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
Помните, мы разбирали вайбкодинг, AI-агентов, LLM-инструменты для разработки торговых роботов? Всё это — часть нашего курса. И сегодня, 22 мая, стартует новый поток.
Если вы читали эту серию и думали «хочу попробовать, но не знаю с чего начать» — вот ваш момент.
Первые вводные уроки можно пройти бесплатно. Это не просто записи — всё как на полноценном курсе: живые эфиры, кураторы на связи, AI-ассистент VFCodeGPT который объясняет код и помогает на каждом шаге, разборы в чате, поддержка.
Вы почувствуете формат изнутри: как проходят занятия, как работает поддержка, как выглядит материал — и сами решите, хотите ли продолжать.
Курс рассчитан на тех, кто хочет разрабатывать торговых роботов на Python — с нуля, с вайбкодингом и LLM-инструментами, которые мы разбирали в этих публикациях, с реальными стратегиями и подключением к живым счетам.
Если вы читали эту серию и думали «хочу попробовать, но не знаю с чего начать» — вот ваш момент.
Первые вводные уроки можно пройти бесплатно. Это не просто записи — всё как на полноценном курсе: живые эфиры, кураторы на связи, AI-ассистент VFCodeGPT который объясняет код и помогает на каждом шаге, разборы в чате, поддержка.
Вы почувствуете формат изнутри: как проходят занятия, как работает поддержка, как выглядит материал — и сами решите, хотите ли продолжать.
Курс рассчитан на тех, кто хочет разрабатывать торговых роботов на Python — с нуля, с вайбкодингом и LLM-инструментами, которые мы разбирали в этих публикациях, с реальными стратегиями и подключением к живым счетам.
Никаких обязательств — просто приходите и смотрите.
👍16
From product to project: как собрать свою систему трейдинга
У многих стратегия существует в виде одного-двух ноутбуков: где-то лежит код, отдельно результаты тестов, в заметках — идеи, в памяти — что и зачем меняли.
Проблема в том, что через пару недель уже сложно понять:
— какие параметры были рабочими;
— почему стратегия начала сливать;
— на каких инструментах она вообще имеет смысл;
— какое изменение улучшило результат, а какое просто случайно совпало с удачным участком рынка;
— какую версию кода можно запускать, а к какой лучше не возвращаться.
На этом потоке будем превращать FlatSoft и другие флетовые стратегии, которые показали хорошую прибыль, но в текущих рыночных условиях требуют доработки, из набора отдельных файлов в полноценный рабочий проект.
Данные → гипотезы → FlatSoft → фильтры → стопы → выходы → визуализация → дневник → сервер → Git.
Что будем изучать:
👉 как подготовить данные для проверки гипотез
👉 как доработать стратегии на примере FlatSoft под разные рыночные режимы
👉 как выбрать тикеры и инструменты, на которых логика стратегии имеет смысл
👉 как сравнивать результаты по разным инструментам и разным стратегиям
👉 как синхронизировать несколько стратегий между собой
👉 как визуализировать доходность, просадки, сделки и слабые участки
👉 как проверить влияние торговых сессий: американской, азиатской, арабской и китайской
👉 как вести дневник изменений: что поменяли, зачем поменяли и какой результат получили
👉 как работать с проектом на Linux-сервере через VS Code
👉 как использовать Git, чтобы сохранять версии кода и не терять рабочие варианты
👉 как подключать новые модели и подходы, включая Kronos / ZeroShot-модели.
Что будем делать:
👉 брать готовую стратегию FlatSoft и разбирать ее логику по частям
👉 проверять, на каких рынках, инструментах и в какие периоды стратегия работает лучше или хуже
👉 добавлять фильтры, стопы, управление позицией и логику выхода
👉 сравнивать результаты до и после изменений, а не менять параметры вслепую
👉 строить графики доходности, просадок, сделок и находить слабые места стратегии
👉 фиксировать все изменения в дневнике решений, чтобы понимать, что именно дало результат
👉 собирать проектную структуру для работы на сервере, а не хранить стратегию в виде набора отдельных файлов
👉 сохранять версии кода через Git, чтобы спокойно тестировать новые идеи и в любой момент возвращаться к рабочим вариантам.
Главная задача потока — пройти со стратегией полный цикл:
код → тесты → графики → дневник решений → сервер → версии → дальнейшие улучшения.
👉 добавлять новые гипотезы
👉 сравнивать результаты
👉 отслеживать ошибки
👉 возвращаться к старым версиям кода
👉 понимать, какие изменения реально улучшили систему, а какие сделали её хуже
💰 Стоимость участия: 3 500 ₽
📩 Регистрация:
https://algotrades.ru/vf-code-podderzhka
👍11
Возможные проблемы с сертификатами и подключением к T-Bank API: что нужно сделать заранее
В ближайшие дни, недели или месяцы у части российских сайтов, банковских сервисов и API могут возникнуть проблемы с интернет-сертификатами. Это не значит, что всё перестанет работать у всех и сразу. Скорее всего, ограничения будут касаться в первую очередь санкционных компаний, которые используют международные SSL/TLS-сертификаты.
Для обычного пользователя это может выглядеть так: вы открываете сайт в Chrome, Safari, Opera, Firefox или другом браузере, а браузер показывает предупреждение, что соединение небезопасно, сертификату нет доверия или сайт не может быть открыт.
Российские сборки браузеров, например Яндекс Браузер на базе Chromium, скорее всего, будут работать корректнее, потому что в них уже может быть поддержка российских сертификатов. Но сейчас речь не про браузеры, а про торговых роботов и подключение к API.
Для тех, кто использует торговых роботов, проблема может проявиться иначе — не через предупреждение в браузере, а через ошибку подключения к API.
Например, для T-Bank / T-Invest API может появиться ошибка такого вида:
Если коротко: робот не смог установить защищённое соединение с API, потому что Python/gRPC не доверяет цепочке сертификатов.
Из всех наших роботов сильнее всего это может затронуть подключение к T-Bank / T-Invest API, потому что работа с этим API идёт через gRPC-соединение.
Если на уровне TLS-сертификата возникает ошибка, то соединение просто не устанавливается. В этом случае робот не может получить данные, проверить счёт, получить позиции или отправить запросы к API.
Это особенно актуально в таких случаях:
👉 вы переносите проект на новый компьютер;
👉 запускаете робота на новом виртуальном сервере;
👉 создаёте новое Python-окружение;
👉 обновляете библиотеку T-Invest;
👉 устанавливаете проект с нуля.
Отдельно важно: это станет особенно актуально, если у санкционных компаний действительно будут отозваны международные сертификаты.
Если сейчас у вас всё работает, ничего срочно ломать и переделывать не нужно. Но важно понимать, что после обновления библиотек, переноса проекта в новую среду или отзыва сертификатов такая ошибка может появиться.
Что стоит сделать обычным пользователям
Для обычной работы с сайтами российских банков, Госуслуг и других сервисов стоит заранее установить сертификаты Минцифры РФ.
Сделать это можно на официальном сайте Госуслуг в разделе сертификатов:
https://www.gosuslugi.ru/crt
На сайте есть инструкции и видео для компьютеров и телефонов.
Важно: не скачивайте сертификаты из случайных Telegram-каналов, архивов, форумов и непонятных сайтов. Используйте только официальный источник.
Если не хотите устанавливать сертификаты в систему, можно использовать браузеры, которые уже поддерживают российские сертификаты, например Яндекс Браузер или Атом. Но это работает только в браузере и не решает проблему подключения из Python, PyCharm, Jupyter Lab или торгового робота.
Для новых версий Python-библиотеки T-Invest появился более простой вариант: можно включить проверку через сертификат Минцифры, который уже поставляется с библиотекой.
Российские сборки браузеров, например Яндекс Браузер на базе Chromium, скорее всего, будут работать корректнее, потому что в них уже может быть поддержка российских сертификатов. Но сейчас речь не про браузеры, а про торговых роботов и подключение к API.
Для тех, кто использует торговых роботов, проблема может проявиться иначе — не через предупреждение в браузере, а через ошибку подключения к API.
Например, для T-Bank / T-Invest API может появиться ошибка такого вида:
RequestError: (<StatusCode.UNAVAILABLE: (14, 'unavailable')>,
'failed to connect to all addresses;
last error: UNKNOWN: ipv4:178.130.128.33:443:
Tls handshake failed (TSI_PROTOCOL_FAILURE):
SSL_ERROR_SSL: error:1000007d:SSL routines:OPENSSL_internal:CERTIFICATE_VERIFY_FAILED:
self signed certificate in certificate chain: OK', None)
Если коротко: робот не смог установить защищённое соединение с API, потому что Python/gRPC не доверяет цепочке сертификатов.
Почему это важно именно для T-Bank API
Из всех наших роботов сильнее всего это может затронуть подключение к T-Bank / T-Invest API, потому что работа с этим API идёт через gRPC-соединение.
Если на уровне TLS-сертификата возникает ошибка, то соединение просто не устанавливается. В этом случае робот не может получить данные, проверить счёт, получить позиции или отправить запросы к API.
Это особенно актуально в таких случаях:
👉 вы переносите проект на новый компьютер;
👉 запускаете робота на новом виртуальном сервере;
👉 создаёте новое Python-окружение;
👉 обновляете библиотеку T-Invest;
👉 устанавливаете проект с нуля.
Отдельно важно: это станет особенно актуально, если у санкционных компаний действительно будут отозваны международные сертификаты.
Если сейчас у вас всё работает, ничего срочно ломать и переделывать не нужно. Но важно понимать, что после обновления библиотек, переноса проекта в новую среду или отзыва сертификатов такая ошибка может появиться.
Что стоит сделать обычным пользователям
Для обычной работы с сайтами российских банков, Госуслуг и других сервисов стоит заранее установить сертификаты Минцифры РФ.
Сделать это можно на официальном сайте Госуслуг в разделе сертификатов:
https://www.gosuslugi.ru/crt
На сайте есть инструкции и видео для компьютеров и телефонов.
Важно: не скачивайте сертификаты из случайных Telegram-каналов, архивов, форумов и непонятных сайтов. Используйте только официальный источник.
Если не хотите устанавливать сертификаты в систему, можно использовать браузеры, которые уже поддерживают российские сертификаты, например Яндекс Браузер или Атом. Но это работает только в браузере и не решает проблему подключения из Python, PyCharm, Jupyter Lab или торгового робота.
Что нужно сделать для роботов на T-Bank / T-Invest API
Для новых версий Python-библиотеки T-Invest появился более простой вариант: можно включить проверку через сертификат Минцифры, который уже поставляется с библиотекой.
🔥10❤2
Для этого в самом начале ноутбука или Python-файла, до основных импортов T-Invest, нужно добавить:
Если вы сначала импортировали
В Jupyter Lab лучше сделать так:
Перезапустить kernel.
В первой ячейке прописать:
После обновления нужно перезапустить kernel или полностью закрыть и заново открыть Jupyter Lab, VS Code, PyCharm или терминал.
Но нужно запомнить:
👉 такая ошибка может появиться после обновления библиотеки;
👉она может появиться при переносе проекта на новый компьютер;
👉она может появиться на новом VPS;
👉она может появиться при создании нового Python-окружения;
👉это не ошибка стратегии и не ошибка токена, а проблема доверия к сертификату при подключении.
Робот по T-Bank будет доработан так, чтобы корректно работать с новой схемой подключения и сертификатами.
В проектах будет добавлена нужная настройка, чтобы при запуске в новой среде подключение к API не ломалось из-за ошибки TLS.
Если у вас сейчас всё работает — продолжайте работать как раньше.
Если после обновления или переноса проекта появится ошибка:
Это не проблема торговой стратегии и не проблема самого робота. Это техническая проблема доверия к сертификатам при защищённом подключении.
Для обычной работы с сайтами — заранее установите сертификаты Минцифры или используйте браузер с поддержкой российских сертификатов.
Для роботов T-Bank / T-Invest API — добавьте в начало кода:
Это простое действие может сэкономить много времени при переносе проекта, обновлении библиотеки или запуске робота на новом компьютере.
import osИ только после этого импортировать клиента:
os.environ["SSL_TBANK_VERIFY"] = "True"
from t_tech.invest import ClientТо есть начало кода должно выглядеть так:
import osВажно: строка
os.environ["SSL_TBANK_VERIFY"] = "True"
from t_tech.invest import Client
TOKEN = "ВАШ_ТОКЕН"
with Client(TOKEN) as client:
accounts = client.users.get_accounts()
print(accounts)
os.environ["SSL_TBANK_VERIFY"] = "True"должна быть выполнена до подключения библиотеки
t_tech.invest.Если вы сначала импортировали
Client, а потом выставили переменную окружения, эффект может не примениться.В Jupyter Lab лучше сделать так:
Перезапустить kernel.
В первой ячейке прописать:
import osИ только после этого запускать ячейки с импортами и подключением к T-Bank API.
os.environ["SSL_TBANK_VERIFY"] = "True"
После обновления нужно перезапустить kernel или полностью закрыть и заново открыть Jupyter Lab, VS Code, PyCharm или терминал.
Если всё работает — что делать сейчасЕсли ваш робот сейчас запускается, получает данные и ошибок сертификата нет, то прямо сейчас ничего срочно менять не нужно.
Но нужно запомнить:
👉 такая ошибка может появиться после обновления библиотеки;
👉она может появиться при переносе проекта на новый компьютер;
👉она может появиться на новом VPS;
👉она может появиться при создании нового Python-окружения;
👉это не ошибка стратегии и не ошибка токена, а проблема доверия к сертификату при подключении.
Что будет с нашими роботами
Робот по T-Bank будет доработан так, чтобы корректно работать с новой схемой подключения и сертификатами.
В проектах будет добавлена нужная настройка, чтобы при запуске в новой среде подключение к API не ломалось из-за ошибки TLS.
Если у вас сейчас всё работает — продолжайте работать как раньше.
Если после обновления или переноса проекта появится ошибка:
CERTIFICATE_VERIFY_FAILEDили
Tls handshake failedили
failed to connect to all addressesпервое, что нужно проверить, — включена ли переменная:
os.environ["SSL_TBANK_VERIFY"] = "True"и стоит ли новая библиотека:
t-tech-investments
Главное
Это не проблема торговой стратегии и не проблема самого робота. Это техническая проблема доверия к сертификатам при защищённом подключении.
Для обычной работы с сайтами — заранее установите сертификаты Минцифры или используйте браузер с поддержкой российских сертификатов.
Для роботов T-Bank / T-Invest API — добавьте в начало кода:
import osи только после этого импортируйте:
os.environ["SSL_TBANK_VERIFY"] = "True"
from t_tech.invest import Client
Это простое действие может сэкономить много времени при переносе проекта, обновлении библиотеки или запуске робота на новом компьютере.
👍19🔥10❤6