<?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>торговые алгоритмы &#8212; &gt; Machine Learning Guru|</title>
	<atom:link href="https://mlgu.ru/tag/torgovye-algoritmy/feed/" rel="self" type="application/rss+xml" />
	<link>https://mlgu.ru</link>
	<description></description>
	<lastBuildDate>Thu, 27 Nov 2025 06:28:10 +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>торговые алгоритмы &#8212; &gt; Machine Learning Guru|</title>
	<link>https://mlgu.ru</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>Скорость и ускорение в последовательностях временных рядов. Методы расчета</title>
		<link>https://mlgu.ru/6001/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sun, 02 Nov 2025 10:36:14 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[scipy]]></category>
		<category><![CDATA[волатильность]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[сплайны]]></category>
		<category><![CDATA[торговые алгоритмы]]></category>
		<category><![CDATA[фильтры]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6001</guid>

					<description><![CDATA[В анализе временных рядов скорость показывает, как быстро изменяется значение показателя во времени, а ускорение — насколько стремительно меняется сама скорость. По сути, это первая и вторая производные функции по времени, которые в дискретных данных приближенно рассчитывают как разности между последовательными значениями. В алгоритмическом трейдинге эти метрики применяются для детекции разворотов тренда, измерения волатильности режима [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Чем отличается финансовый ML от других видов машинного обучения</title>
		<link>https://mlgu.ru/5131/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 09 Oct 2025 15:58:55 +0000</pubDate>
				<category><![CDATA[Классический ML]]></category>
		<category><![CDATA[feature engineering]]></category>
		<category><![CDATA[stacking]]></category>
		<category><![CDATA[кросс-валидация]]></category>
		<category><![CDATA[машинное обучение]]></category>
		<category><![CDATA[обучение моделей]]></category>
		<category><![CDATA[прогнозирование]]></category>
		<category><![CDATA[торговые алгоритмы]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=5131</guid>

					<description><![CDATA[Машинное обучение в финансах работает с данными, которые принципиально отличаются от изображений, текстов или табличных данных из других отраслей. Финансовые временные ряды нестационарны, зашумлены и подвержены частым структурным изменениям. Эти особенности требуют специфических подходов к моделированию, валидации и оценке качества. Сегодня стало модно подавать любые данные в трансформеры, большие языковые модели. Однако этот подход, как [&#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>Продвинутый Python для финансов: декораторы, контекстные менеджеры и метаклассы</title>
		<link>https://mlgu.ru/3782/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Fri, 25 Jul 2025 19:21:35 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[mlops]]></category>
		<category><![CDATA[typing]]></category>
		<category><![CDATA[торговые алгоритмы]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3782</guid>

					<description><![CDATA[Сегодня я хочу поделиться опытом использования продвинутых возможностей Python — декораторов, контекстных менеджеров и метаклассов, которые позволяют надежно и гибко разрабатывать финансовый софт (торговые боты, риск-модели, системы бэктестинга, аналитические платформы) и внедрять в другие части кода. Осторожно: статья длинная, но после ее прочтения вы сможете понимать и проектировать архитектуру приложений, которую будет легко поддерживать, масштабировать [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Алгоритмы программирования. Что важно знать трейдеру и инвестору?</title>
		<link>https://mlgu.ru/1725/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sat, 03 May 2025 23:45:57 +0000</pubDate>
				<category><![CDATA[Классический ML]]></category>
		<category><![CDATA[gbm]]></category>
		<category><![CDATA[networkx]]></category>
		<category><![CDATA[sklearn]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[машинное обучение]]></category>
		<category><![CDATA[торговые алгоритмы]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=1725</guid>

					<description><![CDATA[Работая с большими массивами данных и разрабатывая торговые системы, я неоднократно убеждался, что правильно подобранный алгоритм способен кардинально изменить результаты. Однако важно понимать: не все алгоритмические решения одинаково полезны в контексте финансовых рынков. Существует огромное количество подходов, от примитивных до чрезвычайно сложных, и ваша задача — выбрать те, которые действительно работают в условиях высокой неопределенности. [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Кто такие квант-аналитики (Quantitative Analysts) и чем они занимаются?</title>
		<link>https://mlgu.ru/1215/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 24 Apr 2025 07:22:09 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[машинное обучение]]></category>
		<category><![CDATA[торговые алгоритмы]]></category>
		<category><![CDATA[управление рисками]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=1215</guid>

					<description><![CDATA[В нашей стране профессия &#171;Квант&#187; &#8212; это большая редкость. Большинству россиян не понятно кто такие квант-аналитики (Quantitative Analysts) и какую ценность они приносят бизнесу и финансовым рынкам. Между тем в западных странах это крайне востребованная и высокооплачиваемая специальность. В эпоху, когда данные стали новой нефтью, а алгоритмы превратились в мощные инструменты извлечения прибыли, роль этих [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
