Автор описывает эксперимент с LLM-алготрейдингом: после наблюдения за соревнованием Alpha Arena (ChatGPT, Gemini, DeepSeek, Claude, Grok, Qwen) команда решила собрать собственного крипто-бота, чтобы убрать человеческий фактор (страх/жадность/усталость). Базовая схема — «три экрана» (4H/1H/15m); попытки торговать на 3m привели к шуму и «хаосу». Внутри — классические индикаторы RSI/EMA/MACD/ATR, сделки разделены на трендовые и разворотные.

• Лайв-прогон System B (10.11–02.12): при коррекции BTC с $110k до $84k бот показал +1,75%, выходя в кэш или шортя.
• После разбора логов и 4 доработок риск-менеджмента ретест на истории дал +47,30% (автор связывает рывок с изменением логики фиксации прибыли).
• Ключевая проблема LLM — «галлюцинации»; для защиты внедрены Pre-trade Gates («8 врат») — 8 жёстких матфильтров до вызова API модели. Пример: Volume Gate — вход запрещён, если объём < 1,5× среднего за 20 свечей.
• Circuit Breaker: при дневной просадке 5% торговля останавливается на 24 часа.

Вывод: в LLM-трейдинге результат делают не «секретные индикаторы», а фильтрация волатильности, частичная фиксация и стоп-краны; автор также публикует структуру системного промпта и формат JSON-ответа модели для контроля решений.