20 ноября 2025 года торговые алгоритмы зафиксировали то, что может стать крупнейшей бухгалтерской аномалией в истории высоких технологий. И произошло это не за месяцы расследований, как бывало в прошлых эпохах, а менее чем за сутки — всего за 18 часов. Это история о том, как искусственный интеллект выявил, что значительная часть бума в области ИИ может быть основана не на реальном спросе, а на фиктивной выручке, искусственно поддерживающей оценки отрасли.

На восьмой странице отчёта Nvidia по форме 10-Q скрывалась цифра, которая и запустила цепочку событий: дебиторская задолженность в размере 33,4 млрд долларов. Алгоритмы обнаружили её почти мгновенно.

Ключевой показатель здесь — дни продаж в дебиторской задолженности (DSO), который отражает, сколько времени проходит между продажей и поступлением денег:

DSO = (Дебиторская задолженность ÷ Выручка) × Дни периода
DSO = ($33,4 млрд ÷ $57,01 млрд) × 91 день = 53,3 дня

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.

LQDT AKMM SBMM BCSD AMNR FMMM CASH TMON PSMM SCLI FINC MONY AKMP SPAY

юаневые
AMNY CNYM SBCN

В мире алгоритмической торговли доминируют крупные фонды с их колоссальными ресурсами. Но что, если мы, частные инвесторы и разработчики, можем создать собственный мощный и доступный инструмент? Что, если больше не придётся зависеть от проприетарных платформ или писать с нуля сложную инфраструктуру для тестирования каждой новой идеи?

Сегодня у нас есть Python и такие мощные библиотеки, как Backtrader. Однако голый фреймворк — это лишь половина дела. Чтобы он стал по‑настоящему народным инструментом, ему нужна удобная обвязка: готовая структура проекта, автоматический импорт стратегий, наглядные отчёты, тепловые карты для оптимизации и бесшовное подключение к API брокеров — не только российских, но надо начать с Мосбиржи.

Мы стремимся сделать инструмент таким же удобным, как TradingView. Простота в использовании и доступность всех функций для пользователей без глубокой технической экспертизы — мне кажется вот идеал. Чтобы каждый, кто заинтересован в алгоритмической торговле, мог без усилий внедрить свою стратегию, протестировать её и получить результаты, не проводя часы и дни за настройкой системы.

🔥 Мы это сделали! Теперь на нашем GitHub лежит настоящая кладовая готовых торговых стратегий на C# и Python — бери и запускай!

Зачем писать велосипеды с нуля, если всё уже под рукой? Любую стратегию можно использовать в Дизайнер, Раннер, Shell или напрямую через API. А если хочется вообще без заморочек — просто открывайте Галерею в Designer и запускайте понравившуюся стратегию в пару кликов!

В наборе: индикаторные, арбитражные, маркетмейкерские и даже стратегии с элементами машинного обучения. Каждый пример с понятными комментариями, чтобы разобраться мог даже самый начинающий кодер.

Давайте творить алгоритмическую магию вместе! Экспериментируйте, дорабатывайте, тестируйте — и пусть рынок будет к вам добр 😉

Ваш StockSharp 🚀

Это я вам, как серийный вкладчик, говорю.

Причина?

Да, вы хотя темы на смартлабе почитайте -

1. Тинькофф меня соскамил в ноль, банкрот, скам государственный.


smart-lab.ru/blog/1166436.php


2.  БКС хочет комиссию 3% в месяц с заблокированных активов :(


smart-lab.ru/blog/1163996.php


3. Брокер «УНИВЕР Капитал» продал облигации клиентов, чтобы покрыть свои долги.

vc.ru/money/385710-broker-univer-kapital-prodal-obligacii-klientov-chtoby-pokryt-svoi-dolgi

4. Как я потерял все.

smart-lab.ru/blog/308476.php

5. «Я купил фьючерсы, отошел на кухню, вернулся, смотрю — уже все» Простые россияне пытались заработать на нефти. Одно решение биржи оставило их без гроша


lenta.ru/articles/2020/06/15/no_future/

6. Мои этажи.

smart-lab.ru/blog/601110.php 


и тд.

Для любого вкладчика, что трейдеры, что инвесторы, это терпилы, которых имеют все кому не лень — брокеры, биржа, налоговая, чиновники.

Я храню деньги на вкладах с 2007 года, за эти годы только мособлбанк меня пытался кинуть и то не получилось.

Меня заинтересовало, сколько же фандинга платится в месяц за удержание позиции и кто кому в итоге платит. Я искал статистику в интернете — не нашёл. Поэтому пришлось по-вайбкодить и посчитать самому. Получилось небольшое приложение, где вы можете посмотреть фандинг помесячно, накопленный фандинг (если бы вы удерживали позицию несколько месяцев) и скользящий годовой фандинг 📊

Ссылка на приложение:

jeckep.github.io/moexf/

Заметки:
1️⃣ В большинстве случаев лонги платят шортам
2️⃣ Все месяцы этого года лонги в CNYRUBF, помимо того что потеряли на падении, платили каждый месяц примерно 2% от позиции шортистам в виде фандинга. С учётом плеча это получается  30% от ГО в месяц, Карл! 😱

Предпосылки к «исследованию»:
Рубль очень крепок, курс к валютам на минимумах.
Это может вызвать желание, помимо покупки валюты, купить, например, вечный фьючерс, «посидеть» в позиции и подождать ослабления рубля, чтобы на этом «заработать». Почему так категорически не нужно делать — далее.

Это уже третья часть исследования идей из журнала Technical Analysis of STOCKS & COMMODITIES. Если вы не читали предыдущие выпуски — рекомендую начать с них: 2001-2005, 2006-2010.

Эпоха алгоритмов и адаптивных решений

Период 2011-2015 был временем стремительного восстановления после мирового кризиса. Центробанки заливают рынки ликвидностью через программы количественного смягчения, а индексы уверенно ползут вверх. Волатильность снижается, но неопределённость остаётся, и трейдеры ищут новые подходы к анализу.

На первый план выходят алгоритмы. Высокочастотная торговля (HFT) меняет структуру рынков, а Python и R становятся популярными среди независимых аналитиков. Количество «ручных» методов снижается — им на смену приходят полуавтоматические и адаптивные системы.

Развиваются кластеры, рыночные профили, волновые и гибридные индикаторы. Журнал STOCKS & COMMODITIES отражает эти сдвиги: всё больше авторов публикуют идеи, сочетающие классику с новыми математическими подходами.