Мені доводилося працювати поруч із торговельними системами. У Merrill Lynch я підтримував Order Audit Trail System (OATS) — систему контролю дотримання нормативних вимог, обов’язкову для NASDAQ. У теорії її завдання просте, але на практиці дуже важливе: гарантувати, що установи не використовують операції клієнтів задля нечесної переваги. Такі системи створюють, щоб виявляти закономірності, яких не повинно бути.

У CIBC я керував командою підтримки автоматизованої системи валютної торгівлі FOREX, що працювала без втручання оператора. Це була критично важлива платформа, простій якої безпосередньо впливав на прибутки. Згідно з операційною документацією, система генерувала приблизно 4 мільйони канадських доларів на годину, а під час найактивніших торгів — до 40 мільйонів.

Цей досвід заронив зерно ідеї.

Я деякий час досліджував автоматизовану валютну торгівлю й дійшов доволі однозначного висновку: у цій грі перевага переважно на боці великих установ.

Не тому, що їхні стратегії таємні, а завдяки масштабу й розташуванню.

• Угоди виконуються великими обсягами, тож навіть невелика статистична перевага накопичується
• Системи фізично розміщують поруч з інфраструктурою бірж, щоб зменшити затримку

Приватний трейдер з обмеженим капіталом і більшою затримкою грає зовсім в іншу гру.

Відкласти ідею на деякий час

Тож я відклав цю задумку.

Натомість зосередився на інших проєктах, зокрема AI Hydra — середовищі для експериментів із навчанням із підкріпленням, робочими ШІ-системами та гіперпараметрами.

Осяяння

Нещодавно я натрапив на велику серію відео на YouTube: Forex bot & backtest system with Python for beginners.

У ній крок за кроком створюють простого торгового бота на основі правил.

І тут у мене виникла думка:

• А що, як замінити ці правила нейронною мережею або доповнити їх нею?

Я не починаю цей проєкт із надією «зламати код» валютного ринку.

Але у двох речах я впевнений:

• Я багато чого навчуся
• Тут є простір для експериментів зі швидкими ітеративними підходами, які діють лише за високої впевненості в можливості

FOREX має ще одну привабливу рису: величезний масив історичних даних, які можна використати для навчання.

Посіяти зерно

Тож я створив репозиторій на GitHub. Налаштував базову структуру, додав GitHub Action для публікацій і випустив перший пакет на PyPI.

Це лише початок. Дуже ранній етап. Я бачив, як працює велика машина… а тепер створюю меншу, щоб краще зрозуміти її.

Зерно вже в землі.

Залишається подивитися, що з нього виросте.