LLM-агент
Просмотрев условия конкурса, я решил разработать торгового робота на основе LLM (Large Language Model). Такие модели показывают наилучшие результаты именно в краткосрочной торговле, где важна скорость анализа и адаптация к рыночным условиям. В общих чертах система устроена так: создается агент, который анализирует рыночные данные и генерирует торговые сигналы по заданным правилам. Затем модель подключается к API биржи или брокера, проводится бэктест на исторических данных, стратегия корректируется — и после этого агент выводится в реальную торговлю.
Время на создание системы было ограничено + у меня не было опыта в создании подобных систем, поэтому было принято решение взять за основу наработки с хакатона Мосбиржи, но всё, что касается стратегии, фильтров и логики принятия решений — писал сам. В процессе создания проекта я усложнил данную систему, пытаясь вывести его в прибыль. Недавно я читал про исследование Alpha Arena, где нейросеть DeepSeek показала наилучший результат (от 11% до 126% доходности на разных этапах). Поэтому я решил подключить именно ее для анализа данных.
Характеристики:
Раз в 4 часа происходит анализ 29 тикеров ("SBER", "VTBR", "GAZP", "NVTK", "LKOH",
"YNDX", "OZON", "PLZL", "GMKN", "NLMK","CHMF", "MTSS", "AFLT", "IRAO", "HYDR", "MSNG", "X5", "MGNT", "LENT", "FIVE","ROSN", "T", "SNGS"), модель выдает заключение какие инструменты наиболее выгодны. Далее ими и торгует. (Цель такого подхода - сосредоточить капитал на самых сильных акциях, метод - анализ дневных свечей за последние 5 дней, считается доходность и отбирается в топ-5).
Правила входа в сделку:
Таймфрейм - 10-ти минутные свечи
Условия для покупки:
Текущая цена > 0,98*максимум предыдущей свечи
Текущий объем > 1* средний объем за 2 свечи
Условия для продажи:
Текущая цена < 1.02* минимум предыдущей свечи
Текущий объем > 1* средний объем за 2 свечи
Размер позиции - фиксированная сумма на одну сделку - 25000
Ограничение - только одна сделка может быть открыта по одному тикеру.
Условия выхода из сделки:
Тейк профит - +1,5% от входа
Стоп лосс - -0,8% от входа
По времени - 120 минут (после - по рыночной цене).
Плюсы LLM:
Модель работает в автоматическом режиме, проверяет рынок каждую минуту.
Код устойчив к сбоям сети
Адаптивность (подстраивается под текущие условия)
Робот строго соблюдает правила
Технические характеристики:
Язык - Python 3.x
Библиотеки - pandas, numpy, requests
Изначальный план по доходности был в районе 5–10%, однако в обоих бэктестах система показала результаты лучше. Разберем подробнее.
Я провел два бэктеста:
1 — на данных с февраля 2025 по февраль 2026 (основное тестирование). Доходность составила +3.17%, количество сделок — около 400 (за год). Основной вывод: на длинной дистанции модель показывала умеренную, но стабильную прибыль. Комиссии съедали часть результата, что характерно для высокочастотных стратегий.
2 — на данных за последнюю торговую неделю на момент теста (2–6 марта 2026). Доходность — +25.2%, количество сделок — 25. Такой результат меня устроил, поэтому я остановился на этой версии стратегии.
Благодарю организаторов за возможность попробовать себя на практике. Отдельный плюс — что конкурс позволил поработать с реальными данными и полноценного торгового робота. Как ученику 11 класса, мне было особенно интересно попробовать себя в таком формате.