tgindex

Аркадия

описание

Author - @pyython Канал про мой путь в разных сферах бытия. В этом канале буду освещать мои подвижки в сфере крипты, бизнеса, айти, путешествий.

← к каналу@kleycode
856
подписчиков
Охват к подписчикам
166,9%
ERR
Реакции к просмотрам
1,02%
299 на 21 постов
Пересылки к просмотрам
0,62%
182
Постов в день
0,0
всего 21

Где отзываются чаще

доля реакций к просмотрам
  • 21 июн.За последние 3 месяца после первого касания с Claude code стало понятно как много пиздежа в твиттере. Каждый второй инфлюенсер выдает секретный промпт, который нагенерил ему сверхприбыльную стратегию на 200% годовых, 300к в наносек. На деле профит возможен только при понимании, что такое бэктесты и как правильно их писать, что такое рынок, какие игроки на нем присутствуют и тд и тп. Особенно это актуально в околофинансовой сфере, где люди выжимают каждый цент из инвестированного ими доллара. У меня в целом возникло ощущение, что если вы не будете валидировать нейронку и напихивать ей за каждую неверную строчку кода, то она напихает вашему депозиту, подгоняя желаемое под действительное уверяя вас, что стратегия с 4000% прибыли в месяц на тестовых данных это ок. Для себя я нашел 3 варианта использование ИИ: 1. Разбор статей по математике, крипте, финансах. 2. Сбор данных, их сортировка, написание тестов для стратегий + мониторинг возможностей на рынке 3. Написание различных программ, из недавнего я завайбкодил автомонтажер рилсов, сайт сантехники с парсером, арбитражного бота. Я с Клаудом поработал довольно много, придумав за это время несколько механизмов оптимизации его мозгов, например заставляю его правильно помнить инфу в каждом из проектах и делать компакт в нужное время. Если интересно, то пошумите, продолжу эту тему разгонять.4,36%
  • 25 июн.Защитил вчера курсовую 3-го курса на 10/10 Суть: строится процесс, который в каждый фиксированный момент времени неотличим от броуновского движения (распределение N(0, t)), но броуновским движением при этом не является - у него есть скачки. Что было сделано: взял сжатую статью Hamza–Klebaner (2006), структурировал весь текст вместе с реконструкцией большинства доказательств, для каждой используемой классической теоремы (Колмогоров, Леви–Хинчин, Ито, Келлерер) нашёл точную ссылку в учебнике и дал альтернативное доказательство существования такого процесса через теорему Келлерера. Где применяется: в финансах есть различные опционы. Один из видов - барьерные опционы. Их много подвидов, но ключевая особенность в том, что выплата происходит или не происходит в зависимости от того, пересекла ли цена заданный барьер али нет. В отличие от европейских опционов, их цену нельзя определить однозначно, так как она зависит не только от конечного распределения, но и от совместного. То есть два моделируемых процесса могут иметь одинаковые маргинальные распределения в любой фиксированный момент времени, однако сами процессы (как случайные функции) различаются - а значит, и цена барьерного опциона у них будет разной. Отдельное спасибо моему научному руководителю Колесникову Александру Викторовичу. Выше прикрепил файл самой курсовой + презу для защиты.2,81%
  • 16 июл.Может ли ChatGPT торговать лучше человека? Нашёл свежий обзор исследований про LLM-агентов в трейдинге. Авторам конечно надо верить не на 100%, потому что косяки есть даже в тексте, но зерно правды в статье содержится. В paper разобраны системы, которые читают новости, отчётность и рыночные данные, а затем самостоятельно принимают торговые решения. Спойлер: идеи интересные, но отдавать GPT деньги пока рано. Все системы делятся на два типа. 1. LLM-трейдер Модель получает новости, цены и финансовые отчёты, после чего отвечает: купить, продать или держать. Более сложные агенты умеют: - запоминать предыдущие сделки; - анализировать собственные ошибки; - спорить с другими агентами; - корректировать стратегию через reinforcement learning. Например, один агент предлагает купить акцию, другой ищет причины этого не делать, а третий оценивает риски. 2. LLM как исследователь Более практичный вариант: модель не торгует напрямую, а ищет потенциальные источники альфы. Она может: - извлекать события из новостей; - анализировать отчёты компаний; - придумывать торговые факторы; - писать формулы сигналов; - объяснять неудачный бэктест; - предлагать следующую гипотезу. После этого идея проходит обычную количественную проверку и только потом попадает в торговую систему. На мой взгляд, именно здесь у LLM есть реальная ценность. Не «предскажи цену NVIDIA», а «преврати тысячу документов в структурированные признаки, которые можно проверить». На бэктестах некоторые LLM-агенты показывают годовую доходность на 15–30 процентных пунктов выше использованных базовых стратегий. Но есть несколько нюансов: - медианный период тестирования составляет всего 1,3 года; - даты бэктестов часто выбраны произвольно; - комиссии и проскальзывание обычно не учитываются; - тестируют в основном популярные акции вроде TSLA, MSFT и META; - полноценного forward- или live-тестирования почти нет; - результаты разных исследований нельзя напрямую сравнивать. И есть ещё одна фундаментальная проблема. Если современная GPT анализирует новость 2021 года, она потенциально уже знает, что произошло с компанией после этой новости. Будущее может находиться не в промпте, а в весах модели. Получается скрытый look-ahead bias: агент выглядит гениальным на исторических данных, потому что в некотором смысле уже видел ответы. Главный вывод LLM пока не выглядит доказанным автономным трейдером. Красивый бэктест ещё не означает наличия реальной альфы. Для себя я ИИ в финансах использую преимущественно для проверки своих гипотез и написания бэктестов, объединения несколько стратегий в одну, поиск новых статьей на примере заданных. Ознакомиться со статьей: https://arxiv.org/abs/2408.063611,89%
  • 16 нояб.Фан факт: борода смягчает удар на 30% статья: https://academic.oup.com/iob/article/2/1/obaa005/5799080?login=false1,88%
  • 29 июн.Мои недавние наработки для ускорения работы с ИИ: Древовидная структура Я держу файл, в котором кратко описан каждый из моих проектов, дабы Claude не терялся и сразу находил нужный при сбросе очередной сессии. Клод сам дописывает в этот файл новые проекты и удаляет старые. Внутри каждого проекта есть отдельный файл, в котором обычным списком хранятся последовательно все внесённые ключевые изменения и дата их принятия; также в данном файле лежат все важные ошибки, их исправления и возможные уязвимости, которые надо отдельно валидировать при внесении новых правок в код. Надзиратель агентов ЛЛМ-ки очень любят додумывать решения, особенно если это касается торговых алгоритмов. У них часто возникает проблема с округлениями, с расчётом цены, относительно которой надо ставить лонг/шорт, с пониманием, на каких данных надо обучаться, а какие игнорировать. Поэтому после каждого крупного изменения я люблю задавать такой промпт - "перечисли решения, принятые тобой лично, которых не было в исходном задании". Аудит ссылок Столкнулся с этим во время написания курсовой работы, когда нейросеть пересказывала статьи, которых на самом деле нет, при этом выдавая битые ссылки, которые никуда не вели. После этого у меня появился отдельный агент, который проверяет каждую ссылку на достоверность и уличает ложь. До создания папки с очередным проектом я беру лист бумаги и рисую для себя древовидную диаграмму, где схематично представляю тот результат, которого хочу добиться. На самом деле один только этот метод ускоряет работу на порядок - сильнее, чем любые секретные промпты или скрещивания субагентов. Поэтому в вайбкодинге, как и в трушном программировании руками, важно не то, с какой скоростью ты пишешь код, а то, представляешь ли ты само решение.1,87%
  • 12 апр.Я тут на днях, просыпаясь ночью, подумал как можно обойти алгоритм поиска ближайшего соседа от Spotify (Annoy). В итоге пришла идея с разделением пространства на сферы вместо плоскостей, а затем пускать перпендикуляры в n-мерном пространстве и таким образом оптимизировать обход дерева. Annoy - это библиотека на C++, которую юзают все подряд для векторного поиска. Рекомендации, эмбеддинги, RAG. Стандарт индустрии. Проблема: на высоких размерностях он врёт. Средняя ошибка 82.4 на 100D. Из 100 запросов - ноль точных попаданий. Что сделал: - Взял VP-дерево (разбиение пространства сферами, а не гиперплоскостями) - Добавил умный выбор опорной точки по максимуму дисперсии расстояний - Заменил рекурсивный поиск на очередь с приоритетом - Собрал лес из 10 деревьев Результат: 100 запросов — 100 точных попаданий. Ошибка 0.000000. Да, по скорости чистый питон проигрывает сишному Annoy в 200 раз. Но если тебе важно найти правильного соседа, а не быстрого - это работает. Статья полная на linked in с кодом - https://www.linkedin.com/pulse/i-built-nearest-neighbor-search-beats-spotifys-annoy-heres-kleimenov-c87re/1,58%
  • 6 июн. 2024 г.Когда увидел создателя проекта, в который ты инвестировал... #Sanctum1,41%
  • 30 янв.Энтузиазм У каждого деятельного человека основополагающим фактором успеха является энтузиазм. Здесь важно четко отличать энергию от энтузиазма. Человек может быть энергичным, но без энтузиазма - тогда он делает через силу и принуждение, не наслаждаясь самим процессом. Я прям сверхдолгое время был убежден, что сила в тупом делании и дисциплине, однако при каждой попытке внедрить желание совершать нетривиальные для мозга действия (читать книгу на английском, решать задачи, прогать новый проект) проебывался и читал только 3% книги, решал только 2/10 задач, не прогал задуманное до конца. И не понимал что же я делаю не так, ведь из каждого рилса, книги, совета транслируется что надо применять правило ЕБШ и все будет ЗБС. По факту это оказалось фикцией, навязанной обществом - именно тем большим пластом людей, которые буквально рвут жопы, задыхаясь, достигая результата, который в ровном состоянии можно было бы получить в пять раз быстрее и с куда меньшими затратами физического и психического здоровья. А то самое правильное состояние, влекущее за собой энтузиазм, у меня достигается только через повышение чувствительности организма: растяжку тела и работу с зажимами, бани, спортзал с видоизменённой техникой выполнения упражнений. Доходит до смешного. Я раньше ездил в метро и все время слушал только музыку или листал рилсы. Теперь во время поездки в метро мне просто физически некомфортно думскролить. Хочется нарешивать стоханы, разбирать курсач, читать книжку по финансам (сейчас это Wilmott - Paul Wilmott introduces quantitative finance) и это происходит не из-за выдуманной дисциплины или принуждения себя, а просто появилось желание. Таким макаром я уже осилил 50 страничек книжке, решил пару задачек и написал большую часть данного поста. И вывод напрашивается сам - чтобы достигать нормального результата надо не распыляться вовне, а сосредоточиться на своём организме и в первую очередь улучшать его состояние.1,39%
  • 20 янв.Траблы с применением машинного обучения в финансах Надо понимать, что на рынке 99% всего движения графика — это шум. То есть это такие движения, которые ни одна современная модель просто не может системно предсказывать из раза в раз. Откуда этот шум берётся? 1️⃣ Трейдеры; 2️⃣ Изменения ставки ФНС; 3️⃣ В целом иррациональность большинства поступков людей. Не даром при попытке моделировать рынок необходимо использовать Броуновское движение, чтобы симулировать эту случайность движений рынка. Поэтому машинка в финансах - это не то же самое, что машинка в аналитике или биологии, где у нас задача состоит больше в обработке заведомо правильных данных и умении предсказать правильный сигнал, нежели в поиске этого самого сигнала. На Kaggle совсем недавно проводилось соревнование с предсказанием одной из метрик по историческим данным с графиков. Победители научили модель находить крошечные закономерности, которые повторяются всего в 1,38% всех движений цены. Дабы объяснить проще, представьте: вы хорошо отдохнули на выходных и в понедельник утром проснулись на лодке в открытом океане. Теперь вы смотрите на волны и видите, что очень крошечная часть волн (1,38% в данном случае) ведёт себя систематично. Не думаю, что это как-то обрадовало бы вас, но, вероятно, при таком наметанном глазе вы бы выиграли соревнование выше.1,01%
  • 3 нояб.Вирус успеха Каждый успешный даватель советов не пренебрегает при каждом удобном случае высказаться, что по молодости необходимо включать режим ЕБШ и буквально не спать чтобы достичь результата. Это звучит логично только для тех, кто собирается жить до 30, а дальше уходить сразу в гроб, потому что с таким раздолбанным организмом жить просто некомфортно. Они не скрывают что хотят вернуться в то время гринда, когда их тельце готово было под энергосами хастлить целых пару ночей без остановки. Люди не думают. Они копируют. Копируют мысли, позы, привычки. И чем банальнее мысль — тем увереннее её пересказывают. «Развивайся или сдохни». Ну сдохни, раз уж выбора не оставил. На самом деле всё проще. Наблюдая за собой, осознал 4 основных пожирателя энергии: 1. Мышечный фактор. Некоторые мышцы могут быть перерастянуты, где-то мягкие как кисель, в другом месте каменно тяжелые. Это все поедает кусманища жизненной силы у организма. Лечится йогой. Или телесной осознанностью, если слово «йога» уже вызывает аллергию. 2. Ресурсный. Проследите куда утекает ваше внимание, удалите инстаграм и тикток. 3. Джанк фуд. Понятно. 4. Отсутствие физ нагрузки. Очевидно. Не будьте стадом, думайте своей головой 🤘0,90%
  • 29 окт.Дуров представил СОСУН (proof of work chain) Ждите сосун в ноябре…0,54%
  • 2 апр.На днях пришла идея сравнить модель Блэка-Шоулза и нейросетки в предсказании цен на кол-опцион. Нагенерил данных без улыбки волатильности и с ней. Взял улыбку, так как именно она возникает когда люди сильно верят в возможность больших скачков. Без улыбки результаты следующие: --- РЕЗУЛЬТАТЫ --- Средняя ошибка Блэка-Шоулза: $0.0814 Средняя ошибка Нейросети: $0.1743 Понятно, что в формуле Блэка волатильность является константой, поэтому нейросеть явно лучше справилась с задачей минимизации ошибки MSE когда появляется улыбка. --- РЕЗУЛЬТАТЫ С 😁 --- Средняя ошибка Блэка-Шоулза: $0.2558 Средняя ошибка Нейросети: $0.1427 На практике конечно никто не заменяет нашего черного друга ИИ, так как возникает главная проблема - интерпретируемость нейросети. Нейронки используют дабы фитить сигму (волатильность) или хеджировать риски.0,48%