[00:02] сам. Мне бы тогда исполнилось сто лет. Большинство трейдеров вероятно, задаёте вопросы вроде: «Какая стратегия лучшая? Куда завтра двинется курс евро к доллару США ? Посоветуйте стратегию с 90% вероятностью успеха». И я думаю, что это, [00:16] использования ИИ в торговле, потому что есть кое-что, в чем ИИ невероятно хорош. И на то, чтобы [00:28] штука анализирует данные. И я хочу показать вам, что именно я имею в виду, потому что вчерашнее видео заставило меня сильно задуматься над этой темой. Я использовал стратегий. А конкретная настройка этого индикатора Buyell имеет огромное [00:42] соотношение риска и прибыли на более высоком временном интервале, таком как 30-входовой график. И я намеренно тестировал это только с января 2023 года по сегодняшний день. Я мог бы вернуться гораздо дальше в прошлое, но меня больше интересует, как это покажет себя в данном временном диапазоне, поскольку [00:56] это более актуально для понимания динамики рынка в наши дни. Как вы уже рынки сейчас крайне реактивны. Я провел тестирование на исторических данных, и TradingView каждый раз выдавал мне сотни сделок , все выходы, длинные и короткие позиции, убытки, [01:11] выигрыши — все было на месте. Проблема в том, что же мне, черт возьми, делать с этими данными? Потому что общий результат — это только начало. Мне нужно знать не просто, принесла ли стратегия прибыль. Я хочу знать, почему это принесло деньги. Возможно, [01:23] длинные брюки подходят лучше, чем короткие. Возможно, понедельник ужасный. Возможно, пятница ужасная. Возможно, стратегия работает утром, но полностью проваливается во второй половине дня. Возможно, вся прибыль была получена за один нелепый месяц в [01:36] 2023 году, и с тех пор компания постоянно терпит убытки . Вот что меня интересует. Технически, я могу во всем этом разобраться сам. Мне бы тогда исполнилось сто лет. Мне бы пришлось буквально построчно просматривать [01:48] каждый из этих CSV-файлов, создавать формулы, доставать калькулятор, отделять выигрышные сделки от проигрышных, сортировать все по дате, сортировать каждую сделку по часам, рассчитывать процент выигрышных сделок для каждого часа [02:01] и повторять это день за днем, а затем год за годом. Затем нужно было бы проанализировать длинные и короткие позиции, рассчитать среднее количество выигрышных сделок, среднее количество проигрышных сделок, коэффициент прибыли, серии проигрышей, и в конце концов я получил бы ответ. Но при проведении [02:15] сотен тысяч сделок в рамках тестирования стратегии это превращается в настоящую головную боль . Поэтому я передал весь файл искусственному интеллекту и, по сути, сказал: «Проанализируйте данные и скажите, что вы видите». И вот тут-то всё стало интереснее. [02:27] Исходный набор данных содержал 776 завершенных сделок. Победителями стали всего 95 человек. Это означает, что процент выигрышей составляет 12,2%. Это звучит невероятно ужасно, за исключением того, что средний выигрышный раунд был примерно в 9,6 раз больше среднего проигрышного раунда. [02:41] И внезапно этот 12-процентный показатель побед приобретает совершенно другое значение. В ходе тестирования эта стратегия принесла приблизительно 2700 долларов с коэффициентом прибыли 1,3. которую мне только что предоставила компания Trading. Я хотел, чтобы ИИ [02:54] работал глубже. Поэтому я спросил, какое направление показывает лучшие результаты, и в течение нескольких секунд система разделила все длинные и короткие позиции. Количество сделок было практически одинаковым: позиции. Количество сделок было практически одинаковым: 389 длинных позиций и 387 коротких. [03:07] 389 длинных позиций и 387 коротких. Однако прибыль от длинных позиций составила примерно 2389 долларов . Короткие позиции 321. Это то, что я мог бы совершенно упустить из виду, просто попросил разбить данные по дням недели, потому что знаю, что понедельники [03:20] и пятницы для меня ужасны, когда я торгую вручную. И вот тут-то все стало еще интереснее. В понедельник принесли прибыль. Во вторник принесли прибыль. В четверг принесли прибыль. В пятницу компания понесла убытки. Но только в среду [03:33] прибыль составила почти 1500 долларов. Более половины всей исторической прибыли по этой стратегии было получено от сделок, совершенных в один из дней недели. Теперь мы приближаемся к цели вопрос. В какое время суток результаты оказываются наилучшими? И вместо того, чтобы мне вручную [03:48] сортировать 776 временных меток, ИИ проанализировал время входа в каждую сделку и начал сравнивать разные временные блоки. Один из самых широких и эффективных периодов, который удалось обнаружить, — это примерно с 9:30 утра до 13:30 [04:01] дня. Таким образом, теперь у меня было два источника информации. В среду ожидается необычно многолюдно, особенно в период с 9:30 до 13:30 . Поэтому я вернулся к индикатору и добавил еще один фильтр, в чем мне также помог ИИ, потому что я совершенно ничего [04:14] не смыслю в программировании. Я добавил отдельные переключатели для понедельника, вторника, я могу буквально включать и выключать отдельные торговые дни в индикаторе. Затем я повторно провел тест, используя только среду. Первоначальная стратегия имела [04:27] среду. Первоначальная стратегия имела процент успешных сделок 12,2%. Только в среду этот показатель составил 17,7%. Коэффициент прибыльности вырос с 1,3 до 1,96, а самая длинная полоса убытков резко сократилась. Затем я объединил среду [04:41] с этим конкретным временным промежутком, с 9:30 до 13:30. И теперь исторический результат до 13:30. И теперь исторический результат стал абсурдным. Всего 44 сделки, 12 стал абсурдным. Всего 44 сделки, 12 выигрышных, 32 проигрышных, показатель выигрыша 27,2% при [04:54] стратегии, где средний выигрышный результат примерно в 10 раз превышает средний проигрышный. а исторический коэффициент рентабельности подскочил до 3,7. И вот здесь мне нужно кое-что предельно ясно прояснить. Я не просто волшебным образом открыл [05:08] торговую стратегию с коэффициентом прибыли 3,7, потому что в моих действиях была огромная проблема . Я проанализировал исторические данные, определил день с наилучшими показателями, нашел временной интервал с наилучшими показателями, а затем объединил их. Это и есть оптимизация. Если я [05:21] буду продолжать в том же духе, по средам с 10:30 до 12:30, только короткие сделки, поскольку статистически они оказались более выгодными, только когда в Германии идет дождь, только когда полнолуние, в конце концов я создам самый лучший бэктест, который вы когда-либо видели, и [05:34] начну по нему торговать. Это называется переобучением. А искусственный интеллект на самом деле упрощает процесс переобучения, потому что позволяет быстро анализировать множество комбинаций . Итак, суть этого видео не в том, чтобы показать: «Искусственный интеллект нашел мне прибыльную [05:48] стратегию». Суть в том, как быстро ИИ помог мне разобраться в данных. ИИ помог мне разобраться в данных. Весь этот процесс, если делать всё вручную, занял бы у меня около 45 дней, по 4 часа в день. Вместо этого я [06:02] могу загрузить данные о сделках, буквально поговорить с компьютером, произнести реальные английские фразы, например, какой день показал лучшие результаты, разбить данные по годам, лучше ли короткие позиции, чем длинные, и за считанные секунды, буквально за секунды, я получу ответ. Именно здесь, на мой [06:18] взгляд, ИИ становится невероятно полезен для трейдеров. Не буду предсказывать следующую свечу, не дам вам никакой волшебной стратегии и не буду спрашивать у Чада GPT, стоит ли вам покупать биткоин. Анализ данных. Вы генерируете данные. Искусственный интеллект [06:33] помогает вам анализировать информацию, расшифровывать её и показывать, что полезно, а что — полная чушь. И есть еще одно преимущество, которое, как мне кажется, многие недооценивают. Иногда искусственный интеллект может подсказать вам вопрос, о котором вы даже не подозревали [06:45] эта стратегия прибыльной. Затем ИИ обнаружил разницу между длинными и короткими днями, затем разницу, связанную со средой, а затем разницу во времени суток . На каждый отвеченный вопрос появлялся новый. Именно так и должны [06:58] работать научные исследования. Единственное, на что нужно обратить внимание, это умение вовремя остановиться, интересное, необходимо зафиксировать правила и проверить их на данных, которые не использовались для их обнаружения. В противном случае, вы просто разрабатываете стратегию, которая идеально [07:13] с этим и собираюсь сделать. Я не буду продолжать оптимизировать среду, пока не добьюсь 90% успеха. Я буду рассматривать полученные нами данные как гипотезу. Затем мы увидим, подтвердится ли эта гипотеза на данных, которые она ранее не встречала, например, на совершенно [07:27] другой паре или совершенно другом индексе. Потому что если это произойдёт, тогда всё станет по-настоящему интересно. Но независимо от того, вы проводите тестирование стратегий и используете ИИ только для написания кода на [07:41] Pinescript, вы, вероятно, игнорируете одну из самых полезных возможностей. Предоставьте данные и начните задавать вопросы, потому что информация, скрытая в вашем бэктесте, может быть значительно ценнее, чем цифры, которые [07:54] Trading View выдает в верхней части окна тестера стратегий. Если вам понравилось это видео, you so much for watching and we'll see you in the next