ИИ Агент для скоринга торговых рекомендаций
Исходный код, разобранный в статье, опубликован по ссылке
Триллионер «на час». SpaceX после IPO
6 августа истекает первый lock-up период для акций SpaceX. Сотрудники и другие инсайдеры, которым было запрещено торговать акциями после июньского IPO, смогут продать часть своих бумаг — до 911,5 млн акций, или 20% от заблокированных.Это важный момент для компании Илона Маска, который может повлиять на динамику бумаг. Триггером для разблокировки стал первый квартальный отчёт SpaceX после IPO, опубликованный на этой неделе.
ИИ-агенты в трейдинге: от рекомендаций к автономному управлению. Разбор тренда, рисков и архитектурных решений
Представьте, что вы сообщаете ИИ-агенту, на какой риск готовы пойти, какие у вас цели по накоплениям на пенсию и когда ваши дети поступят в колледж, а затем позволяете ему управлять вашим инвестиционным портфелем и спокойно спите по ночам.Эта концепция агентской торговли, при которой искусственный интеллект не просто рекомендует инвестиции, но и сам их совершает, постепенно становится реальностью. Брокерские компании, стартапы и даже частные инвесторы создают ИИ-агентов, которые помогают управлять портфелями и автоматизируют инвестиционные задачи, которые раньше выполняли люди.
QuantCode-Bench: умеют ли LLM генерировать исполняемые алгоритмические торговые стратегии
Большие языковые модели уже показывают высокие результаты в задачах программирования общего назначения. Они умеют генерировать код, исправлять ошибки, работать с существующими репозиториями и решать задачи, для которых ещё несколько лет назад требовалось непосредственное участие разработчика.Однако в прикладных областях одной синтаксической корректности недостаточно. Модель должна не только написать валидный код, но и правильно интерпретировать предметную постановку, использовать специализированный API и обеспечить требуемое поведение программы при исполнении.
ИИ в трейдинге: инструмент, а не волшебная таблетка. Как строить системы, тестировать гипотезы и не потерять деньги
Искусственный интеллект способен помочь вам торговать эффективнее. Однако он не делает вас автоматически прибыльным трейдером. Ни одна платформа, торговый робот, сигнальная система или алгоритм не могут гарантировать получение прибыли, подчеркивают авторы статьи в VentureBurn.По-прежнему имеют значение:квалификация трейдера;размер торгового счёта;текущие рыночные условия;качество управления рисками;используемая стратегия;способность вовремя остановиться.
Розничные трейдеры 2020-х: почему молодые инвесторы идут на риск и что это значит для рынка
Ишу Лакхи было 16 лет, и он подрабатывал на автозаправке, когда открыл свой первый брокерский счёт на имя матери. Интерес к инвестициям быстро перерос в серьёзное увлечение, и к моменту, когда пандемия перевела обучение в дистанционный формат, он уже был студентом первого курса колледжа. Оказавшись запертым в доме родителей в Миннесоте, Лакхи продолжил торговать, но уже через собственный счёт в Robinhood Markets.
Регулирование криптовалют в России: убить то, что так и не смогли понять за прошедшие 17 лет
Сразу обозначу: это моё личное мнение, и оно злое. Потому что то, что сейчас собираются принять под видом «регулирования криптовалют», — это не регулирование. Это управляемое уничтожение целой отрасли, замаскированное под оное «регулирование» и очередную «защиту наших граждан и их денег от них самих». И самое мерзкое — что делают это люди, которые либо не понимают, как работает крипта, либо прекрасно понимают и делают это сознательно, и тогда все еще хуже, чем кажется на первый взгляд.Ура! Наконец‑то ЦБ легализует криптовалюты!
Гринд ликвидности с помощью ИИ
Исходный код опубликован в этом репозитории на GitHub
Прогноз волатильности в 3 строки кода без знания ML
Привет, друзья! Меня зовут Денис, я алгоритмический трейдер и разработчик.Когда я пришёл в алготрейдинг, мне очень хотелось быстро применить машинное обучение. Но для этого нужно было разбираться в ML и Data Science, а я только начинал. Сейчас я уже разбираюсь, но знаю, что далеко не все трейдеры готовы тратить на это месяцы.Специально для тех, кто хочет попробовать ML для прогноза волатильности без глубоких знаний, я сделал библиотеку dquant.Теперь можно обучить модель, вообще не разбираясь в feature engineering, сплитах и гиперпараметрах. Нужны лишь знания python и уметь достать сырые данные (open, close, high, low, volume).
