Как на самом деле используют ИИ в алготрейдинге

Если первая часть моего репортажа по конференции алготрейдеров в Москве была об инфраструктуре, то вторая часть будет про искусственный интеллект.

ИИ в 2026 году это неполноценная замена трейдера — всего лишь промежуточная стадия. Кто‑то видит в нём помощника в предсказаниях движения рынка, кто‑то маркетинговый баннер для привлечения новых клиентов частных лиц, а кто‑то просто удобный инструмент автоматизации.

Дальше покажу каждую из этих стратегий:

• ИИ как исследователь.

• ИИ как маркетинговый интерфейс.

• ИИ как торговый помощник.

Презентация Юрия Кондратенко


И нигде в докладах ИИ не выступал как гарантированный источник альфы.

Небольшое пояснение — альфа — это доходность сверх рыночной (беты), которую стратегия получает благодаря своему преимуществу: лучшей модели, данным, скорости. Это не «просто прибыль», а прибыль после компенсации за риск. Например: если рынок вырос на 10%, а ваша стратегия — на 15% при том же уровне риска, то ваши +5% — это и есть альфа.

Я очень извиняюсь перед докладчиками, но упоминаний компаний в тексте не будет — у меня из‑за этого аккаунт заблокировали на другом ресурсе.

Юрий Кондратенко — «ИИ-стратегии на базе портфельного бэктестера»

С первых минут Юрий обозначил что не считает себя большим специалистом в ИИ, но игнорировать эту волну уже невозможно. Поэтому его подход — не философствовать о будущем нейросетей, а встроить их в практический контур разработки стратегий.

Этот доклад запомнился мне больше всего на конференции.

Самое важное о чём говорил Юрий — переход от модели «один инструмент — один алгоритм» к портфельному подходу.

Классическая схема знакома большинству: берётся один актив, к нему применяется набор индикаторов теханализа, затем строится кривая доходности. Юрий же работает с универсумом — например, топ-30 или топ-100 ликвидных акций. Стратегия оценивает не просто динамику каждой бумаги, а их относительную силу друг к другу.

Такой кросс‑секционный подход стал фундаментом той стратегии, которую он продемонстрировал. Стратегия проста в формулировке — и хорошо ложится в текстовый промпт для ИИ:

Каждый торговый день в 16:00 выполняется расчёт:

1. Для каждой акции определяется минимум с начала текущей недели.

2. Если цена обновляет минимум — он перезаписывается.

3. Затем измеряется, насколько текущая цена отскочила от этого недельного минимума.

4. Все бумаги ранжируются по величине этого отскока.

5. Выбираются топ-5 с наибольшим значением.

6. В 16:00 они покупаются равными долями.

7. На следующий день в 10:00 все позиции полностью закрываются.

Здесь нет технического анализа. Нет нейросети, пытающейся предсказать рынок. Это модифицированный краткосрочный momentum — ставка на продолжение внутри дня и перенос импульса на утреннюю ликвидность. Выход фиксированный по времени.

На вопрос из зала «где стоп‑лоссы?» Юрий ответил что в базовой версии их нет, потому что они ухудшали статистику. В стратегии уже встроен временной выход. Однако в реальной торговле он добавляет широкий аварийный стоп — как страховку от экстремальных событий.

В презентации были показаны цифры доходности: около 58% годовых при просадке порядка 21% и Sharpe выше 2.

Ещё Юрий сделал важную оговорку: если вы видите идеально растущую equity‑кривую — тестер врёт.

Он подробно рассказал о проблеме look‑ahead bias (когда используешь информацию, которой не было в момент принятия решения). В одном из первых вариантов расчёта минимум недели агрегировался некорректно — с захватом данных разных лет. Векторный тестер, который оперирует всей матрицей данных сразу, может незаметно «подглядывать в будущее». И тогда вы получаете гениальную стратегию, но только до момента запуска в реале.

Юрий подчеркнул, что при работе с ИИ недостаточно просто получить код.

Он использует:

• вывод всех сделок,

• проверку времени входа и выхода,

• визуализацию сделок на минутном графике,

• анализ вклада каждого тикера в общую прибыль.

Интересное наблюдение: в портфельных стратегиях основную прибыль часто приносят 5–10 бумаг, а остальной универсум — просто «плата за участие». Убери несколько ключевых бумаг — и доходность резко падает. Это противоречит популярной вере в «магический алгоритм» грааля.

Важный момент: ИИ здесь не предсказывает рынок.

Он используется для:

• быстрого прототипирования,

• генерации кода по текстовому описанию,

• перебора вариаций параметров.

Но контроль логики, проверка на утечку данных, интерпретация результатов — остаются за человеком.

Юрий отдельно рассказал о «боли общения» с моделью: выдуманные конструкции, нестабильность кода при повторных запросах, склонность усложнять логику. В какой-то момент проще вручную править кусок кода, чем заново формулировать промпт.

Особое внимание он уделил тому, что между бэктестом и реальной торговлей лежит пропасть.

В его архитектуре:

• Linux-сервер,

• база Postgres с минутными данными,

• кэширование датасетов,

• векторный бэктестер VectorBT,

• REST-сервис для запуска тестов,

• шлюз к торговым терминалам,

• функция «установи позицию», которая автоматически выравнивает веса в портфеле.

Система регулярно пересчитывает целевые веса и доводит портфель до нужной структуры.

Юрий тестирует стратегию на горизонте около пяти лет. Больше — замедляет расчёты и не всегда даёт добавочную ценность, потому что структура рынка меняется. Интересно, что он сначала проверяет стратегию на более свежем периоде, а затем смотрит, как она ведёт себя в прошлом.

На мой взгляд сила доклада была не в формуле, а в связности процесса: идея → ИИ → код → проверка → инфраструктура → исполнение → контроль риска.

Эмиль Казакбаев — «Суперзвёздные инвесторы: магия или наука»

Выступление Эмиля было построено вокруг нескольких практических экспериментов, которые его команда проводит прямо сейчас. Первый из них — попытка создать полностью автономный ИИ‑фонд. Они взяли шесть различных нейросетевых моделей, скормили им потоки котировок, фундаментальную отчетность компаний и новостной фон, после чего отправили торговать на американский рынок. Старт был дан в феврале.

Результаты, как честно признался Эмиль, оказались «странными». Только модель от Google смогла немного обогнать индекс S&P 500, остальные торговали хуже бенчмарка и показывали скорее случайные отклонения, чем системную альфу. Спикер связывает это с низким качеством англоязычного новостного датасета, который они использовали. Сейчас в планах перевести эксперимент на российский рынок, где у брокера есть собственный качественный новостной поток. При этом Эмиль честно подсветил главную проблему такого подхода: это абсолютный «черный ящик». Разработчики задают промпт, дают данные, но понятия не имеют, на основе какой логики нейросеть принимает итоговое решение о сделке.

Второй эксперимент оказался куда более прикладным и вызвал интерес зала. Эмиль рассказал о создании полуавтономного торгового Telegram‑бота. Технологический стек оказался любопытным: для логики взяли бесплатную китайскую модель Minimax (которую спикер очень рекомендовал попробовать), бэкенд развернули с помощью популярный OpenClaw, а интерфейсом стал обычный мессенджер.

Эмиль поделился утренним кейсом прямо в день конференции: он зашел в диалог с ботом и обычным человеческим языком написал «Найди мне российские акции, которые сегодня выросли». Бот, используя API брокера, проанализировал рынок и выдал тикер. Эмиль ответил «Купи», и сделка моментально исполнилась на его реальном брокерском счете.

В блоке вопросов и ответов эта тема получила развитие. Из зала с иронией спросили: «А что будете делать, если Telegram заблокируют?»». Эмиль пояснил, что Telegram‑бот — это не коммерческий продукт для клиентов, а лишь внутренний стенд для проверки гипотез. Интерфейс абсолютно не важен. Главный прорыв состоит в том, что абстрактная языковая модель (которая вообще не является финансовой) через обычный текстовый промпт способна безошибочно управлять реальным счетом. И эту связку можно натянуть на API абсолютно любого брокера.

Сергей Елисеев — «Криптоопционы и ИИ»

В последние годы фокус Сергея сместился на международные криптовалютные рынки. Сейчас он является основателем биржи крипто‑деривативов и выступает маркет‑мейкером опционов на ведущих площадках вроде Deribit, Bybit и OKX.

Сергей начал с того что для опционного трейдера непрерывный режим торгов 24/7 — это вопрос выживания и управления рисками. На традиционных площадках (например, на Московской бирже) выходные и остановки торгов часто приводят к неконтролируемым утренним гэпам. Если вы продали волатильность, а рынок открылся с разрывом в 20%, фьючерсы «ложатся на планку» и вы физически не можете захеджировать позицию — это прямой путь к потере депозита. Крипторынок эту проблему решает: трейдер может управлять дельтой в любую секунду. Сергей подчеркнул, что этот тренд уже влияет на классические финансы — Чикагская биржа (CME) анонсировала переход на круглосуточные торги криптовалютными деривативами.

Далее Сергей разобрал механику криптоопционов. Из явных плюсов: возможность изолировать обеспечение в стейблкоинах или конкретных монетах, микроскопический шаг цены (до одной десятитысячной биткоина) и уникальный инструмент — опционы на бессрочные фьючерсы. Последнее избавляет трейдера от необходимости ежеквартально роллироваться (перекладываться) в следующие контракты, что кардинально снижает издержки. Помимо классических BTC и ETH, Сергей подсветил торговлю опционами на альткоины и токенизированное золото (PaxG), волатильность которого на недавнем ралли взлетала до 50%.

Сергей прошелся с критикой по криптобиржам. Во‑первых, их терминалы абсолютно не заточены под сложные опционные стратегии — там нет нормальных конструкторов для календарных спредов. Во‑вторых, все криптоопционы являются расчетными, а не поставочиными — вы не можете выйти в реальную монету при экспирации. В‑третьих, методики расчета форвардных цен абсолютно непрозрачны и плавают из‑за привязки к ставкам фондирования, что ломает классическую математику ценообразования. И, наконец, никуда не делись санкционные риски: топовые платформы продолжают блокировать счета россиян.

Вторая часть выступления была посвящена интеграции ИИ. Сергей видит два пути. Первый — бытовой, когда трейдеры‑новички просто описывают рыночный сценарий в ChatGPT, чтобы модель помогла выбрать оптимальный страйк.

Второй путь — алгоритмический пайплайн, который реализует команда Сергея. Они агрегируют массивы данных по API: историческую и подразумеваемую волатильность, ставки фондирования и крупные переводы на кошельки крипто‑китов. Чтобы ИИ не придумывал несуществующие сделки (не галлюцинировал), они используют архитектуру RAG (генерация, дополненная поиском) на базе векторного хранилища проверенных опционных конструкций. Модель анализирует метрики, предлагает сценарий (например, дельта‑нейтральную продажу волатильности), а реальный исход сделки затем возвращается в базу для дообучения. Это превращает ИИ из умного собеседника в системного аналитика рисков.

Пожалуй самый главный вывод с которым я согласен — чем глубже спикеры погружались в практику применения языковых моделей, тем меньше оставалось иллюзий о каком‑то волшебном самообучающемся ИИ, который обыгрывает рынок.

Полностью автономные модели пока нестабильны и непрозрачны.

Но зато в прикладных задачах таких как генерация кода, работа с API, парсинг и агрегация данных, тестирование гипотез — они дают реальное ускорение.

Впереди ещё третья часть, где подробно разберу другие выступления — от портфельного бэкстера до криптоопционов.

Автор: Михаил Шардин
🔗 Моя онлайн‑визитка
📢 Telegram «Умный Дом Инвестора»

27 февраля 2026 г.