Дневник проекта

Команда: Лясковский Андрей, Льгов Иван, Фаргус Эльес

Группа: 15.27Д-МО01/23б

Тема: Скальпинговый трейдинговый бот с использованием машинного обучения для предсказания цен на криптовалюты

Цель проекта: Создание интеллектуального программного бота для краткосрочной (скальпинговой) торговли криптовалютой с применением моделей машинного обучения для анализа рынка и прогнозирования краткосрочных движений цены.

Целевая аудитория: начинающие и опытные трейдеры (18–45 лет), желающие автоматизировать краткосрочную торговлю на криптобиржах.

Платформа: GitHub + Bybit API + YouGile (для планирования задач)

Цели на неделю 11.02–18.02:

• Определить общую структуру проекта

• Исследовать рынок крипто-ботов и выделить уникальные фишки

• Обсудить модели машинного обучения, подходящие для краткосрочного прогнозирования

15.02 • Сформирован устав проекта, распределены роли в команде

• Определена структура проекта (модули сбора данных, обучения модели, торговли, мониторинга)

• Начат подбор научных и прикладных статей по алгоритмической торговле и ML-моделям

• Проведено первое обсуждение пользовательского интерфейса

Структура проекта:

1. Главный скрипт (бот)

• Сбор данных с биржи

• Прогнозирование цены

• Выдача торговых сигналов

• Осуществление сделки через API

2. Модуль обучения модели

• Загрузка исторических данных

• Предобработка

• Обучение ML-моделей (Random Forest, LSTM)

3. Веб-интерфейс (будущий этап)

• Отображение сигналов и логов

• Настройка параметров

4. Модуль логирования и отчетности

Цели на неделю 18.02–25.02:

• Изучить библиотеки и фреймворки (Binance API, Scikit-learn, Keras)

• Начать разработку MVP-версии: получить первые исторические данные

• Провести опрос среди трейдеров и программистов о необходимых функциях

21.02

• Создана форма-опрос для выявления потребностей будущих пользователей

• Обсуждены особенности скальпинга и выбраны основные пары (BTC/USDT, ETH/USDT)

23.02 • Проведен анализ конкурентов (3Commas, Pionex, Cryptohopper)

• Составлены ключевые отличия и фишки нашего бота (ML-прогноз, минимальная задержка, адаптация под волатильность)

24.02

• Создан GitHub-репозиторий

• Начато тестирование сбора данных с Binance API

• Структурирован план проекта на 45 дней, обозначены контрольные точки

05.03

• Подготовлена презентация ко 2 чекпоинту:

• Архитектура (модули, связи)

• Диаграмма компонентов

• Диаграмма классов

• Тех. стек: Python, TensorFlow, Binance API, Flask (для UI)

• В Trello распределены задачи по этапам

15.04–22.04

• Начата разработка прототипа модели на основе LSTM

• Настроена система логирования и сохранения результатов

• Разработаны тест-кейсы для проверки поведения бота при разных рыночных условиях

22.04–29.04

• Реализована базовая логика подключения к бирже и выставления ордеров

• Начата настройка модели машинного обучения и подготовка дата-сетов

• Проведено сравнение моделей (Random Forest, LSTM, XGBoost) на accuracy и latency

29.04–06.05

• Подключение модели к реальному потоку данных (live stream Binance)

• Отладка логики принятия решений: buy/sell

• Подключена Telegram-нотификация для сигналов

06.05–20.05

• Проведено тестирование модели на исторических и live-данных

• Оптимизация производительности

• Устранение ошибок, найденных в логике обработки сигналов

• Подготовка к финальной демонстрации: сбор метрик (precision, profit/loss, drawdown)