Исследовательский торговый бот на AI

Обыгрывает ли рассуждение индикаторы на длинных удержаниях?

Это не продукт. Это эксперимент с вопросом, который можно опровергнуть: на позициях, которые держат днями, а не секундами, принимает ли языковая модель, читающая те же данные, решения лучше, чем движок правил?

Работает на бумаге, на реальных ценах и с жёстким дневным лимитом убытка.

Модель предлагает, движок риска решает размер.

Claude читает рыночный контекст и выдаёт тезис с числом уверенности. Движок риска — обычный детерминированный код — превращает уверенность в размер позиции, ограниченный доступным балансом и дневным лимитом убытка. Модель никогда не назначает размер своим ставкам сама.

Каждое решение пишется в журнал вместе с данными, на которых оно принято, поэтому плохую сделку можно проиграть заново и обсудить.

Планировщик, биржа, журнал, дашборд.

Python 3.12. ccxt для доступа к биржам, pandas-ta для индикаторов, Anthropic Claude Opus для шага рассуждения, SQLAlchemy поверх aiosqlite как журнал, APScheduler крутит цикл, Streamlit для дашборда.

Обнадёживает — и всё ещё эксперимент.

Неделя на 100 долларах на бумаге — это сигнал, а не результат. Здесь он и описан как есть: открытый эксперимент с сохранёнными логами.