This media is not supported in your browser
VIEW IN TELEGRAM
Переходим на VS Code: установка Python и редактора
Для тех, кто хочет перейти с Jupyter Lab на полноценную IDE и заодно получить возможность работать с AI-агентами — записали короткое видео по установке Python и VS Code.
Кто Python уже ставил — шаг 1 можно пропустить и сразу переходить к установке VS Code.
🤝5
Что такое VS Code
VS Code (Visual Studio Code) — это IDE (интегрированная среда разработки) от Microsoft. В отличие от Jupyter Lab, который заточен под интерактивные ноутбуки, VS Code — полноценный редактор кода: подсветка синтаксиса, отладчик, терминал, расширения, интеграция с Git и, самое важное для нас, поддержка AI-агентов вроде Cline, Qwen Code и OpenCode. При этом Jupyter-ноутбуки в нём тоже открываются и работают через расширение.Те, кто мучился с именами пользователей на компьютере, написанными на кириллице, — тут такого нет, и все будет работать из коробки без дополнительных терминалов.
Шаг 1 — Установить Python
Windows: https://www.python.org/ftp/python/3.12.2/python-3.12.2-amd64.exe
⚠️ На первом экране установщика обязательно поставьте галку «Add python.exe to PATH». Это критично — без неё ни Python, ни VS Code не увидят интерпретатор, и дальше ничего не заработает. Затем нажмите «Install Now»и дождитесь окончания.
macOS: https://www.python.org/ftp/python/3.12.9/python-3.12.9-macos11.pkg
Запустите
.pkg-файл и пройдите шаги установщика. Никаких дополнительных галок ставить не нужно — Python автоматически добавится в PATH.Шаг 2 — Установить VS Code
Скачайте с официального сайта: https://code.visualstudio.com/ — кнопка «Download» на главной странице сама определит вашу ОС (Windows или macOS).
Windows — на шаге «Select Additional Tasks» поставьте галки:
Add "Open with Code" action to Windows Explorer file context menu
Add "Open with Code" action to Windows Explorer directory context menu
Register Code as an editor for supported file types
Add to PATH (обычно уже стоит — не снимайте)
Нажмите Install → Finish.
macOS — распакуйте архив и перетащите Visual Studio Code в папку «Программы».
Шаг 3 — Установить расширения
Откройте VS Code. Слева на боковой панели — иконка расширений, или нажмите
Ctrl+Shift+X (на macOS Cmd+Shift+X).Установите два расширения от Microsoft:
Python (автор: Microsoft)
Jupyter (автор: Microsoft)
Больше пока ничего не нужно — остальные пакеты подтянутся автоматически как зависимости.
После этого VS Code готов к работе: открывайте папку с проектом, запускайте
.py-файлы и .ipynb-ноутбуки — и подключайте любой из AI-агентов, которые мы разбирали в этой серии.Что еще можно поставить в Marketplace:
OpenCode
Cline
Всякие подсветки синтаксиса, например Rainbow CSV
Поддержку Docker
🤝8🙏3❤2
This media is not supported in your browser
VIEW IN TELEGRAM
Вот так можно поставить Cline, и по такому же принципу ставятся другие приложения из Marketplace VS Code.
Про Cline писали тут:
https://t.me/vesperfincode/744
https://t.me/vesperfincode/734
Про Cline писали тут:
https://t.me/vesperfincode/744
https://t.me/vesperfincode/734
🤝7🙏5
Media is too big
VIEW IN TELEGRAM
60% за месяц: стратегия на рыночных неэффективностях
Разобрали стратегию, которая ищет ситуации, когда один актив уже начал движение, а второй ещё отстаёт и может догонять лидера.
На примере OP/USDT и VLD/USDT показали, как с помощью Python, лаговых доходностей, rolling-корреляциии Z-score собрать lead-lag стратегию и сравнить её с обычным Buy & Hold.
Смотрите запись там, где вам удобно:
Rutube: https://rutube.ru/video/a710b4fc3083bbfd173e9e1155253f06/
YouTube: https://youtu.be/wXi0hc5zCRI
Дзен: https://dzen.ru/video/watch/6a0b59c74c7b16366bdb3b88
VK: https://vk.com/wall-211006598_2953
❤17
LM Studio — личный ChatGPT на вашем компьютере
Мы разобрали инструменты, которые работают через API и облако. Теперь поговорим о другом подходе: что если запустить модель прямо на своём компьютере — без интернета, без API-ключей, без ограничений?
🔗 https://lmstudio.ai
Зачем это нужно
Главных причин три.
Приватность. Ни один байт вашего кода не уходит на чужие серверы. Если вы работаете со стратегией, которую не хотите светить — локальная модель единственный по-настоящему безопасный вариант.
Офлайн. Нет интернета, VPN, ограничений — модель работает полностью локально. Актуально как для дороги, так и просто для стабильной работы без зависимости от внешних сервисов.
Бесплатность без лимитов. Никаких 1 000 запросов в день. Ограничение одно — ресурсы вашего компьютера.
Мы разобрали инструменты, которые работают через API и облако. Теперь поговорим о другом подходе: что если запустить модель прямо на своём компьютере — без интернета, без API-ключей, без ограничений?
🔗 https://lmstudio.ai
Зачем это нужно
Главных причин три.
Приватность. Ни один байт вашего кода не уходит на чужие серверы. Если вы работаете со стратегией, которую не хотите светить — локальная модель единственный по-настоящему безопасный вариант.
Офлайн. Нет интернета, VPN, ограничений — модель работает полностью локально. Актуально как для дороги, так и просто для стабильной работы без зависимости от внешних сервисов.
Бесплатность без лимитов. Никаких 1 000 запросов в день. Ограничение одно — ресурсы вашего компьютера.
Что такое LM Studio
LM Studio — десктопное приложение для запуска локальных LLM. Не требует знания командной строки: скачали, установили, выбрали модель — работаете. Доступно для Windows, macOS и Linux, бесплатно для личного использования.
Внешне — привычный чат-интерфейс, как в ChatGPT. Но под капотом — ваша локальная модель.
Установка
Скачайте с официального сайта: https://lmstudio.ai/download — кнопка автоматически определит вашу ОС.
Windows — стандартный установщик, всё по умолчанию. macOS — перетащите приложение в папку «Программы». Linux — запускается как AppImage, без установки в систему.
Какое железо нужно
Это главное ограничение. Чем больше параметров у модели — тем мощнее нужен компьютер.
LM Studio — десктопное приложение для запуска локальных LLM. Не требует знания командной строки: скачали, установили, выбрали модель — работаете. Доступно для Windows, macOS и Linux, бесплатно для личного использования.
Внешне — привычный чат-интерфейс, как в ChatGPT. Но под капотом — ваша локальная модель.
Установка
Скачайте с официального сайта: https://lmstudio.ai/download — кнопка автоматически определит вашу ОС.
Windows — стандартный установщик, всё по умолчанию. macOS — перетащите приложение в папку «Программы». Linux — запускается как AppImage, без установки в систему.
Какое железо нужно
Это главное ограничение. Чем больше параметров у модели — тем мощнее нужен компьютер.
Какое железо нужно
Это главное ограничение. Чем больше параметров у модели — тем мощнее нужен компьютер.
Для большинства задач разработки торговых роботов — модели 7–14B вполне достаточно. Компактная Qwen 7B или DeepSeek-Coder 6.7B уже уверенно помогают с рефакторингом, переносом стратегий и отладкой кода.
Это главное ограничение. Чем больше параметров у модели — тем мощнее нужен компьютер.
Для большинства задач разработки торговых роботов — модели 7–14B вполне достаточно. Компактная Qwen 7B или DeepSeek-Coder 6.7B уже уверенно помогают с рефакторингом, переносом стратегий и отладкой кода.
Квантование — почему модель 14B весит 8 ГБ
В названиях моделей вы увидите суффиксы вроде
Запомните одно правило: оптимальный баланс — Q4_K_M или Q5_K_M. Q2/Q3 — слишком много потерь, Q8 — лучшее качество, но требует больше памяти.
Какие модели выбрать для работы с кодом
Все доступны бесплатно прямо через встроенный маркетплейс LM Studio. Выбор зависит от вашего железа и задачи.
🔵 Qwen3-Coder — топ для разработки MoE-модель с контекстным окном 256 000 токенов. Доступна в двух размерах: 30B (3B активных) и 480B (35B активных). Специально разработана для coding-агентов, отлично справляется с длинными цепочками рассуждений и сложными инструментальными задачами. Версия 30B запускается на RTX 4070 Ti и выше.
🟢 DeepSeek-Coder V2 — специалист по коду Обучена на 6 триллионах токенов кода, поддерживает 338 языков программирования, контекст 128K. Как MoE-модель, активных параметров около 21B — запускается на железе с 24+ GB VRAM. Версия 6.7B запускается даже на RTX 3060 почти мгновенно.
🟡 GPT-OSS 20B — от OpenAI с открытыми весами Первые open-source модели от OpenAI. Доступны в размерах 20B и 120B, поддерживают настройку reasoning effort (low/medium/high), обучены для tool use. Лицензия Apache 2.0. Хорош если привыкли к стилю ответов ChatGPT.
🔴 Devstral от Mistral — агентный coding Специализируется на использовании инструментов, изучении кодовых баз и редактировании множества файлов. Devstral-2 добавил поддержку vision. Хорош в связке с Cline и OpenCode — разработан именно для агентных сценариев.
🟣 Codestral 2 — быстрый и точный Поддерживает более 80 языков программирования, одинаково хорошо справляется как с инструкциями, так и с автодополнением кода. Контекст 32K, хорошо работает на одной GPU.
⚪ LLaMA 4 Scout 8B — универсал для слабого железа Новейшая модель от Meta, сильна в reasoning и общих задачах. Запускается на ноутбуках с 16 GB RAM. Хороший старт если только начинаете.
⚙️ GLM-4.5 Air — reasoning + длинный контекст 106B параметров, 12B активных, контекст 128K, с thinking mode. MoE-архитектура позволяет запускать на среднем железе. Сильна в анализе кода и сложных рассуждениях.
Подробнее тут - https://lmstudio.ai/models
Также можно брать модели с Hugging Face, но лучше выбирать версии в формате GGUF.
В названиях моделей вы увидите суффиксы вроде
Q4_K_M. Это квантование — сжатие модели с небольшой потерей качества, как JPEG для изображений. Благодаря этому огромные модели помещаются на обычное потребительское железо.Запомните одно правило: оптимальный баланс — Q4_K_M или Q5_K_M. Q2/Q3 — слишком много потерь, Q8 — лучшее качество, но требует больше памяти.
Какие модели выбрать для работы с кодом
Все доступны бесплатно прямо через встроенный маркетплейс LM Studio. Выбор зависит от вашего железа и задачи.
🔵 Qwen3-Coder — топ для разработки MoE-модель с контекстным окном 256 000 токенов. Доступна в двух размерах: 30B (3B активных) и 480B (35B активных). Специально разработана для coding-агентов, отлично справляется с длинными цепочками рассуждений и сложными инструментальными задачами. Версия 30B запускается на RTX 4070 Ti и выше.
🟢 DeepSeek-Coder V2 — специалист по коду Обучена на 6 триллионах токенов кода, поддерживает 338 языков программирования, контекст 128K. Как MoE-модель, активных параметров около 21B — запускается на железе с 24+ GB VRAM. Версия 6.7B запускается даже на RTX 3060 почти мгновенно.
🟡 GPT-OSS 20B — от OpenAI с открытыми весами Первые open-source модели от OpenAI. Доступны в размерах 20B и 120B, поддерживают настройку reasoning effort (low/medium/high), обучены для tool use. Лицензия Apache 2.0. Хорош если привыкли к стилю ответов ChatGPT.
🔴 Devstral от Mistral — агентный coding Специализируется на использовании инструментов, изучении кодовых баз и редактировании множества файлов. Devstral-2 добавил поддержку vision. Хорош в связке с Cline и OpenCode — разработан именно для агентных сценариев.
🟣 Codestral 2 — быстрый и точный Поддерживает более 80 языков программирования, одинаково хорошо справляется как с инструкциями, так и с автодополнением кода. Контекст 32K, хорошо работает на одной GPU.
⚪ LLaMA 4 Scout 8B — универсал для слабого железа Новейшая модель от Meta, сильна в reasoning и общих задачах. Запускается на ноутбуках с 16 GB RAM. Хороший старт если только начинаете.
⚙️ GLM-4.5 Air — reasoning + длинный контекст 106B параметров, 12B активных, контекст 128K, с thinking mode. MoE-архитектура позволяет запускать на среднем железе. Сильна в анализе кода и сложных рассуждениях.
Подробнее тут - https://lmstudio.ai/models
Также можно брать модели с Hugging Face, но лучше выбирать версии в формате GGUF.
❤4
Как настроить поведение модели
LM Studio даёт прямой доступ к параметрам, которые меняют характер ответов:
System Prompt — «прошивка» поведения. Например: «Ты — Python-разработчик. Работаешь с Backtrader и pandas_ta. Отвечай кратко, без воды, только код и объяснение.»
Temperature — «творческость». 0.2–0.4 для точного кода, 0.7–0.9 для генерации идей.
Repeat Penalty — борьба с повторами. 1.1–1.2 — хороший старт.
Max Tokens — ограничение длины ответа. Полезно, если нужна короткая функция, а не простыня объяснений.
Локальный API-сервер
Самая мощная функция для разработчиков. LM Studio запускается как локальный сервер с OpenAI-совместимым API:
Включается в разделе Developer одним переключателем. После этого любой инструмент, работающий с OpenAI API — Cline, OpenCode, Continue и другие — может использовать вашу локальную модель вместо облачной. Бесплатный coding-агент в IDE без каких-либо лимитов. Также поддерживается MCP — можно подключать внешние инструменты прямо к локальной модели.
Для тех, кто хочет закрытый контур — и не только на своём компьютере
LM Studio + локальный API-сервер полностью решают задачу закрытого контура: запросы никуда не уходят, данные остаются на вашей машине.
Но локальный компьютер — не единственный вариант. Selectel предлагает аренду GPU-серверов для инференса и развёртывания LLM — доступны видеокарты NVIDIA Tesla T4, A2, A30, A100, V100, RTX 4090 и другие, как облачные, так и выделенные конфигурации, запускаемые от двух минут.
Отдельно у Selectel есть готовая LLM-платформа с каталогом преднастроенных моделей от OpenAI, Alibaba, DeepSeek и Mistral AI — с готовым API и приватным endpoint. Первые две недели можно тестировать бесплатно.
Это особенно актуально если:
у вас нет мощного личного железа, но нужна тяжёлая модель (33B, 70B)
вы хотите дать доступ команде — все работают через один сервер
нужна стабильная инфраструктура для продакшена, а не ноутбук
Схема та же: поднимаете Ollama или vLLM на арендованном сервере с GPU, получаете OpenAI-совместимый endpoint — и подключаете к нему любой из инструментов, которые мы разбирали в этой серии. Данные остаются внутри российской инфраструктуры, VPN не нужен.
🔗 https://selectel.ru/services/ai-ml/
Минусы — честно
Локальные модели не подключены к интернету и не знают о событиях после даты обучения. Компактные версии уступают GPT-4 или Claude Opus в сложных рассуждениях. И без минимум 16 GB RAM это дело заранее безнадёжное.
Но для задач, которые мы разбираем — перенос стратегий, рефакторинг, отладка кода — локальные модели справляются очень достойно.
⚠️ Всегда проверяйте результат перед использованием в реальном коде.
LM Studio даёт прямой доступ к параметрам, которые меняют характер ответов:
System Prompt — «прошивка» поведения. Например: «Ты — Python-разработчик. Работаешь с Backtrader и pandas_ta. Отвечай кратко, без воды, только код и объяснение.»
Temperature — «творческость». 0.2–0.4 для точного кода, 0.7–0.9 для генерации идей.
Repeat Penalty — борьба с повторами. 1.1–1.2 — хороший старт.
Max Tokens — ограничение длины ответа. Полезно, если нужна короткая функция, а не простыня объяснений.
Локальный API-сервер
Самая мощная функция для разработчиков. LM Studio запускается как локальный сервер с OpenAI-совместимым API:
http://localhost:1234/v1
Включается в разделе Developer одним переключателем. После этого любой инструмент, работающий с OpenAI API — Cline, OpenCode, Continue и другие — может использовать вашу локальную модель вместо облачной. Бесплатный coding-агент в IDE без каких-либо лимитов. Также поддерживается MCP — можно подключать внешние инструменты прямо к локальной модели.
Для тех, кто хочет закрытый контур — и не только на своём компьютере
LM Studio + локальный API-сервер полностью решают задачу закрытого контура: запросы никуда не уходят, данные остаются на вашей машине.
Но локальный компьютер — не единственный вариант. Selectel предлагает аренду GPU-серверов для инференса и развёртывания LLM — доступны видеокарты NVIDIA Tesla T4, A2, A30, A100, V100, RTX 4090 и другие, как облачные, так и выделенные конфигурации, запускаемые от двух минут.
Отдельно у Selectel есть готовая LLM-платформа с каталогом преднастроенных моделей от OpenAI, Alibaba, DeepSeek и Mistral AI — с готовым API и приватным endpoint. Первые две недели можно тестировать бесплатно.
Это особенно актуально если:
у вас нет мощного личного железа, но нужна тяжёлая модель (33B, 70B)
вы хотите дать доступ команде — все работают через один сервер
нужна стабильная инфраструктура для продакшена, а не ноутбук
Схема та же: поднимаете Ollama или vLLM на арендованном сервере с GPU, получаете OpenAI-совместимый endpoint — и подключаете к нему любой из инструментов, которые мы разбирали в этой серии. Данные остаются внутри российской инфраструктуры, VPN не нужен.
🔗 https://selectel.ru/services/ai-ml/
Минусы — честно
Локальные модели не подключены к интернету и не знают о событиях после даты обучения. Компактные версии уступают GPT-4 или Claude Opus в сложных рассуждениях. И без минимум 16 GB RAM это дело заранее безнадёжное.
Но для задач, которые мы разбираем — перенос стратегий, рефакторинг, отладка кода — локальные модели справляются очень достойно.
⚠️ Всегда проверяйте результат перед использованием в реальном коде.
❤4🔥1
Как настроить поведение модели
LM Studio даёт прямой доступ к параметрам, которые меняют характер ответов:
System Prompt — «прошивка» поведения. Например: «Ты — Python-разработчик. Работаешь с Backtrader и pandas_ta. Отвечай кратко, без воды, только код и объяснение.»
Temperature — «творческость». 0.2–0.4 для точного кода, 0.7–0.9 для генерации идей.
Repeat Penalty — борьба с повторами. 1.1–1.2 — хороший старт.
Max Tokens — ограничение длины ответа. Полезно, если нужна короткая функция, а не простыня объяснений.
Локальный API-сервер
Самая мощная функция для разработчиков. LM Studio запускается как локальный сервер с OpenAI-совместимым API:
Включается в разделе Developer одним переключателем. После этого любой инструмент, работающий с OpenAI API — Cline, OpenCode, Continue и другие — может использовать вашу локальную модель вместо облачной. Бесплатный coding-агент в IDE без каких-либо лимитов. Также поддерживается MCP — можно подключать внешние инструменты прямо к локальной модели.
Для тех, кто хочет закрытый контур — и не только на своём компьютере
LM Studio + локальный API-сервер полностью решают задачу закрытого контура: запросы никуда не уходят, данные остаются на вашей машине.
Но локальный компьютер — не единственный вариант. Selectel предлагает аренду GPU-серверов для инференса и развёртывания LLM — доступны видеокарты NVIDIA Tesla T4, A2, A30, A100, V100, RTX 4090 и другие, как облачные, так и выделенные конфигурации, запускаемые от двух минут.
Отдельно у Selectel есть готовая LLM-платформа с каталогом преднастроенных моделей от OpenAI, Alibaba, DeepSeek и Mistral AI — с готовым API и приватным endpoint. Первые две недели можно тестировать бесплатно.
Это особенно актуально если:
у вас нет мощного личного железа, но нужна тяжёлая модель (33B, 70B)
вы хотите дать доступ команде — все работают через один сервер
нужна стабильная инфраструктура для продакшена, а не ноутбук
Схема та же: поднимаете Ollama или vLLM на арендованном сервере с GPU, получаете OpenAI-совместимый endpoint — и подключаете к нему любой из инструментов, которые мы разбирали в этой серии. Данные остаются внутри российской инфраструктуры, VPN не нужен.
🔗 https://selectel.ru/services/ai-ml/
Минусы — честно
Локальные модели не подключены к интернету и не знают о событиях после даты обучения. Компактные версии уступают GPT-4 или Claude Opus в сложных рассуждениях. И без минимум 16 GB RAM это дело заранее безнадёжное.
Но для задач, которые мы разбираем — перенос стратегий, рефакторинг, отладка кода — локальные модели справляются очень достойно.
⚠️ Всегда проверяйте результат перед использованием в реальном коде.
LM Studio даёт прямой доступ к параметрам, которые меняют характер ответов:
System Prompt — «прошивка» поведения. Например: «Ты — Python-разработчик. Работаешь с Backtrader и pandas_ta. Отвечай кратко, без воды, только код и объяснение.»
Temperature — «творческость». 0.2–0.4 для точного кода, 0.7–0.9 для генерации идей.
Repeat Penalty — борьба с повторами. 1.1–1.2 — хороший старт.
Max Tokens — ограничение длины ответа. Полезно, если нужна короткая функция, а не простыня объяснений.
Локальный API-сервер
Самая мощная функция для разработчиков. LM Studio запускается как локальный сервер с OpenAI-совместимым API:
http://localhost:1234/v1
Включается в разделе Developer одним переключателем. После этого любой инструмент, работающий с OpenAI API — Cline, OpenCode, Continue и другие — может использовать вашу локальную модель вместо облачной. Бесплатный coding-агент в IDE без каких-либо лимитов. Также поддерживается MCP — можно подключать внешние инструменты прямо к локальной модели.
Для тех, кто хочет закрытый контур — и не только на своём компьютере
LM Studio + локальный API-сервер полностью решают задачу закрытого контура: запросы никуда не уходят, данные остаются на вашей машине.
Но локальный компьютер — не единственный вариант. Selectel предлагает аренду GPU-серверов для инференса и развёртывания LLM — доступны видеокарты NVIDIA Tesla T4, A2, A30, A100, V100, RTX 4090 и другие, как облачные, так и выделенные конфигурации, запускаемые от двух минут.
Отдельно у Selectel есть готовая LLM-платформа с каталогом преднастроенных моделей от OpenAI, Alibaba, DeepSeek и Mistral AI — с готовым API и приватным endpoint. Первые две недели можно тестировать бесплатно.
Это особенно актуально если:
у вас нет мощного личного железа, но нужна тяжёлая модель (33B, 70B)
вы хотите дать доступ команде — все работают через один сервер
нужна стабильная инфраструктура для продакшена, а не ноутбук
Схема та же: поднимаете Ollama или vLLM на арендованном сервере с GPU, получаете OpenAI-совместимый endpoint — и подключаете к нему любой из инструментов, которые мы разбирали в этой серии. Данные остаются внутри российской инфраструктуры, VPN не нужен.
🔗 https://selectel.ru/services/ai-ml/
Минусы — честно
Локальные модели не подключены к интернету и не знают о событиях после даты обучения. Компактные версии уступают GPT-4 или Claude Opus в сложных рассуждениях. И без минимум 16 GB RAM это дело заранее безнадёжное.
Но для задач, которые мы разбираем — перенос стратегий, рефакторинг, отладка кода — локальные модели справляются очень достойно.
⚠️ Всегда проверяйте результат перед использованием в реальном коде.
🔥9😁1
Как AI-агенты меняют разработку торговых роботов?
Мы разобрали весь стек инструментов — от терминальных агентов до офлайн-моделей на телефоне. Теперь поговорим о том, как это всё складывается в реальный рабочий процесс.
Для чего реально полезны дешёвые LLM
Бесплатные и дешёвые модели — не замена дорогим, а отдельный инструмент под конкретные задачи:
Чёрная работа — генерация шаблонного кода, переименование переменных, написание docstring, форматирование. Тратить на это токены GPT-5 нет смысла.
Исправление ошибок — найти синтаксическую ошибку, разобраться с traceback, проверить логику условия. Компактная локальная модель справляется за секунды.
Цикличная генерация — вот где открывается настоящий потенциал. Запустить конвейер на 100 идей и дать ему работать ночью — это задача как раз для дешёвых моделей.
Конвейер идей и тестов
Представьте такую схему:
Дешёвые модели делают объёмную подготовительную работу. Дорогие — разбирают сложные случаи и принимают решения. Вы смотрите результат, а не пишете код вручную.
Мы собрали именно такой пример кода — он уже работает и доступен ниже. 👇
Что делает скрипт
Скрипт в цикле перебирает список торговых идей и для каждой:
👉 Передаёт идею AI-ассистенту, который формирует подробное описание торговой стратегии
👉 Передаёт стратегию второму ассистенту, который пишет полноценный код бэктеста на Backtrader
👉 Сохраняет стратегию в
Вы открываете папку — и видите готовые
Что можно добавить и улучшить
Скрипт — это точка старта, а не финал. Вот что логично развивать дальше:
Расширение источников идей:
👉 Загружать научные статьи по трейдингу — модель читает статью и строит стратегию по её методологии
👉 Загружать
👉 Парсить TradingView — там не только описания стратегий, но и готовые результаты бэктестов прямо на странице
👉 Скачивать транскрипты YouTube-видео по трейдингу и делать стратегии на их основе
Автоматизация цикла:
👉 Бесконечный цикл генерации и тестирования 24/7
👉 Отдельный агент, который сам генерирует список индикаторов и их комбинаций, а затем передаёт их в конвейер
Локальные модели:
Заменить облачный API на LM Studio или Ollama — тогда весь конвейер работает офлайн, без расходов на токены и без утечки идей
Это не финальный продукт — это отправная точка. Добавляйте свои идеи в список
Представьте такую схему:
Ваши идеи / наброски
↓
Дешёвая модель (LM Studio, OpenCode, Qwen)
генерирует список стратегий и код бэктестов
↓
Backtrader прогоняет каждую стратегию автоматически
↓
Дорогая модель (Claude Opus, GPT-5) анализирует
результаты и выбирает перспективные
↓
Вы смотрите финальный отчёт
Дешёвые модели делают объёмную подготовительную работу. Дорогие — разбирают сложные случаи и принимают решения. Вы смотрите результат, а не пишете код вручную.
Мы собрали именно такой пример кода — он уже работает и доступен ниже. 👇
Что делает скрипт
Скрипт в цикле перебирает список торговых идей и для каждой:
👉 Передаёт идею AI-ассистенту, который формирует подробное описание торговой стратегии
👉 Передаёт стратегию второму ассистенту, который пишет полноценный код бэктеста на Backtrader
👉 Сохраняет стратегию в
strategies/ и код бэктеста в bt_code/Вы открываете папку — и видите готовые
.py-файлы по каждой идее из списка.Что можно добавить и улучшить
Скрипт — это точка старта, а не финал. Вот что логично развивать дальше:
Расширение источников идей:
👉 Загружать научные статьи по трейдингу — модель читает статью и строит стратегию по её методологии
👉 Загружать
.py-файлы существующих стратегий — модель формирует вариации👉 Парсить TradingView — там не только описания стратегий, но и готовые результаты бэктестов прямо на странице
👉 Скачивать транскрипты YouTube-видео по трейдингу и делать стратегии на их основе
Автоматизация цикла:
👉 Бесконечный цикл генерации и тестирования 24/7
👉 Отдельный агент, который сам генерирует список индикаторов и их комбинаций, а затем передаёт их в конвейер
Локальные модели:
Заменить облачный API на LM Studio или Ollama — тогда весь конвейер работает офлайн, без расходов на токены и без утечки идей
Это не финальный продукт — это отправная точка. Добавляйте свои идеи в список
trading_ideas, меняйте модели, подключайте локальные LLM через LM Studio — и конвейер начнёт работать на вас.🔥15❤2👏1
Мы уже разбирали в блоге два инструмента, которые показывают рынок изнутри:
1️⃣ huge_trades.py — агрегатор крупных сделок Суммирует все ордера, проходящие в одну секунду. Если сумма превышает $500k для BTC/ETH или $100k для альтов — выводит алерт. 🟦 Крупная покупка (набор позиции) 🟪 Крупная продажа (фиксация прибыли) → https://t.me/vesperfincode/604
2️⃣ liqs.py — монитор ликвидаций Ловит моменты, когда биржа принудительно закрывает позиции трейдеров (ликвидации > $3k). 🟦 Ликвидации шортов — рынок может продолжить рост 🟪 Ликвидации лонгов — часто формируются локальные экстремумы → https://t.me/vesperfincode/590
Когда на рынке появляется крупный игрок, это часто видно не по новости и не по обычной свечке — а по объёмам, аномальным сделкам, кластерам и зонам накопления. На этом потоке будем искать такие признаки не «на глаз», а через данные и код.
Что будем изучать:
👉 как анализировать объёмы и находить аномальные участки
👉 как находить крупные сделки и всплески активности
👉 как определять зоны интереса крупных участников
👉 как отличать рыночный шум от реального следа крупного игрока
👉 как рассчитывать вероятные области входа и выхода «крупных рук»
👉 как встроить эти данные в стратегию или фильтр для робота
Что будем делать на практике:
👉 собирать данные по объёмам и сделкам
👉 искать аномалии в потоке сделок
👉 строить зоны интереса на графике
👉 тестировать, дают ли такие зоны реальное преимущество
👉 добавлять фильтры крупных игроков в стратегию
Результат потока:
👉 поймёте, как через Python искать признаки активности крупных участников
👉 получите код для анализа объёмов, сделок и зон интереса
👉 сможете использовать эти сигналы как отдельную стратегию или 👉 дополнительный фильтр к уже существующей системе
Кому подойдёт: тем, кто уже знаком с Python и торговыми роботами и хочет глубже понимать, что происходит «под свечами», и добавлять в стратегии не только индикаторы, но и данные активности участников рынка.
💰 Стоимость участия: 3 500 ₽
1️⃣ huge_trades.py — агрегатор крупных сделок Суммирует все ордера, проходящие в одну секунду. Если сумма превышает $500k для BTC/ETH или $100k для альтов — выводит алерт. 🟦 Крупная покупка (набор позиции) 🟪 Крупная продажа (фиксация прибыли) → https://t.me/vesperfincode/604
2️⃣ liqs.py — монитор ликвидаций Ловит моменты, когда биржа принудительно закрывает позиции трейдеров (ликвидации > $3k). 🟦 Ликвидации шортов — рынок может продолжить рост 🟪 Ликвидации лонгов — часто формируются локальные экстремумы → https://t.me/vesperfincode/590
Настало время погрузиться в эту тему полностью и собрать рабочий пайплайн и стратегии.
Когда на рынке появляется крупный игрок, это часто видно не по новости и не по обычной свечке — а по объёмам, аномальным сделкам, кластерам и зонам накопления. На этом потоке будем искать такие признаки не «на глаз», а через данные и код.
Что будем изучать:
👉 как анализировать объёмы и находить аномальные участки
👉 как находить крупные сделки и всплески активности
👉 как определять зоны интереса крупных участников
👉 как отличать рыночный шум от реального следа крупного игрока
👉 как рассчитывать вероятные области входа и выхода «крупных рук»
👉 как встроить эти данные в стратегию или фильтр для робота
Что будем делать на практике:
👉 собирать данные по объёмам и сделкам
👉 искать аномалии в потоке сделок
👉 строить зоны интереса на графике
👉 тестировать, дают ли такие зоны реальное преимущество
👉 добавлять фильтры крупных игроков в стратегию
Результат потока:
👉 поймёте, как через Python искать признаки активности крупных участников
👉 получите код для анализа объёмов, сделок и зон интереса
👉 сможете использовать эти сигналы как отдельную стратегию или 👉 дополнительный фильтр к уже существующей системе
Кому подойдёт: тем, кто уже знаком с Python и торговыми роботами и хочет глубже понимать, что происходит «под свечами», и добавлять в стратегии не только индикаторы, но и данные активности участников рынка.
💰 Стоимость участия: 3 500 ₽
📩 Регистрация: https://algotrades.ru/vf-code-podderzhka
❤6