Ещё лет 10 назад меня окончательно достало вести инвестиционный учёт вручную. А всё потому что использовались разные брокеры, разные типы активов и у всех были разные формы отчётов и в итоге всё заканчивалось раз в квартал примерно один и тем же. Ручным копированием котировок с сайтов для того, чтобы понять что вообще происходит с портфелем и требуется ли ребалансировка.
И в какой-то момент я понял что больше невозможно терпеть и пора уже начать заниматься автоматизацией. В итоге получилась довольно простая архитектура:

• Excel / Google Таблицы — интерфейс и дашборд портфеля

• Python — сбор данных и обработка

• API — источник котировок и информации

Что делает моя система в книге:

• автоматически подтягивает котировки акций и облигаций, в том числе с Московской биржи;

• считает текущую стоимость портфеля;

• сводит активы из разных источников;

• обновляет данные без ручного ввода.

 
Книга Михаила Шардина “Excel, Python и API: автоматизация данных и управление офисом, домом, финансами…”

Я иногда наблюдаю за людьми которые зарабатывают на рынке. Достаточно часто они выкладывают годовые результаты или даже налоговые отчёты с миллионными выплатами. И при этом все в основном стесняются рассказывать о своих стратегиях даже чуть‑чуть. Правда это вполне естественно, ведь если стратегия приносит деньги зачем о ней говорить?

Правда и то, что со стороны других людей (не наших многомиллионных героев) ситуация может выглядеть по‑другому.

Представьте детский сад. Один ребёнок приносит коробку конфет. Он её открывает. Показывает всем. Но делиться не собирается.

У остальных детей возникает понятная смесь эмоций:

• любопытство

• раздражение

Вот и на Смартлабе можно наблюдать почти ту же историю.

Чем больше заявленный результат, тем сильнее желание окружающих узнать хотя бы в общих чертах механизмы помогающие извлекать прибыль.

Можно ли зарабатывать на рынке, вообще не пытаясь предсказывать его направление?

Лично у меня немного другой интерес. Меня не особо интересуют чужие результаты, но мне нравится разбираться в механике рынков. Когда интересен сам рынок как система.

Перед вами третья и последняя часть моей статьи про конференцию алготрейдеров в Москве. Часть 1 была про инфраструктуру, а часть 2 про практическое применение ИИ.

Третья часть будет о последствиях. Перед вами будут четыре доклада на одну тему:

• неэффективности,

• уязвимости,

• масштабирование систем.

А ещё в статье интересная торговая идея с дисбалансом внутри синтетического инструмента — целой корзины акций Мосбиржи.

Из презентации Руслана Сторчака

Когда я пишу репортажи с мероприятий, то иногда сталкиваюсь с мнением что мои вставки про то, как я долетел из в Перми в Москву чтобы в них поучаствовать не особо интересны.

Так что в этот раз в моём тексте с конференции Smart‑Lab & Cbonds PRO облигации 2026 вы этого не увидите.


Обычно частный инвестор смотрит на рынок и пытается угадать направление: вырастут ставки или снизятся, укрепится рубль или ослабнет, пора покупать или ещё рано.

Конференции вроде Smart‑Lab & Cbonds PRO интересны другим. Здесь становится видно не прогнозы, а логику людей, управляющих крупным капиталом — банков, управляющих компаний и институциональных инвесторов.

И эта логика заметно отличается от привычной розничному рынку.

Главное наблюдение дня можно сформулировать просто: рынком сегодня управляют не ожидания доходности, а ограничения баланса.

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.

В начале февраля я узнал что в масленичную неделю в Москве состоится оффлайн мероприятие по алготрейдингу, которое будет посвящено биржевым алгоритмам.

Также узнал что онлайн версии не будет, а основными темами будет инфраструктура, алгоритмы, математика и количественная аналитика. Это как раз те темы, которыми я интересуюсь, живя в Перми.

А раз так, то я принял решение полететь на мероприятие и возможно получить новые ориентиры, познакомиться с людьми, взглянуть на рынок без маркетинговых очков. Получится ли это сделать? К концу статьи вы об этом узнаете.

Поскольку я полетел просто как участник, а не докладчик, то мне не нужна была гостиница и остановка на ночь — я планировал прилететь в Москву утром (но не в 6 утра!), а ближе к вечеру уже улететь домой. То есть быть в Москве одним днём.

Однако за несколько дней до мероприятия обнаружились нюансы перелёта: в середине недели в Перми без остановки валил снег и аэропорт был закрыт — вечерний рейс в Пермь даже не смог приземлиться — 40 минут кружил над городом и улетел в соседний Екатеринбург, а когда аэродром почистили, то люди смогли вернуться домой в Пермь (все это заняло 5 часов вместо двух). А ещё на неделе иногда включался спецрежим и как оказалось в это время самолёты тоже не летают.

В прошлой своей статье я открыл для себя интересную, но неприглядную истину — что рынок это то место, где можно зарабатывать даже не зная будущего. Не угадывая направление — пойдёт вверх или вниз, не изображая из себя Вангу, а лишь правильно работая с вероятностями и размерами позиции. Если вы подбрасываете монетку и ставите 100% на орла — вы банкрот при первом же выпадении решки. Но если вы дробите капитал по формуле Келли или используете ребалансировку, вы можете зарабатывать даже при череде неудач.


Результаты моего сегодняшнего эксперимента, о них ниже

В прошлой статье по советам Дмитрия Шалаева я рассматривал математический трюк когда на сгенерированных котировках при убыточном активе капитал рос, а стратегия купил и держишь медленно обнуляла виртуальный счёт.

Про Алёнку капитал я слышал уже давно, но поводов познакомиться ближе у меня почему‑то никогда не было. Основателя проекта Элвиса Марламова видел только на Ютубе. А уж вживую увидел его совсем недавно — несколько месяцев назад на конференции Смартлаба издалека и лично мы до сих пор не знакомы.

При этом всегда почему‑то думал что Алёнка — это такие южные расслабленные инвесторы где‑нибудь поближе к Сочи: море, солнце, жизнь удалась.

Когда я участвовал в их ежеквартальном конкурсе статей и выиграл только со второго раза (первая попытка провалилась, но я не сдался), то при получении большой коробки с призами я был очень удивлён увидев адрес Красноярский край, г. Красноярск. Оказалось, это не курортные рантье, а суровые сибиряки.

Но обо всём по порядку. Расскажу, как я вообще туда попал, зачем бегал по этажам конференции и почему в итоге отказался от французского коньяка.

Как я вообще написал в «Алёнку»

Летом 2025 года у меня уже был довольно большой опыт публикаций: Т⁠—⁠Ж, Хабр, Смартлаб, я писал про автоматизацию, инвестиции и умные дома. И в какой‑то момент, изучая сайт Alёnka Capital (раньше я туда заходил, но подписчиком никогда не был), наткнулся на раздел блогов.

Недавно я пробовал машинное обучение на Московской бирже, пытаясь найти полезные признаки и при этом опираясь в поисках этих признаков на советы ИИ ассистентов, а поиск самого алгоритма переложил на ML.

Технически всё заработало, но уже после экспериментов я понял что есть один нюанс — все ИИ помощники энциклопедически умны и знают абсолютно все алгоритмы и подходы, но у них нет практического опыта и для них все стратегии «на одно лицо». Попытки предсказания цены — это самый очевидный и простой путь, в который ИИ помощник легко уводит пользователя.

Многие в статье про машинное обучение на Московской бирже пришли ко мне с советами или с критикой моего подхода в комментариях, но один человек связался со мной и подсказал, что на рынок можно смотреть совершенно по‑другому. Без угадывания цен, без работы с таймфреймами, опираясь только на цену.

Человека зовут Дмитрий Шалаев. Эта наша совместная с ним статья.

Дмитрий математик, который смотрит на графики не как на картинки, а как на стохастические процессы.

Если интересуетесь искусственным интеллектом, то есть хороший фильм чтобы посмотреть его на выходных. Это документальный фильм, а не какой-то нейромусор. 



The Thinking Game документалка про Google DeepMind, которую снимали пять лет. В центре фильма история Демиса Хассабиса и его команды, которые работали над искусственным общим интеллектом (AGI).

Сначала они обыграли человека-чемпиона мира по игре Go (AlphaGo), а кульминацией стала разработка AlphaFold — это программа на базе искусственного интеллекта, которая выполняет предсказания пространственной структуры белка, что в итоге привело к Нобелевской премии по химии за работу в этой области. 

Фильм бесплатно опубликован на Ютубе.

Он на английском, но если у вас есть Яндекс Браузер, то он умеет делать многолосый перевод английских видео в русский дубляж — по качеству вполне нормально слушать (правда придётся войти в аккаунт Гугла и в аккаунт Яндекса, чтобы схема с автопереводом заработала). 

Или вот нашёл ссылку на rutube, где дорожка это автоперевод на русский.