DeepSeek

Smart-lab.ru — это известный российский ресурс, посвящённый инвестициям, трейдингу и финансовым рынкам. Он популярен среди частных инвесторов и трейдеров благодаря следующим особенностям:

Плюсы Smart-lab:

✅ Активное сообщество – много трейдеров и инвесторов делятся идеями, аналитикой и опытом.
✅ Блоги и аналитика – пользователи публикуют разборы акций, стратегии, макроэкономические обзоры.
✅ Календарь дивидендов и отчётов – удобный инструмент для долгосрочных инвесторов.
✅ Торговые роботы и скринеры – есть автоматизированные инструменты для анализа рынка.
✅ Обсуждение криптовалют, фьючерсов, опционов – охват разных рынков.

Минусы Smart-lab:

❌ Качество контента не всегда высокое – много дилетантских мнений и спекулятивных идей.
❌ Маркетплейс (платные подписки) – некоторые авторы продают «уникальные стратегии», но не все они действительно полезны.
❌ Реклама и скрытый маркетинг – иногда продвигаются сомнительные проекты.

Тимофей Мартынов

( Читать дальше )

🚀 Китайский ИИ меняет правила игры

В январе 2025 китайская нейросеть DeepSeek R1 стала самым скачиваемым ИИ-приложением в мире. Созданная за $5,5 млн, она показала эффективность ChatGPT, но работает на дешёвом оборудовании и распространяется как open-source. За неделю —:

• 📉 Обвал NVIDIA на -18%

• 📈 Ажиотаж вокруг Baidu и китайских ИИ-компаний

• 🛑 Расследования в США о нелегальных поставках чипов

Это не просто хайп — это новая глава в ИИ-гонке, и на этом можно заработать. В статье — как я вышел в +15% на акциях Сбербанка и как ловить рост Baidu и NVIDIA.

---

🔍 Почему DeepSeek R1 — это «бомба»

• Бюджет: $5,5 млн за 2 месяца (у OpenAI — сотни миллионов).

• Инфраструктура: обучена на NVIDIA H800, а не H100.

• Доступ: 2,5 млн скачиваний форков на HuggingFace.

• Интеграции: в Baidu, WeChat и Tencent уже встроено ядро R1.

На фоне этого США приостанавливают поставки чипов, NVIDIA теряет $750 млрд капитализации, а китайский рынок получает буст.

( Читать дальше )

В прошлых постах я начал исследовать DeepSeek в области финансового анализа РСБУ и МСФО:

Пост 1: Вводное тестирование.
Пост 2: Особенности.
Пост 3: На сколько точен DeepSeek в анализе РСБУ/МСФО.

А этот пост будет продолжением оценки точности DeepSeek в анализе РСБУ/МСФО. В прошлом посте я затронул оценку 74 отчётов РСБУ и 76 отчётов МСФО эмитентов, что есть на MOEX. Сегодня я закончил 167 отчётов РСБУ и 160 отчётов МСФО. Это 1, 2, 3 уровень листинга MOEX.

Из аналитики я исключил:

• банки;

• финансовые организации;

• компании, в которых данных было меньше, чем за 3 года.

Итак, какая же итоговая точность получилась:

РСБУ DeepSeek Потенциал роста эмитента: 26 критических ошибок из 167 возможных. (15,57%)

РСБУ DeepSeek Надежность: 23 критических ошибок из 167 возможных. (13,77%)

МСФО DeepSeek Потенциал роста эмитента: 36 критических ошибок из 160 возможных. (22,50%)

МСФО DeepSeek Надежность: 12 критических ошибок из 160 возможных. (7,50%)

( Читать дальше )

Два месяца назад я начал собирать данные из отчетностей эмитентов MOEX для DeepSeek (DP). Основная цель была выяснить на сколько точно DP может агрегировать показатели из отчетностей РСБУ/МСФО через методы финансового анализа в единую оценку потенциала роста и надежности эмитента. 

На текущий момент в DP загружено 74 отчета РСБУ и 76 отчета МСФО. 

DP показал итоговую оценку потенциала роста и надежности в пределах от -100% до 100%, где:

Потенциал роста и надежность эмитента:
70% — 100% — отличная оценка (зеленая зона)
40% — 69% — средняя оценка (желтая зона)
<40% — плохая оценка (красная зона)

Для сравнения оценки DP я использовал мультипликативный скоринг (алгоритмы), где:

Потенциал роста эмитента:
50% — 100% - отличная оценка (зеленая зона)
30% — 49% - средняя оценка (желтая зона)
<30% - плохая оценка (красная зона)

Надежность эмитента:
1кл — 2кл - отличная оценка (зеленая зона)
3кл - средняя оценка (желтая зона)
4кл — 5кл - плохая оценка (красная зона)

( Читать дальше )

Общаюсь с DeepSeek на предмет перевода программ с MQL4 на MQL5.
За две недели переписал пять индикаторов, осваивая технологию.
И за два последних дня перевел код торгового робота — примерно 2000 строк. И почти сразу код заработал. Выловил только одну принципиальную ошибку.
В общем, это действительно революция в программировании. И действительно плохие новости для айтишников.
На графике количество вакансий на самой популярной доске объявлений Indeed. Наглядно видно, как востребованность айтишников снижается с пугающей скоростью.

Только за последний месяц работу потеряли 23 тысячи специалистов, при этом под удар попали даже сеньоры с 15-летним стажем, сотрудники Microsoft, Google, Tesla, eBay и PayPal.Эксперты полагают, что компании все больше будут заменять людей нейросетями, и это только начало.

И возвращаясь к моим кодам.

ДипСик пробовал нагрузить меня проверками, но я ему выкатил правило: «Работает — не трогай!».
Эта зараза, чтобы за ней осталось последнее слово, выкатила мне свое правило: «Работает? Не трогай! Не работает? Все равно не трогай — вдруг заработает!» 😄

( Читать дальше )

Зачем голосовать?
Понять, действительно ли AI — наше будущее, или пока это просто хайп. Ваш ответ поможет составить реальную картину.

Пост, подвергшийся анализу. По-моему ИИ неплохо справился с поставленной задачей критики чатжпт.smart-lab.ru/mobile/topic/1151517/Анализ текста из указанного источника выявляет ряд слабых мест в выводах автора. Рассмотрим основные проблемы аргументации:

### 1. **Биологический детерминизм и упрощение**
Автор сводит способность к накоплению богатства исключительно к особенностям дофаминовой системы, игнорируя социальные, экономические и культурные факторы. Например, доступ к образованию, стартовый капитал, институциональные барьеры не упоминаются, хотя они играют ключевую роль в инвестировании.
— *Слабость*: Игнорирование комплексности человеческого поведения, которое нельзя объяснить только нейрохимией.

### 2. **Отсутствие научных обоснований**
Утверждения о связи возраста первого воспоминания с уровнем дофамина и инвестиционным потенциалом не подкреплены ссылками на исследования. Автор предлагает «грубую шкалу», но не приводит данных, подтверждающих её валидность.

( Читать дальше )

Всем добрый вечер.
Недавно протестировал нейросеть DeepSeek — создал небольшое приложение, проверяющее доступность веб-ресурса. Несмотря на дикое желание подправить результаты руками, поставил себе цель достигнуть работоспособной версии приложения исключительно запросами к нейросети.
В итоге, спустя полтора часа уговоров, торга и шантажа, мне всё же удалось создать необходимое приложение (QML + бэк C++ на Qt 5.9.8).

Сегодня меня посетила идея — а что если попытаться получить какую-либо инвестиционную аналитику от нейросети. Учитывая, что нейросеть парсит огромный пласт информации, были большие ожидания на этот счет… Далее приложу скриншоты с небольшими пояснениями.

Шаг 1:


Решил не начинать с конкретных требований, а подвести к нужному.
Нейросеть сразу предупредила, что не дает персональных рекомендаций (прям как инфоцыгане с рекламой телеграмм-каналов).
Ну и сразу перечислила, что может мне предложить. Что ж, пойдем далее)

Шаг 2:



( Читать дальше )

 

Я спросил DeepSeek: Если для торговли на бирже использовать алготрейдинг, то какого типа роботы подходят лучше всего при небольшом начальном капитале на брокерском счете?

Ниже скопировано то, что DS мне ответил. 

При небольшом начальном капитале на брокерском счете важно выбирать алготрейдинговые стратегии, которые:

✅ Минимизируют риски (не требуют больших сумм для эффективной работы).
✅ Используют высоколиквидные инструменты (чтобы избежать проскальзывания).
✅ Не требуют сложной инфраструктуры (дешевые в реализации и поддержке).

Лучшие типы роботов для малого капитала

1. Скальперы (HFT-лайт)

• Суть: Множество сделок с минимальной прибылью (0,01–0,1% за сделку).
• Плюсы:
• Работает даже с 100–1000.
• Использует ликвидные акции/фьючерсы (например, S&P 500, акции голубых фишек).
• Минусы:
• Требует низких комиссий (иначе съедается прибыль).
• Нужен быстрый исполнение (VPS или хороший брокер).

Пример: Робот, торгующий на стакане цен, ловящий микросдвиги.

( Читать дальше )