ии

Вечером 1 апреля биткоин (BTC) поднялся выше отметки $85,000, в результате чего убытки с начала года снизились до 9,90%.

Ценовой график BTC с начала года. Источник: CoinGecko

За прошлые выходные рынок криптовалют потерял $100 млрд стоимости после потери 27 марта ещё $100 млрд. Макроэкономические проблемы и беспокойство по поводу воздействия пошлин не внушают рынка оптимизма.

В этих тревожных условиях инструменту прогнозирования цен на основе искусственного интеллекта поставили задачу спрогнозировать цену BTC к концу апреля.

Всего были задействованы четыре крупных языковых модели. Средний 30-дневный прогноз цены, установленный ими, составляет $87,512, что эквивалентно росту на 3,86% относительно текущей цены.

Claude 3.5 Sonnet от Anthropic установил самую высокую целевую цену на уровне $89,500, что подразумевает рост на 6,22%. Институциональное принятие и ожидаемое снижение процентных ставок всё же не отменяют медвежий уклон.

Флагманская модели OpenAI ChatGPT-4o Mini установила самую низкую целевую цену на уровне $86,058. Если она будет достигнута, это будет означать рост на 2,14%.

Дневник трейдера (журнал сделок) — это ваш личный «детектор ошибок». Он фиксирует не только цифры и факты, но и эмоции, которые управляют решениями. Это инструмент, который помогает превращать хаотичную торговлю в системный процесс, где каждая сделка — шаг к пониманию своих слабостей и сильных сторон.

Мой эксперимент: голосовой дневник + ChatGPT

Так как я активно работаю с LLM (нейросети — языковые модели), то подумал: почему бы не приспособить для этого ChatGPT?
Ведь я же общаюсь в голосовом режиме с «GPT-психологом» — а здесь в чем принципиальная разница?

Я нашел подходящие вопросы, адаптировал их под себя и загрузил в промпт (инструкцию для ИИ).

Как это работает:

1. Подаю промпт с ролью и вопросами.
2. В голосовом формате (мне лучше подходит этот формат — это как разговор по телефону) попросил:

Без нейросетей сейчас никуда, поэтому решил опробовать их и в трейдинге. Получилась такая своеобразная связка из трейдера и нейросети.

Я дал нейросети два запроса — сначала первый из списка, после ответа на него второй. Ответы можете увидеть на скринах ниже.

1 запрос: Найди актуальную ставку центральных банков Китая и России. Сегодня 31 марта, экспирация квартального фьючерса на юань к рублю 20 июня. Рассчитай размер справедливого контанго в процентах на сегодняшний день.

2 запрос: Поищи ожидания аналитиков. Справедливо ли предполагать, что ставки до 20 июня такими и останутся, 21 и 3.1? Если есть высокие ожидания на изменение ставок в течение срока жизни фьючерса, дай размер справедливого контанго с учётом прогнозов.

Введение

В трейдинге каждая секунда может иметь значение. Но стандартные инструменты часто не позволяют работать с данными высокого разрешения. В этой статье я поделюсь опытом создания кастомного решения для TSLab, которое сохраняет 1-секундные свечи с расширенными метриками (открытый интерес, количество продавцов/покупателей, лента сделок, лучшие бид/аск и др.). Покажу, как забрать эти данные из TSLab, передать их в Python для ML – анализа и т.д.

Задача

Трейдеры часто сталкиваются с ограничениями стандартных платформ: нельзя сохранить сверхмалые таймфреймы, добавить кастомные метрики или быстро переложить данные в Python для ML.

**Цель проекта** — создать инструмент, который:

— Сохраняет 1-секундные свечи с расширенными данными (открытый интерес, лента сделок…).

— Автоматически генерирует CSV-файлы для анализа.

— Позволяет строить интерактивные графики и обучать ML-модели.

**Главный герой** — ИИ-ассистент DeepSeek, который ускорил разработку в несколько раз и решил ключевые технические проблемы.

LLM — новая реальность. Да, осталось много кто про них ещё не особо знает, кто «не верит» и т.д., но им всё сложнее не верить и не замечать.

Я заметил много параллелей между работой LLM и человеческим мозгом. Осознание некоторых параллелей очень порождает многие внутренние рассуждения и инсайты.

Какие параллели и инсайты я вижу:

— Модели очень разные, есть например, рассуждающие модели, а есть не рассуждающие — так же и люди, есть те, кто шустро, быстро что-то делают и хороши в этом, а есть те, кто много думают и хороши в этом. Первые хороши где надо по-быстрому подсуетиться, вторые — где качественно подумать. И «применять» таких людей нужно в релевантных этой составляющей задачах… как и нейросети. Нужен просто фактологический ответ — спроси «быструю», нужно обдумать — спроси «умную».

— У нейросети есть системные промпты. Это и те которые ты прописываешь и те, которые разработчики зашили. О, это отличный аналог всему тому, что у человека на уровне подсознания — это и ценности, убеждения, какие-то яркие предыдущие прожженные в мозгу опыты и т.д.

В новой роли СТО группы Фролов будет отвечать за разработку и реализацию технологической стратегии холдинга, создание и масштабирование IT-решений для всех продуктов VK.

При этом Фролов продолжит заниматься развитием искусственного интеллекта, облачной платформой, рекламными, поисковыми и рекомендательными технологиями, а также курировать развитие ЦОДов для бесперебойной работы сервисов.

Антон Фролов с 2014 года развивал «Яндекс.Переводчик» и «Поиск» «Яндекса». В 2018 году присоединился к команде «Дзена» и за три года прошел путь от СТО до СЕО. В 2023 году Фролов был назначен вице-президентом по AI, контентным и рекомендательным сервисам VK.

www.interfax.ru/business/1017171