Сидоров Данил
RU EN DE
Telegram

AI торговый бот

Бот для алготрейдинга, нейросеть на PyTorch предсказывает движение цены и формирует торговые сигналы

Машинное обучение / Трейдинг

Живой интерактивный демо-стенд

Точная копия интерфейса и бизнес-логики проекта с демонстрационными данными. Все действия работают в реальном времени.

Сигналы считаются на потоке данных автоматически, без ручного отслеживания

СтекPython, PyTorch, Flask, pandas, NumPy, scikit-learn, ccxt

Безопасный контур (NDA): боевая логика на тестовых данных

Что протестировать в стенде:
  1. Запустите торговый цикл с инференсом ансамбля GRU-нейросетей
  2. Проверьте результаты walk-forward валидации и пороги мета-фильтра
  3. Оцените график накопленного PnL и журнал генерации сигналов
http://127.0.0.1:8080/
Live Stand

Нейро-трейдер

бот: работает брокер: paper (OKX) Эквити: 10 248.50 $ данные: 14:00:00 UTC

Открытые позиции

1 активная
Символ Позиция Объём Вход SL / TP PnL ($) Действие

Последние сигналы модели

порог prob ≥ 0.50, meta ≥ 0.55
Символ Время бара Прогноз Вероятности [D, F, U] Мета-уверенность Решение

Лог торгового цикла

цикл: 60с

                

Журнал сделок (journal.csv)

последние закрытые и открытые ордера
Время Событие Символ Направление Объём Цена SL TP Причина PnL ($) Эквити ($)

Реализация под ключ

Нужна похожая система под ваши бизнес-процессы?

Разработаю архитектуру, отказоустойчивый бэкенд и быстрый интерфейс. Защита соглашением о неразглашении (NDA), чистый передаваемый код и прозрачные этапы.

  1. Бесплатная оценка сроков и бюджета в течение дня
  2. Договор и безнал
  3. Гарантия и поддержка после запуска

В будни обычно отвечаю за пару часов

Отвечу лично, без навязчивых продаж

Задача

Трейдер хотел перестать вручную сидеть в графиках. Нужна была система, которая сама находит точки входа по обученной модели. Жёсткие правила из набора индикаторов его не устраивали.

Решение

Обучил нейросеть на PyTorch на исторических котировках и завёл её в бота, который проводит сбор данных, расчёт признаков, предсказание и формирование сигналов. Инференс отделил от стратегии, чтобы менять логику входов и выходов без переобучения модели

Решённые задачи

  • Обучил нейросеть на PyTorch на исторических котировках
  • Автоматизировал сбор данных, расчёт признаков и формирование сигналов
  • Отделил инференс от торговой стратегии для смены логики без переобучения
  • Реализовал переобучение модели на свежей истории
  • Упаковал в Docker и запустил торговлю

Результат

Сигналы считаются на потоке данных автоматически, без ручного отслеживания. Модель переобучается на свежей истории и подключается, не переписывая бота

Технологии

PythonPyTorchWebSocket

Расскажите о задаче

Telegram