Глава 350: Майнинг Подграфов для Трейдинга — Обнаружение Скрытых Паттернов в Финансовых Сетях

Обзор

Финансовые рынки образуют сложные сети: активы связаны корреляциями, компании — цепочками поставок, трейдеры — потоком ордеров. Майнинг подграфов обнаруживает повторяющиеся структурные паттерны (мотивы) в этих сетях, которые могут предсказывать движения цен, смены режимов и торговые возможности.

Традиционный анализ графов рассматривает признаки на уровне узлов или рёбер. Майнинг подграфов идёт глубже — он находит частые подструктуры, появляющиеся в графе или во времени, раскрывая скрытую рыночную динамику, невидимую стандартными методами.

Торговая Стратегия

Основная идея: Построить динамические финансовые графы из рыночных данных и добыть частые паттерны подграфов. Когда появляются определённые паттерны, они сигнализируют о торговых возможностях:

Корреляционные сети: Активы — узлы, корреляции — рёбра. Майнинг подграфов выявляет ротации секторов и паттерны заражения
Графы потока ордеров: Трейдеры/адреса — узлы, транзакции — рёбра. Паттерны показывают накопление, распределение, движения китов
Временные графы: Одна сеть во времени. Изменения паттернов сигнализируют о смене режимов

Преимущество: Паттерны подграфов захватывают зависимости высокого порядка, которые пропускают корреляционные матрицы и попарный анализ. Треугольник сильных корреляций имеет иное значение, чем цепочка.

Ключевые Концепции

Что такое Подграф?

Подграф — это меньший граф, содержащийся внутри большего графа. Например, в сети из 100 криптовалют, связанных корреляциями:

Треугольник (3 узла, 3 ребра) может представлять сектор (BTC-ETH-BNB)
Звезда (1 хаб, соединённый со многими) может представлять лидера рынка
Клика (полносвязная подгруппа) представляет высококоррелированные активы

Алгоритмы Майнинга Подграфов

Алгоритм	Тип	Лучше всего для
gSpan	Частые подграфы	Поиск общих паттернов
FSG	Частые подграфы	Разреженные графы
SUBDUE	На основе сжатия	Поиск информативных паттернов
GraMi	Приближённый	Большие графы
Нейронный (GNN)	На основе обучения	Задачи предсказания

Построение Финансовых Графов

Рыночные данные → Построение графа → Майнинг подграфов → Торговые сигналы
       ↓                 ↓                   ↓                ↓
    OHLCV          Корреляция/Поток      Паттерны        Вход/Выход
    Order Book     Пороговые рёбра       Частота         Размер позиции
    Транзакции     Динамические          Поддержка       Риск-менеджмент
                   обновления

Техническая Спецификация

Типы Графов для Трейдинга

1. Корреляционная Сеть

Узлы: Активы (криптовалюты)
Рёбра: Корреляция > порога (напр., 0.7)
Вес ребра: Сила корреляции
Временной: Скользящее окно (напр., 24ч, 7д)

2. Граф Потока Ордеров

Узлы: Адреса кошельков / ID трейдеров
Рёбра: Транзакции между узлами
Вес ребра: Объём / Частота
Временной: Временные метки транзакций

3. Сеть Опережения-Отставания

Узлы: Активы
Рёбра: Причинность Грейнджера / Transfer entropy
Вес ребра: Предсказательная сила
Направление: Лидер → Последователь

Типы Паттернов Подграфов

Паттерн	Структура	Торговый сигнал
Треугольник	3 связанных актива	Сила сектора
Звезда	Хаб + лучи	Влияние лидера рынка
Цепочка	Линейный путь	Каскад информации
Клика-4+	Полносвязные 4+	Сильный режим
Двудольный	Две группы	Ротация секторов

Алгоритм Майнинга: gSpan для Финансовых Сетей

1. Построить граф G из рыночных данных
2. Найти частые рёбра (support > min_sup)
3. Расширить паттерны используя DFS-код
4. Отсечь нечастые паттерны
5. Вывести частые паттерны подграфов

Генерация Сигналов

Для каждого торгового периода:
    1. Построить текущий граф G_t из последних данных
    2. Сопоставить известные паттерны с G_t
    3. Вычислить оценки паттернов:
       - Изменение частоты (появление нового паттерна)
       - Полнота (частичное vs полное совпадение)
       - Центральность (позиция паттерна в сети)
    4. Сгенерировать сигналы на основе семантики паттернов

Архитектура Реализации (Rust)

src/
├── lib.rs              # Точка входа библиотеки
├── graph/
│   ├── mod.rs          # Модуль графа
│   ├── types.rs        # Типы Node, Edge, Graph
│   ├── builder.rs      # Построение графа из данных
│   └── algorithms.rs   # Алгоритмы на графах
├── mining/
│   ├── mod.rs          # Модуль майнинга
│   ├── gspan.rs        # Алгоритм gSpan
│   ├── pattern.rs      # Представление паттернов
│   └── matcher.rs      # Сопоставление паттернов
├── trading/
│   ├── mod.rs          # Модуль трейдинга
│   ├── signals.rs      # Генерация сигналов
│   ├── strategy.rs     # Торговая стратегия
│   └── backtest.rs     # Движок бэктестинга
├── data/
│   ├── mod.rs          # Модуль данных
│   ├── bybit.rs        # Клиент API Bybit
│   ├── types.rs        # Типы рыночных данных
│   └── cache.rs        # Кеширование данных
└── utils/
    ├── mod.rs          # Утилиты
    ├── stats.rs        # Статистические функции
    └── config.rs       # Конфигурация

Ключевые Метрики

Качество Паттернов

Поддержка (Support): Частота появления паттерна
Значимость: Статистическая значимость vs случайный
Стабильность: Устойчивость во временных окнах
Предсказательная сила: Корреляция с будущей доходностью

Торговая Эффективность

Sharpe Ratio: Доходность с поправкой на риск
Sortino Ratio: Доходность с поправкой на падение
Максимальная просадка: Наибольшее снижение от пика
Win Rate: Процент прибыльных сделок
Profit Factor: Валовая прибыль / Валовой убыток

Детали Алгоритмов

Построение Графа из Крипто-Данных

Вход: OHLCV данные для N криптовалют
Параметры: window_size, correlation_threshold

1. Вычислить доходности: r_i = (close_t - close_{t-1}) / close_{t-1}
2. Рассчитать матрицу корреляций: C = corr(returns, window=window_size)
3. Построить матрицу смежности:
   A[i,j] = 1 если C[i,j] > threshold
   A[i,j] = 0 иначе
4. Создать граф G = (V, E) где:
   V = {asset_1, ..., asset_N}
   E = {(i,j) : A[i,j] = 1}

Основной Алгоритм gSpan

Процедура gSpan(G, min_sup):
    S = ∅  // частые подграфы
    для каждого частого ребра e в G:
        Паттерн p = {e}
        gSpan-Extend(p, G, min_sup, S)
    вернуть S

Процедура gSpan-Extend(p, G, min_sup, S):
    если p замкнут:  // нет частых расширений
        S = S ∪ {p}
        вернуть

    для каждого правого расширения e паттерна p:
        p' = p ∪ {e}
        если support(p', G) >= min_sup:
            gSpan-Extend(p', G, min_sup, S)

Логика Торговых Сигналов

Генерация сигналов:
1. БЫЧЬИ паттерны:
   - Формирование нового треугольника в растущих активах
   - Паттерн звезды с сильным хабом (лидер рынка)
   - Расширение клики (больше активов присоединяется к группе)

2. МЕДВЕЖЬИ паттерны:
   - Разрушение треугольника (удаление ребра)
   - Коллапс звезды (ослабление хаба)
   - Фрагментация клики

3. НЕЙТРАЛЬНЫЕ / ОСТОРОЖНОСТЬ:
   - Быстрые изменения паттернов (неопределённость режима)
   - Увеличение изолированных узлов (декорреляция)

Интеграция с Bybit

Источники Данных

Спот-рынок: BTCUSDT, ETHUSDT и 50+ пар
Бессрочные фьючерсы: Ставки финансирования, открытый интерес
Стакан ордеров: Снимки глубины (L2/L3)
Сделки: Индивидуальные транзакции с временными метками

Используемые API Эндпоинты

GET /v5/market/kline          # OHLCV свечи
GET /v5/market/tickers        # Текущие цены
GET /v5/market/orderbook      # Глубина стакана
GET /v5/market/recent-trade   # Последние сделки

Ожидаемые Результаты

Пайплайн построения графов: Построение корреляционных/потоковых графов из данных Bybit
Движок майнинга: Эффективное обнаружение паттернов подграфов
Каталог паттернов: Библиотека значимых торговых паттернов
Генератор сигналов: Сопоставление паттернов и сигналы в реальном времени
Фреймворк бэктеста: Валидация исторической эффективности
Готовность к live-трейдингу: Production-качество реализации на Rust

Ссылки

Научные Статьи

gSpan: Graph-Based Substructure Pattern Mining - Yan & Han, 2002
Subgraph Neural Networks - Alsentzer et al., 2020
Network Motifs in Financial Markets - Pozzi et al., 2012
Graph-based Stock Market Analysis - Chen et al., 2020

Технические Ресурсы

Уровень Сложности

Эксперт

Предварительные требования:

Основы теории графов
Проектирование алгоритмов (DFS, сопоставление паттернов)
Анализ временных рядов
Программирование на Rust
Механика криптовалютных рынков