<?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>биржевая аналитика &#8212; &gt; Machine Learning Guru|</title>
	<atom:link href="https://mlgu.ru/tag/birzhevaya-analitika/feed/" rel="self" type="application/rss+xml" />
	<link>https://mlgu.ru</link>
	<description></description>
	<lastBuildDate>Thu, 13 Nov 2025 23:11:17 +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>биржевая аналитика &#8212; &gt; Machine Learning Guru|</title>
	<link>https://mlgu.ru</link>
	<width>32</width>
	<height>32</height>
</image> 
	<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>Return on Investment (ROI) и Return on Invested Capital (ROIC)</title>
		<link>https://mlgu.ru/5265/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sun, 12 Oct 2025 13:30:23 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=5265</guid>

					<description><![CDATA[Метрики доходности образуют фундамент количественного анализа инвестиций. ROI и ROIC решают разные задачи: первая оценивает эффективность конкретной инвестиции, вторая — операционную эффективность бизнеса. Понимание различий между этими показателями определяет корректность их применения в стратегиях отбора активов. Показатель ROI (Return on Investment) используется для оценки отдельных сделок и портфелей. Показатель ROIC (Return on Invested Capital) применяется [&#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>NPV (Net Present Value, Чистая приведенная стоимость)</title>
		<link>https://mlgu.ru/4859/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Mon, 29 Sep 2025 10:40:36 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4859</guid>

					<description><![CDATA[Чистая приведенная стоимость представляет собой разность между текущей стоимостью будущих денежных поступлений от проекта и величиной первоначальных инвестиций. Основная идея NPV базируется на фундаментальном принципе: деньги сегодня стоят больше, чем те же деньги завтра. Это обусловлено тремя факторами: Инфляция постепенно снижает покупательную способность денег; Альтернативная стоимость капитала &#8212; есть множество проектов, куда можно инвестировать деньги и [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>IRR (внутренняя норма доходности) инвестиций</title>
		<link>https://mlgu.ru/4613/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Wed, 24 Sep 2025 19:44:01 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4613</guid>

					<description><![CDATA[Внутренняя норма доходности (IRR) — один из ключевых показателей эффективности инвестиций, который широко используется в финансовом анализе и управлении проектами. Этот инструмент помогает инвесторам и руководителям оценить, насколько выгодно вкладывать средства в тот или иной проект, сравнивая ожидаемую доходность с альтернативными возможностями или стоимостью капитала. В отличие от простого расчета прибыли, IRR учитывает временную стоимость [&#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>Базы данных для хранения торговых данных: PostgreSQL, Redis, TimescaleDB</title>
		<link>https://mlgu.ru/3867/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 28 Aug 2025 13:17:41 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[биржевые инструменты]]></category>
		<category><![CDATA[мониторинг]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3867</guid>

					<description><![CDATA[Современные торговые системы требуют гибридного подхода к управлению данными. С одной стороны, нужно надежно хранить терабайты исторической информации для анализа и разработки стратегий. С другой — обеспечивать мгновенный доступ к актуальным котировкам и торговым сигналам. Именно поэтому в своих проектах я использую не одну, а несколько СУБД. И ниже расскажу какие и почему. Специфика торговых [&#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>
		<item>
		<title>Walk-Forward анализ на практике. Правильное тестирование стратегий на временных рядах</title>
		<link>https://mlgu.ru/2962/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Fri, 27 Jun 2025 12:38:57 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[кросс-валидация]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2962</guid>

					<description><![CDATA[Walk-Forward анализ представляет собой методологию тестирования, которая моделирует реальные условия торговли, где мы постоянно получаем новые данные и должны адаптировать наши модели. Этот подход особенно важен в контексте финансовых рынков, где временная структура данных имеет критическое значение, а традиционные методы кросс-валидации могут давать обманчиво оптимистичные результаты. Фундаментальные проблемы традиционного тестирования Проблема временной зависимости в финансовых [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Анализ статистических свойств распределения: асимметрия, эксцесс и нормальность</title>
		<link>https://mlgu.ru/2853/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sun, 15 Jun 2025 08:31:36 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[scipy]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[стат анализ]]></category>
		<category><![CDATA[управление рисками]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2853</guid>

					<description><![CDATA[Когда я впервые столкнулся с реальными рыночными данными, меня поразило, насколько они отличаются от теоретических предположений классической финансовой теории. Распределения доходностей акций демонстрировали толстые хвосты, асимметрию и эксцесс, которые полностью противоречили предположениям о нормальности. Именно тогда я понял, что глубокое понимание статистических свойств распределений &#8212; это не академическая роскошь, а практическая необходимость для любой серьезной [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
