ИИ в ценных бумагах и биржевой торговле: алгоритмическая торговля, анализ настроений и автоматизация брокеридж

На Московской бирже >60% объёма торгов — алгоритмические. На NYSE — >70%. Это рынок, где скорость измеряется микросекундами, объём данных — петабайтами, и человек давно проиграл машине в рутинных решениях. Но человек по-прежнему задаёт стратегию.

Кейс 1. Quant-стратегии на Московской бирже

Инструменты

• Python + pandas/numpy: обработка исторических данных Мосбиржи
• ML-модели: регрессия, random forest, LSTM для предсказания цен
• Backtesting frameworks: QuantConnect, Backtrader, Zipline
• API Мосбиржи: реальный датафид и исполнение ордеров

Российский контекст

После 2022 года: закрытие западных рынков для российских розничных инвесторов → концентрация на российских активах. Рынок стал менее эффективным (ушли международные маркетмейкеры) → больше аномалий для алгоритмического использования.

Типичные стратегии на Мосбирже:

• Pairs Trading: ГМК + РУСАЛ (коинтегрированные пары по металлу)
• Momentum: ML выявляет трендовые акции по объёму и цене
• Sentiment: парсинг t.me/каналов про инвестиции + NLP-сентимент → торговые сигналы

Инструменты: FINAM API, Тинькофф Invest API (бесплатно для розничных инвесторов), АЛОР Брокер.

Результаты и риски

Реалистичные ожидания:

• Простые ML-стратегии (momentum, pairs) — при правильном исполнении: +10–20% годовых сверх рынка (до 2022)
• После 2022: рынок изменился, многие стратегии перестали работать
• Transaction costs (спред + комиссия): часто съедают прибыль у розничных алго-трейдеров

Ключевое предупреждение: backtesting overfit — стратегия отлично работает на историческом периоде, но не работает на новых данных. Самая частая ошибка начинающих алго-трейдеров.

Кейс 2. AI-Sentiment анализ для инвестиционных решений

Инструменты

• NLP-анализ новостей: Reuters, Коммерсантъ, Интерфакс
• Telegram-каналы разборов компаний + сентимент
• Анализ отчётов и раскрытий через NLP
• Alternative Data: спутниковые снимки, вакансии как опережающий индикатор

Что происходит

Профессиональный инвестор раньше тратил часы на чтение новостей по компаниям в портфеле. NLP-система: «за прошлую неделю по акциям Сбера — 847 новостей. Общий сентимент: 68% позитивный. Ключевые темы: дивиденды, прибыль, цифровизация. Негативные упоминания: санкции (12%), регуляторные изменения (8%)». Дайджест за 2 минуты.

ChatGPT для анализа отчётов: загрузить PDF квартального отчёта → «Выяви ключевые финансовые тренды, аномалии, риск-факторы, на что обратить внимание как инвестору».

Результаты

• Время на мониторинг портфеля с NLP: снижение с 3 часов до 30 минут
• Информационное преимущество: выявление значимых новостей раньше массового рынка

Кейс 3. AI-инструменты для розничного инвестора в России

Доступные решения

Аналитические платформы:

• Conomy.ru: ML-анализ российских акций, финансовые мультипликаторы
• Smart-lab: сообщество + AI-скрининг акций
• Тинькофф Пульс + AI-фильтр: выявление качественных идей

ChatGPT для инвестиционного анализа (с оговорками):

• «Вот финансовая отчётность Сбербанка за 3 года. Рассчитай ключевые мультипликаторы, выяви тренды, сравни с историческими значениями»
• «Объясни мне что такое WACC и как применить для оценки акции Лукойла»

Важные ограничения:

• ChatGPT знает данные до даты отсечки — нет актуальных котировок
• AI не является инвестиционным консультантом и не несёт ответственности
• Прошлая доходность не гарантирует будущую

Источники: Московская биржа статистика алгоритмической торговли, ЦБ России отчёт о рынке ценных бумаг, QuantConnect community data.