<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>алгоритмические стратегии &#8212; &gt; Machine Learning Guru|</title>
	<atom:link href="https://mlgu.ru/tag/algoritmicheskie-strategii/feed/" rel="self" type="application/rss+xml" />
	<link>https://mlgu.ru</link>
	<description></description>
	<lastBuildDate>Tue, 17 Mar 2026 05:54:34 +0000</lastBuildDate>
	<language>ru-RU</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.9.4</generator>

<image>
	<url>https://mlgu.ru/wp-content/uploads/2025/06/mlguru-icon-150x150.png</url>
	<title>алгоритмические стратегии &#8212; &gt; Machine Learning Guru|</title>
	<link>https://mlgu.ru</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>VWAP стратегия: расчет, бэктестинг и оценка эффективности</title>
		<link>https://mlgu.ru/6918/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Tue, 17 Mar 2026 05:54:34 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6918</guid>

					<description><![CDATA[VWAP (Volume Weighted Average Price) — средневзвешенная по объему цена за период. В отличие от простой скользящей средней, VWAP учитывает не только динамику цены, но и количество контрактов или акций, торгуемых на каждом ценовом уровне. Это делает его значительно более информативным ориентиром для оценки справедливой стоимости актива в течение сессии. Институциональные участники используют VWAP как [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>25 преимуществ частного трейдера перед хедж-фондами</title>
		<link>https://mlgu.ru/6911/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Fri, 06 Mar 2026 12:55:41 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[маржинальная торговля]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6911</guid>

					<description><![CDATA[Существует устойчивый миф: чтобы зарабатывать на рынках, нужна армия аналитиков, Bloomberg-терминал за $24 000 в год и офис в небоскребе на Манхэттене. Хедж-фонды десятилетиями культивировали этот образ — и небезосновательно. Институциональный капитал обладает реальными преимуществами: доступом к IPO, инфраструктурой, связями с центральными банками. Но у медали есть обратная сторона. Размер — это не только сила, [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Матожидание в статистике и трейдинге</title>
		<link>https://mlgu.ru/6108/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sun, 09 Nov 2025 07:52:11 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[bootstraping]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[вероятностные модели]]></category>
		<category><![CDATA[управление рисками]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6108</guid>

					<description><![CDATA[Математическое ожидание определяет среднее значение случайной величины при бесконечном количестве наблюдений. В трейдинге этот показатель отвечает на вопрос: какую прибыль или убыток принесет стратегия в долгосрочной перспективе. Стратегия с положительным матожиданием доходности генерирует прибыль при достаточном количестве сделок, стратегия с отрицательным — приводит к убыткам независимо от краткосрочных результатов. Понимание матожидания позволяет отделить случайную удачу [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Обнаружение зон концентрации ликвидности на кластерных графиках</title>
		<link>https://mlgu.ru/6084/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 06 Nov 2025 11:14:04 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[визуализации]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6084</guid>

					<description><![CDATA[Зоны концентрации ликвидности — это ценовые уровни, на которых скапливается значительный объем лимитных ордеров. Эти зоны формируются, когда множество участников рынка размещают заявки в узком ценовом диапазоне, создавая барьеры для движения цены. Обнаружение таких зон позволяет прогнозировать уровни поддержки и сопротивления на основе реального распределения объемов, а не графических паттернов. Кластерные графики отображают объемы торгов [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Показатели ликвидности акций и методы их расчета</title>
		<link>https://mlgu.ru/5097/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Wed, 08 Oct 2025 22:54:37 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[аномалии]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[волатильность]]></category>
		<category><![CDATA[управление рисками]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=5097</guid>

					<description><![CDATA[Ликвидность определяет возможность быстро купить или продать актив без существенного влияния на его цену. Для алгоритмической торговли это критический параметр: низкая ликвидность увеличивает издержки исполнения, ограничивает размер позиций и повышает риски проскальзываний. Количественная оценка ликвидности позволяет фильтровать торгуемую вселенную, оптимизировать исполнение ордеров и лучше управлять рисками портфеля. Ликвидность имеет несколько измерений: объем торгов, ширину спреда, [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Применение Python для среднесрочной торговли на Forex: разработка скринера трендов</title>
		<link>https://mlgu.ru/4785/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sat, 27 Sep 2025 19:59:48 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4785</guid>

					<description><![CDATA[В условиях ограниченного капитала трейдеру важно выявлять наиболее перспективные торговые возможности среди множества доступных валютных пар. Между тем, одновременный анализ множества контрактов на рынке Forex требует значительных временных затрат и может быть технически сложным для индивидуальных трейдеров. На ручной анализ и поиск трендов даже первых трех десятков популярных валютных пар могут уходить часы. Дополнительные сложности [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Алгоритмы расчета точек безубыточности стратегий</title>
		<link>https://mlgu.ru/4731/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Fri, 26 Sep 2025 18:07:21 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[scipy]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[вероятностные модели]]></category>
		<category><![CDATA[торговые алгоритмы]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4731</guid>

					<description><![CDATA[Точка безубыточности — это ключевой показатель, который позволяет понять, когда стратегия перестает приносить убытки и начинает работать в плюс. Рассчитав ее, можно оценить устойчивость торговой системы, уровень риска и потенциал роста. В данной статье мы разберем алгоритмы вычисления точек безубыточности, сравним разные подходы, способы применения для повышения эффективности стратегий. Математические основы безубыточности в торговле Традиционная [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Критерий Келли: научный подход к выбору размера позиции в трейдинге</title>
		<link>https://mlgu.ru/3740/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Tue, 22 Jul 2025 17:30:48 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[pymc]]></category>
		<category><![CDATA[scipy]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[маржинальная торговля]]></category>
		<category><![CDATA[оптимизация портфеля]]></category>
		<category><![CDATA[управление рисками]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3740</guid>

					<description><![CDATA[Критерий Келли — это математический подход к определению оптимального размера позиции в трейдинге, то есть сколько именно следует инвестировать в каждую сделку. Изначально разработанный для максимизации выигрыша в азартных играх, этот критерий сегодня широко применяется в инвестициях и алгоритмической торговле. В этой статье мы исследуем математические основы Критерия Келли, его применение в реальной торговле, ограничения, [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Stock Sell-Off или массовые сбросы акций: причины, кейсы, стратегии трейдинга</title>
		<link>https://mlgu.ru/3681/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Tue, 22 Jul 2025 10:39:36 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[волатильность]]></category>
		<category><![CDATA[маржинальная торговля]]></category>
		<category><![CDATA[поиск закономерностей]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3681</guid>

					<description><![CDATA[Анализируя биржевые данные уже более 10 лет я пришел к выводу, что в периоды массовых распродаж акций рынок ведет себя не хаотично, а вполне предсказуемо. В отличие от популярных взглядов финансовых аналитиков, которые любят рассуждать о &#171;панике на рынках&#187; и &#171;эмоциональных продажах&#187;, реальная механика sell-off&#8217;ов гораздо интереснее и, что важнее, более предсказуема для тех, кто [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Расчет метрик прибыльности биржевых стратегий с помощью Python</title>
		<link>https://mlgu.ru/3436/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Tue, 15 Jul 2025 21:22:29 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[методы оценки]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3436</guid>

					<description><![CDATA[В этой статье я предлагаю рассмотреть профессиональный подход к расчету прибыльности торговых стратегий с помощью Python. Правильная оценка эффективности стратегий является краеугольным камнем успешного алгоритмического трейдинга. Но не все знают как это готовить. Большинство начинающих трейдеров ограничиваются расчетом общей доходности и процента прибыльных сделок, однако такой подход игнорирует временную структуру доходности и риски. Стратегия может [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
