Построение модели биржевой торговли для анализа и оптимизации торговых стратегий

В ходе выполнения данной работы была изучена область алгоритмической торговли с точки зрения применения к ней алгоритмов машинного обучения. Область анализа данных и машинного обучения в настоящее время становится более популярной среди математиков, а профессия специалиста по анализу данных считается одной из самой востребованной в мире. В связи с этим появляется все больше научных статей в области алгоритмической торговли. Проблема импорта данных, в частности «real-time data», является основной у специалистов по анализу данных в настоящее время. В связи с этим, был предложен программный модуль для облегчения скачивания нужных данных с сервера. Составление портфеля ценных бумаг, также является одной из ключевых проблем среди инвесторов. Проведенное исследование в данной работе показывает, что необходимо использовать для качественной диверсификации портфеля ценных бумаг, объясняется почему это используется в мировой практике и приведена соответствующая литература. Предложенные в работе методы, основанные на алгоритмах машинного обучения, могут быть использованы для поиска паттернов в биржевых данных. В ходе проведённых экспериментов на исторических данных была продемонстрирована возможность успешного использования двух методов для получения положительного результата. Разработанные алгоритмы могут помочь в создании новых методов для увеличения доходности портфеля. Ключевые слова: алгоритмы машинного обучения, биржа, поиск паттернов.