Аналитика рынка

Настройки сбора данных

Настройки и запуск сбора данных — здесь будет интерфейс (инструменты, интервалы, лет).

Полнота скачанных данных по активам (поиск пар)

Загрузка…

Сравнение активов

Загрузка…

Спред / z-score пары

Выберите режим «Спред пары»

Метапараметры (форма → бэктест)

Метрики последней точки

Нет данных

Новостной конвейер

Загрузка…

Бегущая лента: оценки влияния на сигналы

только с влиянием на стоимость активов строк

score = рейтинг влияния на семейство (Σвзвешенных терминов · веса категорий, норм. −100…+100). Цвет: bull ▲ / bear ▼.

Загрузка…

Аналитика

Новостей за период

…

Потенциальная влиятельность по семействам (Σ|score|·conf)

…

По источникам за период

…

Подтверждение влияния бэктестом (сигнатура vs Δцены, горизонт 1 день)

Нажмите «Собрать» или Обновить после накопления корпуса.

Источники

Загрузка…

Health-check

Загрузка…

Найденные новости

Накопление корпуса

Аналитические дашборды

Выберите представление.

История статей

Загрузка…

Метрики влияния по дням

Параметры анализа

Загрузка…

Сигнатуры: сравнение подходов

Нажмите «Сравнить подходы».

Сигналы — общая схема

Источники сигналов:

Новостной конвейер — лексико-семантический скоринг текста → score ∈ [−100, +100] на семейство.
ML-корреляции со сдвигом — лог-доходности, матрица Пирсона с лагом → пара «ведущий→ведомый».
Подбор лага — лучший лаг по |r|, симуляция знаковой торговли → PnL (1 млн ₽).
Стратегии gap/intraday — сигналы по разрывам цены, моментуму XAU и мультифактору (virtual_trader).
Сигнатуры текста — TF-IDF/Hybrid/Lexicon → [−1, +1], валидация против будущей цены (Spearman ρ).

Новостной сигнал (news_scorer)

Поиск по 5 категориям: monetary · commodity · geopolitics · macro · demand.

impact  =  Σ_cat ( Σ_pos w − Σ_neg w )
conf    =  min( 0.3 + 0.12·min(hits, 8), 0.95 )
score   =  impact · fam_coef · (100/9) · (Σ_weights / 3)
          прямые упоминания:   fam_coef = 1.0
          косвенные (глоб.драйверы): fam_coef = 0.35 · 0.7
направл.  += 0.12·100·fam_coef  (bullish),  −0.12·100·fam_coef  (bearish)
клиппинг: [−100, +100]

Параметры DEFAULT_PARAMS:

half_life_hours — 12.0 (полураспад влияния)

min_conf — 0.35 (порог уверенности)

agg — weighted (weighted|median|peak)

norm — 100.0 (шкала сигнала)

weights.monetary — 0.30

weights.commodity — 0.25

weights.geopolitics — 0.25

weights.macro — 0.10

weights.demand — 0.10

Семейства: GOLD, SILV, COPPER, PLATINUM_SPOT, BRENT, NGAS. Правило: если совпал >1 негативный + отсутствует позитивный маркер → aggr `bear`.

ML-корреляции со сдвигом (analytics_db)

Лог-доходность и матрица Пирсона со сдвигом: строка «ведёт» столбец.

r[i]    =  ln( c[i] / c[i−1] )                // лог-доходность
ρ(x,y)  =  Σ(x−x̄)(y−ȳ) / √(Σ(x−x̄)² · Σ(y−ȳ)²)   // Пирсон, попарно, n ≥ 5
mat[исх][цел] = ρ( logRet[исх][t], logRet[цел][t+lag] )

Пресеты лагов (баров):

LAG_PRESETS: 1d = [1,2,3,5,10,20], 60min = [1,2,4,12,24,48,72,144], 10min = [1,3,6,12,36,72,144,288,432]

Сигнал от подбора лага (ml_best_lags):

s      =  sign( logRet[source][t] )           // +1 / −1 / 0
gross  =  Σ s · logRet[target][t+lag]
profit =  gross · 1 000 000 − 0.00015·n·1 000 000   // условная комиссия 0,015%
acc    =  доля совпадений знака s и return target

Экономика (ml_strategies, «Финам N6 Трейдер»):

FINAM_COMM = {futures: 1.2 ₽/контракт, spot: 0.025%} · BARS_PER_DAY = {1d:1, 60min:14, 10min:70}
trades_day = round(BARS_PER_DAY / lag), contracts = int(1 000 000 / avg_close), fee = 2 · fee_per_trade · n

Стратегии gap / intraday (virtual_trader)

gap      =  (open[first.today] − close[yest.end]) / close[yest.end] · 100
xau_ret  =  (close[0] − close[N]) / close[N] · 100          // моментум XAU за N баров
intr_ret =  (close[0] − close[N]) / close[N] · 100          // внутридневной моментум
vol_spike=  avg(vol[-5])  >  avg(vol[-30]) · 1.5            // подтверждение объёмом

Стратегия	Сигнал (формула)	Параметры	Инструмент
GapFade	\|gap\| < threshold → SHORT если gap>0, иначе LONG	threshold=0.5%, sl=1.0%, tp=1.0%	TGLD
XauLeadLag	\|xau_ret(lead)\| > threshold → LONG если >0, иначе SHORT	lead=20, threshold=0.08%, sl=1.0%, tp=0.6%	TGLD
MultiFactor	score = gap·0.4 + xau_ret(10)·0.3 + intr_ret(30)·0.2 + vol(±0.15); \|score\|>thr	score_threshold=0.3, sl=1.0%, tp=1.0%	TRUR
GapCont	\|gap\| > threshold → LONG если gap>0, иначе SHORT	threshold=0.3%, sl=1.2%, tp=2.0%	TGLD
ScalperMulti	\|intr_ret(90m)\| > threshold → LONG/SHORT	interval=90м, threshold=0.05%, sl=0.6%, tp=1.0%	TRUR

Капитал: TOTAL_CAPITAL=1000 ₽, CAPITAL_PER_STRATEGY=200 ₽, POSITION_SIZE_PCT=50%, UPDATE_INTERVAL=300 с. 1 сделка/стратегию/сутки, перекрытие при открытой позиции.

Бэктест-версии (strategies.py)

Класс	Логика	Параметры по умолчанию
GapFade	mean reversion малых разрывов (\|gap\| < thr)	gapThreshold=0.5%, stopLoss=2.0%, takeProfit=1.5%, risk=1.0%, cooldown=30м
XLedLag	моментум XAU на открытии (gap фильтр ≥0.2%)	leadMinutes=10, stopLoss=2.0%, takeProfit=1.0%
GapContinuation	breakout по гэпу + объём	gapThreshold=1.0%, volumeSpike=1.5×, stopLoss=1.5%, takeProfit=2.0%
AdaptiveRegime	мал. гэпы fade, бол. гэпы continuation	fadeThreshold=0.5%, contThreshold=1.5%, stopLoss=2.0%, TP=SL·1.5

Signal.direction: 1=long, −1=short, 0=flat. Выход по SL/TP интрабар, иначе EOD close. Комиссии в бэктесте задаются engine.run_backtest().

Сигнатуры текста (text_signature)

Модель	Векторизация	Выход
TFIDFSignature	TfidfVectorizer(max_features=5000, min_df=1, max_df=0.95, sublinear_tf=True)	Σ весов по семейным ключам, норм. max\|.\| → [−1, +1]
HybridSignature	TF-IDF база + направление ±0.15 от bull/bear слов	[−1, +1]; confidence = min(1, tfidf_conf + 0.05)
LexiconSignature	LEXICON score, нормализация по шкале	[−1, +1]

forward ret(d) = close[t+d] / close[t] − 1    // d ∈ {1, 2, 3, 5} дней
метрики: Spearman ρ(сигнал, forward ret), p-value, hit_rate совпадения знака

Цель валидации: стабильный ρ > 0.3 при корпусе ≥ 100 статей (current: ~35).

ML-модель новостей: размер движения + оптимальный лаг (news_ml)

модель не обучена

Целевая метрика (регрессия):  y = |close[t+lag] − close[t]| / close[t]
Лаги (10min бары):  LAGS_10MIN = [1, 3, 6, 12, 24, 48, 72, 144]
Только прямые статьи:  fam_coef = 1.0 (скоринг по семейству)
Комиссия бэктеста:  Финам futures = 1.2 ₽/контракт (вход + выход), контракт = 1 млн ₽
Модель:  GradientBoostingRegressor(n_estimators=100, depth=3, lr=0.05); opt-lag подбирается
         на предсказанный max |return| по сигнатуре текста + домену источника

Корреляционные матрицы со сдвигом по времени

r = corr(logRet[строки][t], logRet[столбца][t+lag]) — строка «ведёт» столбец. Положительные зелёные, отрицательные красные.

Выберите интервал и лаг → «Построить».

Автоподбор лага (топ пар по |r|)

Нажмите «Автоподбор лага».

Наиболее доходные стратегии (модель на 1 000 000 ₽)

Стратегия: по знаку логдоходности источника (source) в момент t открываем позицию в цели (target) на лаг баров. Ликвидность и цены — по фактическим сделкам MOEX (60 min, ~5 дней). Комиссия: фьючерсы до 1,2 ₽/контракт, spot/ETF до 0,025%.

Нажмите «Рассчитать стратегии».

HFT Analytics

Настройки сбора данных

Полнота скачанных данных по активам (поиск пар)

Сравнение активов

Спред / z-score пары

Метапараметры (форма → бэктест)

Метрики последней точки

Новостной конвейер

Бегущая лента: оценки влияния на сигналы

Аналитика

Подтверждение влияния бэктестом (сигнатура vs Δцены, горизонт 1 день)

Источники

Health-check

Найденные новости

Накопление корпуса

Аналитические дашборды

История статей

Метрики влияния по дням

Параметры анализа

Сигнатуры: сравнение подходов

Сигналы — общая схема

Новостной сигнал (news_scorer)

ML-корреляции со сдвигом (analytics_db)

Стратегии gap / intraday (virtual_trader)

Бэктест-версии (strategies.py)

Сигнатуры текста (text_signature)

ML-модель новостей: размер движения + оптимальный лаг (news_ml)

Сгенерированные сигналы

Корреляционные матрицы со сдвигом по времени

Автоподбор лага (топ пар по |r|)

Наиболее доходные стратегии (модель на 1 000 000 ₽)