Да все верно клешня это инструмент, а мозг пользователя производит управляющее воздействие. Так вот обертка на Python под телеграмм бот для любой нейронки это около 200 строк структурированного кода. По итогу многие ии инструменты это просто поиск по diff + exec вот что делает магию.
@runaway_llmАндрей подскажите а есть ли у Deepseek возможность работать с ним по API (бесплатный тариф)? И вообще какие LLM знаете именно с бесплатными API лимитами? У меня получалось пока подключить (Perplexity, Mistral, Gigachat-2). Может какие-то еще другие есть. Нужны для своего проекта (пишу обертку на Python).
@honest_nicemanГеоргий я хочу выразить огромную благодарность за ваш продукт. Я случайно в одной из статей в комментариях увидел про русскую версию Cursor. И решил попробовать. Да работает пока не идеально, да есть нюансы - но в нескольких моментах прямо выручало. Когда обычный deepseek тупит, нет иностранной карты, или какая-то из моделей ругается в ответ (как ошибка на скрине выше), можно просто пощелкать между моделями и двигаться дальше. Пользовательский опыт безусловно мне нравится больше в Cursor и как там устроен grep поиск по коду и по сути автоматическое отлавливание багов. Жму руку удачи и процветания вашему проекту! С уважением.
То что с MCP вы разобрались это понятно. <режим душнилы включен> А что такое 8500 инструментов? Давно торгуете на бирже? Квалифицированный инвестор? Какая доходность портфеля за 2025? </режим душнилы выключен>.
Автор статьи предлагает создать финансового ИИ-агента на Python, который использует протокол MCP для подключения к API брокера Finam и подход CodeAct для выполнения действий через код. Это позволяет ИИ-агенту не просто анализировать данные, а реально торговать акциями, запрашивать котировки и управлять счетом, обходя ограничения обычных LLM-API. Суть в комбинации MCP (стандарт для инструментов) и CodeAct (генерация и выполнение Python-кода в песочнице), чтобы агент работал автономно и безопасно.
Поставил плюс. Пользуясь возможностью разыскивается (wanted!) Middle React-овик для переписывания Frontend сайта от 2014 года с учетом текущих реалий. @wave_catcher.
С интересом прочитал (молотилку вы написали хорошую), таких reseach-ей в стол я провел не один десяток и они показывали тоже по 600-1200% в год легко. Но в реальной торговле все по другому. 1) Стратегия должна быть робастная (robust). А это значит график должен быть ровный под 45% мелкими шагами. Тогда это круто. Посмотрите на график фондов денежного рынка SBMM, LQDT поймете о чем я. 2) Все что было посчитано на GPU может расчитать и процессор в много потоке с использованием Numba (@jit). 3) При мартингейл и антимартингейл, а также пирамидинге стратегии будут показывать огромные проценты но как и говорилось это подгонка под график - а график это просто след на воде от яхты. 4) Хабр это все таки технический сайт - так что выкладывайте код. Думаю вам посоветуют коллеги что можно улучшить и дополнить. 5) Торговля фьючерсами несет потенциально бесконечный риск - можно дополнить опционами.
Андрей есть вопрос, немного видоизменим задачу (пусть это будет не обязательно ПЛК с готовой прошивкой и весами):
1) Обучаемся управлением "на лету" и используем скорректированные веса в процессе использования (w1, w2 и т.п)
2) Пусть на входе у нас 10 различных параметров (и мы незнаем какой из них влияет больше на интересующий нас результат и какой меньше).
3) Выход (первый уровень = направление движения): На выходе нужно указать направление: -1 (вправо) 0 (ничего не делаем) +1 (влево).
4) Выход (второй уровень = размер движения): Можно помимо направления еще дополнительно усложнить добавить расстояние на которое нужно сместить: 1 см, 2см.
5) Работа с ошибкой. Бонус/штраф за верное или неверное решение?
Вопрос: Как бы вы решали подобную задачу? Сколько слоев должно быть в нейросети и какую примерную архитектуру можно использовать? (подход к решению). Заранее спасибо за комментарии по теме.
1) вы говорите по географический арбитраж (нужно 2 счета и быстрый каналы). Есть налоговые риски после 2022.
2) говорите про керри-трейд (ставки) это про большие умные деньги точно не про физиков.
3) по поводу 20-21. Предлагаю сейчас вам открыть арбитражную сделку и через месяц ее закрыть (заработаете с вероятностью 99.999%). В чем она заключается: Продать фьючерс (на акцию) и купить акции (базовый актив). Через месяц совершить противоположную сделку. Доходность будет на уровне ставки - это так называемая синтетическая облигация о ней по сути я и говорил.
Пробовал решить похожую задачу прогон 1 млн комбинаций на основных 70 акциях Мосбиржи. GPU считал медленнее чем Numba (в 16 потоках). Но в итоге вопрос встал "что считать" а не как и с какой скоростью. Спасибо за статью сохранил себе - попробую декоратор @cuda.jit я не додумался до этого).
А как у AMD и Intel с совместимостью с Tensorflow/Pytorch? Для среднего обывателя проще взять решения от Nvidia и не плясать с бубном вокруг других решений.
Дмитрий, с удовольствием прочитал статью и действительно понимаю о чем идет речь, но хотелось бы больше подробностей. Действительно сейчас есть все инструменты и библиотеки типа Algopack (с 5 летней историей с 2020 по 2025 год где были все типы рынка и рост и просадка и боковик). Как оценивали стратегии Total_profit, Maxdrowdown, Profit_factor, Sharp_ratio? По Total_proft можно и 500% за период найти страту но это будет очень рисковая :). Так вот вопрос по делу: какие фильтры используете для сделок? (стандартное отклонение SMA-EMA) или что-то еще. Как раз конкретики в статье маловато. Спасибо.
Подскажите если отбросить вопрос энергопотребления что лучше выбрать по характеристикам цена/качество для inference моделей не связанных с компьютерным зрением (просто вычисления с плавающей точкой в режиме реального времени). cpu/gpu/stick? Модель не сложная (несколько признаков) но количество одновременно анализируемых параллельно объектов более 50.
Да все верно клешня это инструмент, а мозг пользователя производит управляющее воздействие. Так вот обертка на Python под телеграмм бот для любой нейронки это около 200 строк структурированного кода. По итогу многие ии инструменты это просто поиск по diff + exec вот что делает магию.
@runaway_llmАндрей подскажите а есть ли у Deepseek возможность работать с ним по API (бесплатный тариф)? И вообще какие LLM знаете именно с бесплатными API лимитами? У меня получалось пока подключить (Perplexity, Mistral, Gigachat-2). Может какие-то еще другие есть. Нужны для своего проекта (пишу обертку на Python).
@honest_nicemanГеоргий я хочу выразить огромную благодарность за ваш продукт. Я случайно в одной из статей в комментариях увидел про русскую версию Cursor. И решил попробовать. Да работает пока не идеально, да есть нюансы - но в нескольких моментах прямо выручало. Когда обычный deepseek тупит, нет иностранной карты, или какая-то из моделей ругается в ответ (как ошибка на скрине выше), можно просто пощелкать между моделями и двигаться дальше. Пользовательский опыт безусловно мне нравится больше в Cursor и как там устроен grep поиск по коду и по сути автоматическое отлавливание багов. Жму руку удачи и процветания вашему проекту! С уважением.
Спасибо за наводку попробую.
Возможно накину, но ждем Российский Cursor. Было бы круто.
Хотя вот Gigacode уже есть и плагин Gigachat в Vscode.
То что с MCP вы разобрались это понятно. <режим душнилы включен> А что такое 8500 инструментов? Давно торгуете на бирже? Квалифицированный инвестор? Какая доходность портфеля за 2025? </режим душнилы выключен>.
Автор статьи предлагает создать финансового ИИ-агента на Python, который использует протокол MCP для подключения к API брокера Finam и подход CodeAct для выполнения действий через код. Это позволяет ИИ-агенту не просто анализировать данные, а реально торговать акциями, запрашивать котировки и управлять счетом, обходя ограничения обычных LLM-API. Суть в комбинации MCP (стандарт для инструментов) и CodeAct (генерация и выполнение Python-кода в песочнице), чтобы агент работал автономно и безопасно.
Поставил плюс. Пользуясь возможностью разыскивается (wanted!) Middle React-овик для переписывания Frontend сайта от 2014 года с учетом текущих реалий. @wave_catcher.
Сможем с вами поработать над этим проектом? Мой тг @wave_catcher
@archik
Артур, а можно наш сайт rosshokolad.ru тоже проанализировать?
Особенно интересует как можно mobile улучшить?
Прямо в точку. — Наша работа брать бабло у клиента из кармана и класть в наш карман.
С интересом прочитал (молотилку вы написали хорошую), таких reseach-ей в стол я провел не один десяток и они показывали тоже по 600-1200% в год легко. Но в реальной торговле все по другому. 1) Стратегия должна быть робастная (robust). А это значит график должен быть ровный под 45% мелкими шагами. Тогда это круто. Посмотрите на график фондов денежного рынка SBMM, LQDT поймете о чем я. 2) Все что было посчитано на GPU может расчитать и процессор в много потоке с использованием Numba (@jit). 3) При мартингейл и антимартингейл, а также пирамидинге стратегии будут показывать огромные проценты но как и говорилось это подгонка под график - а график это просто след на воде от яхты. 4) Хабр это все таки технический сайт - так что выкладывайте код. Думаю вам посоветуют коллеги что можно улучшить и дополнить. 5) Торговля фьючерсами несет потенциально бесконечный риск - можно дополнить опционами.
Виталий, а чтобы выбрали? Просто выбор обычно между кастомной разработкой (долго) или готовыми решениями.
Андрей есть вопрос, немного видоизменим задачу (пусть это будет не обязательно ПЛК с готовой прошивкой и весами):
1) Обучаемся управлением "на лету" и используем скорректированные веса в процессе использования (w1, w2 и т.п)
2) Пусть на входе у нас 10 различных параметров (и мы незнаем какой из них влияет больше на интересующий нас результат и какой меньше).
3) Выход (первый уровень = направление движения): На выходе нужно указать направление: -1 (вправо) 0 (ничего не делаем) +1 (влево).
4) Выход (второй уровень = размер движения): Можно помимо направления еще дополнительно усложнить добавить расстояние на которое нужно сместить: 1 см, 2см.
5) Работа с ошибкой. Бонус/штраф за верное или неверное решение?
Вопрос: Как бы вы решали подобную задачу? Сколько слоев должно быть в нейросети и какую примерную архитектуру можно использовать? (подход к решению). Заранее спасибо за комментарии по теме.
Илья а можно сразу вопрос - Сбер Диск под linux работает сейчас?
Задача что-то типа Dropbox чтобы было (2 машины между собой синхронизировались в папку одна Windows другая Fedora например).
Все верно.
1) вы говорите по географический арбитраж (нужно 2 счета и быстрый каналы). Есть налоговые риски после 2022.
2) говорите про керри-трейд (ставки) это про большие умные деньги точно не про физиков.
3) по поводу 20-21. Предлагаю сейчас вам открыть арбитражную сделку и через месяц ее закрыть (заработаете с вероятностью 99.999%). В чем она заключается: Продать фьючерс (на акцию) и купить акции (базовый актив). Через месяц совершить противоположную сделку. Доходность будет на уровне ставки - это так называемая синтетическая облигация о ней по сути я и говорил.
А почему считаете что арбитраж не работает? Там просто доходности вокруг ставки крутятся (например 20-21% годовых сейчас).
Пробовал решить похожую задачу прогон 1 млн комбинаций на основных 70 акциях Мосбиржи. GPU считал медленнее чем Numba (в 16 потоках). Но в итоге вопрос встал "что считать" а не как и с какой скоростью. Спасибо за статью сохранил себе - попробую декоратор @cuda.jit я не додумался до этого).
А как у AMD и Intel с совместимостью с Tensorflow/Pytorch? Для среднего обывателя проще взять решения от Nvidia и не плясать с бубном вокруг других решений.
Дмитрий, с удовольствием прочитал статью и действительно понимаю о чем идет речь, но хотелось бы больше подробностей. Действительно сейчас есть все инструменты и библиотеки типа Algopack (с 5 летней историей с 2020 по 2025 год где были все типы рынка и рост и просадка и боковик). Как оценивали стратегии Total_profit, Maxdrowdown, Profit_factor, Sharp_ratio? По Total_proft можно и 500% за период найти страту но это будет очень рисковая :). Так вот вопрос по делу: какие фильтры используете для сделок? (стандартное отклонение SMA-EMA) или что-то еще. Как раз конкретики в статье маловато. Спасибо.
Подскажите если отбросить вопрос энергопотребления что лучше выбрать по характеристикам цена/качество для inference моделей не связанных с компьютерным зрением (просто вычисления с плавающей точкой в режиме реального времени). cpu/gpu/stick? Модель не сложная (несколько признаков) но количество одновременно анализируемых параллельно объектов более 50.