Избранное трейдера WooDoo
В последнее время слушал много подкастов на тему AI safety в поисках того, который можно было бы смело рекомендовать обычным нормисам уровня погружения «ну я немного слышал о хайпе про “ИИ нас всех убьет”, с точки зрения здравого смысла звучит как полная ерунда, конечно…». Так вот, я его нашел – встречайте, идеальный выпуск для погружения в текущее состояние этого дискурса:

The Diary Of A CEO – дебаты между Нейтом Соаресом, Романом Ямпольским, Эдом Зитроном и Эндрю МакАфи: www.youtube.com/watch?v=OhOmLqR5nN4
Я прямо горячо рекомендую вам посмотреть этот выпуск на 2,5 часа (там в настройках Ютуба можно включить русскую дорожку), причем чем дальше – тем он становится лучше.
Происходящее на этом подкасте наглядно иллюстрирует одну особенность текущего AI safety-дискурса. Чуваки, которые варятся в этой среде последние 10+ лет (и которые серьезно относятся к ИИ-рискам для человечества), потратили уйму времени на размышления в этой области. Они уже сто раз видели и обсуждали самые сильные аргументы против того, что AI может представлять для человечества реальную угрозу.
👋 Меня зовут Лысёнок Никита Ильич (сайт: https://nikita.lysenok.com, профиль ВШЭ: https://www.hse.ru/staff/nilysenok). Финансист, преподаватель и немного юрист. Это первый пост, знакомимся.
📚 Чем занимаюсь. Ведущий преподаватель магистерских программ «Финансовый инжиниринг» и «Инвестиции на финансовых рынках» НИУ ВШЭ. Лучший преподаватель НИУ ВШЭ 2024 и 2026 годов. Этим статусом горжусь особенно: его дают не начальники, а студенты. С 2022 года торгую роботами собственной разработки на C++ и Rust. Вместе с командой инвестиционного клуба SDF Solutions (https://sdf-solutions.com) строим торговую инфраструктуру: скринеры уже работают, а большая цель впереди, это полноценный торговый терминал.

🎓 Научная часть. Кандидатская по финансам, о применении машинного обучения в прогнозе волатильности, на финишной прямой: три статьи опубликованы. Две свежие: про то, какие семейства моделей реально зарабатывают в торговле (https://publications.hse.ru/view/1192912979) и про эффективность прогнозов волатильности в торговых стратегиях (https://publications.
Перед нами не просто индекс МосБиржи — это составной коэффициент MCFTR / USDRUB / SPXTR × 100, то есть отношение российского фондового индекса полной доходности (в долларовом выражении, через курс USDRUB) к американскому индексу S&P 500 полной доходности. Проще говоря: если линия растёт — российские акции обгоняют американские в долларах; если падает — американский рынок сильнее российского. Таймфрейм месячный, глубина — с начала 2000-х по сегодня.
Фаза первая: доминирование РФ (2003–2008)
С начала 2000-х и до осени 2008 года коэффициент вырос почти в 15 раз — с уровня около 0,25–0,3 до пика в районе 3,8–4,0. Это был классический период сырьевого суперцикла: дорогая нефть, восстановление после 90-х, приток иностранного капитала на развивающиеся рынки, укрепление рубля. Российский рынок в долларах рос в разы быстрее американского — типичная картина emerging markets на растущем commodity-цикле.

Для всех, кто хочет погрузиться в мир количественных инвестиций и систематической торговли, Python станет незаменимым инструментом. Python — основной язык программирования для многих разработчиков в сфере количественных финансов. Он предлагает обширную экосистему библиотек, которые упрощают все: от анализа данных до реализации стратегий. Знания о библиотеках Python необходимы трейдерам для создания и внедрения торговых стратегий.
Quantstart рассказывает о девяти основных библиотеках Python, которые используют профессиональные количественные аналитики и трейдеры.
NumPy: быстрые математические и матричные операции
NumPy — это основа количественных вычислений в Python, обеспечивающая поддержку многомерных массивов и матриц, а также набор математических функций для эффективной работы с этими массивами. NumPy часто используется при работе с ценовыми данными, сигналами и тестированием на исторических данных.
Ключевые особенности:
а не фигней ли я занимаюсь, и осталось ли что-то, в чем я лучше клода?


В этом материале вместе с командой TradeAPI «Финама» разбираем автономную ИИ-торговлю, рассказываем, как создать своего ИИ-трейдера и представляем результаты экспериментов. В конце статьи – ссылка на полный код для создания автономного ИИ-агента для торговли.
Напомним, что «Финам» запускает конкурс алготрейдеров — «Финам Арена». Каждый участник получит под управление 3 000 000 ₽ на специальном счете для торговли на реальных рыночных котировках в течение двух месяцев с использованием «Финам Trade API». Авторы трех лучших стратегий получат по 100 000 ₽ на брокерский счет. Кроме того, стратегии победителей будут продвинуты на ресурсах сервиса «Финам Автоследование». Регистрация открыта до 1 июля, успейте подать заявку на странице конкурса.
Создать ИИ, который систематически обыгрывает рынок, пока никому не удалось. Исследователи из Гонконгского университета отдельно проверили способность передовых моделей торговать на бирже и пришли к выводу: общий интеллект не транслируется автоматически в торговую эффективность.