Развивая данную тему поинтересовался, а может ли ИИ (#LLM) в том виде, котором мы их используем через чаты и API решать задачу поиска оптимального решения.

Были взяты самые популярные сервисы: #YandexGPT 5.1 (через #API с векторной базой #YDB и без), #DeepSeek 4 Flash (через API Yandex Cloud), #GigaChat 3.5 Ultra (чат), #ChatGPT-5.6 Luna, #Claude Sonnet 5.

Проверка результата через #RStudio.

Для примера была взята классическая задача (поиск весов ИИ), это поиск минимальных остатков. В математике, это метод наименьших квадратов (МНК).

Где применяется? Например, расчет премий по лестнице достижений (% продаж). Или решение задачи подбора параметров в матрицу через функцию минимизации затрат или максимизации выручки. В Excel для этого часто используют функции ВПР или ПОИСКПОЗ+ИНДЕКС.

Немного ранее писал, что решил свою давнюю задачу по запуску обучения разных видов (ИИ) моделей (DNN, LSTM и др) на исторических данных “с учителем”.

Первая

https://smart-lab.ru/blog/1350243.php

Недавно запустил арбитражную стратегию акции-фьючерсы. Личный опыт и эксперимент. Не индивидуальная инвестиционная рекомендация.

Профит положительный. Режим купи и держи до экспирации, в конце или за день закрываю позиции. За 30 дней это принесло примерно 1,65% дохода с учетом уплаченных комиссий брокеру.

Вся ручная рутина по торговле автоматизирована с использованием системы #AlgoBond.

Одна система работает с несколькими облигационными портфелями на разных брокеров по #API: #Финам, #Т-Инвестиции, #БКС, #Алор.

Август 2026

Финам

Квал инвестор.

Закрылся месяц в положительной зоне. Но не везде.

В дополнение к основной стратегии на облигациях запустил арбитражную акции-фьючерсы. Пока профит отрицательный. Режим спекулятивный.

Запуск 1

https://smart-lab.ru/blog/1342474.php

Запуск 2

https://smart-lab.ru/blog/1348677.php

Запуск 3

16.09.2026 — обновилась логика на #n8n, пока наблюдаю.

Автоматизированная стратегия (#AlgoBond) для портфеля коротких облигаций 12.35% за год. Предыдущее измерение 17.04% уменьшение на 4,69%. Есть незавершенные расчеты по погашениям.

Автоматизированная стратегия для портфеля ОФЗ (1,88%) за год. Предыдущее значение (3,55)% увеличение на 1,67%

Раннее писал о том, как наконец запустил обучение нейронных сетей в связке Metatrader+dll+R+Python+(Deepnet, Keras, Tensorflow и др).

https://smart-lab.ru/blog/1350243.php#comment19932474

Раз все теперь работает корректно, можно продолжить эксперименты.

В предыдущий раз, я использовал более менее дефолтные настройки, которые уже не раз запускал для отладки работы самих алгоритмов и технологической связки.

Настало время немного “подкрутить” параметры. Для иллюстрации, того, как изменится кривая Equity изменим параметры учителя немного, а именно сделаем два канала и синхронизируем их. Все, что не удалось синхронизировать в одинаковую сторону сигналы двух каналов, обозначим, как NA и в последствии уберём из обучающей выборки.

Период, принципы торговой системы (ТС) из предыдущей статьи и другие параметры сетей изменять не будем (пример №1 из предыдущей статьи).

Был запущен дополнительный вариант тестирования, при котором позиция закрывалась на следующем баре, если не достигла заданного TP. Посмотрим, что получилось.

Именно такое название хотелось обозначить и закрыть свой “гештальт” в вопросе целесообразности (эффективности) использования каких либо “индюков” (индикаторы) или ML/DL при предсказании (найти в хаосе тренд) будущей цены на валютных парах.

Наверное, много, кто “гонял” оптимизатор и история, чтобы найти оптимальные параметры на какой-то срок, потом круг повторялся, когда все ломалось. Мне надоело, так делать и мне хотелось, чтобы механизм нейронных сетей (ML/DL) делал это за меня и за тестер. Так, начал свой “ресерч” (мне было очень интересно сравнить разные сигналы в одинаковых условиях ТС), потом забрасывал на годы, потом пересматривал и вот наконец, все таки, “добил” и оно “заработало”.

Предлагаю выбрать (LSTM, DNN_v1, RSI, DNN_v2, Random) и написать свой ответ в комментариях, какому варианту результата соответствует данный график Equity:

Ранее писал о том, что запустил арбитражную стратегию на синтетических облигациях на платформе #n8n.

https://smart-lab.ru/blog/1342474.php

Настало подвести итог и дать честный ответ, стоило оно того или нет. Забегая вперед, отвечу, что стоило.

Теперь обо все по порядку. Но потери (на обучении) еще не отбиты.

Наблюдал за работой стратегии и n8n на протяжении 14 дней с 11.08.2026 по 28.08.2026. Выключил и закрыл все позиции 28.08.2026 в 12:00.

По итогу. Первоначально MVP был собран на n8n с версией 1.10 (какая была под рукой). Теперь переехал на более новую шуструю версию 2.37 со всеми возможностями #AI агентов.

Каждое действие, теперь разбито на свои отдельные рабочие процессы (workflow). Раньше, все было в одном большом процессе. Из существенных изменений: раньше смотрел текущие свечки, теперь стаканы акции-фьючерсы.

Стратегия автоследования «Алгоритм AlgoBond. Облигации» запущена в #Т-Банк / #Т-Инвестиции в мае 2026 года.

Вся ручная рутина по торговле автоматизирована с использованием системы #AlgoBond.

Сравнение (бенчмарк) AlgoBond #RGBITR

Сравнение (бенчмарк) AlgoBond #RUSFARIND

Развитие теории портфелей и разработки автоматизированных решений все больше меня захватывает в долгие вечера.

Ранее писал о попытках запусках торгового робота на n8n.

https://smart-lab.ru/blog/1315116.php

Ядро портфеля состоит в основном из облигаций. За этим следит система #AlgoBond.

Некоторое время назад начал образовываться свободный небольшой кэш за счет погашения купленных облигаций и купонов, а новых покупок нет. Нет необходимого количества или качества новых бумаг на короткий срок.

Погрузился в теорию сток-фьючерс (купить-продать). Раздвижки, вариационная маржа, кэрри, контанго, бэквордация, хэджирование.

Пока разбирался, как это делается руками, естественно, “заплатил входную цену” примерно 0,25% от депозита. Потом пошло лучше. Потом перешел к автоматизации. Профукал еще 0,25%. Вроде наладилось. Наблюдаю и контролирую.

• улучшена работа с несколькими конфигурационными файлами на одном сервере
• добавлен новый тип запуска: 7 — ребалансировка и деграцдация в одном запуске
• оптимизация потребления ресурсов
• добавлен новый параметр запуска определенного конфигурационного файла: по полю “login”
• улучшен отбор бумаг до погашения
• добавлен фильтр исключение обхода: только тикеры с длиной больше 5. Кроме фондов денежной ликвидности.

Приложение доступно для Windows и Android (RuStore и Google Play) по ключевому слову #AlgoBond.