Використання методів машинного навчання для аналізу ефективності стратегій трейдингу на бінарних опціонах

Abstract

Проведено аналіз можливостей машинного навчання для оцінки ефективності стратегій трейдингу на бінарних опціонах. Обгрунтовано доцільность застосування ML-алгоритмів для прогнозування цінових рядів та підтримки прийняття рішень торгових стратегіях. Розглянуто та порівняно моделі лінійної регресії, SGD-регресора, Random Forest, Bagging Regressor та XGBoost щодо їх здатності прогнозувати рух ринку та знизити ризики. Виконано розширене формування ознак, що дає змогу моделі враховувати зміщені значення цін та обсягів, ковзні середні, показники волатильності та доходності. Дані підготовлено шляхом очищення, нормалізації та поділу на навчальні та тестові вибірки. Проведено оцінювання моделей на основі статичних і фінансових метрик, включаючи кумулятивну дохідність. Оцінено визначення ефективності для застосування розробленої системи з використанням прогнозів моделей машинного навчання. Розроблено рекомендації щодо використання моделей у реальних умовах трейдингу.