Хочу написать небольшую заметку про биткоин на Московской бирже и экономику контракта. Надо понимать что на Московской бирже торгуется не сам биткоин, а фьючерсный контракт на индекс Московской биржи биткоина. То есть вы не покупаете BTC, у вас не появляется криптокошелёк, вы не можете вывести монеты и вы не попадаете под регулирование криптовалют.

Это обычный расчетный фьючерс Московской биржи, такой же как и на другие активы: газ, какао,… То есть биржа начисляет или списывает рубли в зависимости от движения цены индекса.

Как устроен расчетный фьючерс:

• у него есть цена контракта;

• прибыль и убыток ежедневно переоцениваются через вариационную маржу в рублях;

• при экспирации никто не поставляет биткоины — происходит только денежный перерасчёт.

По сути вы торгуете не BTC, а производным инструментом на изменение его цены.

Небольшая заметка — посмотрел интересное видео около ML о том как адаптировать торговые стратегии к изменениям рыночного режима (regime changes).
И здесь основная проблема в нестационарности финансовых временных рядов, где статистические свойства (среднее, дисперсия и др.) постоянно меняются со временем.

У видео есть автоперевод на русский язык.

Видео: https://www.youtube.com/watch?v=X5QcNyYRMqQ


Автор рассматривает три метода адаптации:

• Кодирование скрытых состояний (Encoding Hidden States): использование средних и других признаков для передачи «памяти» модели о предыдущей динамике рынка.
• Онлайн-обучение (Online Learning): использование алгоритмов, таких как Passive Aggressive Regressor, которые непрерывно корректируют веса модели при каждом новом тике данных, позволяя стратегии быстро переключаться между импульсной торговлей и возвратом к среднему.
• Обучение с подкреплением (Reinforcement Learning): моделирование торговли как задачи «двурукого бандита». Автор подчеркивает важность использования энтропийной регуляризации, которая предотвращает застревание модели в локальных оптимумах и заставляет её продолжать «исследование» рынка даже после изменения условий.

Наткнулся недавно на интервью от сентября 2025 года с Эрни Чаном (Ernie Chan) — это известный эксперт в области количественных финансов и алгоритмической торговли, частный алготрейдер и управляющий. Они известен как квант (quantitative analyst) то есть специалист, использующий математические и статистические методы для разработки автоматизированных торговых стратегий.

Ссылка: www.youtube.com/watch?v=JOsu3kamlYo 

Он тоже говорит что машинное обучение (ML) не гарантирует успеха, если данные доступны всем и успех в трейдинге часто зависит от уникальных данных и ресурсов в этом срезе.

Иронизирует о том, что надо собрать как можно больше данных — высокочастотные данные, новостные данные, фундаментальные данные — просто собрать как можно больше данных и запустить на них нейронную сеть — она выдаст прогноз и вы разбогатеете 💰.

Еду на 38-ю конференцию Смартлаба. Пытаюсь собрать себе маршрут скорее не про то куда пойдет рынок, а про практику трейдинга, стратегии, алгоритмы.

Пока план такой:

12:30-13:00 — Зал Чаплин
Как увидеть инсайд, не имея инсайда: объемы, цена и новости, которых еще нет
Мурад Агаев
Интересно посмотреть на работу с объемами, ценой и новостными эффектами.

13:00-13:30 — Зал Чаплин
Как отправить кривую капитала в «космос» без плечей, хайпа и запредельных рисков
Игорь Вагизов
Любопытно, будет ли разговор про построение систем?

(скорее всего не попаду, но хотел)
13:15-14:00 — Концертный зал 
Успешные трейдеры: кто как зарабатывает?
Сергей Урускин
Обычно полезно послушать людей с реальным опытом.

14:00-14:30 — Зал Чаплин
Как зарабатывать, не имея взгляда на рынок?
Михаил Шардин
Мой доклад

15:00—15:30 — Зал Чаплин
Как искусственный интеллект помогает мне делать прибыль
Анатолий Радченко
Интересно, где сейчас реально применим ИИ в трейдинге, а где больше маркетинга.

15:45-16:15 — Концертный зал 

Приветствую!

В этой статье расскажу о торговой стратегии, которая, на данный момент, обгоняет по доходности бенчмарк (индекс полной доходности).

На момент написания этой статьи, 4 мая 2026 года, спустя 210 дней тестирования, стратегия обыгрывает полный индекс доходности в 3.18 раза, 21.16 % и 6.64 % годовых, соответственно.

Стратегия имеет большую ёмкость. Т.е. её можно дублировать достаточно много с настройками, которые использовались в моём примере. Это важный факт. Согласно моему 20-летнему опыту, торговля на финансовых рынках – это максимально конкурентный бизнес. Большинство моих прибыльных стратегий не публичны ввиду малой ёмкости. Просто, если я опубликую стратегию с малой ёмкостью – она перестанет работать у всех. Здесь такого ограничения нет.

Почему «EQMX»?

«EQMX» — БПИФ «Индекс МосБиржи» управляющей компании «ВИМ Инвестиции» от ВТБ.
«EQMX» повторяет индекс полной доходности MCFTRR (включая дивиденды), уменьшая на комиссию 0.69% годовых, включённую в цену.

Это моя вторая часть заметок с Perm Winter School '26, некоммерческой научно‑практической конференции.

В первой части я рассказал, что если просто взять котировки, скормить их нейросети попросив предсказать куда пойдёт рынок завтра, то скорее всего получится красивая иллюзия, которая может выглядеть убедительно, но в реальной жизни всё закончится убытками. Первая часть была довольно популярна и собрала 103 комментария, хотя многие написали что‑то вроде «Вы просто не ту модель пробовали», «Нужно больше данных», «Надо давать нейросети не график OHLCV, а что‑то другое».

И в целом я согласен с таким ходом рассуждений, потому что из конференции я вынес не то, что нельзя заработать на бирже, а то, что большинство частных трейдеров решают вообще не ту задачу.

Когда мы смотрим на график конечно же сразу возникает вопрос — вверх или вниз? И вся индустрия трейдинга построена на этой бинарной ловушке — что на рынке всего две кнопки:

Я побывал на Perm Winter School '26, это такая ежегодная научно‑практическая конференция, объединяющая студентов, ученых и экспертов из финансовой, ИТ и экологической сфер. Она некоммерческая.

И если честно на ней я надеялся услышать что‑то вроде того что «ИИ уже почти научился зарабатывать на рынке, осталось чуть‑чуть шлифануть».

Но получилось наоборот — если обобщить опыт всех спикеров и дискуссии, которые я услышал, то картина будет довольно неприятной для тех кто до сих пор ищет «кнопку бабло» в теме больших языковых моделей (LLM).

На конференции было порядка десяти докладов и в один текст статьи это не оформить — он получится слишком длинный, поэтому в этой первой части статьи о Perm Wesna School '26 я разберу популярный миф о том, что ИИ хорошо предсказывает финансовый рынок.

Конференцию организовали классический и технический университеты города Перми.