Левередж на hard skills: как мы пустили AI в проп и не дали ему денег
Сейчас из каждого утюга: «AI-агент торгует за тебя», «LLM-хедж-фонд», «завайбкодил бота за выходные, теперь он печатает деньги». Звучит красиво. У нас всё сильно скучнее.
Начну с признания. Торговые стратегии у нас очень простые. Буквально «2IQ, тук-тук, здрасте, двери». Концептуально их можно объяснить пятилетнему ребёнку. И при этом в августе–сентябре 2026 года мы всерьёз занялись AI. Сейчас объясню, как одно уживается с другим.
Коротко, если некогда читать
- AI не панацея, а инструмент. За всем этим AI-космодромом стоят люди с очень твёрдыми компетенциями в трейдинге и финансах. AI — это левередж на hard skills. Если твоя компетенция ~0, то и на выходе будет ~0. С любым плечом.
- Баланс между технологиями и бизнесом. Мы не вайбкодим ради вайбкодинга. Когда рынок есть — лутаемся. Когда рынка нет — перекладываем время и деньги в ресёрч и разработку.
- Деньгами рискует только человек. Агент считает, смотрит, спорит и даёт рекомендации. Все решения, напрямую связанные с риском, принимает ЧЕЛОВЕК.
20% понимания — 80% результата
Эвристика, которую я вынес из своего опыта: в трейдинге отлично работает Парето. 20% понимания того, как устроен рынок, дают 80% результата. Красивые математические модели, ML, RL, LLM, BDSM и прочее — наоборот: 80% работы ради оставшихся 20% перформанса.
И есть нюанс. Эти 20% считаются от базы. Если твоя база зарабатывает ноль, то плюс 20% к нулю — это всё ещё ноль. Никакая нейросеть не превратит стратегию без edge в стратегию с edge. Она лишь быстрее и дешевле покажет, что edge нет. Что, кстати, тоже очень ценно, но об этом ниже.
Есть рынок — лутаемся. Нет рынка — чилим
В такой парадигме и строится бизнес. Есть рынок — торгуем и зарабатываем. На ресёрч и прочие «интересные», но в моменте не приносящие прибыли задачи не отвлекаемся. Просто записываем их в backlog.
Возвращаемся к ним, когда «рынка нет». Уменьшаем аллокацию в трейдинг: где-то до нуля, где-то до минимально допустимых объёмов.
Например, мейкерские стратегии совсем отключить нельзя — у нас есть обязательства по маркет-мейкерским программам. Зато освободившееся время и внимание уходят в ресёрч и разработку.
В августе 2026 крипторынок поел говна встал: ритейл умер, профучастники зачилились на Лазурном побережье. Значит, самое время присоединиться к кокосовым рейвам на Ибице, бухать и не помнить, какой сегодня день отдохнуть и заняться интересными вещами. В этом году время досталось новомодному ЭйАй.
Ещё за это время подключились к маркет-мейкерским программам нескольких бирж, ходили по конференциям, перезнакомились со всеми основным участниками нашего рынка и пробуем онбордиться на новые рынки. Но это уже другая история.
Что было до
Машинное обучение мы применяли и раньше, но совсем простое: HAR-модели с оптимизацией и бустингом параметров. Высокотехнологичной моделью это назвать сложно.
А вот формализованного ресёрча и бэктеста до августа 2026 не было. Не потому что лень, а за ненадобностью: всё прекрасно работало и так. Гипотезы проверялись руками, глазами и боевой торговлей.
Ниже — что мы сделали за август–сентябрь и насколько глубоко AI проник в бизнес на сегодня.
Лаборатория
Весь ресёрч строится вокруг исследовательской лаборатории. Это фреймворк, который связывает между собой:
- L2-данные со всех основных торгуемых площадок;
- торговые ядра;
- приватные потоки данных с бирж;
- LLM-модели и готовые сценарии взаимодействия с ними.
Плюс набор правил и ограничений, чтобы AI-агенты не ленились, не сходили с ума и не галлюцинировали. А они это очень любят. Все остальные исследовательские процессы так или иначе завязаны на лабораторию.
Какие модели и где они живут
Сразу отвечу на вопрос, который первым делом задаст любой профи: «А куда уходят ваши данные?».
Схема гибридная. В зависимости от задачи, модели и данных что-то работает приватно, а что-то нет. Из моделей используем Claude, DeepSeek, GPT и Qwen. Модель и версию подбираем под задачу.
Данные
Сейчас лаборатория пишет L2 по 11 торговым площадкам (число плавает) и синхронизирует их на единой временной шкале. Для данных разработали собственный бинарный формат — компромисс между качеством, скоростью обработки и объёмом в хранилище.
Инструменты
- Своя графическая библиотека а-ля некогда популярный Nanex. Визуализация — критически важная часть ресёрча, потому что гипотезы валидирует человек. А графику кожаные мешки воспринимают лучше, чем таблицу цифр.
- Набор базовых математических функций, чтобы каждый раз не писать с нуля условные регрессии или сигмы.
- Высокопроизводительный бэктестер на Rust. Писали свой, потому что была важна интеграция с торговым ядром. Ядро занимается исполнением в рынок и знает особенности стратегий, конфигураций, фактических задержек и прочих вещей, которые применимы только к конкретному участнику и его инфраструктуре. Коробочный бэктестер этого не знает в принципе. Результат: по маркет-мейкинговым стратегиям P&L бэктеста сходится с боевым примерно на ~90%.
- Промпты — готовые шаблоны, которые позволяют быстро сформулировать гипотезу и отправить агентов её проверять и дорабатывать. Уровни разные: от «быстрой консультации» до итеративного процесса, в котором несколько агентов часами, а то и днями дискутируют, придумывают и проверяют гипотезы. Внутри мы называем это zaLooping :)
Результаты складываются в три категории документов:
- Кладбище идей. Самая ценная часть — ответ на вопрос «Что делать не нужно». Каждая похороненная гипотеза — это сэкономленные недели и, возможно, деньги, которые не пришлось терять в боевой торговле.
- Handoff. По сути backlog: то, что выглядит перспективно, но требует доработки.
- Findings. Работающая альфа.
~20 работающих гипотез против 88 похороненных на момент написания статьи.
Из findings в бой уже уехала маркет-мейкинговая стратегия. Альф в ней много: от конфигурации исполнения — как оптимальнее монетизировать поток тейкерских ордеров — до прайс-предикшена.
Деталей не будет: мы на этом зарабатываем :)
Операционка
Ресёрч — это половина истории. Вторая половина — ежедневная операционная деятельность. В лаборатории есть набор правил, по которым агентов можно запустить одной кнопкой или вовсе в полном автомате. Важно: в автомате работают агенты, а не стратегии.
Брифинг
С утра отдельный микросервис делает скрининг по всем perp-контрактам Binance. Это наш целевой рынок: в текущей конфигурации мы в первую очередь тейкерский проп, и основной пул тейкерских стратегий работает именно на Binance Futures. Затем агент идёт в рынок и смотрит, что там происходит в целом: что можно торгануть, на что обратить внимание, куда лезть не стоит.
На выходе оператор получает шорт-лист пригодных рынков. Отчёт из двух частей: человекочитаемое Summary для трейдеров и душные цифры для квантов и агентов.
Конфигурация алгоритмов
По заранее написанным шаблонам агент подбирает основные параметры: рынки, риск, целевой инвентарь и т. д. Так, чтобы конфиг был оптимален для конкретного актива, рыночной меты и при этом вписывался в контекст всех наших стратегий и риск политики.
Запускает стратегии в бой и выключает их ЧЕЛОВЕК.
Мониторинг
Тут проще на примере. Торгуем мы на Binance, Bybit, OKX, Gate, Bitget и KuCoin — спот, фьючерсы и опционы. Допустим, запустили маркет-мейкинг на BTC Perp. Это ~15–25 стаканов, кто во что горазд: на каждой площадке по несколько контрактов — USDT-M, USDC-M, coin-M. На каждом стакане стоят двусторонние котировки нашего торгового ядра.
У ядра есть параметр Target Inventory — какую позицию мы хотим держать на конкретной площадке. Такой же параметр есть на уровне портфеля, то есть всей группы ядер: какую позицию по BTC мы хотим держать в целом.
Спойлер: почти всегда 0.
Во время торговли постоянно происходят филы, Current Inventory ≠ 0. Значит, надо смещать котировки, хеджироваться и/или ребалансировать портфель, чтобы не брать на себя лишний риск. С этим справляются само ядро и управляющий модуль. Без всякого LLM.
А вот агент может раз в n секунд–минут смотреть на стаканы и замечать то, что не зашито в логику ядра. Например:
- на условной бирже ABC у нас в основном токсичные филы;
- на бирже DEF поток в основном в продажу, а на GHI — в покупку.
По таким наблюдениям агент даёт рекомендации: какие минорные корректировки внести в стратегии, чтобы исполнение было оптимальнее. Применять их или нет — решает человек. Ну и, конечно, агент громко кричит, если на рынке происходит Армагеддон.
Пост-трейд анализ
Отдельный агент выгружает логи торговых ядер, ордер-логи, P&L-логи с биржи и L2-данные (на торгуемых рынках они пишутся всегда) и разбирает прошедшую сессию. Что сработало хорошо, что плохо. Нужно ли и можно ли что-то доработать. В чём причина прибыли и убытков.
Отчёт — снова из двух частей: Summary для трейдеров и душные цифры для квантов и агентов. Если по ходу нашлась или подтвердилась гипотеза, она уезжает в соответствующую папку.
Красная линия: AI не генерит альфу
Ключевой момент, который проходит через всю статью: AI не генерит альфу сам. Его так или иначе направляет в нужную сторону человек. И как в случае с «интересными» задачами из начала — это всего лишь левередж на hard skills. Если твоя компетенция ~0, то и в конце ты получишь ~0.
Можно ли обойтись без AI? Можно. Самому генерировать, тестировать и критиковать гипотезы, делать утренний ресёрч, конфигурировать алгоритмы и следить за исполнением. Раньше эти процессы именно так и выглядели. И занимали львиную долю времени и сил.
Вариант номер два — нанять джуниор-трейдеров и квантов. Правда, тогда появляются HR-процессы со всеми вытекающими.
Теперь появились LLM с достаточным «уровнем интеллекта», и подобную рутину можно делегировать им. А свои усилия направить на стратегию, тактику и альфу.
Бесплатный сыр
Это ни в коем случае не значит, что операционки больше нет. Да, AI действительно делает больше работы на единицу времени без сношания мозгов. Но на ту же единицу времени он увеличивает технический долг. Код, который написан быстро, кто-то должен прочитать, понять и поддерживать. Вывод, который сформулирован уверенно, кто-то должен проверить.
И агенты регулярно ошибаются. Причём ошибаются уверенно: с красивыми графиками, аккуратными таблицами и выводом «гипотеза подтверждена». Без человека, который знает, как на самом деле устроен рынок, такую ошибку легко принять за альфу.
Если у тебя нет чутья и компетенций, чтобы этот долг закрывать, итог будет грустный. Просто наступит он не сразу, а в самый неподходящий момент.
Вместо вывода
AI не сделал нас умнее. Он сделал нас быстрее там, где мы и так знали, что делаем. И честнее там, где хотелось верить в красивую гипотезу: у плохих идей теперь есть кладбище, а не вечная жизнь в голове.
Агент может часами спорить сам с собой, перебирать гипотезы и выгружать гигабайты логов. Но кнопку «торговать» нажимает человек. И отвечает за результат тоже человек.
Если хочешь построить "ЭйАй нэйтив хедж фанд" — сначала научись зарабатывать без AI.
НЕ ЯВЛЯЕТСЯ инвестиционной рекомендацией. И нет, это не прогрев: AI-бота для торговли продавать не буду :)