Цель проекта
Цель проекта
План работ
Схема
Первый уровень стратегический
Методика выполнения работы
Методика выполнения работы
Аналоги системы
Актуальность проекта
818.39K

Презентация проект

1.

Концептуальное обоснование проекта
«Модель анализа индикаторов крипторынка»
Авторы проекта:
Котвицкий А., Семинихин Т.
Руководитель:
Сианосян Лиана Аслановна
Класс: 10 «П»
ГБОУ Школа № 1580

2.

Концептуальное обоснование проекта
«Модель анализа индикаторов крипторынка»
Авторы проекта:
Котвицкий А., Семинихин Т.
Руководитель:
Сианосян Лиана Аслановна
Класс: 10 «П»
ГБОУ Школа № 1580

3. Цель проекта

Создание
автоматизированной системы,
которая полностью решает задачи
инвестора или трейдера на
криптовалютном рынке.

4. Цель проекта

Создание
автоматизированной системы, которая
полностью решает задачи инвестора или
трейдера на криптовалютном рынке.

5. План работ

Создание первого
уровня системы
стратегического
1
Создание второго
уровня системы
тактического
Создание третьего
уровня системы
основного
2
3

6. Схема

7. Первый уровень стратегический

Назначение
Квалификация тренда путем анализа показателей технических
индикаторов
Механизм расчета
Каждый из анализируемых индикаторов имеет свой вес значимости,
при этом сумма весов всех индикаторов равна 100%. Итоговое
значение X является суммой показателей, где каждый индикатор
вносит вклад в виде своего веса, умноженного на 1 или -1.
Логика механизма
На основе полученной суммы система определяет тренд:
Если X < 0 — система определяет нисходящий тренд.
Если X > 0 — система определяет восходящий тренд.

8.

Второй уровень
тактический
Назначение
Определение точек входа
в сделку, определяемые
на основе общего z-score
значения
Расчёт
общего z-score
Формирование
компонентов z-score
Z-score высчитывается
как средневзвешенное от
трех компонентов:
technical z-score
fundamental z-score
sentimental z-score
Каждый из
представленных
компонентов имеет вес
значимости, который в том
числе будет
использоваться для
расчета общего z-score.
Каждый компонент
(technical, fundamental,
sentimental) высчитывается
на основе группы
показателей индикаторов
соответствующего вида.
Эти показатели, в свою
очередь, приводятся к
Гауссовскому
распределению(нормализу
ются)
Цель нормализации
Нормализация необходима
для достижения общей
когерентности
(согласованности и
сравнимости) итоговых zscore значений, позволяя
корректно объединять
разнородные данные.

9.

Третий уровень
основной
Назначение
Определение параметров сделки
(депозит, кредитное плечо)
Структура
Цель: реализовать динамическое
определение параметров сделки
Методика: за счет логики обработки,
которая совмещает
стандартизированные показатели с
текущей рыночной обстановкой
1
подуровни
определяются стандартные параметры
сделки из общей таблицы, в которой столбцы
будут отражать значения общего z-score в
стандартных отклонениях, а соответствующие
им колонки — рекомендуемые параметры
сделки для каждого значения.
.
2
проводится анализ рыночного
контекста, а именно
определяются ключевые зоны
поддержки/сопротивления и
объемные уровни.
Итоговая задача
провести стандартизированные параметры, полученные на первом
подуровне, через призму контекстных данных со второго подуровня. Для
этого планируется использование вероятностных и логических моделей.

10. Методика выполнения работы

Все индикаторы, используемые в системе, будут отбираться
на основе анализа платформы TradingView, а также,
потенциально, других аналогичных ресурсов и социальных
сетей, таких как X.
Структура проекта будет дорабатываться на основе
логического анализа аналогичных систем и
собственных идей.
Программная часть проекта (автоматизация
системы) будет реализована на языке
программирования Python.

11. Методика выполнения работы

Все индикаторы, используемые в системе, будут
отбираться на основе анализа платформы TradingView,
а также, потенциально, других аналогичных ресурсов и
социальных сетей, таких как X.
Структура проекта будет дорабатываться на
основе логического анализа аналогичных систем
и собственных идей.
Программная часть проекта
(автоматизация системы) будет
реализована на языке программирования
Python.

12. Аналоги системы

Большинство аналогов торговых систем
используют машинное обучение для повышения
эффективности и точности анализа. Это даёт им
значительное преимущество, так как реализация
ML требует глубоких познаний в математике.
Несмотря на это, наша система остаётся
практичным и эффективным решением для наших
конкретных условий, например, для работы с
небольшим капиталом на среднесрочных
периодах.

13. Актуальность проекта

Нерациональность при принятии финансовых решений
(действия под эмоциями):
Проблема - Трейдеры часто поддаются страху и жадности, что
приводит к необоснованным и убыточным сделкам.
Решение - Алгоритмическая система действует строго по заданным
правилам, исключая влияние человеческого фактора и сокращая
риск возможности совершения неудачной сделки.
Невозможность ручного анализа большого объёма данных:
Проблема - Объем рыночной информации (исторические данные,
индикаторы, новостные потоки) слишком велик для своевременного и
эффективного анализа человеком.
Решение – Автоматизация позволяет мгновенно обрабатывать массивы
данных, выявлять
сложные зависимости и принимать решения
на основе полного объема информации.
English     Русский Правила