Где ещё можно запустить .ipynb, кроме Anaconda?

Мы не староверы и не привязаны только к одному инструменту 🙂

Если вам удобнее работать не в локальном JupyterLab, а в облаке или в классической IDE, вот варианты, где можно запускать ноутбуки .ipynb.

Облако

Google Colab
Онлайн-среда от Google, где можно запускать ноутбуки прямо в браузере, без установки Python на компьютер.

Мы отдельно разбирали Colab тут:
https://t.me/vesperfincode/569

Облачные Jupyter-среды
Есть и другие варианты облачных Jupyter-серверов (аналог Colab, но с разными ограничениями и тарифами).
Обзор мы собирали здесь:
https://t.me/vesperfincode/629

Локальные Jupyter-интерфейсы
Jupyter Notebook (классический интерфейс)
Более старый, но до сих пор популярный вариант. Тоже ставится вместе с Anaconda. Если вам ближе классический формат “страницы с ячейками”, можно использовать его.


Универсальные IDE и редакторы
Это среды, где можно писать обычный код и (с плагинами) запускать ноутбуки.

VS Code
По сути стандарт индустрии. Ставите VS Code, добавляете расширение “Python” и “Jupyter” – после этого можно открывать и .py, и .ipynb в одном месте.

PyCharm (Professional / Community)
IDE именно под Python. В версии Professional есть нормальная поддержка ноутбуков, дебаггера, виртуальных окружений и больших проектов.

IntelliJ IDEA
Если вы уже Java-разработчик и привыкли к IDEA, можно добавить плагин Python и использовать её для анализа/редактирования кода и ноутбуков.

Zed
Новый очень быстрый редактор (на Rust), уже с поддержкой Jupyter-файлов. Подходит тем, кто хочет “лёгкий” и быстрый инструмент вместо тяжёлой IDE.

AI-редакторы и форки VS Code / PyCharm

Это инструменты со встроенным ИИ-помощником, которые умеют работать с кодом и часто основаны на VS Code или собственных движках.

Cursor
Редактор, похожий на VS Code, но с глубокой интеграцией ИИ: можно просить переписать, объяснить или дополнить код прямо в редакторе.

Windsurf (от Codeium)
Ещё один “умный” редактор, который помогает дописывать код и объяснять ошибки. Подходит, если хотите больше авто-подсказок при разработке.

Trae (от ByteDance)
Редактор с фокусом на ИИ-поддержку и автодополнение кода, особенно если вы привыкли к “умным” ассистентам.

Antigravity (Google)
Экспериментальный редактор/инструмент с ИИ-поддержкой от Google (для тех, кто любит всё новое и не боится тестировать).

PearAI
Open-source альтернатива Cursor. Идея та же: редактор + ИИ, но с открытым кодом и возможностью настроить под себя.

Void
Форк VS Code с упором на приватность (privacy-focused). Для тех, кому важно минимум телеметрии и контроль над данными.

GigaCode (решение от Сбера)
Российское решение: IDE/плагин с ИИ-подсказками, хорошей поддержкой русского языка и сценариями “объясни/исправь код”.

и др.

Дальше уже дело вкуса: главное, чтобы вы могли спокойно открыть .ipynb, запустить код из наших примеров и шаг за шагом двигаться к своим торговым роботам.

🧱 Yield Pickup Bond Swap: делаем облигации эффективнее

Пока рынки штормит, облигации часто остаются единственной зоной относительной стабильности. Но даже в облигациях деньги легко “застревают” в уставших бумагах: цена уже выросла, купон скромный, а доходность — не радует.

Чтобы это исправить, мы сделали YieldPickup.ipynb — код, который помогает переезжать из слабых облигаций в более доходные аналоги без лишнего героизма по риску.

Идея стратегии
👉 у вас есть облигация, которая подорожала и теперь даёт скромный купон / низкую доходность;
👉 на рынке есть похожая по сроку и риску, но дешевле и с выше YTM.

Логичный шаг:
👉 продать дорогую низкодоходную → купить более доходную и сопоставимую.

Что делает YieldPickup.ipynb
1) Сканирует рынок Мосбиржи
Берёт по всем доступным бумагам:
👉 цены и котировки,
👉 купоны,
👉 доходность к погашению (YTM),
👉 обороты / ликвидность.

2) Ищет кандидатов на продажу
Подсвечивает бумаги, которые имеет смысл продать, если они у вас уже есть:
👉 торгуются выше номинала,
👉 имеют низкую YTM ( доходность к погашению) относительно рынка,
👉 дают слабый текущий купон (и/или выглядят “дорого” по соотношению риск/доходность).

3) Ищет кандидатов на покупку
Отбирает бумаги, которые выглядят лучше:
👉 торгуются ниже 100% от номинала,
👉 имеют выше YTM,
👉 обладают нормальной ликвидностью (по ним реально проходят сделки).

4) Подбирает пары “свопов”
Формирует идеи в стиле:
👉 «продай А → купи Б»,
с ограничениями, чтобы не получилось “улучшили доходность ценой вечности”:
👉 без резкого увеличения срока до погашения,
👉 без ненужного роста риска (в рамках выбранного профиля).

5) Считает выгоду обмена
Для каждой пары считает:
👉 прирост купонного потока,
👉 улучшение YTM,
👉 “сдачу” — когда после свопа остаются деньги, на которые можно докупить ещё бумаг.

Профили риска в коде
Вы выбираете режим — и фильтры подстраиваются под него:
👉 conservative — только ОФЗ и максимально надёжные бумаги
👉 balanced — крепкие корпораты, разумный баланс риска/доходности
👉 aggressive — ВДО и повышенный риск ради максимальной доходности

Код формирует два файла:
1 yield_pickup_sell_candidates.csv
Список облигаций, которые имеет смысл продавать, если они есть в портфеле.
2 yield_pickup_pairs.csv
Готовые идеи обменов в формате:
«продай эту → купи вот эту → +к доходности ≈ столько-то»

Важно 🚨
👉 Комиссии учитываются ориентировочно — итог зависит от вашего тарифа/брокера.
👉 Неликвидные и “мертвые” бумаги отсекаются.
Флоатеры и сложные структурные продукты по умолчанию игнорируются, чтобы не рисовать доходность “с потолка”.


YieldPickup подсвечивает, где вы держите объективно слабые облигации, и предлагает варианты, куда можно переехать ради более высокой доходности без лишнего риска.
Решение — как всегда — за вами.

Можно пойти ещё дальше

Подключить код к роботу, чтобы он:
👉 сам отслеживал ваш портфель,
👉 по расписанию пересматривал позиции,
👉 и выполнял такие свопы автоматически.

Доработать под “ручной портфель”:
👉загружаете список своих облигаций (тикеры/ISIN/кол-во),
👉код проверяет только ваши позиции,
👉 и выдаёт swap-идеи строго под ваш портфель.

Данные для тестов: Binance-фьючерсы криптовалюты с 2018 года

Раньше мы выкладывали наборы по срочному рынку РФ (Algopack: https://t.me/vesperfincode/365 и архивы фьючерсов РФ: https://t.me/vesperfincode/403).

Теперь очередь крипты — исторические данные по Binance Futures (USDT-M) с 2018 года.

По ссылке лежат два больших архива 👇

1️⃣ futures_metrics_5m.csv.gz
Интервал: 5 минут, фьючерсы Binance USDT-M
Колонки:
create_time — время метрики (UTC)
symbol — тикер (например, BTCUSDT)
sum_open_interest — открытый интерес в монетах
sum_open_interest_value — открытый интерес в USDT
count_toptrader_long_short_ratio — L/S по количеству аккаунтов топ-трейдеров
sum_toptrader_long_short_ratio — L/S по объёму позиций топ-трейдеров (куда стоят «умные деньги»)
count_long_short_ratio — глобальный L/S всех аккаунтов (толпа)
sum_taker_long_short_vol_ratio — отношение объёма рыночных покупок к продажам (>1 — доминируют покупатели)
Техполя (можно не трогать): exchange, source, is_closed, ingested_at, updated_at.

2️⃣ candles_1m.csv.gz
Интервал: 1 минута, фьючерсы Binance USDT-M
Основные OHLCV-поля:
bucket_ts — время начала свечи (UTC)
symbol — тикер (BTCUSDT, ETHUSDT и т.п.)
open, high, low, close — цены O/H/L/C
volume — объём в базовой валюте (например, в BTC)
Полезные дополнительные:
quote_volume — объём в USDT (денежный оборот)
trade_count — число сделок за минуту (активность)
taker_buy_volume — объём рыночных покупок (в монетах)
taker_buy_quote_volume — объём рыночных покупок (в USDT)
Техполя: exchange, is_closed, source, ingested_at, updated_at.

💡 Что с этим можно делать:
👉 строить модели и фичи для ML-стратегий;
👉 тестировать стратегии без ограничений по глубине истории;
👉 работать с открытым интересом, L/S-метриками, агрессией покупателей/продавцов.

Чтобы это были не просто «файлы на десятки миллионов строк», а удобный источник данных, мы собрали всё в SQL-базу DuckDB.

🛠 Как подключиться к базе

1️⃣ Ставим DuckDB:

!pip install duckdb

2️⃣ Скачиваем файл market_data.duckdb по ссылке и указываем путь к нему в коде:

📌 Читаем свечи (таблица candles, список тикеров любой длины - от 1 до любого):

import duckdb

db_path = 'ВАШ_ПУТЬ_К_ФАЙЛУ/market_data.duckdb'

tickers = ['BTCUSDT', 'ETHUSDT', 'SOLUSDT']

with duckdb.connect(db_path, read_only=True) as con:
    placeholders = ', '.join(['?'] * len(tickers))
    
    df = con.execute(f"""
        SELECT *
        FROM candles
        WHERE symbol IN ({placeholders})
        ORDER BY bucket_ts DESC
    """, tickers).df()

print(df)

Данные тут минутные, если торгуете на старших таймфреймах — их нужно агрегировать (resample по времени).

📌 Читаем открытый интерес и метрики «кто доминирует — покупатели или продавцы» (таблица metrics):

import duckdb

db_path = 'ВАШ_ПУТЬ_К_ФАЙЛУ/market_data.duckdb'

tickers = ['BTCUSDT', 'ETHUSDT', 'SOLUSDT']  # любое количество

with duckdb.connect(db_path, read_only=True) as con:
    placeholders = ', '.join(['?'] * len(tickers))
    
    df = con.execute(f"""
        SELECT
            symbol,
            create_time,
            sum_open_interest_value,
            sum_toptrader_long_short_ratio,
            sum_taker_long_short_vol_ratio
        FROM metrics
        WHERE symbol IN ({placeholders})
        ORDER BY create_time DESC
    """, tickers).df()

print(df)

Дальше — ваша очередь 🚀

Данных очень много

🕯 Свечи (OHLCV, 1 минута)
Строк: 373.5 миллиона
Период: с 2018 по 2026 год
Тикеров: 615

📈 Метрики (настроение рынка, 5 минут)
Строк: 94.6 миллиона
Период: с конца 2021 по 2026 год
Тикеров: 612

🔥 Эфир: «ChatGPT торгует лучше трейдера?» LLM-модели торгуют сами

📅 Вторник, 10 февраля в 19:00 МСК

Вы наверняка видели заголовки вроде: «Дал ИИ $1000 — он сам торговал и обогнал рынок».

Факты из реальных экспериментов:
🎓 Университет Флориды (2023): GPT-3.5 и GPT-4 анализировали новости и торговали акциями. GPT-3.5 превратил $1 в $6.12 (+512%), GPT-4 показал +276%.

🏟 Alpha Arena (октябрь–ноябрь 2025): 6 топовых LLM получили по $10,000 на крипторынке (BTC, ETH, SOL, BNB, DOGE, XRP).

Победители:
Qwen 3 MAX: +22.3% ($12,230)
DeepSeek V3.1: +4.89% ($10,489)
​
Проигравшие:
Claude Sonnet 4.5: -30.81% (~$6,919)
Grok 4: -45.3% (~$5,470)
Gemini 2.5 Pro: -56.71% (~$4,329)
GPT-5: -62.66% (~$3,734)
​
И такое доступно каждому — без команды разработчиков и миллионных бюджетов.

На эфире разберём:
— Что на самом деле делают LLM в таких экспериментах
— В чём сила моделей: анализ новостей, генерация идей, разбор отчётов
— Где ограничения: исполнение, риск-менеджмент, смена режимов рынка
— Почему генеративный ИИ «не дотягивает» до поиска альфы

— Как собрать такой эксперимент самому

— Как с помощью ИИ генерировать и отбраковывать стратегии
— Как получить черновой код для бэктеста и робота
— Что ещё можно делать с агентами — на примере Clawdbot (OpenClaw)
— Как искать акции и строить стратегии «в стиле» известных инвесторов (библиотека Dexter)


Приходите — покажем, как это работает изнутри.

Если не хотите пропустить эфир, пройдите простую регистрацию на нашем сайте 👇

Запись эфира "Что будет, если дать ИИ (ChatGPT, DeepSeek, Grok, Gemini, Claude) управлять торговой стратегией? - 10.02.26"

4:57 – Разбор примеров простых предсказаний ИИ
14:23 – Ответы на вопросы
16:40 – LightAutoML
28:21 – Ответы на вопросы
34:45 – Backtrader + OpenAI
38:00 – Ответы на вопросы
39:00 – OpenClaw
53:48 – Ответы на вопросы

👉 Код из видео: https://disk.yandex.ru/d/hsg43JkdEi5cnQ

📌 Курсы:
VFCode: https://vesperfin.com/courses/vesperfincode-vybor/
VFCode: Поддержка: https://algotrades.ru/vf-code-podderzhka

Внимание! Внимание! Внимание!

Всем, кто записался на пробную (бесплатную) неделю на наш курс VesperfinCode «Торговые роботы для трейдинга и инвестиций»: вчера, 11 февраля, отправили на ваш email письма с инструкцией, как попасть в личный кабинет и получить доступ в группу. Посмотрите у себя в почте во входящих или папке спам. Завтра уже начало курса, поэтому лучше не теряйтесь.

Если ничего нет, была ошибка при заполнении или просто ошибка на сайте, так как некоторые не получили.

Пожалуйста, не теряйтесь и не медлите: просто заполните эту форму, и мы вам все отправим повторно. 👇

Для тех, кто идет на полный курс, также нужно поискать письмо на почте с доступами. Если его нет - форму не заполняем, а пишем на info@vesperfin.com.

🎯 Почему роботы на классических индикаторах могут сливать

RSI, MACD, Bollinger Bands — индикаторы 30–40-летней давности. А рынок с тех пор изменился до неузнаваемости: один твит может развернуть цену, режимы переключаются несколько раз за день, волатильность скачет без предупреждения. Индикаторы те же — среда совершенно другая. Отсюда типичная картина: +50% на бэктесте, минус в при запуске на рынке. Стопы выбивает на шуме, а потом цена идёт куда надо.

Проблема, конечно, не в индикаторах как таковых, а в том, что стратегия не понимает, в каком режиме сейчас рынок: тренд, флет или хаос. И не адаптируется.

Вчера на эфире в VesperfinCode: Поддержка разбирали, какие инструменты добавляем поверх базовых индикаторов 👇

📊 Yang–Zhang Volatility — фильтрует входы по уровню стресса. Высокая волатильность → сжимаем риск или пропускаем.
📐 Hurst Exponent — определяет режим: тренд, флет, случайное блуждание. Робот сам переключает логику. Готовый код есть во 2-м модуле курса VesperfinCode.
🔀 Permutation Entropy — математически меряет хаотичность ценового ряда. Энтропия высокая → структура развалилась → не торгуем.
⚠️ POT Tail-Risk — оценивает вероятность редких мощных движений. То, что классические стопы не видят.
📏 Z-score Mean Reversion — нормированное отклонение в сигмах, а не просто расстояние от MA. Точнее входы на возврат к среднему.
🛡 Динамический ATR-стоп — стоп расширяется с волатильностью и сужается без неё. Меньше выбитых стопов на шуме.
🔄 Режимная адаптация — всё вышеперечисленное работает вместе: один бот торгует и тренды, и флет, переключая параметры под текущий режим.

📈 Результат по SBER (акция) ≈+24% без плеча, Шарп > 2.6, 8 из 10 тикеров в плюсе на одних настройках. Дальше, нужен Walk-forward и оптимизация — писали об этом здесь: https://t.me/vesperfincode/639. Но уже на этом этапе результат впечатляет.

🔜 На следующей неделе публикуем обновлённого робота под Т-Банк с поддержкой их новых библиотек. Будет доступно в личном кабинете для выпускников, оповестим отдельно.

OpenClaw: делимся инструкцией по установке

На недавнем эфире мы показывали финансового помощника на базе OpenClaw — он анализировал компании, разбирал тикеры и давал рекомендации по портфелю. Запись можно посмотреть здесь: https://t.me/vesperfincode/681

Проект сейчас на пике популярности — 68 000+ звёзд на GitHub, активное сообщество и новые навыки каждый день. Как и обещали, выкладываем подробную пошаговую инструкцию, как развернуть OpenClaw для себя.

Важный момент про безопасность: технически OpenClaw можно поставить и на свой рабочий ноутбук, но мы этого не рекомендуем. Ассистент получает широкий доступ к системе, и в случае ошибки можно потерять данные. Лучше использовать отдельный сервер (VPS) или неиспользуемый компьютер.

Дальше в блоге будем разбирать продвинутые сценарии — как адаптировать OpenClaw под трейдинг, автоматизацию аналитики и работу с торговыми данными.

Всем, кто записался на курс VesperfinCode — на первый модуль, на весь курс или на тестовую неделю — и по какой-то причине ещё не заходил в личный кабинет: самое время приступить к изучению уроков.

Установите необходимые программы для работы и подготовьтесь — уже завтра первый эфир в 19:00, на котором мы напишем первый код для анализа доходностей компаний и разберём, из чего строится торговая стратегия.

Для тех, кто ещё хотел бы присоединиться, — заполняйте форму и получайте доступ на тестовую неделю.

Кто хочет подробнее посмотреть полную программу курса: https://vesperfin.com/courses/vesperfincode-vybor/

Какого брокера выбрать для торгового робота на российской бирже в 2026

Торговый робот — это не ручная торговля, и брокера для него нужно выбирать по совершенно другим критериям. Удобное мобильное приложение, красивый интерфейс и вежливый чат поддержки здесь не имеют значения. Роботу нужно другое: стабильное API, внятная документация, предсказуемые задержки и адекватные комиссии.
На российском рынке вариантов не так много, и у каждого есть свои сильные стороны и подводные камни. Разберём всё по порядку.

🪤 Ловушка «своего» брокера

У большинства трейдеров уже есть брокер — первая и единственная любовь. Там открыт счёт, привычный интерфейс, налоговая история, бонусы или те самые акции при открытии. Менять всё это дискомфортно, даже если текущий брокер объективно не подходит для автоторговли. Опять верификация, опять тесты на допуск к срочному рынку, опять разбираться в новом личном кабинете.
Но это ловушка. Смена брокера — это разовый дискомфорт на один вечер. А нестабильный API или отсутствие нормального подключения — это проблема, которая будет убивать прибыль ежедневно. Если вы пишете робота, вы должны выбирать брокера под задачу, а не подстраивать задачу под того, кто «уже есть».

📌 По каким критериям выбирать
Прежде чем смотреть на конкретные имена, нужно разобраться, что вообще важно для алготрейдинга.

🔌 Тип доступа. Есть два принципиально разных пути: прямой API (REST, gRPC, WebSocket) и терминальный шлюз (QUIK, MT5). Первый даёт свободу: робот — это лёгкий скрипт, который работает на любой ОС. Второй привязывает вас к Windows и запущенному дополнительному десктопному приложению.

🧯 Стабильность соединения. Это важнее скорости. Разрыв в нужный момент — позиция, которую не закрыли, заявка, которая зависла в воздухе. И это не абстрактный риск: терминалы заглючивают, решают обновиться в самый неподходящий момент, рвут соединение. В итоге вы либо закладываете логику уведомлений об аварии, либо периодически подключаетесь удалённо, чтобы проверить, что всё живо. Нестабильность — это не «неудобство», это прямые потери.

📈 Лимиты запросов. Для среднесрочных стратегий стандартных 200 запросов в минуту вполне хватает. Но если вы работаете на высоких частотах, нужно заранее уточнять наличие HFT-тарифов и реальные цифры — не те, что написаны в документации, а те, что подтверждены на практике другими разработчиками.

📚 Документация и SDK. Плохая документация — это не просто неудобство. Это часы на отладку того, что должно работать из коробки. Хорошее SDK на Python с готовыми примерами экономит недели.

💸 Комиссии. Для алготрейдера комиссия — не просто издержка, а полноценный элемент торговой системы, напрямую влияющий на условия работы, маржинальность стратегии. Ключевой момент — разница между Maker (лимитная заявка) и Taker (рыночная). У большинства брокеров лимитные заявки дешевле, и это напрямую влияет на то, какие стратегии вообще жизнеспособны. Конкретные цифры смысла приводить нет — тарифы меняются постоянно, актуальные данные нужно смотреть на сайте брокера в момент выбора.

🤖 Брокеры с прямым API: кого выбрать

✅ Финам — стандарт надёжности

В конце 2025 года Финам обновил торговый API до версии 2.10.0.
Главное преимущество Финама — надёжность и гибкость. Это один из немногих брокеров, который одновременно предлагает три варианта подключения: прямой API, QUIK и MT5. Для Python разработчиков есть несколько библиотек и готовые примеры роботов. Стандартный лимит — 200 запросов в минуту, но для HFT есть отдельные тарифы с прямым доступом (DMA). Документация на tradeapi.finam.ru поддерживается в актуальном состоянии, API работает на любой ОС.
Подходит: тем, кто хочет максимальную стабильность и универсальность.

🚀 Т-Банк (Тинькофф) — лучший старт, но с оговорками

T-Invest API имеет самый низкий порог входа. Недавно библиотеки обновили и окончательно ушли от бренда «Тинькофф». Документация образцовая, примеры на Python покрывают большинство сценариев, есть бесплатный Sandbox для тестирования без реальных денег. Сообщество активное, есть готовые реализации роботов — всё относительно просто и понятно.
Но здесь важно сказать прямо: за хорошие комиссии придётся оформить платную подписку, что нужно учитывать в расчётах.
Подходит: новичкам, которые хотят быстро стартовать на Python и разобраться в механике без затрат. В продакшене — с осторожностью и хорошей обработкой ошибок в коде.

⚡️ Алор — скорость и зрелость

Cамое технологически зрелое решение для HFT-алготрейдинга в России. Скорость исполнения заявки на 98-м перцентиле — около 7 мс, внутри их инфраструктуры — до 3 мс. Лимиты для HFT-тарифов поднимаются до 150 000 запросов в минуту. Комьюнити разработчиков активное, есть SDK на GitHub.
✅ Подходит: тем, для кого критична скорость, или тем, кто уже работает с серьёзными объёмами и думает об HFT.

👀 БКС — наблюдаем

API относительно новое, документация дорабатывается, массового боевого опыта в сообществе пока не накоплено. Мы уже подготовили в сигнального робота под БКС в рамках курса VesperfinCode и готовим торгового, но пока ждём ещё доработок со стороны брокера. Использовать можно, но нужно быть готовым к тому, что часть пути придётся проходить в одиночку — без опоры на чужой опыт.
✅ Подходит: тем, кто готов быть первопроходцем и не боится отлавливать баги без ориентиров.

🖥 Если без терминала никак

Иногда стратегия требует данных или функционала, которых в API просто нет. Или вы работаете с брокером, у которого другого варианта не существует, и принципиально не хотите ничего менять. Или хотите просто попробовать алготрейдинг — и двигаться дальше только при реальных результатах. В таком случае выбор сужается до двух терминалов.
Важно понимать компромисс: терминалы проигрывают по надёжности из-за дополнительного слоя программного обеспечения, зато у них нет лимитов на запросы. А для получения исторических данных под бэктесты терминалы вообще часто удобнее API.

🧩 QUIK — де-факто стандарт российского рынка. Поддерживается почти у всех брокеров: Сбер, ВТБ, Открытие, БКС, Финам и другие. Роботы пишутся на Python через Lua-оболочку (QLua). Интерфейс не менялся с начала 2000-х, зато надёжность проверена десятилетиями. Главное ограничение — жёсткая привязка к Windows.

📈 MetaTrader 5 — хорош для мультивалютных стратегий. На MOEX доступен не у всех — Финам и Открытие поддерживают, Сбер — нет. На macOS этот путь превращается в цепочку виртуализаций и костылей. В общем, мучаться и плакать.

🏠 Где будет жить ваш робот: цена инфраструктуры

Выбор брокера напрямую определяет ваши ежемесячные операционные расходы — и это нужно считать заранее, а не после того, как всё уже настроено.
Торговый робот должен работать 24/7 без сбоев электричества и интернета. Домашний ноутбук для этого не подходит: закрыли крышку, уехали — и вся логика осталась без соединения. Варианта два: аренда VPS или собственное железо. И вот здесь выбор между прямым API и терминалом начинает ощутимо влиять на кошелёк.

🪟 Путь Windows (QUIK, MT5). Привязка к терминалу означает обязательный Windows — а это «налог на инфраструктуру». Стабильный VPS на Windows обходится минимум в 1 200–1 500 рублей в месяц, то есть 15 000+ рублей в год. Собственный Mini PC — разовые затраты около 16 000–20 000 рублей.

🐧 Путь Linux (прямой API). Нормальный API превращает робота в лёгкий скрипт, который работает где угодно. Linux-VPS не требует лицензии, потребляет минимум ресурсов — цена вопроса 300–600 рублей в месяц, около 4 000 рублей в год. Альтернатива — одноплатник вроде Raspberry Pi или Orange Pi (около 9 000 рублей) или мини-ПК на Linux без лицензионных расходов. Единственный нюанс: нужно немного разобраться с настройкой — кроны, запуск скриптов, базовое администрирование. Благо, с этим хорошо справляется ИИ в роли помощника.

✅ Итог прост: выбор брокера с нормальным API экономит от 10 000 рублей в год только на инфраструктуре — деньги, которые не работают на вашу стратегию.

Итого

✅ Нужна максимальная надёжность и гибкость — Финам.
Три варианта подключения, зрелая документация, любая ОС.

⚡️ Важна скорость или вы уже работаете с большими объёмами — Алор. HFT-тарифы, минимальные задержки.

🚀 Вы новичок и хотите быстро стартовать на Python — Т-Банк для старта, Финам для боевой торговли, QUIK или MT5 — если ближе терминальный путь.


💸 Хотите минимизировать расходы на инфраструктуру — только прямой API и Linux. QUIK и MT5 здесь не вариант.