Ручные сделки давались мне хуже, чем разработка систем. Поэтому я собрал AI-пет-проект для криптотрейдинга: он проверяет сигналы, исполняет правила и разбирает результат каждой сделки.
Это разбор эксперимента, а не торговая рекомендация. Здесь нет сигналов, обещаний доходности или советов покупать активы.
Что мешало ручной торговле
Полтора года я изучал фьючерсы, спот, арбитраж и торговых ботов. Механика стала понятнее, но ручное исполнение осталось слабым местом.
Во время просадки я нервничал, закрывал позицию раньше времени и нарушал свои правила. После этого сетап нередко отрабатывал уже без меня. Так уходили депозиты, время и внимание.
Крипторынок работает круглосуточно и остаётся волатильным. SEC предупреждает об исключительно высокой волатильности и спекулятивном характере crypto asset securities.
“Investments in crypto asset securities can be exceptionally volatile and speculative.” — SEC Investor.gov
Источник: предупреждение SEC Investor.gov
В такой среде эмоциональное ручное исполнение легко ломает заранее выбранную стратегию.
Почему я выбрал автоматизацию
Я соединил три знакомые области: AI, крипту и автоматизацию. Система не пытается гарантированно предсказывать рынок. Она выполняет заданную логику без усталости и импульсивных решений.
Алгоритм может:
- наблюдать за рынком без перерывов;
- выдерживать правило после стопа;
- не открывать сделку из желания отыграться;
- сохранять стратегию во время просадки;
- записывать данные для последующего разбора.
Как работает первая версия
Процесс состоит из пяти шагов:
- Система получает открытый интерес, ликвидации и объёмы.
- Алгоритмы оценивают ситуацию и фильтруют шум.
- LLM разбирает контекст и решает, входить в сделку или пропустить её.
- При входе система рассчитывает стоп, тейк и размер позиции.
- После сделки отдельный процесс извлекает выводы для следующих сетапов.
Первая версия использовала DeepSeek R1, Windmill, Bybit и Telegram. На момент исходной публикации месячный win rate составлял около 53%.
Одна метрика не доказывает прибыльность стратегии. Её нужно рассматривать вместе с соотношением риска и прибыли, просадкой, комиссиями, проскальзыванием и размером выборки.
Lesson Learning после каждой сделки
Для меня ценнее всего разбор результата. Автоматизация бесполезна, если система лишь быстрее повторяет человеческие ошибки.
После каждой сделки отдельная модель проверяет сигналы, пороги и изменение рыночного контекста. Так появляется журнал решений, из которого можно извлекать проверяемые выводы.
NIST относит к характеристикам доверенного AI надёжность, безопасность, устойчивость, подотчётность и прозрачность.
“Characteristics of trustworthy AI systems include: valid and reliable, safe, secure and resilient, accountable and transparent...” — NIST AI RMF
Источник: NIST AI Risk Management Framework
В торговом проекте должны быть понятны входные данные, логика, ограничения и ответственность. Без этого автоматизация превращает риск в непрозрачный процесс.
Что этот эксперимент показывает бизнесу
Кейс посвящён автоматизации слабого места. Во многих процессах человек знает правило, но нарушает его из-за спешки, усталости или эмоций. Результат при этом часто остаётся без записи и разбора.
Алгоритмы и AI полезны там, где нужны дисциплина, повторяемость и обратная связь. Эту ценность можно проверить на торговле, контроле качества, обработке заявок или другом процессе с ясными правилами.
Ограничения проекта
AI-трейдинг сохраняет рыночный и технический риск. Модель может ошибиться, данные могут запоздать, биржа может дать сбой, а стратегия со временем перестаёт работать. Успешный backtest тоже не гарантирует результат на реальном рынке.
Рабочая версия начинается с максимального риска, стопов, журналов, размера выборки и условий остановки системы. Для меня это пет-проект и лаборатория автоматизации. Он не обещает доходность.