Ридж-регрессия в алгоритмической торговле: как машинное обучение помогает увеличивать прибыль на крипторынке

Ридж-регрессия – это простая техника, которая идеально подходит для начала работы с методами машинного обучения и алгоритмической торговли. В последнее время интерес к использованию методов машинного обучения в торговых стратегиях возрос благодаря впечатляющим достижениям таких ИИ, как ChatGPT. Некоторые крупные торговые фирмы публично заявляют, что используют методы машинного обучения, хотя на самом деле это может не соответствовать действительности.

Тем не менее, машинное обучение может обеспечить не только хорошую рекламу. Оно может помочь оценить, существует ли какой-либо потенциальный статистический значимый сигнал, и найти оптимальную математическую форму точек покупки/продажи для сигналов, в которые вы уверены. Например, ридж-регрессия защищает от переобучения, что особенно полезно при разработке торговых стратегий.

Линейная регрессия – один из самых простых методов машинного обучения, можно использовать в качестве отправной точки для проверки, имеют ли выбранные сигналы предсказательную ценность. Она выбирает коэффициент для каждого сигнала так, чтобы предсказанные значения были как можно ближе к реальным значениям. Однако ридж-регрессия вносит модификацию, пытаясь также удерживать коэффициенты небольшими. Этот компромисс задается параметром «alpha», который выбирает пользователь.

После этого мы можем рассмотреть результаты работы ридж-регрессии на ценах криптовалют. Я написал код на Python, чтобы получить данные с Yahoo Finance, подогнать модель ридж-регрессии, протестировать стратегию и построить графики. Важно помнить, что результаты могут различаться в зависимости от блока данных, на котором проводится тестирование.

Биткойн BTCUSD

Рассмотрим, как ридж-регрессия работает на крупнейшей криптовалюте по рыночной капитализации - биткойне. В данном случае стратегия приносит прибыль, даже когда стратегия `купить и держать` несет убытки.

Эфириум ETHUSD

Теперь попробуем ридж-регрессию на недавних ценах эфириума. Эта стратегия также значительно более прибыльна, чем `купить и держать`, и умудряется зарабатывать даже в условиях общего падения крипторынков.

DOGE (DOGEUSD)

Кроме того, существует мнение, что алгоритмы на более крупных активах, таких как основные индексы, могут быть менее успешными, чем на меньших или менее активно торгуемых активах. Мы увидели, что ридж-регрессия на DOGE также превосходит стратегию `купить и держать`.

В заключение, мы показали, как относительно простой алгоритм машинного обучения может быть обучен на данных о ценах криптовалют для генерации торговой стратегии. Даже базовый подход с использованием скользящих средних и регрессионных линий может дать многообещающие результаты. Однако важно помнить, что ни одна стратегия не работает постоянно, и случаются моменты, когда она оказывается менее прибыльной, чем простая стратегия `купить и держать`.