Разработка AI-модели предсказания разворотов рынка

Разработка AI-модели предсказания разворотов рынка

Предсказание рыночных разворотов — одна из сложнейших задач в финансовом ML. "Покупай при дне, продавай на пике" — идеал, не достижимый полностью. Реалистичная задача: детектировать состояния рынка, при которых вероятность разворота значимо выше средней, и торговать с управляемым риском.

Типы разворотов

Краткосрочные (2-10 дней):

• Mean reversion после экстремального движения
• Устранение технических перекупленностей/перепроданности
• Post-earnings drift разворот

Среднесрочные (2-8 недель):

• Коррекции тренда на 38.2-61.8% по Фибоначчи
• Смена моментум-режима
• Изменение макро-позиционирования

Долгосрочные (месяцы):

• Смена бизнес-цикла
• Кредитный цикл разворот
• Structural break в фундаментальных условиях

Признаки разворота

Технические индикаторы с доказанной предсказательной силой:

• Divergence RSI / цена: новый maximum цены при lower RSI — bearish divergence
• Bollinger Band squeeze followed by breakout failure
• Exhaustion candles: gap + reversal (hammer, shooting star) на высоком объёме
• Volume-price analysis: цена растёт, объём падает = ослабление тренда

Sentiment-based сигналы:

• Put/Call ratio: экстремально высокое → страх → потенциальный разворот вверх
• VIX spike > 30: peak fear
• Short interest: экстремально высокий short interest → short squeeze риск
• Insider buying/selling: инсайдеры продают на пике

Позиционирование:

• COT (Commitments of Traders) данные: когда commercials максимально нетто-шорт → разворот вниз
• Hedge fund positioning (13F filing analysis): снижение концентрации в топ позициях

Детектор режима рынка

Разворот нельзя рассматривать изолированно — нужен контекст режима:

Hidden Markov Model (HMM) для детекции режима:

from hmmlearn import hmm
import numpy as np

# features: returns, volatility, volume
model = hmm.GaussianHMM(n_components=3, covariance_type='full', n_iter=100)
model.fit(features)
regimes = model.predict(features)
# 0: trending, 1: ranging, 2: volatile/crisis

Стратегия разворота применяется только в ranging/volatile режиме. В trending — momentum стратегия.

ML-модель разворота

Composite Reversal Score:

features = {
    # Оverextension
    'distance_from_sma200': (close - sma200) / sma200,
    'rsi_14': rsi(close, 14),
    'z_score_20d': (close - mean20) / std20,

    # Divergence
    'price_rsi_divergence': detect_divergence(close, rsi_14, lookback=5),
    'volume_price_divergence': (volume_trend < 0) & (price_trend > 0),

    # Sentiment
    'put_call_ratio': pcr,
    'vix_level': vix,
    'short_interest_ratio': short_interest / avg_volume,

    # Market structure
    'higher_high': close > prev_swing_high,
    'support_resistance_level': distance_to_nearest_sr / atr
}

Алгоритм: Random Forest Classifier. Таргет: разворот в течение N дней, определяемый как изменение тренда на lookback-окне.

Label generation (сложный момент): Разворот определяется ретроспективно — нельзя знать, что текущий пик именно пик до факта. Подход: swing high/low detection через ZigZag индикатор с минимальным движением X% (5-8%). Метка ставится на исторические swing точки.

Confidence-based позиционирование

Не входить при любом сигнале — только при достаточной уверенности:

Ensemble scoring:

• Технический score (RSI, Bollinger, divergence): 0-1
• Sentiment score (VIX, PCR, short interest): 0-1
• Positioning score (COT, fund flows): 0-1
• Composite = weighted average

Позиция открывается при composite > 0.65. Размер пропорционален composite.

Risk management для reversal trades:

• Stop loss: за предыдущий экстремум (swing) — если разворот продолжает ход, мы неправы
• Take profit: следующий значимый уровень поддержки/сопротивления
• Maximum holding period: 10 торговых дней — если не сработало, выход

Оценка на backtesting

Низкий win rate нормален для reversal стратегий при высоком R:R (risk:reward) соотношении 1:2 и выше.

Сроки: модель детектора разворота с HMM режимами — 4-6 недель. Полноценная система с backtesting, позиционированием и мониторингом — 3-4 месяца.