Как я написал скрипт для 24-часового прогноза рынка: корреляции, волатильность и вероятностная модель

Автор описывает Python-скрипт для 24-часового прогноза «режима рынка» (рост/падение/консолидация) на основе межрыночных связей: внутри крипто BTC задаёт направление альткоинам, а крипто в целом коррелирует с индексами и «защитными» активами. Цель — не угадывать цену, а выдавать вероятностный прогноз как вход для стратегий и автоторговли.

Данные берутся из Binance через ccxt (крипто) и через yfinance (индексы/золото) и приводятся к единому таймфрейму 1h и UTC, чтобы корреляции и агрегации не искажались. Пайплайн: данные → индикаторы → агрегация → корреляции → вероятности. Ключевые пороги в CONFIG: lookback 30 дней, vol_low 0.01, vol_high 0.05, trend_thr 0.02, corr_weight 0.30.

  • Индикаторы: ROC(24h) (импульс), ATR% (волатильность), тренд через (EMA12–EMA26)/EMA26, volume_ratio (объём к среднему за 24h).
  • Корреляции: BTC — якорь, Pearson-корреляции за последние 24 часа по активам и средняя avg_corr; низкая корреляция = выше неопределённость/флэт.
  • Вероятности стартуют с 1/3–1/3–1/3 и сдвигаются правилами (например, импульс добавляет +0.20 к сценарию) с нормализацией суммы до 1.

Пример вывода: upward 0.1333, downward 0.4333, consolidation 0.4333 при crypto_cnt=10 и высокой средней корреляции avg_corr ≈ 0.9508 (ETH/BTC ≈ 0.9975). Практическое применение — фильтрация режимов для стратегий, адаптивный риск-менеджмент и подключение как внешнего аналитического сервиса для торговых ботов.

Читайте также

  1. Сигналы открытого интереса и автоматический трейдинг: пишем телеграм-бота для трейдинга
  2. Google Maps для биржевого стакана: делаем визуализатор данных Московской биржи на Python
  3. Руководство по передаче офлайн-конверсий в Яндекс Директ
  4. Список дел в формате RPG, экспресс-чтение по 5 минут в день и ещё 8 российских стартапов
  5. Данные Patchworks: активность в ecommerce достигла пика в начале декабря
Ключевые инсайты из новости (по версии ChatGPT)
  • Нормализация таймсерий из разных источников перед корреляциями: Если склеивать данные из разных источников (биржа, API по индексам, сырьё), их нужно привести к одному таймфрейму и одной временной зоне (например, 1h и UTC) и выровнять сетку свечей ресемплингом. Иначе любые корреляции, усреднения и «сводные метрики рынка» будут систематически искажены из-за сдвигов по времени и дыр в данных.
    [Data Engineering / Временные ряды]
Для получения полного доступа оформите подписку PubMag PRO.
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Инсайты автоматически генерируются с помощью искусственного интеллекта на основе текста статьи.
← Назад в лентуЧитать оригинал →
✈️ Подписывайтесь на мой Telegram-канал — там еще больше интересного про AdTech, MarTech, AI и многое другое!