Такая статья попадалась energy-policy.ru/razvitie-czodov-v-rossii-potrebuet-k-2030-g-657-gvt-moshhnostej-ili-24-ot-obshhej-elektrogeneraczii/novosti/glavnye-novosti/2025/11/11/ — то есть не такие уж гигантские мощности нужны для российских ЦОД, чтобы иксы были. В США да, потребность в энергии под ИИ огромная, 100-150 ГВт мощностей по разным прогнозам, в два раза от текущих. С другой стороны технологии не стоят на месте, уже  сейчас есть решения, позволяющие снизить потребление ИИ на 20-40%, а лет через 5 вполне реально эта истерия поутихнет, у каждого на смартфоне/пк будут крутиться локальные модели для повседневных задач, а ЦОД будут для чего-то еще использовать.

FX только демо сливал счета, в акциях в целом я в плюсе стабильно с 2017, хоть и были просадки около 40% в ковид, и в районе 30% в 2022, но там потом год непрерывного роста был и все отросло. Сейчас алгоритмы помогают, и эвристика, и машинное обучение, и ИИ агенты, просто пришлют уведомление если что-то с портфелем идет не по плану и что нужно закрыть и куда переложиться. Вообще жадность губит портфели, высокая доходность это высокие риски. Сначала стоит научиться не терять, после этого уже рисковать.

Это видимо психология, людям тяжело смириться с убытками и признать что сделали неудачную ставку, и до последнего усредняют. Капитал постепенно сгорает, когда мог бы зарабатывать в чем-то еще. 

FXRB у них безвозвратно сгорел. Держу немного FXIT, не хочу отдавать с дисконтом. Если разблокируют, то будут иксы. А не разблокирут — ну и хрен с ними, пусть будет убыток.

М.Видео, Сегежа, Селигдар, ТГК-14, ТМК, Fix Price, ОАК, МГКЛ, Позитив, Иркут.

Отличная защита капитала граждан от роста. Пусть покупают ВТБ и Газпром вместо Nvidia и Google.

Да там Google I/O очень спорный вышел, много недовольных частных пользователей, отменяют подписки. Правда это капля в море денег, который гугл зарабатывает. Посмотрим как крупные корпоративные клиенты отреагируют на то что им подсунули, вполне возможно что тоже будет волна отказов, с нововведениями стало дорого и неэффективно работать с гуглом.

Было такое. Барышня спрашивала про инвестиции, через пару дней тоже подобную тему со ставками на спорт прислала, якобы беседовала с куратором и ее убедили что на этом можно заработать. Сказал ей не связываться, там только потеряет деньги. В итоге перестала писать. 

Многие ее только ради дивов и держат. Нет дивов — перекладываются туда, где есть дивы. От защитных активов ждут предсказуемой доходности.

olslip13, В gemini можно сделать gem-бота с инструкциями проверки кода, большой чек-лист проверки логики, производительности, отказоустойчивости, безопасности, формат в котором выводить ошибки. И кидать ему готовые куски кода. Она 100% найдет ошибки. В antigravity точно также делаю skill что и как проверять, и там уже по всему проекту бот пробегается и ищет уязвимости. Cursor тоже такое должен уметь. ИИ пишет код очень грязно, с кучей костылей, торопится и не особо думает. Из-за этого вроде работает, но по факту легко может оставить разные ключи и пароли в коде, или использует необоснованные магические числа, или переменные не выносит отдельно, или просто делает тестовые модули и забывает их удалить, или некорректно обрабатывает нулевые или аномальные значения, или утечки памяти допускает, и еще кучу других ляпов. В среднем у меня проходит где-то 5 кругов аудита и правок пока аудитора не начнет устраивать код. Альтернатива — qwen хорошо в коде разбирается, найдет что не нашла gemini.

olslip13, я не в cursor делаю, а в antigravity. Быстрая моделька пишет, claude или gemini pro потом проводят жесткий аудит логики и кода и дают список рекомендаций и ошибок. Значимые расчеты 2 разные модели перепроверяют. Интерфейс удобно оптимизировать в stitch.withgoogle.com, потом сразу в cursor скопировать код, разберется что с ним делать.

Отличная работа. Тоже использую Python + Streamlit, даже интерфейс очень похож на ваш, как будто это части одной и той же системы ) Вообще машинное обучение использовал, мои модели говорят что вообще делать нечего в российских акциях, я переключился на американские и постоянно что-то допиливаю для них. Сейчас уже хорошо подсвечивает лучшие бумаги, портфель начал активно расти, никогда не видел такого бодрого роста. Для автоматики не нужен n8n, это все на Python можно писать. Стоит крон задача, скрипт присылает в телеграм сводки по самым важным моментам. Данные беру с yahoo, finviz, stooq, alpha vantage, апи мосбиржи.

AI это инфраструктура, без человека не работает. Можешь посмотреть как Renaissance Technologies обвалились в ковид, и до сих пор не отбили просадку. А они лидеры в ИИ трейдинге. А ARC-AGI показывает, что человек все еще легко справляется с такими задачами, которые ИИ не могут решить.

Есть такое, информационный шум очень размывает внимание. У меня эта проблема решена на уровне автоматики, бот следит за рынком, и раз в сутки присылает отчет по проблемным бумагам и интересным точкам входа. А так раз в неделю смотрю что там с портфелем, алгоритмы уже сами посмотрели все свежие отчеты и пересчитали свои прогнозы. Даже если в каком-то тикере будет просадка, то не страшно, остальные вывезут.

Магическое мышление. Миллиард требует 10 миллионов в месяц, чтобы просто не обесцениться. Это не создание денег, это их стоимость. Если фитнес-центр стоит пустой, он не «притянет» ни копейки, сколько бы нулей ни было вложено в его стены.

Вы используете чужие мнения как костыли для собственной неуверенности. Обычно если прогнозы советчиков не сбываются, то они быстро сливаются, а вот с убытками вам оставаться. Сейчас выбор между медленной смертью от истощения (Магнит) и ярким, но коротким горением за счет сжигания собственного фундамента (X5). Ритейл и так традиционно мало зарабатывает, а сейчас судя по отчетам долги растут, денежный поток отрицательный, рентабельность околонулевая. За дном запросто может быть и второе дно и третье. По графику видно же затяжное падение последние несколько месяцев, которое никакие дивы не компенсируют. Капитал стоит держать в чем-то, что генерирует деньги, и это явно не ритейл. Спекулятивно Окей можно посмотреть, там неплохой тренд роста. Хотя по отчетам это тоже зомби, не для инвестиций.

Михаил Шардин, из того на что обратил внимание:
Ошибка выжившего: Исключены банкроты/делистинги. Обучение на победителях искусственно завышает AUC.
Не учитывается сессионность: 15:00 и 23:00 — разные вселенные волатильности. 100 баров на 1H — это очень долго, микроструктура тонет в макро-шуме.
Перекрытие выборок: Сделки на t и t+1 делят 99% будущих данных. Модель переоценивает одни и те же движения.
Дивгэпы: На рынке РФ они огромны. Без склейки для ML это выглядит как обвал.
Ложная корреляция: Связь акций с RGBI на малых таймфреймах — просто белый шум.
Слепой AUC: Он игнорирует силу движения. 6 ростов на +0.1% и 4 падения на -3.0% дадут AUC>0.5, но депозит обнулится.
BERT избыточен: 252 дня на фолд — 100% переобучение. Вместо LLM для рядов нужны Time-Series модели типа Chronos.
Не учитывается смена режимов: Паттерны боковика 2021-го жестко сольют на тренде 2024-го. Режимы нужно разделять.

Михаил Шардин, да тут больше по делу. Вполне доступно для частных трейдеров. Есть недочеты в методологии, в одном ответе не уместятся.
По своему опыту могу сказать, что не стоит пытаться обучать модель на каких-то конкретных фичах. Можно прогнать весь датасет через тот же catboost и посмотреть, где вообще есть живой значимый сигнал. Например RSI или расстояние до скользящих средних или еще десятки других вариантов, получить сводную таблицу IC, IR и т.д., и более-менее рабочие добавлять в фичи модели. Два слабых сигнала могут суммарно давать хороший, это тоже проверить. И делать связку 2-3 модели. Например одна узко изучает движения, объемы, индикаторы и т.д. и предсказывает движение цены, вторая смотрит широко на рынок, сверяется с индексами, конкурентами в секторе, ключевой ставкой и т.д. и на основе этого делает вывод, с какой вероятностью сбудется прогноз. Если модель на тестах окажется стабильно прибыльной, то наверняка какие-то данные из будущего попали в обучение.

Михаил Шардин, а что мешает частному лицу этим заниматься? Для того чтобы обучить модель на истории не требуется какое-то сверхмощное железо, среднего офисного пк хватит. Тут на смартлабе недавно даже был пример кода, и сейчас любая нейросеть спокойно напишет это. За день можно самостоятельно обучить десятки моделей с разными признаками.

В профессиональной среде (HFT-фонды, кванты) никто не спрашивает совета у чат-бота. ИИ там выглядит иначе:
Это не ChatGPT, а математические модели (градиентный бустинг, нейросети типа Transformer), которые обучаются на миллионах строк данных микроструктуры (Level 2 данные, стакан).
Человек сам создает «признаки» (как тот же индекс концентрации), а ИИ лишь ищет между ними веса.