DeepSeek + TSLab: как ИИ генерирует код для профессиональных трейдеров

Введение

В трейдинге каждая секунда может иметь значение. Но стандартные инструменты часто не позволяют работать с данными высокого разрешения. В этой статье я поделюсь опытом создания кастомного решения для TSLab, которое сохраняет 1-секундные свечи с расширенными метриками (открытый интерес, количество продавцов/покупателей, лента сделок, лучшие бид/аск и др.). Покажу, как забрать эти данные из TSLab, передать их в Python для ML – анализа и т.д.

Задача

Трейдеры часто сталкиваются с ограничениями стандартных платформ: нельзя сохранить сверхмалые таймфреймы, добавить кастомные метрики или быстро переложить данные в Python для ML.

**Цель проекта** — создать инструмент, который:

— Сохраняет 1-секундные свечи с расширенными данными (открытый интерес, лента сделок…).

— Автоматически генерирует CSV-файлы для анализа.

— Позволяет строить интерактивные графики и обучать ML-модели.

**Главный герой** — ИИ-ассистент DeepSeek, который ускорил разработку в несколько раз и решил ключевые технические проблемы.

### **Как DeepSeek создавал код**

#### **1. Генерация кубика для TSLab**

Изначально код для записи данных писался вручную, но возникали различные ошибки… Надоело…. Подумал а пусть ИИ потрудится. Передал этот код **DeepSeek** в качестве прототипа…

**Результат:** [Кубик]. Запускается, сохраняет данные в файл.

#### **2. Интеграция с Python**

Я описываю ему словесно что нужно. Прикладываю файл с данными что мы забрали из TsLab.

— несколько итераций

— исправление ошибок. ИИ сам исправлял ошибки. Я просто запускал код и результаты (ошибки) передавал ему.

— ИИ предложил использовать Plotly вместо Matplotlib для интерактивности.

— Добавить вторую ось Y для объемов и т.д.

#### **3. Подготовка данных для ML**

А это уже самое удивительное, я не специалист в ML алгоритмах, просто учусь и хочу их попробовать. DeepSeek понял для чего эти данные и начал сам выдавать мне рекомендации, идеи, какие-то фичи, аномалии …

Для примера:

— Обучение модели для предсказания цены
— ИИ подсказал, как преобразовать данные в фичи для градиентного бустинга.

Я и слов таких еще не знаю :-))

### **Почему это революционно для трейдеров?**

1. **Экономия времени** 

 Раньше на подобную разработку уходили недели. С DeepSeek — 1-2 дня.

2. **Доступность** 

Даже новички могут создать инструмент, просто описывая задачу на естественном языке.

3. **ML-интеграция** 

Данные сразу готовы для обучения моделей предсказания волатильности, рыночных паттернов …

### **Что дальше?**

— **Автоматизация стратегий:** DeepSeek уже тестирует код для автоматических ордеров на основе ML-прогнозов.

— **Дашборды:** ИИ помогает создавать панели управления в реальном времени.

**Материалы:** 

Видео

vkvideo.ru/video134438650_456239091

rutube.ru/video/41b30772cf632f564b3b46c1cbe6d191/

Исходные коды: 

Все коды disk.yandex.ru/d/WvyrGvLL_KBp2A

**Обсуждение** 

Пробовали ли вы ИИ-инструменты для трейдинга? Какие задачи хотели бы автоматизировать? Делитесь в комментариях!

P.S.  Ради интереса попросил ИИ создать статью для SMART-LAB. Мне было интересно. Надеюсь, мы смогли с ним Вас заинтересовать.