Базовый вариант HFT-модели возврата к среднему методом предсказания одного актива с помощью линейной регрессии по остальным. В конкретно этом варианте лежит идея переобучения регрессии раз в период, в тестовом блокноте показан сначала пример работы простой регрессии на искусственных зависимых рядах, а затем пример работы симуляции на случайных параметрах. Вы можете подгружать свои данные по курсам монет, желательно чтобы они были большие и высокочастотные.
Подбирать можно следующие параметры:
- train_size - размер последнего участка данных на котором мы будем переобучать регрессию каждые test_size шагов.
- std_coef - чувствительность к колебаниям, чем ниже значение, тем больше количество сделок, но меньше средний профит.
- profit_coef - чем ниже тем быстрее мы будем закрывать позицию при получении профита со сделки.
- stop_loss_coef - параметр определяющий насколько резкого изменения курса нам достаточно чтобы мгновенно закрыть позицию.
- dependent_asset - номер целевого актива, советую не подбирать, а пробовать.
В модуле есть встроенная оптимизация с помощью optuna, но пока только с максимально ручной настройкой.