AI-модель розвороту ринку: де ламається прогноз
Модель упевнено веде тренд і систематично запізнюється на зміні режиму ринку — це головний клас відмов, який ми бачимо в AI-моделях розвороту. Точка розвороту вже пройдена, а прогноз підтверджує її постфактум, продовжуючи екстраполювати вчорашню динаміку.
Запізнення сигналу в 2-4 бари на денному горизонті з'їдає премію за ризик, заради якої модель і будувалася.
Причина технічна: ознаки — ковзні середні, волатильність, дисбаланс обсягу — самі інерційні, а функція втрат рахується по всьому ряду, де розвороти займають частки відсотка.
Моделі дешевше прогнозувати «як учора»: така стратегія рівно виглядає на довгому тренді й ламається рівно в момент перелому.
Окремо — хибні спрацювання моделі на шумі та новинних викидах. Середня точність при цьому тримається, а розподіл помилок зміщений: на спокійних ділянках прогноз точний, на розворотах — запізнюється або мовчить. Усереднена метрика це маскує, тому дивимося не середнє, а поведінку на підвибірці точок розвороту.
Закривається це розділенням задач: детекція режиму окремо від прогнозу всередині режиму, перерозмітка міток із вагою рідкісних подій, послідовна перевірка на відрізках, що не перетинаються, і затримка сигналу як окрема метрика якості.
Ринкові дані звіряємо за незалежними джерелами, включно з Bloomberg, щоб розрив ряду не виглядав як розворот.
Нижче — розбір того, на якому кроці прогноз ламається і що ми змінюємо в кожному випадку.
Що змінюється після впровадження: точність, затримка, стійкість
Ефект рахуємо на ковзній перевірці: модель навчається на одному відрізку історії, а рішення ухвалює на наступному, який їй не показували. Так видно, як поводиться AI-модель розвороту ринку за реальної зміни тренду, а не на підігнаних даних.
Точність сигналів і частка хибних спрацювань
До впровадження просте правило або ручний розбір ловлять близько 40% розворотів, а боковик дає безперервний потік хибних входів. Після налаштування ознак, відбору горизонтів і порогу впевненості закривається 65–75% розворотів, які розмітка фіксує заднім числом.
Частка хибних входів на спокійному ринку падає в 2–3 рази: сигналів менше, але вони узгоджені на кількох горизонтах.
Затримка сигналу та стійкість моделі
Затримку вимірюємо від появи ознаки в потоці даних до готового рішення — секунди замість хвилин ручного розбору, і вона не зростає за пікового навантаження. Стійкість перевіряємо зміною режиму: різна волатильність, пропуски, розбіжність котирувань у постачальників.
Модель повертається в робочий діапазон точності після кожного зсуву, а не перенавчається під кожен новий режим.
Стелю точності задає якість розмітки: за суперечливої розмітки модель вивчає шум і показує гарні метрики на історії за слабкого результату в роботі. Тому розвороти розмічаємо за формалізованим протоколом із перехресною перевіркою спірних ділянок.
Навчання та вивід ідуть на відкритому стеку — PyTorch — замовник не прив'язаний до одного постачальника й донавчає модель на своїх даних.
Режими роботи: пакетний розрахунок, потік і гібридна схема
Режим подавання даних задає два параметри, від яких залежить уся архітектура рішення: частоту перерахунку та затримку відгуку. Рідкісний перерахунок віддає сигнал, коли рух уже відпрацьовано, надто частий — збільшує навантаження та частку шумових спрацювань. Нижче — три схеми, між якими реально обирають на старті.
| Варіант | Коли підходить | Обмеження |
|---|---|---|
| Пакетний перерахунок | Горизонт від дня й ширший, регулярна звітність, ознаки зі сховища | Затримка відгуку — години, внутрішньоденні розвороти пропускаються |
| Потоковий режим | Реакція на події під час торгів, висока частота перерахунку | Складніший контроль якості даних, дорожчий супровід, чутливий до викидів |
| Гібридна схема | Робочий варіант за замовчуванням: важкі ознаки — за розкладом, сигнальні — потоком | Потрібні узгодження двох контурів і єдина точка перезбірки ознак |
На практиці більшість задач закриває гібрид: історичні ознаки перераховуються пакетно раз на добу або раз на годину, а короткі сигнали надходять потоково — модель бачить свіжий стан ринку без повного перерахунку.
Розвилку «пакет чи потік» знімаємо на етапі проєктування: рахуємо допустимий лаг за вашою задачею, перевіряємо повноту та затримку даних у джерелі й лише потім фіксуємо конфігурацію.
Етапи розробки: від розмітки історії до впровадження
Модель розвороту — не один скрипт, а послідовність кроків, де кожен спирається на попередній. Пропустити аудит даних або перевірку на історії — означає отримати гарну криву на навчанні та втрати в робочому контурі. Нижче — порядок робіт, за яким ми ведемо проєкт.
- Аудит даних. Перевіряємо глибину історії, пропуски в барах, зміни режиму торгів, таймзони та корпоративні події. На виході — звіт: за якими періодами даних вистачає, де потрібна реконструкція, а де навчати модель не можна.
- Схема ознак. Волатильність, обсяги, структура свічок, макро-контекст, сезонність. Кожна ознака рахується лише на даних, доступних до моменту прогнозу, — інакше модель підглядає майбутнє.
- Розмітка цілі. Формалізуємо, що вважаємо розворотом: зміну знака тренду, відбій від рівня, зміну режиму волатильності. Розмітка версіонується разом із кодом.
- Навчання моделі. Перевірка за часовими блоками замість випадкового зрізу, балансування класів і окремий підбір порогу спрацювання: точність важливіша за повноту, хибний сигнал дорожчий за пропуск.
- Перевірка на історії. Прогін за ковзними вікнами на даних, яких модель не бачила, з урахуванням комісій і прослизання. Дивимося стабільність за режимами ринку та частку прибуткових серій, а не одну метрику.
- Впровадження та супровід. Обгортка в сервіс, видача прогнозу за розкладом, журналювання кожного сигналу та версії моделі. Далі — контроль деградації, регламент перенавчання та панель метрик; замовник отримує код і документацію, а не чорний ящик.
Конфігурації, схеми ознак і регламенти навчання
Модель розвороту ринку переживає і датасет, на якому її навчили, і автора, який її зібрав. Якщо на руках залишаються лише параметри та графік сигналів, за пару місяців ніхто не відповість, чому конкретного дня спрацював розворот і що змінилося в даних. Тому передаємо рішення комплектом — із конфігураціями, описом ознак і регламентами.
Кожен артефакт закриває одне питання: що подається на вхід, як рахується сигнал, коли модель оновлюється і за яких умов сигнали не випускаються взагалі. Нижче — те, що замовник отримує на руки разом із працюючою моделлю.
- Конфігурація моделі — параметри навчання та пороги спрацювання, зафіксовані за версіями: запуск на новій машині відтворює той самий сигнал.
- Опис ознак — словник за кожним входом: економічний сенс, джерело, частота, затримка публікації, правило обробки пропусків. Відсікає заглядання в майбутнє та дублюючі входи.
- Регламент перенавчання — календар періодичних оновлень і тригери позапланових: зміна режиму ринку, стрибок волатильності, просідання точності нижче порога.
- Контроль якості сигналів — перевірки перед випуском: стійкість за підперіодами, частка спрацювань, поведінка на зміні режиму. Провал перевірки — сигнал не публікується.
- Документація щодо моделі — картка із задачею, межами застосовності та відомими слабкими місцями: де висновкам довіряти можна, а де ні.
- Каталог версій і правила відкату — яка версія в роботі, як зіставити історичний сигнал із версією і на яку повернутися за деградації.
- Порядок виведення з експлуатації — умови зняття моделі та план заміни, щоб перехід не перетворився на простій.
Такий комплект розрахований на те, що супровід прийме ваша команда або ми продовжимо точково — на донавчанні та розборі окремих режимів ринку.
Кейс: точність сигналів до і після перебудови
До перебудови схема спиралася на одну модель, навчену на довгому відрізку історії з фіксованою розміткою: розворотом вважався рух проти тренду на заданій кількості свічок.
На перевірковому періоді в шість місяців вона вловлювала 4 розвороти з 10, а на кожен вірний сигнал припадало три хибні входи. Основну їхню частину давали бокові ділянки — модель приймала за зміну руху звичайний відкат.
Перебудова йшла в трьох напрямках. Спочатку перерозмітили ціль: сигналом вважається підтверджена зміна структури руху, а не відхилення проти тренду на фіксованому горизонті.
Потім додали ознаки стану ринку — стиснення волатильності, дисбаланс обсягів, розширення спреду — і окремий фільтр режиму, який у флеті не пропускає входи взагалі. Навчання перевели на ковзне вікно з регулярним перенавчанням, щоб модель не спиралася на застарілі режими.
Результат після впровадження
На тому ж періоді перевірки частка уловлених розворотів зросла до 7 з 10, кількість хибних входів скоротилася приблизно втричі, а середній час утримання позиції зменшився: сигнал частіше спрацьовує біля самої точки зміни руху.
Якість сигналів винесли на дашборд Grafana: відстежуються частка вірних спрацювань, дрейф розподілу ознак і розбіжність із перевірковою вибіркою.
За падіння точності нижче порога потік сигналів автоматично гаситься до перенавчання — так зникає клас відмов, коли модель продовжує працювати на застарілому режимі ринку.
Що робити, якщо вже розгорнута власна аналітика?
Коли всередині вже працює власна аналітика — на правилах, індикаторах або статистиці, — починати з нуля не потрібно. Зберігаємо збір і зберігання даних, а змінюємо лише шар прогнозу: звичні звіти та дашборди продовжують жити, а точність сигналу зростає за рахунок моделі.
Розвилка проста — три шляхи, і вибір залежить від того, чи є сигнал у накопичених даних і наскільки поточна логіка встигає за ринком.
| Варіант | Коли підходить | Обмеження |
|---|---|---|
| Донавчання | Ознаки збираються коректно, розмітка є, сигнал у даних присутній | Успадковує слабкі місця поточної логіки: якщо сигналу в рядах немає, точність не зросте |
| Ансамбль моделей | Потрібно знизити частку хибних спрацювань, є кілька різнорідних джерел | Дорожчий у супроводі: зростає час перерахунку та вимоги до контролю версій |
| Заміна ядра | Правила описують ринок усе гірше, даних достатньо для навчання з нуля | Потрібен паралельний прогін і поетапне перемикання — довше за строками |
Першим кроком переносимо логіку підготовки ознак і розмітки — саме вона задає стелю якості, і без неї будь-яка з трьох схем упирається в ті самі помилки. Далі запускаємо новий шар у тіньовому розрахунку поруч із поточним і порівнюємо сигнали на тих самих періодах.
Перемикаємося на модель лише тоді, коли розбіжність з еталоном укладається в узгоджений коридор, а відкат до попередньої системи залишається доступним за один крок.
Технічні сумніви: перенавчання, затримки, розмітка
Сумніви щодо AI-моделі розвороту ринку зводяться до чотирьох питань: чи вистачає історії, наскільки достовірна розмітка, що станеться за зміни ринкового режиму і чим підтверджується працездатність до передачі. Нижче — прямі відповіді на кожне.
Чи вистачить даних, якщо історії мало?
Рахуємо не календарні роки, а кількість незалежних епізодів потрібного типу: розворот — рідкісна подія, і довгий ряд може дати менше сотні придатних спостережень.
Дефіцит закриваємо перенесенням частини вікон зі споріднених інструментів і режимів, обмеженням горизонту передбачення до статистично стійкого та генерацією сценаріїв зі збереженням причинної структури ряду. Якщо сигналу об'єктивно не вистачає, говоримо про це до старту, а не після.
Хто розмічає історію і як виявляються помилки ручної розмітки?
Правила фіксуємо письмово до початку робіт: що вважаємо розворотом, де точка відліку, як позначаємо невизначені ділянки. Ключові епізоди розмічають двоє незалежно, розбіжності розбираються, спірні випадки потрапляють в окрему категорію, а не в шум.
Поверх ручної розмітки працюють автоперевірки на типові пастки — заглядання в майбутнє та розмітку за фактом уже здійсненого руху.
Як боретеся з перенавчанням і дрейфом даних?
Проти перенавчання — обмеження складності, відбір ознак за стійкістю на різних періодах і обов'язкова перевірка на відкладеному інтервалі, який модель не бачила на жодному етапі.
Дрейф відстежуємо за зсувом розподілів вхідних ознак і за падінням якості щодо очікуваного коридору; перенавчання запускається за тригером, а не лише за розкладом.
Що слугує доказом перед передачею моделі?
Протокол перевірки на історичних даних з урахуванням затримок виконання та витрат, звіт із метриками на відкладених періодах, розбір хибних спрацювань і період тіньового режиму, коли модель працює поруч із поточним процесом без впливу на рішення.
Передаємо код, конфігурації, правила розмітки та регламент перенавчання — результат відтворюваний усередині вашої команди.
Обговоримо задачу і повернемося з оцінкою та планом
Проєкт AI-моделі розвороту ринку важко оцінити «на око»: надто багато залежить від якості історії та від того, як у вашій системі вже визначається розворот.
Тому на першій розмові достатньо показати те, що є в роботі, — без підготовки вичищених наборів і докладного технічного завдання.
- Вивантаження історичних даних: інструменти, інтервал, глибина, наявність пропусків — за нею видно, чи вистачає історії на навчання та на чесну перевірку поза вибіркою.
- Розмітка розворотів: як зараз фіксуються точки зміни напрямку — формальне правило, ручна розмітка аналітика або евристика. Це майбутня ціль для моделі.
- Поточний сигнальний контур: що вже рахується, на яких даних і куди надходить сигнал — у термінал, таблицю або торгову систему.
- Обмеження: допустима затримка між подією та сигналом, доступні джерела, вимоги до частоти спрацювань і до частки хибних.
- Критерії приймання: за якою метрикою ви вважатимете модель робочою — точність на розмічених розворотах, частка пропущених рухів, поведінка на новому періоді.
- Інфраструктура: де відбуватимуться перерахунки і як результат потрапить до того, хто ухвалює рішення.
У відповідь ви отримуєте оцінку трудомісткості за етапами, план робіт із проміжними результатами та перелік того, що знадобиться з вашого боку.
Далі узгодимо порядок: підготовка даних, навчання та налаштування AI-моделі, перевірка на відкладеному періоді, підключення сигналу до вашої системи. Опишіть задачу — повернемося з оцінкою та планом.
