Делаем LLM-советника по акциям РФ как в Alfa Arena

Habr описывает шоу-эксперимент Alfa Arena: шесть LLM (Claude, GPT, Gemini и др.) торгуют на реальные $10 тыс. каждая, но автор призывает смотреть не на доходность, а на методику. Главный урок — LLM полезна как объясняющий советник, а не «тупой бот»: она обосновывает решение человеческим языком и работает лучше при строгой постановке задачи и полном контексте.

Практика: формировать промпт как «карту местности» — задать временной контекст, текущее состояние портфеля, цены и индикаторы (MACD, RSI, EMA, ATR, объёмы) на разных ТФ. Для РФ-рынка предлагается собирать данные через Algopack/МОЕХ (пример — moexalgo) и автоматически подставлять в шаблон промпта, чтобы получить объяснимую рекомендацию.

Ключевые принципы: 1) прозрачность рассуждений (chain-of-thought вывода модели), 2) отказ от импульсивных сделок — LLM как «второй фактор» перед покупкой/продажей, 3) встроенный риск-менеджер (правила объёма позиции, торговли по тренду и т.д.), 4) экспериментальный режим без реальных денег до выработки процедур. Итог — LLM-подход переносит фокус с угадывания рынка на дисциплину данных, формализацию решений и контроль рисков.