ИИ в трейдинге под контролем трейдера

ИИ в трейдинге - обсчёт данных - да, принятие решений - под контролем

Искусственный интеллект умеет быстро работать с объёмом информации, который человек не способен удержать в голове. Он может собрать статистику, найти повторяющиеся сочетания, сгруппировать сделки и показать отклонение.

Отсюда легко сделать следующий шаг: раз машина видит больше, пусть она и решает, когда покупать и продавать.

Но между расчётом и торговым решением есть разрыв. Модель отвечает на поставленный вопрос. Кто-то должен выбрать данные, сформулировать гипотезу, определить допустимый риск и понять, когда прошлое перестало быть релевантным.

Если эти части не заданы, быстрый расчёт только быстрее приводит к плохо обоснованному выводу.

Я не противопоставляю человека и технологию. Мне ближе практическое разделение ролей: ИИ помогает считать и замечать; ответственность за торговую рамку остаётся у трейдера.

Калькулятор с памятью

Представьте очень мощный калькулятор, который не только складывает числа, но и умеет работать с текстом, изображениями и большими таблицами.

Он способен найти все сделки, где перед входом была похожая структура, сравнить результаты по времени суток и выделить повторяющиеся нарушения в дневнике.

Это уже серьёзное преимущество для исследования. Раньше на такую работу уходили часы ручной сортировки. Теперь можно быстрее проверить гипотезу и увидеть то, что терялось в массе наблюдений.

Но калькулятор не знает, почему именно эта гипотеза важна для вашего процесса. Он не определит сам, какую просадку вы способны выдержать, допустимо ли держать позицию на выходных и насколько надёжны исходные данные.

Он может предложить варианты, но предложение не равно решению.

Где ИИ приносит реальную пользу

Первое применение - очистка и подготовка данных. Дубликаты, пропуски, разные форматы времени, ошибочные цены и несогласованные названия инструментов способны исказить любой тест. Автоматическая проверка снижает объём механической работы.

Второе - статистика сделок. Можно считать винрейт, средний результат в R, распределение серий, просадку, время удержания и отклонение фактического исполнения от плана. Главное - не ограничиваться одной привлекательной метрикой.

Третье - поиск контекста. Модель может сгруппировать сделки по волатильности, сессии, направлению старшего таймфрейма или расстоянию до целевой зоны. Это помогает увидеть, при каких условиях одна и та же идея ведёт себя по-разному.

Четвёртое - работа с дневником. Текстовые записи можно классифицировать: ранний вход, перенос стопа, пропущенное условие, выход из страха, попытка отыграться. Получается карта повторяющихся ошибок, а не набор эмоциональных заметок.

Пятое - контроль отклонений. Если средний риск, длина серии или доля нарушений вышли за заранее заданный диапазон, система может привлечь внимание. Она не объявляет причину, а говорит: здесь требуется проверка.

Главный риск - хорошие ответы на плохой вопрос

Есть старый принцип: мусор на входе - мусор на выходе. Современная модель делает эту проблему менее заметной, потому что ответ звучит уверенно и выглядит структурно.

Например, человек просит найти "самый прибыльный паттерн" на всей истории. Система перебирает сотни комбинаций и показывает лучшую. Но если та же история использовалась и для поиска, и для оценки, результат почти неизбежно завышен.

ИИ не совершил ошибку вычисления. Ошибка была в постановке эксперимента.

Или трейдер загружает только сделки, которые фактически открыл, и делает вывод о качестве сигнала. Пропущенные входы отсутствуют, значит выборка уже зависит от его эмоций и внимания. Модель анализирует не систему, а смесь системы и человеческого отбора.

Поэтому до любого расчёта я фиксирую:

• что именно проверяется;
• какие данные допустимы;
• где обучающая и проверочная части;
• какая метрика считается основной;
• какие издержки учитываются;
• что будет опровержением гипотезы.

Почему решение нельзя свести к прогнозу

Полезно разделять прогноз и действие в самом журнале. В одной колонке хранится оценка сценария, в другой - решение по позиции, в третьей - причина отказа.

Тогда можно обнаружить важную вещь: прогноз мог быть верным, но сделка не соответствовала риску; или прогноз был неверным, но ограниченный убыток сделал решение допустимым.

Если смешать эти уровни, ИИ начнут оценивать по направлению следующей свечи. Это слишком узкая задача. Торговый результат зависит от последовательности решений, размера позиции и распределения исходов.

Модель, которая часто угадывает направление, может быть бесполезной при плохом соотношении риска и прибыли. И наоборот, умеренная точность может иметь смысл при контролируемой асимметрии.

Поэтому я прошу систему не только назвать вероятный сценарий, но и показать базу сравнения: сколько было наблюдений, каков результат альтернативы и насколько вывод чувствителен к изменению условий.

Даже точный прогноз направления не является готовой сделкой. Нужно выбрать точку отмены сценария, размер позиции, цель, время удержания и условия досрочного выхода.

Два человека с одинаковым прогнозом могут получить противоположные результаты из-за управления риском.

Кроме того, вероятность не говорит, что произойдёт именно сейчас. Если модель оценивает сценарий в 60%, четыре отрицательных исхода подряд не запрещены.

Трейдер должен заранее понимать допустимую последовательность и не повышать риск только потому, что "теперь уже обязано сработать".

ИИ может помочь посчитать диапазон исходов. Но решение, какой диапазон приемлем для конкретного капитала и психологии исполнения, требует заданных человеком границ.

Человеческая интуиция тоже не ответ

Ограничивать роль ИИ не означает переходить к торговле "по ощущениям". Интуиция легко подменяет правила объяснением задним числом. После движения любой график кажется очевидным.

Нужен промежуточный вариант: человек формулирует проверяемую модель, технология помогает её обсчитать, а решение принимается по заранее установленному протоколу. Тогда личное суждение не исчезает, но становится видимым и проверяемым.

Например, перед входом можно зафиксировать старший контекст, целевую ликвидность, условие активации, границу отмены и риск. ИИ проверит, не пропущен ли пункт, поднимет похожие сделки и рассчитает статистику.

Но нажать кнопку только потому, что модель написала уверенный текст, - плохая замена процессу.

Практический рабочий цикл

Я бы построил использование ИИ в пять этапов.

1. Сначала гипотеза. Простое объяснение, почему наблюдаемое условие вообще может иметь значение.
2. Затем данные. Полные, очищенные и сопоставимые, включая неудобные периоды и пропущенные сигналы.
3. После этого расчёт. Несколько метрик, проверочная выборка, издержки и анализ чувствительности.
4. Потом ограниченное исполнение. Тестер или минимальный допустимый масштаб с полным журналом решений.
5. Наконец мониторинг. Сравнение фактического поведения с исходной моделью и заранее заданные причины остановки.

На каждом этапе технология ускоряет работу, но не отменяет критерий качества.

Что нельзя передавать непрозрачной модели

Я бы не доверял системе самостоятельно увеличивать риск, менять правила и открывать позиции, если невозможно понять причины изменений. Особенно опасны сервисы, которые обучаются "на лету", но не показывают, какая версия работает сегодня.

Также нельзя считать объяснение после сделки доказательством. Языковая модель способна подобрать убедительную историю почти к любому движению. Полезным будет только то объяснение, критерии которого были зафиксированы до результата.

И наконец, никакой анализ не должен превращаться в обещание доходности. Даже качественная модель работает с вероятностями, а не с гарантиями.

Контрольный список

Проверяемость важнее убедительности

У модели должен оставаться след. Для каждого вывода важно сохранить версию данных, параметры, время расчёта и результат. Если через месяц ответ изменился, можно понять почему: обновились данные, поменялась версия модели или был изменён запрос.

Без такого журнала ИИ превращается в собеседника, который каждый раз рассказывает новую правдоподобную историю. В исследовании рынка этого недостаточно.

Нужна воспроизводимость: другой запуск на тех же исходных условиях должен давать сопоставимый вывод или хотя бы показывать диапазон неопределённости.

Я бы также разделял генерацию гипотез и их проверку. На первом этапе модель может предложить десятки связей. На втором каждая связь проверяется по одной процедуре на данных, которых генератор не видел.

Если ИИ и придумывает, и оценивает идею на одном массиве, риск самообмана резко растёт.

Полезна независимая ручная выборка. Не обязательно перепроверять тысячи строк, но несколько десятков случайных примеров стоит просмотреть самостоятельно. Так обнаруживаются ошибки разметки, которые общая метрика скрывает.

Если алгоритм называет нарушением корректную сделку, причина может быть не в трейдере, а в расплывчатой инструкции.

И последнее: хороший интерфейс должен показывать неопределённость. Фраза "сценарий вероятен" без диапазона, базы сравнения и числа наблюдений звучит сильнее, чем знает модель. Чем убедительнее текст, тем строже должна быть проверка источника.

Перед использованием ИИ я задаю себе вопросы:

• Какую конкретную задачу он решает?
• Можно ли проверить его вывод на данных вне настройки?
• Какие ошибки есть в источнике?
• Учитываются ли комиссии и реальное исполнение?
• Кто определяет риск и лимит остановки?
• Могу ли я объяснить решение до сделки?
• Что произойдёт, если модель недоступна или ошиблась?

Если ответы ясны, ИИ становится хорошим рабочим инструментом. Если нет, он создаёт иллюзию точности.

Будущее трейдинга, вероятно, будет тесно связано с автоматизацией. Но автоматизация полезна не там, где человек снимает с себя ответственность, а там, где он точнее видит собственный процесс. Пусть машина считает быстрее.

Решение должно оставаться внутри проверяемой системы, где понятны данные, риск и границы применения.

Больше материалов о системном анализе и роли технологий я публикую здесь: https://t.me/alhimia_tradinga

Развивайте системный подход к анализу рынка, работе с данными и контролю риска вместе с каналом Алхимия Трейдинга. Здесь внимание уделяется проверяемому процессу, а не уверенным прогнозам.

Видео о системном подходе к трейдингу доступны на Rutube, YouTube, VK Video и Дзен. Смотрите материалы о дисциплине, риске и проверке торговых решений.