818
подписчиков
120
подписок
Бывший трейдер. Из-за болезни я стал инвалидом по зрению, 😭😭😭Теперь долгосрочный инвестор. В моем блоге найдешь массу обучающих статей. Список литературы. Промты для нейросети для повышения эффективности в трейдинге и инвестициях.
Не является индивидуальной инвестиционной рекомендацией
Посты
Ролики
cyberdragonoid
25 сентября в 18:50
Какие ещё инструменты подходят для работы с промптами в трейдинге?
💠Алиса:
Для трейдинга действительно есть инструменты, которые здорово помогают выстроить логику промптов — особенно когда нужно, чтобы ИИ не просто выдал текст, а структурировал данные, помог с анализом или даже сгенерировал часть кода для стратегии. Я подобрала несколько вариантов, сгруппировав их по задачам.
Для структурирования и шаблонов
PrompTessor (promptessor.com). Это целая рабочая среда: можно генерировать промпты, оптимизировать их, разбирать, что работает, а что нет, и сохранять в библиотеку. Удобно для трейдинга: например, собрать шаблон для анализа P&L или для запроса исторических данных по волатильности, а потом многократно его дорабатывать. 12
DocsBot (docsbot.ai). Инструмент превращает сырую идею в структурированный бриф. Вы описываете цель (например, «проанализируй корреляцию между ставкой ФРС и индексом S&P 500 за последний год»), а DocsBot добавляет в промпт роль, ограничения, чёткий формат вывода (таблица, JSON) и критерии успеха. Это сильно снижает риск «галлюцинаций» — модель получает ясные рамки. 13
Для сложных цепочек рассуждений
Здесь фокус на техниках, которые в трейдинге критически важны: чтобы модель не выдала готовый вывод, а показала ход мыслей, или чтобы вы могли перекрёстно проверить результат.
Инструменты для Chain-of-Thought (CoT). Сама по себе техника (просить модель «думать шаг за шагом») не требует отдельного софта — её активируют фразой в промпте («покажи ход рассуждений»). Но некоторые среды (например, продвинутые версии LangChain или специализированные IDE для промпт-инжиниринга) помогают визуально выстроить такую цепочку: разбить задачу на подшаги (анализ тренда → проверка объёмов → оценка новостей → вывод) и управлять каждым. Это особенно полезно для многоступенчатого анализа рынка или бэктестинга стратегий. 27
Техники с несколькими запусками. Для критичных решений (например, перед крупной сделкой) применяют Self-Consistency: запускают один и тот же CoT-промпт несколько раз и выбирают ответ, который повторился. Инструменты, которые позволяют легко сохранять и сравнивать версии промптов и их выводы, здесь очень выручают. 7
Для интеграции с данными и кодом
PromptFlow. Это low-code инструмент, который позволяет строить потоки: соединять узлы с промптами, Python-функциями и условной логикой. В трейдинге это открывает большие возможности: например, сделать поток, где сначала ИИ извлекает данные из CSV или API, затем применяет к ним логику (фильтрует по объёму, ищет паттерны), а потом генерирует отчёт или даже фрагмент кода для торговой платформы. 5
Платформы с интеграцией внешних источников. Некоторые инструменты позволяют напрямую подключать базы данных, API бирж или текстовые документы (отчёты компаний, новости), чтобы модель работала не в вакууме, а с актуальным контекстом. 6
Как выбрать?
Если вы только начинаете и хотите систематизировать свои идеи — берите PrompTessor или DocsBot.
Если строите сложную аналитическую цепочку (например, для алгоритмической торговли) — смотрите в сторону PromptFlow или фреймворков с поддержкой CoT.
Если важна воспроизводимость и сравнение версий — ищите инструмент с системой контроля версий промптов и их выводов.
Попробуй взять одну свою задачу (например, «нужно, чтобы ИИ каждый день собирал сводку по волатильности и выдавал сигнал на вход») и прогони её через пару инструментов. Часто сразу видно, какой даёт больше контроля на каждом шаге. Какой из этих сценариев тебе сейчас ближе? Могу разобрать детальнее!
#академия ИИ-трединга
cyberdragonoid
24 сентября в 5:08
🤖 Как устроен AI-агент для анализа фьючерса
После предыдущих постов возникает логичный вопрос:
а как всё это соединить в одну систему?
Условно AI-агента для анализа фьючерса можно представить так:
1️⃣ Сбор данных
Агент получает данные из разных источников:
• цена и OHLCV
• объём
• открытый интерес
• новости
• макроэкономика
• данные базового актива
• опционы
• стакан и лента
• характеристики самого фьючерса
Но агент не должен считать всё это автоматически достоверным.
↓
2️⃣ Проверка данных
Для каждого источника проверяем:
• время получения
• источник
• real-time / delayed / EOD
• пропуски
• дубликаты
• аномальные значения
• единицы измерения
• согласованность данных
Если критически важные данные отсутствуют:
анализ ограничен
А не:
«AI, придумай недостающие значения».
↓
3️⃣ Расчёт показателей
Здесь лучше использовать обычный код и статистические библиотеки.
Например:
• доходность
• EMA / MA
• ATR
• волатильность
• z-score
• изменение ОИ
• аномалии объёма
• базис
• показатели опционного рынка
• корреляции
То есть:
данные → формула → результат.
А не:
данные → мнение LLM → цифра.
↓
4️⃣ Статистическая модель
Теперь появляются:
• веса факторов
• базовая вероятность
• условная вероятность
• доверительные интервалы
• out-of-sample результаты
• walk-forward тестирование
• калибровка вероятностей
Именно здесь должна находиться математическая модель.
Например, модель может выдать:
вероятность роста на горизонте N = X%
Но только если эта вероятность действительно рассчитана моделью и прошла необходимую проверку.
↓
5️⃣ Микроструктура
Отдельный модуль анализирует:
• стакан
• ленту сделок
• спред
• глубину рынка
• ликвидность
• потенциальные зоны скопления ликвидности
Важно:
наблюдение ≠ доказательство намерений участников.
Например, крупная заявка в стакане ещё не означает, что кто-то обязательно собирается удерживать этот уровень.
↓
6️⃣ AI / LLM
И вот только теперь подключается большая языковая модель.
Её задача:
• собрать результаты разных модулей;
• объяснить их простым языком;
• найти противоречия;
• классифицировать новости;
• построить сценарии «если X → тогда Y»;
• указать, какие факторы требуют дополнительной проверки;
• сформулировать условия, при которых текущая гипотеза становится недействительной.
То есть LLM здесь скорее аналитик и интерпретатор, а не калькулятор рынка.
↓
7️⃣ Risk-модуль
Перед любым торговым решением:
• размер позиции;
• стоп;
• потенциальное проскальзывание;
• риск события;
• ликвидность;
• максимальный допустимый убыток;
• условия отмены сценария;
• ситуация «не входить».
И это очень важный этап.
Агент должен уметь сказать не только «что делать», но и «торговой идеи сейчас нет».
↓
8️⃣ Человек
Финальный уровень:
👤 Трейдер
AI может собрать данные, рассчитать показатели, сравнить сценарии и показать риски.
Но решение:
входить / не входить / изменить размер позиции / ничего не делать
остаётся за человеком.
Получается такая архитектура:
Источники данных
↓
Проверка качества
↓
Расчёты
↓
Статистическая модель
↓
Микроструктура
↓
LLM-интерпретация
↓
Risk-модуль
↓
Трейдер
И здесь есть принцип, который я бы вообще сделал главным правилом всей «Академии»:
Не заставляй один инструмент делать работу, для которой предназначен другой.
Биржевые данные дают факты.
Код считает показатели.
Статистика оценивает модель.
LLM помогает анализировать и объяснять.
Risk-модуль контролирует ограничения.
А человек принимает решение.
⚠️ Для новичков: наличие AI-агента не означает наличие прибыльной стратегии. Автоматизация не устраняет рыночный риск, ошибки данных, переобучение и неверные модели. Любую систему сначала нужно проверять на исторических данных, затем на демо, вести статистику результатов — и только после этого вообще рассматривать реальные деньги.
AI → данные → проверка → модель → демо → статистика → только потом деньги.
#Академия ИИ трейдинга
#обучение
cyberdragonoid
24 сентября в 4:44
🧩 Как подготовить данные для AI-агента: практический JSON-шаблон
В прошлом посте я показал общую структуру данных для анализа фьючерса.
Но если мы хотим перейти от обычного промпта к AI-агенту, простой список показателей уже недостаточен.
Нужны три вещи:
данные → проверка → расчёты.
И только после этого — интерпретация AI.
1. Основная информация
{
"instrument": {
"ticker": "XXXX",
"underlying": "XXXX",
"asset_type": "stock_index",
"timestamp": "2026-09-24T10:35:00+03:00",
"analysis_horizon": "1-5 days"
}
}
2. Специфика фьючерса
{
"futures": {
"expiry_date": "YYYY-MM-DD",
"roll_date": "YYYY-MM-DD",
"contract_size": 100,
"basis": 0.0,
"carry": 0.0,
"term_structure": "contango"
}
}
Здесь особенно важны экспирация, роллирование и базис.
Причём конкретный набор полей должен зависеть от типа фьючерса.
3. Рыночные данные
{
"market": {
"price": 0.0,
"ohlcv": {
"timeframe": "15m",
"open": 0.0,
"high": 0.0,
"low": 0.0,
"close": 0.0,
"volume": 0
},
"open_interest": 0
}
}
Из этих данных уже можно детерминированно рассчитать доходность, ATR, EMA, аномалии объёма и другие показатели.
То есть не обязательно передавать AI каждую готовую производную метрику.
4. Данные базового актива
Здесь важный нюанс.
Для фьючерса на акцию могут быть актуальны:
отчётность;
дивиденды;
корпоративные события;
ожидания рынка.
Для индекса, валюты или сырья набор факторов будет совершенно другим.
Поэтому универсального блока «выручка, прибыль, долг» для любого фьючерса не существует.
5. Новости и события
{
"events": [
{
"datetime": "YYYY-MM-DDTHH:MM:SS",
"type": "earnings",
"source": "SOURCE",
"fact": "описание события",
"consensus": null,
"observed_impact": {
"type": "volume_spike",
"magnitude": 0.0
}
}
]
}
Важно разделять:
что произошло и как это интерпретируется.
AI может объяснять возможные последствия, но не должен превращать собственную интерпретацию в исходный факт.
6. Опционы
Здесь тоже нельзя писать просто:
IV = 30%
Без контекста это число мало что говорит.
Лучше:
{
"options": [
{
"expiry": "YYYY-MM-DD",
"strike": 0.0,
"type": "call",
"iv": 0.0,
"oi": 0,
"volume": 0
}
]
}
А необходимые показатели — например skew или Put/Call ratio — рассчитывать отдельно.
7. Ликвидность и микроструктура
{
"liquidity": {
"spread": 0.0,
"market_depth": 0.0,
"expected_slippage": 0.0
},
"order_flow": {
"timestamp": "YYYY-MM-DDTHH:MM:SS",
"data_latency": "real-time",
"observations": []
}
}
И здесь критически важно поле:
data_latency
Потому что стакан из real-time потока и стакан с задержкой — это принципиально разные данные.
8. Контроль качества
А вот этого в обычных промптах почти всегда не хватает.
{
"data_quality": {
"price": "verified",
"volume": "verified",
"open_interest": "verified",
"news": "verified",
"outlier_flags": [],
"missing_fields": []
}
}
AI должен иметь возможность сказать:
«Анализ ограничен: OI отсутствует, стакан имеет задержку, данные по опционам неполные».
А не заполнять пробелы собственной фантазией.
И вот здесь появляется главное отличие AI-агента
Он не должен делать:
«Вот неполные данные → сейчас я сам что-нибудь придумаю».
Правильный конвейер:
источники → сбор данных → проверка → расчёт показателей → статистическая модель → AI-интерпретация → человек принимает решение.
Именно поэтому хороший AI-агент в трейдинге — это не просто «очень умный промпт».
Это система, в которой каждому этапу заранее определена своя задача.
⚠️ Новичкам: JSON, AI-агент и красивые таблицы сами по себе не создают торгового преимущества. Если исходные данные ошибочны или модель не прошла нормальное тестирование, автоматизация лишь быстрее выдаст неправильный вывод.
AI не заменяет анализ. Он помогает организовать его.
#академия ИИ трейдинга
#обучение
cyberdragonoid
23 сентября в 5:19
📌 Статья 4. «Где здесь место AI-агента?»
🤖 Где здесь место AI-агента?
После всего, что мы разобрали, может возникнуть вопрос:
«Тогда зачем вообще нужен AI?»
Наоборот — нужен. Просто не там, где мы сначала его поставили.
Я бы разделил систему на 4 слоя.
🧱 1. ДАННЫЕ
Получаем:
• новости;
• макроэкономические показатели;
• цены;
• объёмы;
• открытый интерес;
• опционы;
• позиционирование;
• стакан и ленту — если есть соответствующие данные.
🧮 2. КОЛИЧЕСТВЕННАЯ МОДЕЛЬ
Здесь выполняются воспроизводимые расчёты:
• формирование факторов;
• нормализация;
• корреляционный анализ;
• расчёт весов;
• прогнозирование;
• backtest;
• walk-forward;
• проверка калибровки.
Именно здесь должны появляться математические оценки.
🤖 3. AI
А здесь начинается работа языковой модели.
AI может:
📰 прочитать большое количество новостей;
🔎 найти важные события;
🧩 сопоставить их с факторами;
⚠️ найти противоречия;
📚 объяснить результат модели;
🔄 сформировать сценарии «если X → тогда Y»;
❓ предложить, какие данные ещё необходимо проверить.
👤 4. ТРЕЙДЕР
И последний этап:
торговать или не торговать.
AI не должен превращаться в кнопку:
«Купить фьючерс».
А нужен ли AI-агент?
В простом варианте можно работать с обычной нейросетью.
Но если задача становится сложнее, агент может последовательно:
получить данные → проверить источники → вызвать расчёт → проверить результат → найти противоречия → сформировать отчёт.
При этом агент не должен получать право «придумывать» отсутствующие данные.
Если нет данных по опционам — честный ответ:
«Данных недостаточно».
А не выдуманные значения.
⚠️ Главное предупреждение
Если вы новичок, не начинайте с автоматической торговли.
Сначала научитесь понимать:
что именно анализирует модель;
откуда берутся данные;
как формируется прогноз;
как проверяется исторически;
какие ошибки возможны;
сколько стоит комиссия и проскальзывание;
что произойдёт при резком движении против позиции.
И обязательно тестируйте идеи на демо-счёте и исторических данных, прежде чем рисковать реальными деньгами.
Фьючерсы могут приводить к существенным убыткам, а использование AI этого риска не отменяет.
AI — не оракул.
Его полезность не в том, что он якобы знает будущее.
Его сила — в том, что он может помочь человеку системно собирать информацию, проверять гипотезы и находить то, что человек мог пропустить.
А решение и ответственность за сделку остаются за трейдером.
#обучение
#новичку
#Академия ИИ трейдинга
cyberdragonoid
23 сентября в 5:07
📌 Статья 3. «Откуда взялись эти 70%?»
📈 «Вероятность роста — 70%». А откуда взялись эти 70%?
Это один из самых важных вопросов, который стоит задавать AI при анализе рынка.
Потому что:
скоринг ≠ вероятность.
Если модель получила положительный факторный скор, это ещё не означает:
«Цена вырастет с вероятностью 70%».
Чтобы говорить о вероятности серьёзнее, нужна историческая база.
Представим:
модель получила определённый набор факторов.
Мы ищем аналогичные состояния рынка в прошлом и смотрим, что происходило дальше.
Но здесь сразу возникает вопрос:
Что значит «аналогичные»?
По каким критериям?
Насколько похожи факторы?
Какой горизонт?
Если правила сходства не определены заранее, «похожие ситуации» легко превращаются в субъективный выбор.
Нужен baseline
Допустим, на выбранном горизонте рынок вообще растёт в 55% случаев.
А наша модель показывает 60%.
Это не означает, что модель «предсказывает рост с вероятностью 60%» и тем более не означает огромное преимущество.
Нужно сравнивать её результат с базовой частотой.
И проверять:
даёт ли модель дополнительную информацию?
Нужна проверка вне обучения
Если модель настроили на исторических данных, а потом проверили на тех же данных — результат может быть слишком оптимистичным.
Поэтому используются:
training → validation → out-of-sample
и, например, walk-forward testing.
Модель должна показывать результат на данных, которые не использовались для её настройки.
И ещё один тест — калибровка
Если модель много раз говорит:
вероятность 70%
то среди таких прогнозов фактический результат должен быть примерно соответствующим.
Иначе «70%» — просто число.
Поэтому профессиональный вопрос к модели звучит не:
«Какой прогноз?»
а:
«Насколько хорошо твои вероятности откалиброваны на независимых данных?»
⚠️ И ещё важнее:
рынок меняется.
Связь между фактором и ценой, которая работала несколько лет назад, может ослабнуть или исчезнуть.
Поэтому модель необходимо периодически перепроверять.
Вероятность в трейдинге — это не обещание будущего. Это оценка неопределённости, которую ещё необходимо подтвердить статистикой.
В следующей части соберу всё вместе:
данные → факторы → статистическая модель → вероятность → AI → сценарии → проверка → решение «торговать или пропустить».
#обучение
#новичку
#Академия ИИ трейдинга
cyberdragonoid
23 сентября в 4:40
📌 Статья 2. «Почему +2 от AI — это ещё не математическая модель»
📊 Почему «+2 от AI» — это ещё не математическая модель
В предыдущей статье я предложил разделить AI-анализ и количественную модель.
Теперь покажу почему.
Допустим, мы просим нейросеть оценить факторы перед покупкой фьючерса:
Фактор
Оценка
Макро
+2
Новости
+1
USD
−1
Опционы
+1
Объёмы
+2
Выглядит красиво.
Но что на самом деле означает «Макро = +2»?
Если это просто мнение языковой модели, то:
другой запрос → возможно +1;
другая модель → возможно 0;
другой момент → возможно +2.
Значит, число не является воспроизводимым измерением.
Как сделать иначе?
Нужно заранее определить правило формирования фактора.
Например:
если показатель X изменился больше определённого порога → категория A;
если изменение находится в определённом диапазоне → категория B;
если изменений практически нет → категория C.
Теперь правило можно применить ко всей исторической выборке.
И получить:
данные → фактор → результат.
А дальше уже можно проверить:
действительно ли этот фактор связан с будущим движением цены?
А что с весами?
Раньше мы могли написать:
Макро — 25%
Новости — 15%
Опционы — 10%...
Но это просто гипотеза, если она не проверена.
Более строгий подход:
исторические данные → статистическая модель → оценка влияния факторов → проверка на новых данных.
Причём факторы могут быть связаны между собой.
Например, одна новость может быть следствием того же макроэкономического события, которое мы уже учли.
Если сложить оба фактора без проверки, можно дважды посчитать одну информацию.
Поэтому нужны:
• корреляции;
• проверка мультиколлинеарности;
• регуляризация или другие методы контроля модели;
• out-of-sample тестирование.
Главное
LLM может помочь:
🤖 найти факторы;
🤖 классифицировать новости;
🤖 объяснить результаты;
🤖 сформировать гипотезы.
Но не стоит автоматически считать её ответы:
«+2», «25%», «вероятность 70%»
объективными измерениями.
Сначала воспроизводимая методика → потом цифры → потом AI-интерпретация.
В следующей статье разберём самое интересное:
как вообще получить вероятность сценария и почему 70% без baseline и проверки может быть практически бессмысленной цифрой.
#обучение
#новичку
#Академия ИИ трейдинга
cyberdragonoid
23 сентября в 4:22
📌 Статья 1. «Я хотел спросить у AI: куда пойдёт фьючерс?»
🤖 Я хотел спросить у AI: куда пойдёт фьючерс?
И сначала всё выглядело просто.
Загрузить данные → попросить AI проанализировать фундаментал и новости → получить:
🟢 рост
🟡 боковик
🔴 падение
Но чем глубже разбирался, тем очевиднее становилась проблема.
AI может очень убедительно объяснить рынок — и при этом ошибиться.
Поэтому я решил построить систему иначе.
Не спрашивать:
«Куда пойдёт цена?»
А разложить задачу на несколько уровней.
1. Сначала данные
Новости, макроэкономика, ставки, инфляция, запасы, валюты, позиционирование, опционы, объёмы и другие доступные данные.
2. Затем факторы
Данные превращаются в измеряемые признаки.
Например, не:
«Макро выглядит позитивно: +2».
А конкретное правило:
«Показатель X изменился на Y относительно предыдущего периода».
Такой признак можно воспроизвести и проверить на истории.
3. Затем статистическая модель
И только здесь появляются:
• веса факторов;
• вероятность сценария;
• историческая проверка;
• out-of-sample тестирование;
• калибровка вероятностей.
4. И только после этого — AI
Вот здесь языковая модель становится очень полезной.
Она может:
🔎 собрать и структурировать информацию;
📰 разобрать поток новостей;
🧩 найти противоречия между факторами;
📚 объяснить результат модели простым языком;
⚠️ показать, какие данные необходимо перепроверить.
То есть AI становится аналитическим помощником, а не генератором магических процентов.
⚠️ ОСОБОЕ ПРЕДУПРЕЖДЕНИЕ НОВИЧКАМ
Если вы только начинаете разбираться в AI и трейдинге, не воспринимайте ответ нейросети как торговый сигнал.
Фраза:
«Вероятность роста 73%»
сама по себе ничего не доказывает.
Первый вопрос должен быть:
«Откуда взялись эти 73%?»
Какие данные?
Какой исторический период?
Какой горизонт?
Какой размер выборки?
Какой baseline?
Проверялась ли модель на новых данных?
Учитывались ли комиссия и проскальзывание?
Если ответов нет — перед вами может быть просто уверенно сформулированное мнение AI.
Поэтому мой принцип пока такой:
AI → проверка данных → собственный анализ → демо → статистика результатов → только потом реальные деньги.
И даже после этого никакая модель не превращается в гарантию прибыли.
В следующей статье разберу главный вопрос:
почему оценка фактора «+2» от нейросети ещё не является количественной моделью.
#обучение
#Академия ИИ трейдинга
#новичку
cyberdragonoid
19 сентября в 6:58
А если нейросеть не прогнозирует сделку, а пытается её сломать?
Именно такой подход мне показался интереснее обычного запроса:
«Проанализируй график и скажи, куда пойдёт цена».
Задача другая:
«Найди причины, по которым моя торговая идея может оказаться ошибочной».
Вот базовый вариант промпта.
ПРОМПТ
Ты — аудитор торговой идеи.
Не пытайся подтвердить мою гипотезу. Твоя задача — искать аргументы ПРОТИВ неё.
Если данных недостаточно, не додумывай их и не выдавай предположение за факт.
Проверь сетап по следующим направлениям:
1. Рыночный контекст
— какой режим рынка сейчас: тренд, диапазон, высокая/низкая волатильность;
— соответствует ли используемый паттерн текущему режиму;
— есть ли конфликт со старшими таймфреймами.
2. Ликвидность и исполнение
— спред;
— объём;
— глубина стакана;
— возможное проскальзывание;
— аномальные объёмы;
— есть ли данные, подтверждающие подозрение на манипулятивные заявки.
Не называй крупные заявки spoofing без достаточных доказательств.
3. Внешние события
— важные макроэкономические публикации;
— решения центральных банков;
— корпоративные события;
— другие известные катализаторы, способные изменить волатильность.
4. Качество самого технического сигнала
— не является ли паттерн результатом субъективной разметки;
— не противоречат ли друг другу таймфреймы;
— не дублируют ли индикаторы одну и ту же информацию;
— нет ли признаков подгонки стратегии под историю.
5. Данные и ограничения
Для каждого вывода укажи:
ФАКТ / РАСЧЁТ / ПРЕДПОЛОЖЕНИЕ / ДАННЫХ НЕДОСТАТОЧНО.
Не используй фиксированные пороги, если они не обоснованы для данного инструмента и стратегии.
Формат ответа:
КРИТИЧЕСКИЕ ПРОБЛЕМЫ: …
СУЩЕСТВЕННЫЕ РИСКИ: …
ЧТО НЕ ПОДТВЕРЖДЕНО: …
ЧТО НУЖНО ПРОВЕРИТЬ: …
ИТОГ: сигнал не подтверждён / требует дополнительной проверки / явного критического противоречия не обнаружено.
Мне нравится именно такой подход.
Не просить ИИ угадать будущее.
А заставить его искать слабые места собственной торговой гипотезы.
Потому что иногда полезнее спросить не:
«Почему я прав?»
а:
«Что должно произойти, чтобы моя идея оказалась неправильной?»
#трейдинг #теханализ
#ИИ
#нейросети
#промпт #рискменеджмент #инвестиции
cyberdragonoid
19 сентября в 6:50
Новости могут изменить картину. Но значит ли это, что теханализ «сломался»?
Продолжаю разбирать вопрос:
что может сделать технический сигнал ненадёжным?
В первой части мы посмотрели на саму методологию, ликвидность и конфликт таймфреймов.
Теперь — внешние события.
Новости
Представим ситуацию.
На графике появился красивый пробой сопротивления.
Есть объём.
Есть подтверждение индикаторов.
Трейдер готов входить.
И через 10 минут выходит важная макроэкономическая статистика.
Что произошло?
Технический анализ не исчез.
Но изменилась рыночная среда, в которой формировался сигнал.
Исследования поведения рынков вокруг макроэкономических публикаций показывают, что в такие периоды могут резко изменяться волатильность, объём и bid-ask spread. (Wiley Online Library)
Поэтому в промпте лучше спрашивать не:
❌ «Есть ли новости?»
а:
✅ «Есть ли в ближайшее время событие, способное существенно изменить волатильность, ликвидность или цену данного инструмента?»
Корпоративные события
Для отдельной акции дополнительно стоит проверить:
• отчётность;
• дивидендные события;
• корпоративные действия;
• допэмиссию;
• существенные решения компании;
• возможные торговые ограничения.
Инфраструктура
Есть ещё одна категория, о которой часто забывают.
Можно правильно определить вход.
Но не суметь нормально его исполнить.
Например:
• резко расширился спред;
• стакан стал значительно тоньше;
• возникло проскальзывание;
• торговля приостановлена;
• брокерский терминал или соединение недоступны.
Получается интересная вещь:
сигнал может быть технически корректным, но сделка всё равно может стать неприемлемой по условиям исполнения.
И поэтому я бы не заставлял нейросеть отвечать только:
«Сетап годен» / «Сетап аннулирован».
Это слишком бинарно.
Гораздо полезнее заставить её определить:
🟢 критическая проблема — идея требует отмены;
🟡 существенный риск — нужна повторная проверка;
🔵 дополнительных данных недостаточно;
⚪ явного нарушения не обнаружено.
Так ИИ не будет превращать любой риск-фактор в автоматический приговор.
В третьей части покажу сам промпт-аудитор, который из этого получается.
#трейдинг #теханализ #нейросети
#ИИ #биржа #рискменеджмент
cyberdragonoid
19 сентября в 6:42
Технический анализ может ошибаться. А кто проверит сам анализ?
Мы привыкли спрашивать у нейросети:
«Что показывает график?»
Но есть вопрос интереснее:
А что может сделать этот анализ ненадёжным?
Я попробовал разложить проблему на несколько уровней.
1. Проблема самой торговой идеи
Технический сигнал строится на определённых предположениях.
Например, скользящие средние могут хорошо работать в тренде, но давать серию ложных пересечений во флэте.
RSI может долго находиться в зоне перекупленности во время сильного восходящего движения. Поэтому само значение RSI=70 ещё не означает, что цена должна падать.
Ещё опаснее — подгонка стратегии под прошлые данные.
Если мы перебрали десятки вариантов параметров и оставили тот, который лучше всего показал себя на истории, это ещё не означает, что найден закономерный сигнал. В финансовых данных легко получить красивый исторический результат, который плохо работает на новых данных. (OUP Academic)
2. Ликвидность и микроструктура
На графике может быть красивый пробой.
Но что происходило в стакане?
Если инструмент малоликвидный, одна относительно крупная сделка способна заметно изменить цену.
Поэтому я бы проверял:
• объём торгов;
• реальный спред;
• глубину стакана;
• возможное проскальзывание;
• аномальные всплески объёма.
Отдельный вопрос — заявки в стакане.
Spoofing действительно существует: участник может выставлять заявки без намерения их исполнять, создавая ложное впечатление спроса или предложения. Такие схемы описывались и в материалах SEC. (SEC)
Но здесь важно не делать другую ошибку: наличие крупных заявок ещё не доказывает spoofing.
3. Конфликт таймфреймов
Допустим, на H1 появился сигнал на покупку.
Но на H4 — нисходящий тренд.
А на D1 цена находится возле сильного сопротивления.
Стоит ли автоматически считать сигнал плохим?
Нет.
Но это повод проверить, не является ли движение на H1 обычной коррекцией внутри более крупного движения.
И вот здесь мне показалось интересным использовать ИИ не как «предсказателя цены», а как аудитора собственной торговой идеи.
Во второй части покажу, какие внешние события могут изменить картину.
#трейдинг
#нейросети
#инвестициии
#биржаа
cyberdragonoid
16 сентября в 16:27
В продолжение промта:
https://www.tbank.ru/invest/social/profile/cyberdragonoid/20132ebe-4788-4bc2-87cb-6228557aa949?author=profile&channel=sharing
Что может сделать текущий технический сценарий недействительным?
....
Если конкретный порог невозможно определить по предоставленным данным, не придумывай его. Напиши: «Точный критерий определить нельзя без …» и перечисли недостающие данные.
Не называй сценарий «недействительным» только потому, что существует риск. Разделяй:
подтверждение сценария;
ослабление сценария;
условие отмены сценария;
полное отсутствие необходимых данных для вывода.
В конце дай отдельный блок:
🚨 Ключевое условие отмены
Назови 1–3 наиболее важных наблюдаемых условия, которые непосредственно опровергнут именно этот сценарий.
Не добавляй факторы, не связанные с рассматриваемым сценарием.
Вот это уже гораздо лучше защищает от «галлюцинаций».
Промт2.
🔒 Защита от выдуманных критериев
Перед определением условий недействительности сначала выпиши:
Исходный сценарий:
[сформулировать одним предложением]
Основания сценария:
[только фактически видимые/предоставленные пользователем данные]
Критические предпосылки:
[что должно оставаться верным, чтобы сценарий сохранял смысл]
Затем для каждого основания ответь:
что именно подтверждает сценарий;
что именно его ослабляет;
что именно его отменяет;
какие данные необходимы для такого вывода.
Не смешивай:
«фактор может повлиять на цену»
с
«фактор отменяет технический сценарий».
Например, новость сама по себе не является автоматическим условием отмены технического сценария. Она может вызвать движение, которое фактически нарушит ценовую структуру сценария. Поэтому сначала укажи событие, затем его наблюдаемый рыночный эффект и только после этого — является ли сценарий отменённым.
Не используй универсальные пороги вроде «объём должен быть выше среднего в 2 раза», «цена должна упасть на 3%» или «RSI ниже 30», если такой критерий не следует из предоставленного анализа.
Если критерий зависит от инструмента, таймфрейма или конкретной стратегии — укажи это.
Если условие отмены невозможно определить однозначно по представленному графику, напиши:
«Условие отмены нельзя надёжно определить по имеющимся данным».
Не заполняй этот пробел предположением.
Сценарий → доказательства → слабые места → что его ослабляет → что его отменяет → какие данные отсутствуют → альтернативный сценарий.
Это намного точнее, чем просто:
📛 «Что может сделать анализ недействительным?»
Потому что «анализ» вообще не обязательно бывает целиком действительным или недействительным. Может быть ошибочной одна предпосылка, потеряно подтверждение, сломана структура цены, устареть таймфрейм или просто оказаться недостаточно данных.
#промты
#обучение
cyberdragonoid
16 сентября в 16:17
После того как ты проанализировал биржевой график через нейросеть, нужно проделать следующее:
Промт:
📛 Что может сделать текущий технический сценарий недействительным?
Проанализируй именно сформулированный выше торговый сценарий, а не рынок вообще.
Не перечисляй абстрактные риски. Для каждого фактора укажи конкретное наблюдаемое условие, после которого исходная гипотеза перестаёт быть валидной.
Проверь следующие группы факторов:
1. Цена и структура графика
какой уровень цены является ключевым для сценария;
какой пробой/закрепление цены отменяет сценарий;
какое изменение структуры максимумов/минимумов противоречит сценарию;
отличается ли простой прокол уровня от подтверждённого пробоя;
какое закрытие свечи необходимо учитывать: внутрибарное, часовое, дневное и т. д.
2. Объём
какое изменение объёма противоречит предполагаемому движению;
есть ли подтверждение движения объёмом;
может ли текущий объём быть недостаточным из-за низкой ликвидности;
не является ли объём аномальным и связанным с отдельной сделкой/событием;
какие данные по объёму реально присутствуют на графике, а какие отсутствуют.
3. Свечная структура
какие свечные признаки подтверждают сценарий;
какая свеча или последовательность свечей будет противоречить сценарию;
учитывать ли тень, тело, закрытие и расположение свечи относительно уровня;
не делать вывод только по одной свече без дополнительного подтверждения.
4. Индикаторы
Проверяй только те индикаторы, которые присутствуют на графике.
Для каждого использованного индикатора укажи:
что именно он сейчас показывает;
что будет считаться потерей подтверждения;
какое изменение сигнала будет противоречить сценарию;
является ли индикатор самостоятельным основанием для отмены сценария или только дополнительным подтверждением.
Не придумывай значения индикаторов, которых не видно или которые пользователь не предоставил.
5. Ликвидность и качество торгов
Проверь:
ликвидность инструмента;
спред;
наличие резких разрывов/гэпов;
аномальные объёмы;
возможность ложных пробоев;
насколько надёжно вообще интерпретировать технические сигналы на данном инструменте и выбранном таймфрейме.
Если данных недостаточно — прямо укажи, какие именно данные нужны.
6. Внешние события
Проверь, может ли сценарий быть нарушен:
корпоративной новостью;
отчётностью;
дивидендными событиями;
решением регулятора;
макроэкономической статистикой;
геополитическим или иным событием, непосредственно способным вызвать резкое движение.
Не утверждай, что такое событие произошло, если оно не проверено по актуальному источнику.
7. Таймфрейм и срок действия сценария
Укажи:
на каком таймфрейме построен анализ;
в течение какого периода сценарий вообще имеет смысл;
может ли сценарий потерять актуальность просто из-за истечения времени;
какие условия нужно проверять на старшем таймфрейме.
8. Альтернативный сценарий
Укажи, какое конкретное поведение цены будет означать, что рынок развивается не по исходному сценарию.
Формат ответа
Представь результат в таблице:
Фактор
Что подтверждает сценарий
Конкретное условие отмены
Насколько критично
Что проверить
Цена/структура
...
...
Высоко/Средне/Низко
...
Объём
...
...
...
...
Свечи
...
...
...
...
Индикаторы
...
...
...
...
Ликвидность
...
...
...
...
Новости/события
...
...
...
...
Таймфрейм
...
...
...
...
Важное правило
Не используй расплывчатые формулировки:
❌ «если рынок пойдёт против сценария»
❌ «если объёмы будут плохими»
❌ «если появится негативная новость»
❌ «если индикаторы дадут противоположный сигнал»
❌ «при ухудшении рыночной ситуации»
Вместо этого указывай конкретный наблюдаемый критерий:
✅ какой уровень;
✅ какое закрытие свечи;
✅ какой таймфрейм;
✅ какая структура цены;
✅ какое изменение объёма;
✅ какой сигнал индикатора;
✅ какое событие;
✅ при каких отсутствующих данных вывод сделать нельзя.##промты
#промты
cyberdragonoid
7 сентября в 4:34
💥Пульсяне, обратил внимание на новость: «Финам» запускает платформу ZipLime, которая позиционируется как инструмент для создания торговых роботов с помощью ИИ без навыков программирования.
Идея звучит интересно: пользователь описывает стратегию текстом (например, условия по индикаторам), а система сама генерирует код, тестирует его на истории и запускает в облаке. Заявлена поддержка акций, облигаций и ETF.
Но как практик, работающий с нейросетями и темами риск-менеджмента, я смотрю на такие решения с осторожностью. У «черных ящиков» есть обратная сторона:
1. ИИ может не учесть резкие макроэкономические сдвиги или аномалии рынка.
2. Полная автоматизация без понимания логики кода может привести к быстрым убыткам при смене рыночного режима.
На мой взгляд, такие инструменты стоит использовать исключительно как «второе мнение» или для сбора идей, но не передавать им полный контроль над капиталом без жестких ограничений (стоп-лоссов и лимитов на просадку).
А что вы думаете о тренде на no-code алготрейдинг с ИИ? Видите в этом реальное преимущество для частного инвестора или это скорее маркетинговый ход?
♣Моя коллекция промтов:
https://www.tbank.ru/invest/social/profile/cyberdragonoid/853279f0-22d9-406b-a1d9-5de67b3413d2?author=profile&channel=sharing
Эти и другие промты есть в моем блоге. 👌
#алготрейдинг
cyberdragonoid
30 августа в 12:02
🧠 А что, если нейросеть рассказывает вам не всё?
Недавно поймал себя на интересной мысли.
Мы задаём нейросети вопрос — она подробно отвечает, и нам кажется, что тема разобрана.
Но на самом деле нейросеть отвечает на тот вопрос, который мы задали.
А что, если мы сами не знали, какой вопрос нужно было задать?
Например, я спрашиваю:
«Составь мне рацион правильного питания».
Нейросеть прекрасно справляется.
Она может рассказать:
🍗 сколько белка нужно получать;
🥦 какие овощи есть;
🍚 какие углеводы выбрать;
🥑 сколько жиров;
💧 сколько пить воды;
⏰ как распределить питание в течение дня.
Выглядит убедительно. Тема вроде бы закрыта.
Но я мог вообще не подумать спросить:
«А какие распространённые заблуждения о правильном питании могут быть вредными?»
И это уже совсем другой уровень разговора.
Например:
— действительно ли всем необходимо пить определённое количество воды;
— нужно ли полностью исключать какие-то продукты;
— всегда ли «натуральное» означает полезное;
— могут ли популярные диеты иметь противопоказания;
— какие рекомендации подходят не всем;
— какие утверждения о питании популярны, но научно не подтверждены.
То есть проблема может быть не в том, что нейросеть не умеет отвечать.
Проблема в том, что мы не попросили её посмотреть на вопрос с другой стороны.
И тут я попробовал одну интересную штуку.
После получения обычного ответа можно попросить нейросеть:
«А теперь проанализируй нашу беседу и найди важные аспекты этой проблемы, которые мы ещё не рассмотрели. Найди слепые зоны, риски, исключения, альтернативы и вопросы, о которых я, возможно, даже не догадался спросить. Предложи мне следующие вопросы для продолжения исследования темы. Не повторяй уже рассмотренное».
И результат получается совершенно другим.
Нейросеть перестаёт быть просто «ответчиком».
Она становится своеобразным навигатором по теме.
Я пошёл ещё дальше и сделал для себя специальную команду:
🔎 «РАСШИРЬ ТЕМУ»
Её смысл очень простой:
Не просто ответь мне. Покажи, что я ещё не подумал спросить.
Причём можно попросить нейросеть отдельно искать:
🔹 слепые зоны;
🔹 риски;
🔹 распространённые заблуждения;
🔹 исключения;
🔹 альтернативные решения;
🔹 возможные последствия;
🔹 информацию, которая способна изменить первоначальный вывод;
🔹 вопросы, которые обычно забывают задать.
А затем попросить выбрать 3 самых важных вопроса, с которых стоит продолжить.
Мне кажется, это довольно полезный приём.
Потому что хороший диалог с нейросетью — это не всегда:
Вопрос → Ответ → Конец.
Иногда гораздо полезнее:
Вопрос → Ответ → «Что я упустил?» → Новые вопросы → Более глубокий анализ.
И, возможно, самое интересное применение ИИ — не в том, чтобы получить готовый ответ, а в том, чтобы обнаружить вопросы, которые мы сами не додумались задать.
Короткая версия промпта
Можно просто сохранить себе:
«Проанализируй свой предыдущий ответ и найди слепые зоны моей задачи. Что важного мы ещё не рассмотрели? Какие есть риски, исключения, альтернативы, заблуждения и последствия? Какие вопросы я, скорее всего, не догадался бы задать самостоятельно? Предложи 5–10 наиболее важных вопросов для дальнейшего исследования темы. Не повторяй уже рассмотренное и не отвечай на новые вопросы».
Вот такую команду я теперь считаю одной из самых полезных при работе с нейросетями.
#промт‑инжиниринг
cyberdragonoid
30 августа в 11:42
📈 Получил прогноз от нейросети. А достаточно ли этого?
Представим обычную ситуацию.
Загружаем в нейросеть график акции или другого актива и пишем:
«Ты профессиональный технический аналитик. Проанализируй график и спрогнозируй дальнейшее движение цены».
Нейросеть смотрит на график и выдаёт вполне приличный разбор:
📊 тренд;
📈 уровни поддержки и сопротивления;
📉 индикаторы;
🎯 возможные цели;
⚠️ сценарий роста и падения.
Возможно, даже говорит:
«Вероятен рост до такого-то уровня, но при пробое поддержки сценарий станет негативным».
Отлично.
Но достаточно ли этого?
И вот здесь я обнаружил интересный приём.
Проблема не обязательно в том, что нейросеть плохо проанализировала график.
Она просто ответила на поставленный вопрос.
Я попросил технический анализ — она сделала технический анализ.
Но я не попросил её подумать:
«А что ещё может повлиять на этот актив, кроме того, что видно на графике?»
А ведь это уже совсем другой вопрос.
🔎 Что можно спросить у нейросети после технического анализа?
Например:
Какие новости в ближайшее время могут существенно повлиять на этот актив?
Потому что на графике будущую новость не видно.
Какие риски есть у данного технического прогноза?
Например, что если текущая фигура окажется ложным сигналом?
Какие факторы фундаментального характера могут противоречить техническому анализу?
То есть не просто «куда смотрит график», а почему цена вообще может пойти в другую сторону.
Как можно захеджировать позицию, если прогноз окажется неправильным?
И тут уже появляется совершенно другой пласт анализа: фьючерсы, опционы, коррелирующие инструменты и другие способы управления риском.
В каких условиях предложенное хеджирование перестанет работать или окажется неэффективным?
Вот этот вопрос мне особенно нравится.
Потому что недостаточно спросить:
«Как захеджировать позицию?»
Полезно спросить ещё:
«А когда мой хедж может меня подвести?»
🧠 И тут я понял одну важную вещь
Мы часто используем нейросеть как оракул:
«Вот данные. Скажи мне, что будет».
А гораздо полезнее использовать её как оппонента.
Не:
«Подтверди мой прогноз».
А:
«Попробуй найти причины, по которым мой прогноз может оказаться неправильным».
Не:
«Как заработать на этой идее?»
А:
«Какие риски я не учёл?»
Не:
«Дай стратегию».
А:
«В каких условиях эта стратегия перестанет работать?»
🔥 И я нашёл способ делать это системно
После получения основного ответа можно дать нейросети специальную команду:
«РАСШИРЬ ТЕМУ»
И попросить её самостоятельно поискать:
🔹 что мы упустили;
🔹 какие есть слепые зоны;
🔹 какие новости могут изменить сценарий;
🔹 какие риски не учитывает текущий анализ;
🔹 какие есть альтернативные стратегии;
🔹 что может пойти не так;
🔹 при каких условиях первоначальный вывод становится недействительным;
🔹 какие вопросы я сам не догадался бы задать.
А затем попросить её расставить эти вопросы по приоритету.
Получается уже не:
График → прогноз → решение.
А:
График → прогноз → поиск слабых мест → новости → риски → альтернативы → хеджирование → проверка сценария → решение.
И мне кажется, это гораздо более правильный подход к использованию ИИ в трейдинге и инвестициях.
💡 Причём этот принцип работает не только с техническим анализом
Например, можно спросить:
«Стоит ли покупать эти облигации?»
Нейросеть ответит про доходность, срок и риски.
А потом:
«РАСШИРЬ ТЕМУ. Какие риски и обстоятельства я не учёл? Что может произойти с этой облигацией при изменении ставки, ухудшении финансового положения эмитента или проблемах с ликвидностью?»
Или:
«Стоит ли покупать эту акцию?»
После анализа спросить:
«Какие факторы могут сделать мой инвестиционный тезис ошибочным?»
Или:
«Я хочу держать позицию несколько месяцев».
Следующий вопрос:
«Какие события в течение этого периода могут полностью изменить первоначальный сценарий?»
#новичку
#мнение
#промт‑инжиниринг
