Обсуждение статьи "Пайплайны Codex: от Python до MQL5 для выбора индикаторов — анализ ETF XLF по нескольким кварталам с применением машинного обучения"

[MetaQuotes]

Опубликована статья Пайплайны Codex: от Python до MQL5 для выбора индикаторов — анализ ETF XLF по нескольким кварталам с применением машинного обучения:

Мы продолжаем рассматривать, как можно выстроить пайплайн выбора индикаторов при работе с «нетипичным» активом в MetaTrader. MetaTrader 5 в первую очередь используется для торговли на рынке Форекс, и это оправданно с учётом доступной ликвидности; однако аргументы в пользу торговли за пределами этой «зоны комфорта» становятся всё более убедительными — не только благодаря стремительному росту таких платформ, как Robinhood, но и из-за неустанного стремления большинства трейдеров получить преимущество. В этой статье мы рассматриваем ETF XLF, а также завершаем наш обновлённый пайплайн простым MLP.

ETF XLF — это секторный ETF от SPDR, представляющий финансовый сектор. В отличие от FXI, с которым мы работали в прошлый раз, с момента запуска у XLF преобладал бычий тренд. За исключением периода глобального финансового кризиса, этот ETF почти всегда рос, и поэтому он даёт нам контрастную площадку для тестирования по сравнению с тем, что было в прошлый раз, когда FXI, подобно валютной паре, на протяжении многих лет вяло держался в районе ценовой отметки 40. Тем не менее у него действительно наблюдаются резкие смены режимов, которые, по всей видимости, обусловлены политикой процентных ставок, кредитными циклами, отдельными шоками ликвидности, а также секторной ротацией.

Судя по всему, на протяжении многих кварталов его динамика чередуется между плавным ростом и резкими скачками волатильности. Обучая и оценивая модели на XLF, мы показываем состоятельность нашего пайплайна: индикаторы должны оставаться устойчивыми в различных рыночных подрежимах, а конструирование признаков — выдерживать шумные переходные периоды. ONNX-модель, которая здесь является нашим конечным продуктом, должна выдерживать исполнение в реальном времени в MQL5, не полагаясь на благоприятные условия спокойных рынков.

Автор: Stephen Njuki