Trixter SVM
- Эксперты
-
Andrei Samokhin
Welcome to my seller page. I develop applications in the fields of AI and machine learning, and I am also passionate about trading systems. My products are based on various machine learning techniques. I research and apply state-of-the-art algorithms for time series analysis and am constantly - Версия: 1.0
- Активации: 10
SVM решает задачу бинарной классификации: разделяет два класса. Но One-Class SVM обучается только на данных одного класса («нормальные» примеры) и строит вокруг них границу (гиперплоскость в преобразованном пространстве), которая отделяет эту область от всего остального.
Всё, что попадает внутрь области — считается нормальным, всё, что снаружи — аномалией.
Как это работает
-
Данные отображаются в пространство признаков (через ядро, например RBF).
-
Алгоритм ищет гиперплоскость, максимально удалённую от начала координат, которая отделяет большинство точек от нуля.
-
Параметр ν (ню) задаёт:
-
верхнюю границу доли выбросов в обучающей выборке,
-
нижнюю границу доли опорных векторов.
-
-
Точки, оказавшиеся «по другую сторону» границы, считаются аномалиями.
Для чего используется
-
Обнаружение аномалий / выбросов (fraud detection, сетевые вторжения, шпили в котировках).
-
Обнаружение новизны (novelty detection) — когда есть только «чистые» нормальные данные, а нужно ловить отклонения.
-
Мониторинг систем — отклонение метрик от нормального поведения, поиск рыночных неэффективностей.
Бот Trixter SVM построен с применением этого подхода.
Алгоритм Trixter SVM реализует поиск закономерностей с помощью Support vector machine (сокращенно SVM). Мы исходим из предположения, что рынок золота достаточно эффективен и большинство ценовых колебаний формируют рыночный шум, который невозможно предсказать. Но мы можем выделить фрагменты графика золота (так называемые аномалии), в которых оно максимально предсказуемо. Таким образом я выделил 40% участков графика, которые хорошо предсказуемы.
Ключевые принципы
- Анализ волатильности золота на нескольких тайм-фреймах и периодах индикаторов.
- Группировка волатильности для поиска эффективных паттернов (от 100 до 3000).
- Статистическая проверка: высокое математическое ожидание выигрыша и статистическая значимость.
- Паттерны, не прошедшие проверку, маркируются как шум — в таких ситуациях сделки не открываются.
- Обязательный форвард-тест на 2 года перед допуском к реальному счёту.
Особенности торговой логики
- Открытие сделок лимитными ордерами на выбранном расстоянии от цены — минимальное проскальзывание.
- Если лимитный ордер не сработал (цена не коснулась уровня), а сигнал исчез — ордер удаляется.
- Открытые позиции сопровождаются стоп-лосс и тейк-профит, закрываются по рынку при встречном сигнале.
- Робот не использует мартингейл, арбитраж и другие высокорисковые стратегии.
- Рекомендуемые тайм-фреймы: от M5 до H1. Оптимальный — H1 XAUUSD.
- Предусмотрена гибкая настройка торговой активности (параметры ниже).
Основные настройки
- Allow BUY signals, Allow SELL signals — разрешают или запрещают покупки/продажи при уверенности в направлении рынка.
- Signals sensitivity, Filter sensitivity — порог чувствительности сигналов и фильтрации шума. Дефолтное значение — 0.5. Можно повышать до 0.7–0.9 для более чистых сигналов.
- Filter by trading hours — ограничение времени торговли. По умолчанию — круглосуточно.
Настройки управления капиталом
- Distance in points for limit order — расстояние от цены до лимитного ордера. Дефолт: 250. Меньше → больше сделок, больше → консервативнее.
- Max positions + orders number — максимальное количество одновременно открытых позиций (без усреднения). Дефолт: 3.
- Дополнительно настраиваются: задержка между открытиями, контроль максимального спреда, уровни стоп-лосс и тейк-профит.
