Cистема машинного обучения, предсказывающая моменты разворота рыночных трендов на основании исторических данных индексов S&P500 и DAX, размеченных экспертами. Система предсказывает цену актива, направление изменения цены, рыночный тренд и доход/доходность в валютном или процентном выражении. Точность предсказаний - около 80%. 

Алгоритмы учитывают проблемы несбалансированности классов и рассогласованности мнений экспертов, существенно влияющие на качество классификации состояний рынка. В 2017 году система показала доходность почти 29% на индексе DAX Франкфуртской фондовой биржи. 

Подробнее о разработанной системе  — в презентации.

Подробнее о разработанной системе - в интервью руководителя Департамента анализа данных, финансовых технологий и принятия решений, профессора Владимира Игоревича Соловьева. 

Сфера применения: система успешно применяется управляющей компанией, а ее версии может использоваться регулирующими организациями.

​

Техническое описание: для оценки качества распознавания состояния рынка применяются не только классические метрики (Accuracy, AUC, Кecall, Precision, F-Score), но и специально разработанные специфические критерии качества, учитывающие содержательные практические особенности задачи. Размеченные данные, обогащенные синтетическими признаками, используются для обучения как традиционных моделей классификации (в частности, усиленных деревьев XGBoost и LightGBM), так и новых моделей (основанных на методологии скользящих окон, нейронных сетях и т. д.).

Система разработана по коммерческому заказу.