Утечка на 3.5 часа вперёд: как модель обманывала саму себя полтора месяца — и как мы это поймали
Полтора месяца ML‑ансамбль в моей торговой системе показывал на бэктесте AUC 0.78 — солидное число для предсказания движения цены по 15-минутным свечам. В бою та же система в лучшем случае выходила в ноль. Разрыв между «отлично работает на истории» и «ничего не работает в реальности» — самый частый и обманчивый симптом в прикладном ML на временных рядах. Обычно за ним стоит одно из трёх: недообучение на новых условиях, изменившийся рынок или утечка данных.
Лян Вэньфэн: от квантового фонда до DeepSeek — как создатель ИИ-моделей стал миллиардером и что это значит для рынка
В июле Лян Вэньфэн, основатель DeepSeek, стал богатейшим человеком в мире среди создателей ИИ-моделей. По оценке Bloomberg, его состояние достигло $36 млрд после раунда финансирования DeepSeek на $7,4 млрд в июне 2026 года. Компанию оценили в $50 млрд, а доля Ляна сократилась до 78%.Для инженеров рынка и создателей стратегий эта история важна не просто как очередная новость о китайском миллиардере. Это кейс о том, как системный подход к данным, алгоритмам и инфраструктуре может породить одну из самых влиятельных ИИ-компаний мира.От университета до квантового фонда: первый опыт с данными
Как у меня НЕ получился торговый бот на Polymarket
Привет, Хабр. Видел в интернете кейс. где сделали бота с LLM для торговли на Polymarket и он сделал $10k из $1k за месяц. Ну и чо бы не попробовать что то такое же сделать! Побочный проект, чисто по приколу. Вооружил его вирутальным стартовым капиталом — $100 нарисованных.И вот на второй день этот несерьёзный проект показал +9% на счёте.
Гринд ликвидности с помощью ИИ
Исходный код опубликован в этом репозитории на GitHub
Укрощаем рыночный хаос: Пишем Liquid Neural Network (LNN) на PyTorch для алготрейдинга
Если вы когда-нибудь пытались натравить классическую LSTM на минутные свечи волатильных активов, вы знаете эту боль. Сначала Loss красиво падает на трейне, вы предвкушаете покупку острова, а на тесте модель превращается в тыкву. Она либо предсказывает скользящую среднюю со сдвигом на один шаг, либо упирается в «стену» Loss = 0.693 (то есть −ln(0.5)), сводя всё к подбрасыванию монетки.
