OllivanderIsHere

OllivanderIsHere

Алготрейдер. Люблю TSlab, не люблю залипать в график. https://t.me/+nTQFR7T_2t5lOWYy
Пикабушник
100 рейтинг 1 подписчик 0 подписок 8 постов 0 в горячем

Тренды в алготрейдинге: главное за неделю (11-18 августа 2025)

Каждую неделю мы разбираем десятки, а иногда и сотни научных статей и препринтов по алготрейдингу и количественным финансам. Вот что интересно за последние 7 дней.

Прогнозирование временных рядов и цен на энергию

Методы прогнозирования временных рядов продолжают развиваться, особенно для работы с волатильными рынками. Одна из самых заметных работ недели посвящена временной иерархической прогнозировке (THieF). Этот подход позволяет согласовывать прогнозы для разных временных масштабов - например, часовых и дневных данных. В исследовании Stealing Accuracy: Predicting Day-ahead Electricity Prices with Temporal Hierarchy Forecasting (THieF) показано, что метод улучшает точность предсказания цен на электроэнергию в Германии на 13%.

Другая важная статья Dynamic Skewness in Stochastic Volatility Models: A Penalized Prior Approach предлагает усовершенствованные модели волатильности. Они учитывают асимметрию распределений и «тяжёлые хвосты» - характеристики, типичные для криптовалютных рынков.

Оптимизация портфелей: новые подходы

В управлении инвестиционными портфелями на этой неделе выделились два исследования. Первое Estimating Covariance for Global Minimum Variance Portfolio: A Decision-Focused Learning Approach описывает метод DFL (обучение, ориентированное на решение). Он показывает лучшие результаты по сравнению с классическими подходами при построении портфелей с минимальным риском.

Второе исследование AlphaAgents: Large Language Model based Multi-Agents for Equity Portfolio Constructions тестирует систему на основе языковых моделей для выбора акций. Многоагентный подход демонстрирует конкурентоспособные результаты при разных уровнях риска.

Ценообразование на неполных рынках

В области опционного ценообразования вышла работа Marketron Through the Looking Glass: From Equity Dynamics to Option Pricing in Incomplete Markets. Авторы расширяют модель Marketron для неполных рынков, где не все активы можно свободно купить или продать. Новый подход использует теорию полезности для калибровки модели и позволяет одновременно описывать динамику акций и кривые волатильности опционов.

Что дальше?

Судя по последним публикациям, в ближайшее время больше внимания будут уделять:

- Совмещению машинного обучения с классическими методами прогнозирования

- Учету особенностей данных (асимметрии, выбросов) в моделях

- Применению мультиагентных систем для сложных инвестиционных решений

- Развитию моделей ценообразования для неполных рынков

Все ссылки ведут на оригинальные исследования. Мы продолжаем следить за новыми работами и разберём ключевые тренды в следующем обзоре.

Пишу про автоматизацию трейдинга и умные инструменты. Канал: https://t.me/+yJV8l8j8gPk2MjFi

Показать полностью

Что нового в науке о деньгах и алгоритмах: свежие исследования (4–11 августа 2025)

Вот и очередная неделя подошла к концу - пора разобрать, чем жил мир финансового машинного обучения и алготрейдинга. Как всегда, мы прочесали сотни свежих научных статей и препринтов, чтобы вытащить самое интересное. Без воды - только факты и пояснения для тех, кто хочет разобраться.

1. Алгоритмы против рынка: где искать прибыль

Тут всё по-прежнему крутится вокруг автоматической торговли. Ученые копают две главные темы: как находить разницу в ценах на разных площадках (арбитраж) и как устроены сами рынки.

Очень примечательная работа "Unraveling the Probabilistic Forest: Arbitrage in Prediction Markets" - авторы разобрали платформу Polymarket и обнаружили арбитражные возможности на 40 миллионов долларов. Если просто: там можно было покупать дешевле в одном месте и тут же продавать дороже в другом.

Ещё любопытное исследование "Performative Market Making" - про то, как участники рынка могут вычислить выгодные стратегии, анализируя поведение других.

Ну и третья важная статья "Measuring DEX Efficiency and The Effect of an Enhanced Routing Method" - про децентрализованные биржи (это где нет центрального управления, всё на алгоритмах). Там показали, как улучшенные методы маршрутизации сделок могут увеличить доход трейдеров.

2. Инвестиционные портфели: как не прогореть

Оптимизация портфелей - вечная тема. На этой неделе выделились исследования про риски и машинное обучение.

В статье "Assessing Dynamic Connectedness in Global Supply Chain Infrastructure Portfolios" изучали, как кризисы (типа COVID-19) бьют по инфраструктурным инвестициям. Выводы полезны для тех, кто хочет понимать, как разные активы связаны в кризис.

Другая работа "Comparing Normalization Methods for Portfolio Optimization with Reinforcement Learning" - про то, как разные способы подготовки данных влияют на эффективность алгоритмов. Оказывается, некоторые методы нормализации могут даже мешать.

И ещё одно исследование - "Periodic Evaluation of Defined-Contribution Pension Fund". Там предлагают новый подход к оценке рисков пенсионных фондов с помощью динамических моделей.

3. Временные ряды: математика против хаоса

Финансы - это про данные, которые меняются во времени. Вот что нашли полезного:

"A Time Series Model for Three Asset Classes used in Financial Simulator" - модель для трёх типов активов (акции, облигации, ещё что-то), которую можно использовать в симуляторах инвестиций.

"Universal Patterns in the Blockchain" - разбор транзакций в блокчейне Ethereum. Авторы нашли статистические закономерности, которые помогают отличать человеческое поведение от ботов.

4. Что будет дальше?

Если верить текущим публикациям, в ближайшее время учёные продолжат:

- Внедрять машинное обучение в управление рисками (особенно глубокое обучение для анализа временных рядов);

- Исследовать децентрализованные финансы (DeFi), чтобы делать DEX эффективнее;

- Изучать, как глобальные кризисы влияют на рынки.

Вот такой получился обзор. Если есть вопросы - спрашивайте! На следующей неделе разберём новые исследования.

- Пишу про автоматизацию трейдинга и умные инструменты. Канал

Показать полностью

Что произошло в науке о машинном обучении на этой неделе

Каждую неделю мы перелопачиваем сотни свежих научных статей и препринтов, чтобы выделить главное. Вот что привлекло внимание в последние семь дней.


🔥 Главные тренды

1. "Умные данные" вместо "умных моделей"
Исследователи всё чаще затачивают не алгоритмы, а сами данные — очищают, улучшают, контролируют их качество. Например, в медицине научились ловить аномалии в реальном времени через носимые датчики (статья).

2. Большие языковые модели (LLM) выходят за рамки чат-ботов
Оказалось, они отлично вытаскивают скрытую информацию — скажем, распутывают записи о ДТП, выделяя вторичные причины аварий (подробнее).

3. ИИ-агенты учатся планировать
Автоматическое машинное обучение (AutoML) становится умнее: теперь системы сами подбирают методы прогнозирования, экономя время людей (исследование).

4. Справедливость алгоритмов — палка о двух концах
Попытки устранить предвзятость в ИИ иногда приводят к новым перекосам. Учёные спорят, можно ли вообще победить bias (предвзятость) без жертв (разбор).

5. Медицинские тесты для ИИ требуют ремонта
Сравнивать медицинские модели по "топам точности" опасно — нужны новые стандарты оценки, учитывающие реальные риски (обсуждение).


📈 Что ждём в будущем

Данные — новая нефть: тренд на их улучшение продолжится во всех областях.
Этика станет обязательной: появятся массовые инструменты проверки моделей на честность.
Multimodal AI (когда ИИ понимает и текст, и картинки, и звук) выйдет из лабораторий — нужно готовить инфраструктуру.


Этой неделей наука подтвердила: сейчас важно не только "учить" алгоритмы, но и думать, на чём и как их учат. Следим за развитием.


— Пишу про автоматизацию трейдинга и умные инструменты. Канал: https://t.me/+nTQFR7T_2t5lOWYy

Показать полностью

Обзор новых исследований в алгоритмической торговле: итоги недели

На этой неделе в научных работах по алгоритмической торговле и управлению портфелями особое внимание уделено новым методам анализа данных и оценки рисков.

Мы отобрали ключевые исследования из сотен свежих статей и препринтов, чтобы показать главные тенденции.


📈 Улучшение торговых стратегий

В работе "Order Book Filtration and Directional Signal Extraction at High Frequency" предлагается новый способ фильтрации данных о ценах и объёмах в режиме реального времени.
Авторы доказали, что это помогает точнее находить сигналы для сделок, убирая лишний "шум" в рыночных данных.


⚛️ Квантовые вычисления в финансах

Исследование "Quantum generative modeling for financial time series with temporal correlations" показывает, как квантовые алгоритмы могут генерировать искусственные финансовые данные.
Это полезно для обучения моделей, особенно когда реальных данных мало.


♻️ Риски и ESG-факторы

В статье "ESG Risk: Lessons Learned from Utility Theory" рассматривается, как экологические, социальные и управленческие факторы (ESG) влияют на выбор активов. Авторы предлагают новые способы оценки этих рисков.

Другая работа — "Markowitz Variance May Vastly Undervalue or Overestimate Portfolio Variance and Risks" — предупреждает: классический метод оценки рисков (дисперсия Марковица) может давать неточные результаты из-за изменений рыночных объемов.


🤖 ИИ и предвзятость в инвестициях

Исследование "Your AI, Not Your View: The Bias of LLMs in Investment Analysis" анализирует, как большие языковые модели (LLM) могут искажать финансовые прогнозы из-за скрытых предубеждений.
Авторы подчёркивают, что такие системы требуют тщательной проверки.


🧠 Новые подходы

Работа "ContestTrade: A Multi-Agent Trading System Based on Internal Contest Mechanism" описывает систему, где несколько алгоритмов конкурируют внутри торговой платформы, чтобы находить лучшие стратегии.

Также интересна статья "Determinants of Saving Behavior Among Employees in Dhaka, Bangladesh", где изучаются факторы сбережений в развивающихся странах — это важно для более точных экономических моделей.


📌 Вывод

На этой неделе заметны две основные тенденции:

– использование передовых технологий (квантовые вычисления, мультиагентные системы)
– более детальная работа с рисками, включая ESG

Все это меняет подход к торговле и управлению капиталом.


P.S. Реализована штука по мониторингу свежих исследований 💡
Далее добавим ещё больше источников для поиска интересного. Такая же сводка будет по темам: ИИ, эконометрика, поведенческая экономика. Самые интересные исследования будем переводить и сразу разбирать простым языком в КБ.

Держим руку на пульсе, учимся и ищем интересные идеи для наших стратегий 👇

Канал про автоматизацию трейдинга и умные инструменты:
👉 https://t.me/+nTQFR7T_2t5lOWYy

Показать полностью

Рыночные циклы: от краткосрочных колебаний до долгосрочных трендов

Введение

Рыночные циклы — это повторяющиеся паттерны в поведении финансовых рынков, которые помогают трейдерам и инвесторам прогнозировать будущие движения цен. В своей книге «Энциклопедия технических индикаторов рынка» Роберт W. Колби уделяет особое внимание главе «Циклы времени и цены», где рассматриваются различные типы циклов, их взаимосвязи и влияние на рынки. Эти циклы включают как короткие, так и долгосрочные паттерны, которые могут быть полезны для трейдеров, желающих глубже понять динамику рынков. В этой статье мы подробно рассмотрим ключевые темы из этой главы: циклы фондового рынка, вложенные циклы, волны Джаглера (Жюгляра), Китчина и Кондратьева, длинные волны процентных ставок, циклы войн и предполагаемый 17,70-летний цикл, а также трехлетний цикл в долгосрочных процентных ставках. Мы дополним анализ историческими примерами и исследованиями, чтобы показать, как эти циклы проявляются в реальном мире.

Рыночные циклы: от краткосрочных колебаний до долгосрочных трендов Инвестиции, Статья, Финансы, Исследования, Развитие, Длиннопост

Циклы фондового рынка

Циклы фондового рынка — это регулярные взлёты и падения цен на акции, вызванные экономическими условиями, настроениями инвесторов и внешними событиями. Обычно выделяют четыре фазы цикла (Stock Market Cycles | Charles Schwab):

  • Фаза накопления: После значительного падения рынок достигает дна. Инвесторы, ищущие выгодные сделки, начинают покупать акции по низким ценам. Например, после финансового кризиса 2008 года рынок США начал восстанавливаться в 2009 году, когда инвесторы начали скупать акции компаний, таких как Apple и Amazon.

  • Фаза роста: По мере роста уверенности инвесторов спрос на акции увеличивается, что приводит к повышению цен. Эта фаза часто сопровождается экономическим ростом. Примером может служить бычий рынок 2010–2020 годов, когда индекс S&P 500 вырос более чем на 300%.

  • Фаза распределения: На пике цикла некоторые инвесторы начинают фиксировать прибыль, что замедляет рост цен. Это может быть видно в 2007 году, когда рынок США достиг пика перед финансовым кризисом.

  • Фаза снижения: Давление продаж увеличивается, и цены падают, пока рынок не достигает нового дна. Медвежий рынок 2008–2009 годов, когда S&P 500 упал на 57%, является ярким примером.

Эти фазы отражают психологию рынка и экономические условия, и их понимание позволяет трейдерам оптимизировать точки входа и выхода.

Вложенные циклы: циклы внутри циклов

Рыночные циклы не существуют изолированно; они часто вложены друг в друга. Краткосрочные циклы могут быть частью более длинных, создавая сложную структуру (Stock Market Cycles - Historical Chart | MacroTrends). Например:

  • Внутри долгосрочного бычьего рынка, такого как 1982–2000 годы, могут быть краткосрочные коррекции, например, крах 1987 года.

  • В медвежьем рынке, таком как 2000–2002 годы, могут быть временные восстановления, известные как «медвежьи ралли».

Эта концепция важна для трейдеров, поскольку позволяет анализировать рынок на разных временных масштабах. Например, трейдер может использовать краткосрочные циклы для дневной торговли, а долгосрочные — для стратегических инвестиций.

Волна Джаглера (Жюгляра) (8–10 лет)

Волна Джаглера (Жюгляра), названная в честь экономиста Клемента Джаглера (он же Клеман Жюгляр, он же Клеман Жугляр), представляет собой бизнес-цикл продолжительностью 7–11 лет (Juglar cycle - Wikipedia). Она связана с колебаниями инвестиций в основной капитал и кредитными циклами. Джаглер выделил четыре фазы:

  • Процветание: Экономика растёт, кредиты легко доступны, а инвестиции увеличиваются.

  • Кризис: Экономика достигает пика, и начинаются проблемы, такие как перепроизводство или финансовые пузыри.

  • Ликвидация: Кредиты сокращаются, компании сокращают производство, и экономика сжимается.

  • Рецессия: Экономика находится в состоянии спада, пока не начнётся новый цикл.

Пример: Рецессия 2001 года в США, вызванная лопнувшим пузырём доткомов, и последующий кризис 2008 года примерно соответствуют 8–10-летнему циклу Джаглера. Исследования, такие как спектральный анализ мирового ВВП в 2010 году, подтвердили наличие этих циклов (Juglar - Cycles Research Institute).

Волна Китчина (3–4 года)

Волна Китчина — это краткосрочный бизнес-цикл длительностью около 40 месяцев (3–4 года), предложенный Джозефом Китчином в 1920-х годах (Kitchin cycle - Wikipedia). Она связана с циклами инвентаря и вызвана временными задержками в передаче информации, влияющими на бизнес-решения. Основные характеристики:

  • Рост производства: Компании увеличивают запасы в ответ на рост спроса.

  • Перепроизводство: Рынок насыщается товарами, спрос падает, и цены снижаются.

  • Сокращение инвентаря: Компании сокращают производство, что готовит почву для нового цикла.

Пример: В 2015–2016 годах цены на нефть упали из-за перепроизводства, что соответствует циклу Китчина, связанному с колебаниями запасов нефти. Этот цикл особенно важен для трейдеров, работающих с акциями компаний, зависящих от инвентаря, таких как ритейлеры или производители.

Длинная волна Кондратьева (49–58 лет)

Волна Кондратьева, названная в честь Николая Кондратьева, — это долгосрочный экономический цикл, длящийся 40–60 лет (Kondratiev wave - Wikipedia). Она связана с крупными технологическими инновациями и включает две основные фазы:

  • Восходящая волна: Период экономического роста, стимулируемый новыми технологиями.

  • Нисходящая волна: Период замедления, когда технологии достигают предела эффективности.

Исторические примеры:

  • Первая волна (1780–1840): Паровой двигатель и промышленная революция.

  • Вторая волна (1840–1890): Железные дороги и электричество.

  • Третья волна (1890–1940): Массовое производство и автомобили.

  • Четвертая волна (1940–1990): Компьютеры и информационные технологии.

  • Пятая волна (1990–2040): Интернет, искусственный интеллект и цифровизация.

Исследования, такие как работа У. Томпсона, показывают, что волны Кондратьева влияют на технологическое развитие с 900-х годов (Kondratieff Waves and the Greater Depression of 2013 - 2020 | Financial Sense). Однако теория остаётся спорной, так как многие экономисты считают её примером апофении — поиска узоров там, где их нет.

Рыночные циклы: от краткосрочных колебаний до долгосрочных трендов Инвестиции, Статья, Финансы, Исследования, Развитие, Длиннопост

Длинные волны процентных ставок

Долгосрочные процентные ставки, такие как доходность 10-летних государственных облигаций, следуют циклам, которые коррелируют с экономическими условиями (Long-term interest rates | OECD). Основные характеристики:

  • Рост ставок: Во время экономического подъёма спрос на кредиты увеличивается, что приводит к повышению ставок.

  • Снижение ставок: Во время рецессий центральные банки снижают ставки для стимулирования экономики.

Пример: После Второй мировой войны ставки в США росли до пика в 1981 году (около 15% для 10-летних облигаций), затем снижались до исторических минимумов в 2020 году (0,89%) (30 years of summer, followed by 30 years of winter | firsttuesday Journal). Эти волны могут длиться десятилетия и часто совпадают с фазами волн Кондратьева.

Цикл войн и длинная волна

Некоторые исследователи предполагают, что крупные войны связаны с длинными экономическими циклами, такими как волны Кондратьева (Kondratieff Waves as War Cycles | International Studies Quarterly). Войны часто происходят на пике или в переходные фазы этих циклов, когда экономические и социальные напряжения достигают максимума. Основные характеристики:

  • Экономическое влияние: Войны стимулируют отрасли, такие как оборонная промышленность, но нарушают торговлю и инвестиции.

  • Историческая синхронизация: Первая и Вторая мировые войны совпали с переходными периодами волн Кондратьева.

Пример: Первая мировая война (1914–1918) произошла в конце третьей волны Кондратьева, а Вторая мировая война (1939–1945) — в начале четвёртой. Исследования показывают, что с 1495 года войны между крупными державами повторялись примерно каждые 50 лет, синхронизируясь с экономическими циклами.

Цикл войн и 17,70-летний цикл

17,70-летний цикл менее известен и не имеет широкого признания, но некоторые аналитики отмечают 17,5-летний цикл в рамках более крупных 70-летних рыночных циклов (The 17.5 Year Cycle Structure as Determined by the 70 Year Cycle | PDF). Этот цикл может быть связан с экономическими или демографическими факторами, но его связь с войнами не подтверждена. Возможные характеристики:

  • Рыночные паттерны: Анализ показывает, что 17,5-летние циклы в фондовом рынке США проявлялись с 1792 года, с небольшими отклонениями.

  • Пример: Периоды 1929–1946 и 2000–2017 годов могут соответствовать этому циклу, включая крах 1929 года и финансовый кризис 2008 года.

Из-за ограниченных данных этот цикл требует осторожного подхода и дальнейших исследований.

Трехлетний цикл в долгосрочных процентных ставках

Хотя строгого трехлетнего цикла в долгосрочных процентных ставках не выделено, процентные ставки часто проходят через краткосрочные флуктуации, связанные с политикой центральных банков (Federal Funds Rate History 1990 to 2024 – Forbes Advisor). Например, в 2019 году Федеральная резервная система США трижды снижала ставки в рамках «срединной корректировки» цикла, что длилось около года. Эти изменения могут быть частью более широких экономических циклов, таких как волна Китчина.

Пример: С 2022 по 2023 год ФРС повышала ставки с 0,33% до 5,33%, что заняло около полутора лет, а затем начала снижать их в 2024 году. Такие периоды могут быть интерпретированы как краткосрочные циклы, хотя они не строго трехлетние.

Практическое применение для трейдеров

Понимание рыночных циклов открывает возможности для трейдеров:

  • Краткосрочные стратегии: Используйте волну Китчина для торговли акциями компаний с высоким уровнем инвентаря, таких как ритейлеры.

  • Среднесрочные стратегии: Ориентируйтесь на волну Джаглера для инвестиций в периоды экономического роста или выхода из рецессий.

  • Долгосрочные стратегии: Анализируйте волну Кондратьева для выбора секторов, таких как технологии, на восходящей волне.

  • Управление рисками: Учитывайте циклы войн и процентных ставок для защиты от волатильности, вызванной геополитическими событиями или изменениями ставок.

Трейдерам важно тестировать стратегии на исторических данных, чтобы убедиться в их эффективности в разных фазах цикла.

Ограничения и спорные моменты

Рыночные циклы не являются точной наукой. Некоторые экономисты, сторонники гипотезы эффективного рынка, утверждают, что предсказать циклы невозможно, так как цены уже отражают всю доступную информацию (Stock Market Cycle - Wikipedia). Кроме того:

  • Циклы войн и 17,70-летний цикл менее подтверждены и требуют осторожного подхода.

  • Даты начала и конца волн Кондратьева вызывают споры среди экономистов, так как точные временные рамки трудно определить.

  • Внешние шоки, такие как пандемии или геополитические конфликты, могут нарушать циклы, делая их менее предсказуемыми.

Несмотря на эти ограничения, циклы остаются полезным инструментом для анализа рыночной динамики.

Заключение

Рыночные циклы — это мощный инструмент для понимания поведения финансовых рынков. От краткосрочных волн Китчина до долгосрочных волн Кондратьева, эти паттерны помогают трейдерам и инвесторам ориентироваться в сложной экономической среде. Циклы процентных ставок и войн добавляют дополнительный контекст, хотя их применение требует осторожности из-за ограниченных данных. Понимание этих циклов позволяет не только предсказывать рыночные движения, но и разрабатывать стратегии, которые учитывают как краткосрочные, так и долгосрочные факторы. Для более глубокого изучения рекомендую обратиться к книге Роберта Колби «Энциклопедия технических индикаторов рынка» (Internet Archive) и другим академическим источникам, таким как работы Кондратьева, Джаглера и Китчина.

Поделитесь своими идеями в моём Telegram-канале, чтобы обсудить, как эти циклы работают в ваших стратегиях!

Показать полностью 2
1

Апофения: лицо на Марсе, Иисус на тосте и другие «сюрпризы» мозга

Наш мозг обожает находить закономерности. Особенно там, где их вовсе нет. Это явление носит название апофения — склонность видеть осмысленные связи в случайных, разрозненных данных. Иными словами, мозг устраивает себе Netflix из шума, теней и пятен.

Когда вы видите лицо на облаке, слышите тайные послания в песне Битлз, проигранной задом наперёд, или убеждены, что фондовый рынок «слышит ваши мысли» — поздравляю, вы на короткой ноге с апофенией. Ниже — топ примеров из науки, истории, поп-культуры и повседневности, где наше воображение ушло в самоволку.


1. Лицо на Марсе

В 1976 году зонд Viking-1 сфотографировал марсианский холм в области Кидония, и… там явно было лицо. Лоб, нос, губы, взгляд — NASA само не сразу поняло, что происходит. Уфологи, конечно, сразу собрали чемоданы: контакт близок.

Но в 2001 году Mars Global Surveyor прислал снимки того же холма с более высоким разрешением. Там не было никакого лица. Просто игра света и теней на скале. Классическая парейдолия — частный случай апофении, когда мозг дорисовывает лица в любых кляксах и пятнах.

Марсиан мы пока не нашли, зато нашли, как легко мозг нас дурит.

Апофения: лицо на Марсе, Иисус на тосте и другие «сюрпризы» мозга Длиннопост, Философия, Психология, Мысли, Реальность, Трейдинг, Инвестиции

2. Иисус на тосте

Житель Нью-Йорка увидел лик Христа на подгоревшем тосте и выставил его на eBay. Цена стартовала с пары сотен долларов, но потом дошла до нескольких десятков тысяч. Покупатель утверждал, что тост «излучает благодать и не плесневеет». Кстати, находить лики Девы Марии и Христа - это довольно частый пример. Самая популярная история гласит, что женщина увидела лик Девы Марии на тосте и продала на eBay за 28 тысяч долларов, в других источниках информация отличается, но картинка женских рук с тостом с ликом Девы Марии прикреплена)

Вот вам апофения в чистом виде: случайный узор на хлебе стал религиозным символом. Ну а почему нет — если маркетинг работает, то и вера подтянется.

Апофения: лицо на Марсе, Иисус на тосте и другие «сюрпризы» мозга Длиннопост, Философия, Психология, Мысли, Реальность, Трейдинг, Инвестиции

3. Звёзды и судьбы: астрология

Ты — Козерог, поэтому будешь холоден, практичен и построишь карьеру в нефтегазе. А ты — Рыбы, тебе пора страдать красиво и слушать Бьорк.

Астрология работает по принципу апофении: мы ищем паттерны в дате рождения, чтобы объяснить успехи, беды и выбор кофеварки. Подтверждение приходит только тогда, когда мы хотим его видеть.

Да, звезды могут влиять — в смысле, если метеорит упадёт. Но вот ваша неделя в Телеграм-гороскопе — это просто удачный шаблон с вариантами на любой вкус.

Апофения: лицо на Марсе, Иисус на тосте и другие «сюрпризы» мозга Длиннопост, Философия, Психология, Мысли, Реальность, Трейдинг, Инвестиции

4. Конспирология: масоны, вышки 5G и Билл Гейтс

Чем запутаннее мир, тем сильнее хочется верить, что за ним кто-то стоит. И тут апофения просто ликует.

Пандемия? Это всё ради чипирования. Луна? Никто туда не летал, это декорации. Штрих-коды в магазине? Они от Сатаны. Это реальные теории, и все они построены на натягивании смыслов между несвязанными фактами.

Мозгу уютнее в мире, где всё логично и кто-то виноват. Даже если этот кто-то — рептилоид с планом на 300 лет.

Апофения: лицо на Марсе, Иисус на тосте и другие «сюрпризы» мозга Длиннопост, Философия, Психология, Мысли, Реальность, Трейдинг, Инвестиции

5. Биржевые графики и тайные послания рынка

Трейдеры — настоящие мастера апофении. В каждом пике они видят голову с плечами, в каждом падении — фигуру «бриллиант», а в боковике — пасхалку от Илона Маска. Многим кажется, что какой-то мифический "кукловод" действует исключительно против них.

Да, технический анализ может работать. Но иногда график — это просто график. Без скрытого смысла. Без злого умысла маркетмейкера. Без судьбоносного двойного дна в районе 61.8% по Фибоначчи.

Я помню, как в самом начале тоже погибал в поисках паттернов, дорисовывал их у себя в голове. Благо мне чуть повезло и алготрейдинг освободил меня от этого нервного и зачастую бесполезного занятия. Об этом, кстати, регулярно пишу у себя в Telegram — OllivanderIsHere.

Если вы уверены, что рынок подаёт вам сигналы лично — сделайте шаг назад. Может быть, это не инсайд, а просто мозг снова играет в угадай мелодию.

Апофения: лицо на Марсе, Иисус на тосте и другие «сюрпризы» мозга Длиннопост, Философия, Психология, Мысли, Реальность, Трейдинг, Инвестиции

6. Повседневная мистика: часы 11:11 и "вещие" сны

Вы замечаете, что часто смотрите на часы ровно в 11:11. Или просыпаетесь после сна, который точно предсказал день. Волшебство? Не совсем.

Это тоже апофения: мы склонны запоминать совпадения и игнорировать сотни раз, когда никакого знака не было. 11:11 просто симметрично, красиво и бросается в глаза. А сны… ну, если в одном из десятка вы угадали ситуацию — мозг возьмёт это на вооружение и раздует значимость.

Интуиция — это круто, но статистику она не отменяет.
Меня, кстати, преследует 22:22


7. Поп-культура и "скрытые послания"

Оборотная сторона альбома «The Beatles» — тайный намёк на смерть Пола. В фильмах Pixar есть общая вселенная. В каждой песне Виктора Цоя – пророчество.

Такие теории приятно обсуждать на кухне за чаем — они добавляют глубины, интриги. Но чаще всего это просто игра воображения. Художник рисовал абстрактный фон — а зритель нашёл там знаки апокалипсиса. А в случае с картинами Босха и знать не хочется, что он там закладывал.

Иногда сигналы — это просто шум, и с этим надо смириться.

Апофения: лицо на Марсе, Иисус на тосте и другие «сюрпризы» мозга Длиннопост, Философия, Психология, Мысли, Реальность, Трейдинг, Инвестиции

Что с этим делать?

Апофения — не баг, а фича. Она помогает нам находить связи и быстро принимать решения в хаосе информации. Без неё не было бы искусства, религии, науки и, возможно, чувства юмора.

Но всё хорошо в меру. В мире, где алгоритмы и кликбейт манипулируют вниманием, стоит иногда останавливаться и спрашивать: "А точно ли это знак свыше — или просто подгоревший хлеб?"


Если вы видите паттерны везде — поздравляем, вы человек. Просто будьте внимательны: иногда разумный скепсис спасает от тостов по $25 000.

Показать полностью 6

Как я перенёс технику алготрейдинга на личные финансы и научился понимать свой денежный тренд

В трейдинге я привык мыслить трендами. Для меня это базовый способ восприятия реальности: не важна отдельная свеча, важно, куда движется вся серия данных.
Когда я задался целью навести порядок в личных финансах, я интуитивно перенёс эту технику в другую сферу жизни.

И результат превзошёл ожидания.

Сотни приложений для учёта денег, таблицы расходов — всё это быстро скатывается в рутину.
Ты честно фиксируешь все траты, смотришь в итоговую сумму месяца... и ничего не понимаешь.

  • То минус, то плюс.

  • То доход вырос, то снова просел.

  • Психика устает от этой каши, и появляется желание "забить" или "погнаться за миллионными целями", потому что конкретики нет.

Что действительно помогает — это строить скользящую среднюю (SMA) на свои денежные потоки.
Вместо того чтобы глядеть на отдельные месяцы, я смотрю на линию тренда.

Вот как это работает:

  • Сначала я фиксирую разницу доходов и расходов по месяцам.

  • Затем в Excel строю SMA на 1, 3, 6 и 12 месяцев.
    То есть вижу короткосрочные, среднесрочные и долгосрочные тренды.

  • Плюс считаю общую SMA за весь период наблюдений — это даёт ориентир, как движется моя финансовая жизнь в целом.

Важно:
График можно строить не только по разнице доходов и расходов,
но и отдельно по доходам или отдельно по расходам.

Например:

  • тренд доходов растёт, а расходов — ещё быстрее;

  • или доходы стоят на месте, а расходы ползут вниз — и это уже реальный прогресс!

Почему это особенно полезно при нестабильных доходах

Когда заработки то прыгают вверх, то падают вниз (фриланс, собственный бизнес, трейдинг) — мозгу трудно понять, ты в плюсе или в минусе.
Тренд закрывает эту дыру:

  • показывает реальную динамику без паники по "плохим" месяцам;

  • даёт уверенность в правильности курса или наоборот — сигнал на корректировку;

  • помогает не гнаться за абстрактными миллионами, а видеть конкретно:
    сколько тебе нужно заработать в ближайшем месяце, чтобы остаться в восходящем тренде.

Как построить такой график в Excel

  1. Сделайте таблицу: по строкам — месяцы, по столбцам — доходы, расходы, разница.

  2. Добавьте вычисление скользящей средней через формулы:

    • для 3 месяцев: =СРЗНАЧ(последние 3 значения);

    • для 6 месяцев: =СРЗНАЧ(последние 6 значений);

    • и так далее.

  3. Постройте график с нанесением всех SMA-линий.

  4. Наблюдайте тренд. При желании добавьте цвета: зелёный — рост, красный — падение.


Это все даёт мне внутреннее спокойствие и реальный контроль.

Ключевые мысли:

  • Перенос трейдинговых техник на финансы — реальный рабочий метод.

  • Скользящая средняя доходов и расходов помогает понять своё реальное финансовое положение.

  • Особенно полезно тем, у кого нестабильные доходы.

  • График тренда убирает хаос и помогает ставить реальные цели, а не жить мечтами.

Показать полностью
Отличная работа, все прочитано!