Aufgabe
Der Trader wollte nicht mehr selbst vor den Charts sitzen. Er brauchte ein System, das Einstiegspunkte mit einem trainierten Modell selbst findet. Starre Regeln aus einer Reihe von Indikatoren passten ihm nicht.
Lösung
Ich habe ein neuronales Netz in PyTorch mit historischen Kursen trainiert und in einen Bot eingebaut, der Daten sammelt, Merkmale berechnet, Vorhersagen trifft und Signale erzeugt. Die Inferenz ist von der Strategie getrennt, die Logik für Ein- und Ausstiege lässt sich ohne neues Training ändern.
Umgesetzte Aufgaben
- Ein neuronales Netz in PyTorch mit historischen Kursen trainiert
- Datensammlung, Merkmalsberechnung und Signalerzeugung automatisiert
- Inferenz von der Handelsstrategie getrennt, um die Logik ohne neues Training zu ändern
- Nachtraining des Modells mit aktueller Historie umgesetzt
- In Docker verpackt und den Handel gestartet
Ergebnis
Die Signale werden automatisch aus dem Datenstrom berechnet, ohne manuelles Beobachten der Charts. Das Modell wird mit aktueller Historie nachtrainiert und eingesetzt, ohne den Bot umzuschreiben.
Technologien
PythonPyTorchWebSocket
