дураком.»
«Зашла пробно на 1 месяц. Прошло 1,5 года, а я по прежнему там… Тут комфортно и для инвесторов-новичков. Вся информация отлично структурирована.»
Ещё реальные отзывы участников — t.me/traderreviews
