<?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>бэктестинг &#8212; &gt; Machine Learning Guru|</title>
	<atom:link href="https://mlgu.ru/tag/bektesting/feed/" rel="self" type="application/rss+xml" />
	<link>https://mlgu.ru</link>
	<description></description>
	<lastBuildDate>Sat, 21 Mar 2026 17:23:47 +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>бэктестинг &#8212; &gt; Machine Learning Guru|</title>
	<link>https://mlgu.ru</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>Проскальзывание (slippage) и его влияние на реальные результаты торговли</title>
		<link>https://mlgu.ru/7007/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sat, 21 Mar 2026 17:16:51 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[опционы]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<category><![CDATA[управление рисками]]></category>
		<category><![CDATA[фьючерсы]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=7007</guid>

					<description><![CDATA[Проскальзывание (slippage) — это разница между ценой, по которой стратегия ожидала исполнения ордера, и ценой, по которой он был исполнен фактически. И это довольно частое явление в трейдинге. В большинстве стратегий проскальзывание &#8212; постоянная составляющая транзакционных издержек, которая систематически снижает доходность. Для высокочастотных стратегий проскальзывание часто превышает комиссию брокера. Для стратегий с большим размером позиции [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Продвинутые статистические тесты в Python: причинность, бустрэп и непараметрические методы</title>
		<link>https://mlgu.ru/6847/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Mon, 15 Dec 2025 17:19:51 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[bootstraping]]></category>
		<category><![CDATA[statsmodels]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[корреляции]]></category>
		<category><![CDATA[стат анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6847</guid>

					<description><![CDATA[Стандартные статистические тесты опираются на строгие допущения. Они предполагают нормальное распределение данных, независимость наблюдений и линейные связи между переменными. Финансовые данные этим требованиям обычно не соответствуют. Доходности активов имеют тяжелые хвосты распределений. Волатильность склонна группироваться во времени. Связи между финансовыми инструментами часто нелинейны и тоже меняются со временем. Продвинутые статистические методы решают задачи, с которыми [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Автоматизация заполнения пропусков на основе сравнения 14 методов</title>
		<link>https://mlgu.ru/6784/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Wed, 03 Dec 2025 23:14:34 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[стат анализ]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6784</guid>

					<description><![CDATA[Пропуски в данных или NaN — это одна из самых частых проблем, с которой сталкиваются аналитики. И мало эти пропуски найти, важно еще правильно поработать с ними. Библиотека pandas предлагает множество методов замены пропусков, но на практике нередко возникает другой вопрос: а какой метод лучше выбрать, чтобы не исказить данные и сохранить их изначальный смысл [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Бэктестинг: что это такое и как правильно его проводить</title>
		<link>https://mlgu.ru/6131/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sun, 09 Nov 2025 13:58:05 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6131</guid>

					<description><![CDATA[Перед тем как запускать стратегию в реальную торговлю, ее много раз прогоняют на исторических данных. Бэктестинг — это тестирование стратегии на прошлых котировках, чтобы увидеть, как она вела бы себя в реальных рыночных условиях. Данный процесс позволяет заранее выявить слабые места стратегии и избежать ненужных потерь. Качественный бэктест требует понимания не только программирования, но и [&#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>Байесовская статистика и вывод в анализе рынков</title>
		<link>https://mlgu.ru/6056/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Tue, 04 Nov 2025 11:22:25 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[байесовские модели]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[вероятностные модели]]></category>
		<category><![CDATA[математическое моделирование]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6056</guid>

					<description><![CDATA[Байесовская статистика предоставляет инструменты для решения ключевых проблем количественного анализа: учет режимных сдвигов, калибровка моделей на ограниченных выборках, оптимизация гиперпараметров стратегий и управление риском переобучения. Байесовский подход рассматривает вероятность как степень уверенности в гипотезе, а не как частоту события в бесконечной серии испытаний. Параметры модели становятся случайными величинами с распределениями, которые обновляются по мере поступления [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Алгоритмы сбора биржевых данных: практическое руководство</title>
		<link>https://mlgu.ru/4916/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 02 Oct 2025 09:51:31 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[pandas]]></category>
		<category><![CDATA[аномалии]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[мониторинг]]></category>
		<category><![CDATA[платформы для биржевой торговли]]></category>
		<category><![CDATA[торговые алгоритмы]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4916</guid>

					<description><![CDATA[Финансовые рынки генерируют колоссальные объемы данных: котировки тысяч активов, отчеты компаний, новостные потоки. Умение быстро и качественно собирать, обрабатывать и агрегировать эти данные &#8212; важное конкурентное преимущество. Профессиональный подход к сбору биржевых данных — это не просто загрузка котировок. Это комплексная система, включающая мониторинг источников, обработку аномалий, синхронизацию временных рядов из разных источников и построение [&#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>CAGR (среднегодовая доходность) инвестиций</title>
		<link>https://mlgu.ru/4602/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Tue, 23 Sep 2025 16:35:30 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4602</guid>

					<description><![CDATA[Compound Annual Growth Rate (CAGR) — это один из ключевых показателей, который помогает инвесторам, аналитикам и бизнесу оценивать эффективность вложений и темпы развития компании или рынка. В отличие от простой средней доходности, CAGR показывает усредненный годовой темп роста за определенный период, сглаживая колебания и предоставляя более точную картину динамики. Этот показатель широко используется в инвестиционном [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Библиотека ETNA в Python для прогнозирования временных рядов</title>
		<link>https://mlgu.ru/4517/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 11 Sep 2025 19:11:49 +0000</pubDate>
				<category><![CDATA[Классический ML]]></category>
		<category><![CDATA[time series]]></category>
		<category><![CDATA[библиотеки для биржевой торговли]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[прогнозирование]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4517</guid>

					<description><![CDATA[Мне довелось работать с множеством инструментов для анализа временных рядов, и постоянно приходилось комбинировать различные библиотеки, чтобы получить полный цикл работы с временными рядами &#8212; от предобработки до бэктестинга, от подбора гиперпараметров до подготовки к деплою. Библиотека ETNA (Easy Time-series Analysis) от команды T-Bank AI Center решает эту проблему элегантно, предоставляя единый интерфейс для всех [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
