Свежий обзор Kept по коммерческой медицине подкинул интересной аналитики.

Казалось бы, сектор уже набрал обороты после ковидных лет, но цифры говорят обратное – рост только начинается.
• Коммерческая медицина в 2024-м – 2,01 трлн рублей
• Средний рост за 2020–2024 году – 15,3% в год
• Прогноз к 2030 году – 4,27 трлн рублей
• Среднегодовой темп роста – 13,4%

Выделяется важная тенденция: топ-50 компаний будут расти заметно быстрее рынка – Kept закладывает CAGR 18,5%, и их доля поднимется с 17% до 22%. Масштаб здесь решает все: строительство стационаров, покупка оборудования, IT-контуры, кадровые программы – это не про маленьких игроков.

Если смотреть на географию – рынок по-прежнему концентрируется в центре страны: 53% объема приходится на Центральный и Приволжский округа. Но как раз в регионах остается недозагруженный потенциал, т.к. проникновение частной медицины все еще ниже.

Отдельный блок исследования посвящен цифровизации – и это, похоже, главный мотор роста.

Когда появляется ощущение, что ты спидраннер рынка — ставишь таймер, жмёшь сделки, потом делаешь паузу — возникает мысль: а почему бы не дать часть работы машине? Таким образом стартует тема — не «сделаем миллионы на автопилоте» (это утопия), а «построим домашний автоматизированный брокер-робот, который возьмёт на себя рутинные операции, а ты будешь подглядывать и корректировать».

Писалось это не как идеальный план, а как рабочий дневник: были провалы, были глюки, были «вот что я бы сделал иначе». И всё с прагматичным взглядом: минимальные затраты, максимум гибкости, открытый API, чтобы не быть связаными с закритой системой.

1. Почему вообще стоит автоматизировать

Торговля вручную — эмоциональна, непоследовательна, разбросна. Машина может:

• выполнять сигналы без дрожания рук;
• фиксировать сделки сразу по алгоритму;
• не уставать, не отвлекаться.

Но автоматизация — не волшебный ключ. Нужно потратить время на: инфраструктуру, код, тестирование, мониторинг. Нет смысла запускать робота и забыть: всё должно быть под наблюдением.

Я давно занимаюсь алготрейдингом, периодически также работают боты для монет с низкой капитализацией. На многих биржах остаются монеты маленькой и средней капитализации — периодически их пампят. В хороший день 10-15 монет могут дать рост больше чем на 50%.

Первоначально бот не только уведомлял, но и открывал сделки.
Однако для безопасной публикации я убрал торговую логику, так как бот пока что находится в стадии тестирования. Можно, при желании, добавить филтьтры по объёму, росту на 24часа и прочее.

Я взял за основную цифру — 5% роста. Также при желании можно добавить и шорт-позиции, но пока что, в стадии теста, мне это неинтересно.

В результате получился лёгкий и автономный инструмент, который:

• отслеживает все фьючерсные пары на BingX;

• фильтрует токены по рыночной капитализации (через CoinMarketCap API);

• каждые 5 минут проверяет изменение цены;

• при росте выше заданного порога — шлёт уведомление в Telegram.

Архитектура проекта

Весь код можно разбить на 4 основных блока:

В последнее время я активно занимаюсь автоматизацией торговли и знакомлюсь с разными решениями, два раза летал на конференции, познакомился с интересными людьми. На этом фоне я наткнулся на open-source проект cia76/FinLabPy, о котором уже давно слышал, но никогда не разбирался подробно.

Российская алготорговля переживает странный период: возможности растут, но стандартизации как будто не существует. Брокеры выпускают свои API, но каждый из них живёт в отдельной вселенной — со своим обозначением тикеров, задержками и внезапными отключениями.

Про проблемы алготорговли на Московской бирже почти не пишут, хотя есть мнение что 60% оборота биржи создаётся роботами. А вот автор этого проекта Игорь Чечет на своём вебинаре рассказывает о том с какими проблемами может столкнуться частный инвестор, когда приходит в алгоритмическую среду.

Начну с главного — какую вообще проблему решает FinLabPy?

Что такое FinLabPy и какую проблему он решает

cia76/FinLabPy — это унифицированная платформа для анализа рынков, прототипирования торговых идей, тестирования стратегий и запуска автоторговли через нескольких российских брокеров.

• Сохраняем позитивный взгляд на долговой рынок
• Ждем крупное погашение ОФЗ и размещение Минфином нерыночных флоатеров
• В портфеле меняем «старый» АБЗ-1 на новый выпуск эмитента

Резюме обсуждения решения по ставке: ЦБ замедлил шаг из-за временных инфляционных факторов

ЦБ отметил все уже известные временные проинфляционные факторы: НДС, акцизы, утильсбор, структурный дефицит бюджета в 2025 г. (дефицит до процентных расходов и нефтегазовых сверх доходов/недобора), подорожание бензина, быстрое подорожание плодоовощной продукции осенью после избыточного снижения цен летом. Но регулятор пришел к выводу, что пространство для снижения сохраняется, поскольку устойчивая инфляция (без волатильных и регулируемых товаров — на обе категории политика ЦБ не влияет или влияет слабо) остается вблизи 4%, а политика остается жесткой.

Из последних макроэкономических данных выделим снижение темпа роста зарплат с 16% в июле до 12,2% год к году в августе, что следует из данных Росстата. По данным СберИндекса и ЦБ, ожидается дальнейшее замедление в сентябре и в IV квартале 2025 г.

Для алготрейдеров, работающаих с QUIK, связка «QUIK + Lua» всегда была одновременно и благословением, и проклятием. Мощно — но на малопопулярном в трейдинге языке.

Решения вроде QUIKSharp (.NET) стали шагом к более распространённым экосистемам, но что насчёт многомиллионного сообщества Python?

Новый проект QUIK-python портирует нативный QUIK Lua API прямо в Python — с сохранением всей гибкости оригинала и удобством современного async-кода.

Ключевые особенности и преимущества

-  Полностью асинхронный клиент — коллбеки данных из стаканов, сделок и свечей не блокируют основную логику.

-  Прямой доступ к API QUIK — вызывайте функции Lua напрямую из Python-кода.

-  Событийная модель — подписывайтесь на стаканы, свечи и сделки, получая события прямо в Python.

— 🐍 Нативный Python-код — всё, от коллбеков до торговой логики, пишется на чистом Python с доступом к его экосистеме (NumPy, Pandas, asyncio и др.).

ПКО АСВ — это коллекторское агентство нового поколения, объединяющие современные IT-технологии, 20 лет судебного опыта и этические методы работы. За 10 лет работы на рынке взыскания просроченной задолженности ПКО АСВ стала одним из лидеров направления LegalTech. Благодаря внедрению искусственного интеллекта и цифровых решений в сфере правосудия, компания эффективно управляет долговыми портфелями и входит в ТОП-5 независимых коллекторских агентств России.

Их итоги и успехи за 9 месяцев 2025 года
Финансовые результаты:
• Выручка: 1 900 млн. руб. (+25% г/г)
• Прибыль: 130 млн. руб. (+13% г/г)
• Приобретено долгов более 7 млрд. руб.

Достижения:
• Реализован инновационный проект ЭИНН, получение электронной исполнительной нотариальной надписи — альтернативный и более экономичный способ получения исполнительных документов;
• Освоен новый, верифицированный и надежный канал коммуникации с должниками — Госуслуги, в разы сократились расходы на обязательные уведомления должников;

Настроение на рынке совсем не то, что было в начале года или этой весной. Мира не видно (хоть и бывают проблески надежды – последний вчера вечером – сразу счет хорошо поднял), ставку хоть снижают, но радости от этого тоже нет, она все равно высокая, налоги растут, всё очень невесело. Если бы у меня не было кэша, было бы совсем грустно. С начала сентября – это 20% в валютных облигациях. Правда, рубль не ослабевает, а укрепляется.

Представьте опытного трейдера: наверняка он не говорит котировками и не рассказывает про индикаторы — он просто говорит «сильный тренд», «пробой уровня» или «ложный отскок». Для него график это язык: свечи, объёмы и уровни складываются в понятные фразы о том, что сейчас происходит на рынке. Именно от этой человеческой интуиции я и отталкивался в своём эксперименте.

Идея была такая: а что, если научить искусственный интеллект понимать этот язык? Не подавать модели сырые числа, а переводить бары и объёмы в текстовые описания наблюдаемых паттернов и кормить ими языковую модель. Гипотеза была что в тексте уже будет содержатся достаточно данных, чтобы модель научилась связывать недавнюю торговую историю с тем, пойдёт ли цена вверх на следующий день.

Мои результаты, о них ниже

Инструмент эксперимента — модель distilbert‑base‑uncased с Hugging Face и это облегчённая, быстрая версия BERT для понимания языка.