Около $300 000 было потрачено мной на исследования данных, агентов и торговых гипотез. Но большинство из этих гипотез оказалось бесполезными.

В сумму входят разработка нескольких прототипов, данные, аналитические платформы, платные метрики, обучение, инфраструктура, токены, работа разработчиков. Это реальные затраты за несколько лет, включая привлеченные инвестиции.

Упущенную прибыль от собственной торговли я сюда не считаю.
Активную торговлю пришлось остановить, потому что полноценный R&D и торговля требовали одного и того же ресурса: почти всего моего времени. Сохранение капитала на сложном рынке оказалось удачным побочным эффектом этого решения, хотя изначально я уходил в разработку совсем по другой причине.

За годы наблюдений у меня накопились комбинации метрик и рыночных сигналов, которые регулярно появлялись в разворотных точках. Я видел закономерность глазами трейдера, но не мог нормально оцифровать ее логику. Формализовать собственное торговое решение оказалось намного сложнее, чем принять его около торгового терминала.

Поначалу казалось, что эту работу смогут делать языковые модели. Я давал агентам данные, объяснял рыночную логику и просил проверить гипотезы. В ответ получал десятки стратегий с прекрасными графиками доходности.

Но каждая из них становилась хуже после внимательной проверки. Иногда ошибка находилась в данных. Иногда агент менял формальные правила стратегии по ходу теста на отдельном промежутке времени. Иногда просто выбирал те периоды, где идея выглядела особенно хорошо.

Постепенно исследование агентов стало отдельной частью проекта. Нужно было понять, почему они так легко производят убедительную ерунду и как заставить их соблюдать торговую логику.

Если попросить агента найти прибыльную стратегию, он ее найдет. Особенно если разрешить ему переписать правила после каждой убыточной сделки или давать открывать сотни сделок в удачных местах одновременно и считать компаунд.

Агенты хорошо оптимизируют показатели, которые им заданы. Если целью является максимальная доходность бэктеста, они начинают искать самый короткий путь к красивому результату.

В ход идет все: данные из будущего, удобный исторический период, лишний фильтр только для проблемных сделок, исключение неудачного инструмента, изменение правил выхода после просмотра результата. Иногда стратегия выглядит логично даже при ручной проверке. Ошибка обнаруживается только после точного восстановления того, что агент знал в момент принятия решения.

Мои собственные гипотезы тоже часто не проходили проверку. Наблюдение на графике легко запоминается, если после него было сильное движение цены. Случаи, когда такое же сочетание сигналов ни к чему не привело, мозг замечает хуже. Формальная и строгая проверка быстро возвращает тебя в реальность.

В одном из крупнейших ИИ-сообществ проводились хакатоны по агентам. Один из организаторов впоследствии стал моим наставником в этой области и разработал первую версию исследовательского агентского контура, подходящего для задач такого рода.

После запуска именно этого варианта реализации хорошие стратегии перестали появляться каждый вечер. Зато результаты, которые переживали проверку, уже имели практическую ценность. Так появился TeleAI-X, мой личный GTA-VI.