Home Assistant внезапно оказался не таким уж локальным 🏚

Вы уверены, что ваш умный дом полностью автономный? Я тоже так думал, пока не попытался включить Samba на объекте. Система отказалась сохранять пароль, выдав неизвестную ошибку.

Оказалось, Home Assistant принудительно проверяет пароли через онлайн-сервис HIBP. Сервис в РФ не отвечает (санкции/блокировки) и HA впадает в ступор. Ирония в том, что вы не можете управлять локальным сервером по локальной сети из-за сбоя в облаке.

Написал об этом статью. В комментариях 👇

💬 «Театр безопасности» - народ негодует: почему эта функция не опциональна?

💬 Замкнутый круг - советуют отключить проверку командой ha security options --pwned=false через терминал. Но нюанс в том, что терминал часто тоже требует авторизации, которая... не проходит без интернета.

В статье разобрал рабочий метод решения проблемы через правку кода (когда консоль недоступна), а в комментариях накидали вариантов для тех, у кого система еще жива.

📖 Читайте мой текст на любом удобном ресурсе:
🔗 Хабр → https://habr.com/p/983106/
🔗 Смартлаб → https://smart-lab.ru/mobile/topic/1250388/
🔗 Пикабу → https://pikabu.ru/story/_13570135

А ещё в моём канале комментарии закрыты, но вы можете высказать мнение под статьёй – я читаю все комментарии.

Почему большие технологии долго выглядят «скучно»: фильм про DeepMind

Если интересуетесь искусственным интеллектом, то есть хороший фильм чтобы посмотреть его на выходных. Это документальный фильм, а не какой-то нейромусор.

The Thinking Game документалка про Google DeepMind, которую снимали пять лет. В центре фильма история Демиса Хассабиса и его команды, которые работали над искусственным общим интеллектом (AGI).

Сначала они обыграли человека-чемпиона мира по игре Go (AlphaGo), а кульминацией стала разработка AlphaFold — это программа на базе искусственного интеллекта, которая выполняет предсказания пространственной структуры белка, что в итоге привело к Нобелевской премии по химии за работу в этой области.

Фильм бесплатно опубликован на Ютубе.

Он на английском, но если у вас есть Яндекс Браузер, то он умеет делать многолосый перевод английских видео в русский дубляж — по качеству вполне нормально слушать (правда придётся войти в аккаунт Гугла и в аккаунт Яндекса, чтобы схема с автопереводом заработала).

Или вот нашёл ссылку на rutube, где дорожка это автоперевод на русский.

Все видео не мои, просто нашёл.

Если вам интересны кванты и их мышление рекомендую интервью с Эдвардом Торпом.

Это интервью с человеком, который стоял у истоков количественного подхода задолго до того, как это стало мейнстримом.

Интервью доступно здесь:
https://www.youtube.com/watch?v=CNvz91Jyzbg

Можно смотреть с русской озвучкой.

Друзья, прошу прощения - я давно ничего не публиковал на канале.

Последние недели копался в одной идее и писал скрипт для проверки. Получился довольно необычный эксперимент на стыке алгоритмов и финансов.

Завтра выложу статью про очень простой биржевой алгоритм.

В нём нет:
📍 технических индикаторов
📍 анализа графиков
📍 попыток угадать направление рынка

Алгоритм использует только одно - движение цены.

Парадокс в том, что такая система может проигрывать 70–90% сделок, но иногда ловить редкие сильные движения и за счёт этого выходить в прибыль.

Получился довольно парадоксальный результат. Покажу тесты и один забавный баг, из-за которого алгоритм «нашёл грааль» с доходностью +14 000% за три года.

У меня вышла книга.

Я несколько лет собирал материалы, потом компоновал и теперь она наконец напечатана и доступна к покупке.

Эта книга не учебник по программированию и не теория. Книга состоит из набора практических решений которые сам использую для разных задач от учёта инвестиций до автоматизации дома и офисных задач с документооборотом.

Внутри:
- система учёта портфеля (Excel + Python + API) с автозагрузкой котировок
- скрипты для анализа облигаций и поиска интересных выпусков
- бэктестинг инвестиционных идей (TradingView / Python)
- автоматизация отчётов и работы с данными
- бытовые сценарии: от календарей до «умного дома» без облаков

Если очень коротко о чём эта книга - о том как перестать делать руками то, что можно поручить коду. Причём не только самому писать код, но и как использовать ИИ помощников для создания этого кода.

Полное содержание моей книги Михаил Шардин — Excel, Python и API: автоматизация данных и управление офисом, домом, финансами… — СПб.: Издательство Наука и Техника, 2026 г. — 432 с. можно скачать в pdf по ссылке и познакомиться что будет внутри.

Где купить:

- Ozon за 1 453 ₽
- WB за 1 141 ₽
- В Читай‑городе за 1 699 ₽
- Напрямую на сайте издательства «Наука и Техника», г. Санкт‑Петербург за 999 ₽ + доставка (можно даже не заводить аккаунт, а просто разово купить)

На старте продаж на Ozon были бешенные цены по 5–6 тыс., потом книга вообще пропала из продажи. Сейчас снова появилась в продаже - можно успеть забрать по нормальной цене.

Если вас раздражает ручная рутина - скорее всего, найдёте внутри что-то полезное.

Предсказал цену? Это ничего не значит - ты всё равно можешь быть в минусе.

Свежая статья про машинное обучение (Machine Learning, ML) в трейдинге. Нейросети не умеют предсказывать рынок так, как это принято думать. Зато они реально полезны в другом: фильтрация сделок, режимы рынка, исполнение, микроструктура.

Главная мысль: Forecast ≠ PnL. Можно угадывать направление в 60% случаев - и стабильно терять деньги из-за комиссий и проскальзываний.

Разобрали:
- почему частный инвестор-одиночка вынужден быть «человеком-оркестром»
- где ML реально работает, а где нет
- 5 вопросов, которые стоит задать ДО того, как открывать диалог с ИИ помощником

💬 В комментариях получилось даже интереснее статьи:
• спорили про «инсайдеров» и манипуляции - большинство сошлось, что крупные игроки есть везде
• обсуждали, почему ML часто ломается на датасетах (грязные данные, противоречивые сигналы)
• зацепили важное: даже хороший прогноз не даёт точки входа/выхода
• и классика - «рабочие стратегии никто не отдаёт, иначе они умирают»

Ну и отдельная линия - многие застревают на тестах и не доходят до реальных денег.

Если вы тоже пробуете ML в трейдинге - там есть о чём подумать.

📖 Читайте мой текст на любом удобном ресурсе:
🔗 Смартлаб → https://smart-lab.ru/mobile/topic/1284773/
🔗 Хабр → https://habr.com/p/1016436/
🔗 Пикабу → https://pikabu.ru/story/_13835366

А ещё в моём канале комментарии закрыты, но вы можете высказать мнение под статьёй – я читаю все комментарии

Посмотрел недавно фильм «Удачи, веселья, не сдохни» - мне понравился.
Фильм про ИИ, который зашёл слишком далеко

Это фильм о попытке спасти мир от сошедшего с ума искусственного интеллекта, но это не мрачная фантастика, а скорее смесь сатиры, комедии и экшена.

Местами правда абсурд и поэтому смотрится легко, с очень прозрачными и понятными намёками типа зависимости людей от коротких видео. У вас нет такой?

То есть сначала люди создают ИИ, а потом пытаются с ним договорится.

В целом лёгкий фильм с хорошей идеей. Подойдёт на вечер, если не знаете, что посмотреть.

Посмотрел интересное видео около ML о том как адаптировать торговые стратегии к изменениям рыночного режима.
И здесь основная проблема в нестационарности финансовых временных рядов, где статистические свойства (среднее, дисперсия и др.) постоянно меняются со временем.
У видео есть автоперевод на русский язык.

Видео: https://www.youtube.com/watch?v=X5QcNyYRMqQ

Автор рассматривает три метода адаптации:
* Кодирование скрытых состояний (Encoding Hidden States): использование средних и других признаков для передачи «памяти» модели о предыдущей динамике рынка.
* Онлайн-обучение (Online Learning): использование алгоритмов, таких как Passive Aggressive Regressor, которые непрерывно корректируют веса модели при каждом новом тике данных, позволяя стратегии быстро переключаться между импульсной торговлей и возвратом к среднему.
* Обучение с подкреплением (Reinforcement Learning): моделирование торговли как задачи «двурукого бандита». Автор подчеркивает важность использования энтропийной регуляризации, которая предотвращает застревание модели в локальных оптимумах и заставляет её продолжать «исследование» рынка даже после изменения условий.

Буду в Питере на конференции Смартлаба в эти выходные. Если кто-то хотел увидеться вживую - пишите в личку, попробуем пересечься

🎙 Новая премьера на ТРЕЙДЕР ТВ

Мосбиржа в Excel?

В открытой студии ТРЕЙДЕР ТВ у нас побывал Михаил Шардин.

Это выпуск не только про код.
Это разговор про инфраструктуру рынка, доступность данных и самостоятельность частного инвестора.

👉 Премьера: https://youtu.be/hDcgSiCdqbA

Смотрите выпуск и пишите в комментариях: вы бы хотели получать котировки Мосбиржи прямо в Excel?

Не является индивидуальной инвестиционной рекомендацией.

Сегодня в 11:00 МСК буду в прямом эфире на Трейдер ТВ.

Поговорим о том, можно ли стабильно зарабатывать на рынке, не пытаясь постоянно угадывать его дальнейшее движение.

Обсудим:
• почему прогнозирование часто становится ловушкой для трейдера;
• кто в итоге показывает лучший результат - тот, кто пытается предсказывать рынок, или тот, кто строит систему работы с неопределённостью;
• почему стратегия «купи и держи» подходит не всем;
• можно ли получать прибыль, даже если цена актива в итоге почти не изменилась;
• что важнее для результата: точка входа или управление позицией.

Если тема алгоритмической торговли, системного подхода и управления рисками вам интересна - присоединяйтесь.

📺 Эфир начнётся сегодня в 11:00 МСК.

Выбирайте площадку для просмотра:
✓ YouTube смотреть эфир
✓ RuTube смотреть эфир
✓ VK video смотреть эфир
✓ Twitch смотреть эфир

10 минут до старта

Кто не успел вот запись:

https://www.youtube.com/live/bi86sFIIHRo?si=3rFiyIsopUuUvPzf&t=3895

Метка начала просмотра уже стоит

Как я провёл лето? Пытался понять можно ли найти в данных Московской биржи что-то, что ML сможет превратить в торговое преимущество.

Опубликовал сегодня статью про мой летний эксперимент с машинным обучением в трейдинге.
Это самое начало - фундамент - сбор истории акций и фьючерсов с 2021 года, добавления внешних факторов и попытка залезть глубже обычных свечей - в сделки, заявки и стакан.

Разобрал с статье:
📍 как восстановить историю фьючерсных контрактов, которые постоянно экспирируются;
📍 зачем мне одновременно акции и фьючерсы;
📍 почему OHLCV может быть недостаточно для ML;
📍 что можно узнать из микроструктуры рынка;
📍 какие видны сделки, заявки и намерения участников торгов в Алгопаке;
📍 можно ли самостоятельно восстановить подобные показатели Алгопака из потока сделок и стакана;

Под конец первой части статьи у меня нет ни торгового сигнала, ни работающей стратегии, ни даже уверенности, что из всей этой информации получится заработать.

Зато теперь есть исторический набор данных, на котором можно продолжать эксперимент.
И актуальный вопрос: есть ли вообще в микроструктуре Московской биржи информация, которую машинное обучение способно превратить в устойчивое торговое преимущество? Об этом - в статье.

📖 Читать:
🔗 Смартлаб → https://smart-lab.ru/mobile/topic/1343491/
🔗 Хабр → https://habr.com/p/1073786/

Если эксперимент вам интересен - особенно любопытны комментарии людей, которые работают с биржевыми данными и ML профессионально.