роботы

Привет, хабр!

Сегодня мы разберём полный цикл создания торговой системы на Python: от бэктеста стратегии до её запуска в реальном времени на бирже BingX. Статегия будет основа на индикаторах и математике, но они будут довольно неклассические и, думаю, что многим это будет интересно.

Я опишу логику стратегии, покажу код и объясню каждую часть шаг за шагом. Это не просто копипаст — это полноценный гайд, чтобы вы могли адаптировать систему под себя. Мы используем библиотеки вроде Pandas, NumPy, Matplotlib и API бирж (Binance для данных, BingX для торгов).

Предупреждение: Сейчас система находится в тесте около 2 недель. На данный момент профит составляет 5% к капиталу бота, но потеря капитала также возможна. Это не финансовый совет — тестируйте на демо-счёте. Я также постоянно подгоняю параметры, чтобы бот был актуален и периодически заменяю монетки в боте.

Все файлы этой торговой системы, а также pine script выложу на мой github.

Введение: Почему нужна торговая система?

Торговая система — это набор правил для входа/выхода из позиций, основанный на техническом анализе. Автоматизация позволяет:

Минпромторг поручил госкорпорациям разработать план по переводу предприятий на режим так называемых темных цехов. Каким именно госкорпорациям адресовано поручение неизвестно.

Темный цех – это предприятие, где производство почти полностью автоматизировано и работает без присутствия человека, поэтому там нет привычного освещения или вентиляции, которые нужны для безопасности сотрудников.

Госкорпорации, которые производят и эксплуатируют робототехнику, – это «Роскосмос», «Росатом» и «Ростех».

Актуальной статистики по роботизации в России нет. По данным Минпромторга, на конец 2024 г. парк промышленных роботов составил около 21 000 единиц. Средняя плотность роботизации в мире – 177 роботов на 10 000 сотрудников обрабатывающей промышленности, в России – 29 на 10 000 сотрудников.

Читайте подробнее: www.vedomosti.ru/business/articles/2026/01/16/1169642-goskorporatsii-zaimutsya-sozdaniem-bezlyudnih-proizvodstv-v-rossii?from=copy_text

Затраты на годовое содержание ровера оказались на 49–66% меньше, чем расходы на оплату труда пеших курьеров в различных регионах (без учета стоимости закупки устройства). К таким выводам пришли аналитики Совкомбанка, проанализировав финансовые показатели «Яндекса» в 2025 г.

Согласно расчетам банка, содержание одного ровера составляет 295 000 руб. в год. Из этой суммы 58% приходится на замену комплектующих и ремонт, 42% – на зарплаты оператору и инженеру. Зарплата курьерам-людям в Москве и Санкт-Петербурге составляет 878 000 руб. в год, в малом региональном городе – 574 000 руб., подсчитали аналитики Совкомбанка.

Читайте подробнее: www.vedomosti.ru/business/articles/2026/01/15/1169344-roveri-yandeksa-okazalis-inogda-rentabelnee-zhivih-kurerov?from=copy_text

На крипторынке есть редкий класс стратегий, где не нужно угадывать направление цены. Нет анализа свечей, индикаторов или прочей тяжелой математики.

Одна из таких стратегий — арбитраж ставок финансирования (funding rate arbitrage).

Этот материал — не обещание лёгких денег. Это разбор реальной рабочей системы, которую я сначала писал для себя, а позже обернул в Telegram-бота. Ниже я разберу:

• как именно зарабатываются деньги на арбитраже ставок финансирования

• почему ручной арбитраж не работает

• как устроена архитектура алгоритмической системы

• как код собирает данные, считает спреды и фильтрует мусор;

• какие риски остаются и как их контролировать.

Автоматизированная торговая система может кратко упростить поиск грамотных связок между биржами и присылать уведомления. Я обернул эту систему в телеграм бота @Fandyng_Bot, логику которого мы сегодня и разберём — от получения данных с нескольких бирж, до обработки этой информации и практической значимости.

Что такое funding rate и откуда берётся доход

Введение

Цель этой статьи — максимально подробно и практично разобрать реальный Python‑проект автоматического трейдинга. Это не концепт, а рабочий бот, который: непрерывно анализирует рынок Binance Futures, ищет сигналы по открытому интересу (Open Interest), применяет набор защитных фильтров, работает с множеством пользователей одновременно, управляется через Telegram‑интерфейс и при необходимости открывает реальные сделки через API биржи BingX.

Далее я последовательно разберу всю логику и все функции основного файла main.py, объясняя, как и зачем они реализованы именно так.

Общая архитектура проекта

Архитектурно проект разделён на два слоя: Управляющий слой — получение данных, расчёт сигналов, фильтры, Telegram‑интерфейс, логика пользователей и принятие решений. Исполнительный слой — работа с торговым API BingX: подпись запросов, установка плеча, открытие ордеров, трейлинг.

Ключевая идея — вся торговая логика должна быть независима от конкретной биржи. В main.py мы оперируем функции вроде place_market_order(), а не HTTP‑запросами. Клиент для биржи я написал самостоятельно и использую его во всех своих проектах и статьях. Ссылка на файла проекта, включая этот клиент: github

изначально план был прост — 10-15% за год в баксах на низком риске...

 и в конце января увидел перехай, а потом трамп пошлины — все летит вниз… я потираю ручки — типа рынок -15% а у мя всего -6% от хаев… щас закуплюсь дешовым хабаром и сдам по хаям...

 но распилило на дне… рынок начал метаться на 4-6% каждый день… боты входили в позу на хаях и скидывали ее на лоях… и уже -15% буквально за неделю… и как вишенка на торт неудач — на самом дне боты поняли что сливают и отключились… т.е отскок от дна боты проигнорировали, т.к ожидали дальнейшего падения… еще технический сбой — и еще -1% улетел...

 пара ботов слились… и я их выкинул … а остальные пришлось перенастроить и сделать новую логику… выжило без изменений 2 бота...

 вообщем по итогу залива год виделся мне как мелкий профит или около нуля… что собственно и случилось … три раза топтался у январских хаев… один раз 0.5% не хватило на перехай...

вот типичный бот этого года торгующий 60к баксов — у него неплохой резалт т.к не стопнул торговлю на дне и отскочил 

1️⃣ Яндекс $YDEX ведет переговоры о продаже сервиса «Авто.ру».

Среди возможных покупателей называют Сбер, Т-банк и «Авито».
Официальных комментариев стороны не дают, интерес банков к сделке не подтвержден.
Причина возможной продажи — снижение выручки сервиса на фоне спада авторынка.
По итогам 2 квартала 2025 года доход направления объявлений упал на 5% до 8 млрд ₽.
Эксперты считают, что «Авто.ру» больше не является стратегическим активом для «Яндекса».
Компания делает ставку на ИИ, городские и персональные сервисы.

2️⃣ Яндекс$YDEX обновил приложение Яндекс Go.

ИИ теперь строит маршруты с учетом погоды и пробок.
Сервис анализирует данные из Такси, Карт и Погоды.
Маршруты подстраиваются под привычки пользователя.
Можно исключить каршеринг, если нет водительских прав.
Цель обновления — быстрее и удобнее планировать поездки по городу.

3️⃣ Яндекс $YDEX может начать суд с Jaguar Land Rover из-за брендов.
Суд по интеллектуальным правам дал срок до 10 февраля, чтобы подать иск.
Цель иска — досрочно отменить охрану 42 товарных знаков в России.

Вступление: идея, цель, гипотеза

Финансовые рынки редко движутся изолированно. Криптовалюты реагируют на фондовые индексы, золото реагирует на макроэкономику, а внутри крипторынка движение биткоина задаёт направление для альткоинов.

Гипотеза проекта:

Если агрегировать данные по разным классам активов (крипто, акции, золото), измерить их волатильность, тренд и взаимную корреляцию, можно получить осмысленную вероятностную оценку того, каким будет рынок в ближайшие 24 часа: рост, падение или консолидация.

Цель скрипта — не предсказать точную цену, а оценить состояние рынка в целом, получить вероятностный прогноз и использовать его как основу для торговых стратегий и автоматизированной торговли.

Общая архитектура проекта

На логическом уровне скрипт состоит из пяти ключевых блоков:

Данные → Индикаторы → Агрегация → Корреляции → Вероятностный прогноз

Код выложен на github.

Источники данных

Используются разные рынки:

• криптовалюты (Binance, через ccxt),