Статус AI-модели сигналов

Классификатор LightGBM для EURUSD M15 применяется кросс-символьно как ранний предварительный просмотр. Набор признаков (RSI, MACD, ATR, BB, пересечения EMA, флаги сессий) вычисляется по каждому инструменту в реальном времени. Однако модель не валидировалась на данных, отличных от EURUSD — сигналы за пределами EURUSD следует рассматривать как экспериментальные. Модели по классам активов запланированы на Q2–Q3 2026.

Минимальные пороги на 180-дневном walk-forward тестовом наборе: Шарп ≥ 0.8, Процент побед ≥ 50%, Профит-фактор ≥ 1.2, Макс. просадка ≤ −3R. Модели, не прошедшие хотя бы один критерий, возвращаются на тестирование для переобучения.

Для обучения используются данные OHLCV EURUSD M15 с 2015 года до 6 месяцев до даты начала обучения. Последние 6 месяцев выделяются как walk-forward валидационный набор. Метки тройного барьера (López de Prado) вычисляются с соотношением вознаграждение:риск 1.5R и временным барьером 48 баров.

Производственная модель переобучается ежеквартально на расширяющемся окне. Планировщик инференса (PM2 ai_signals_inference) обнаруживает изменения версии модели и горячо перезагружает новый бустер без простоя.

Правило автоматического отката проверяет win_rate на скользящем окне 200 сигналов. Если оно падает ниже 45% в течение 3 последовательных 24-часовых окон, деплоймент автоматически откатывается к предыдущей версии и отправляется Telegram-алерт.

Записи запланированных моделей отражают намерения дорожной карты — обучение ещё не проводилось, поэтому метрик приёмки нет. Они появятся после завершения обучения и прохождения критериев приёмки.

Мы используем важность на основе прироста LightGBM: суммарный прирост информации, который признак вносит по всем разбиениям деревьев в бустере. Более высокое значение означает более сильное влияние признака на предсказания направления.

Процент побед сам по себе вводит в заблуждение. Система нацелена на 1.5R или лучше в каждой сделке. Процент побед 52% с 1.5R на победу и 1R на поражение даёт положительное математическое ожидание. Коэффициент Шарпа и профит-фактор более информативны.

Конвейер обучения модели является проприетарным. Методология полностью задокументирована на странице Методологии: набор признаков, подход к маркировке, пороги уверенности и математика риска описаны достаточно подробно для самостоятельного воспроизведения ядра системы.

Признаки вычисляются только по барам до окна маркировки. Валидационный набор (последние 6 месяцев) никогда не используется при поиске гиперпараметров. Маркировка тройным барьером включает временной выход, чтобы цены будущих баров не могли попасть в окна признаков.

LightGBM на табличных финансовых данных стабильно превосходит глубокие модели на наборах данных умеренного размера (< 5 млн баров). Он обучается за минуты, даёт интерпретируемую важность признаков, а режим DART лучше справляется с дисбалансом классов редких попаданий в тройной барьер.

Распределение трёх классов (лонг / шорт / нейтральный) примерно 20% / 20% / 60%. Параметр is_unbalance=True в LightGBM автоматически перевзвешивает классы. Дополнительная фильтрация по порогу уверенности (60% внутридневные, 55% дневные) дополнительно снижает нейтральный шум.

Сигналы M15 нацелены на окно тройного барьера до 48 баров (12 часов). На практике большинство сделок закрываются в течение 4–8 баров. Временной стоп на баре 48 классифицирует сделку как истёкшую (нейтральную), если ни TP, ни SL не были достигнуты.