5 AI-промптов для трейдера: индикаторы, торговые боты и стратегии под копирование

Трейдерский промпт содержит четыре обязательных элемента: инструмент и таймфрейм («акции Московской биржи, дневной график»), задачу с форматом вывода («напиши код на Python»), ограничения («использовать только библиотеку pandas-ta») и контекст стратегии («сигнал на основе пересечения EMA 9 и EMA 21»). Без этих элементов ChatGPT выдаёт обобщённый ответ, непригодный для прямого использования. Нюанс: чем сложнее стратегия, тем важнее разбивать задачу на последовательные промпты, а не пытаться получить всё в одном запросе.

Рабочий шаблон: «Ты опытный quant-разработчик. Напиши код на Python с использованием библиотеки pandas-ta для расчёта [название индикатора] на дневных данных OHLCV. Входные данные — DataFrame с колонками open, high, low, close, volume. Выведи сигнал: 1 (покупка), -1 (продажа), 0 (нейтрально). Добавь комментарии к каждому блоку кода. Не используй сторонние API». Результат — готовый функциональный блок, который вставляешь в существующий пайплайн. Нюанс: всегда проверяй импорты и версии библиотек — ChatGPT может указать устаревший синтаксис.

Промпт для сигнала: «Проанализируй следующие данные по [тикер, например SBER] за последние 20 торговых дней: [вставить OHLCV-данные или описание картины]. Определи текущий тренд, уровни поддержки и сопротивления, дай торговый сигнал (лонг/шорт/выжидать) с обоснованием. Формат ответа: сигнал → уровень входа → стоп-лосс → цель». Нюанс: ChatGPT не имеет доступа к реальным котировкам в реальном времени — данные нужно вставлять вручную или через инструменты с веб-поиском (Perplexity, Bing Copilot).

Шаблон для автостратегии: «Напиши торговую стратегию на Python для подключения к API брокера [название]. Условия входа в лонг: [условие 1] и [условие 2]. Стоп-лосс: [X]% от цены входа. Тейк-профит: [Y]%. Размер позиции: не более [Z]% от депозита. Добавь логирование каждой сделки в CSV. Используй только стандартные библиотеки и requests». Нюанс: код для реального брокерского API (Т-Инвестиции, Финам, Альфа-Директ) требует тестирования в sandbox-режиме — никогда не запускай сгенерированный код сразу на боевом счёте.

Промпт для бэктеста: «Напиши скрипт на Python для бэктеста следующей стратегии на исторических данных: [описание правил входа и выхода]. Входные данные — CSV-файл с OHLCV. Рассчитай: общую доходность, максимальную просадку, количество сделок, процент прибыльных, коэффициент Шарпа. Выведи результаты в таблицу и постройте equity curve через matplotlib». ChatGPT генерирует полный рабочий скрипт за один запрос. Нюанс: результаты бэктеста на исторических данных не гарантируют аналогичного поведения в будущем — это инструмент проверки логики, а не прогноза.

Шаблон: «Рассчитай оптимальный размер позиции по критерию Келли для следующих параметров: депозит [сумма ₽], вероятность выигрыша [X%], среднее соотношение прибыль/убыток [Y:1]. Также рассчитай размер позиции по методу фиксированного риска 1% и 2% от депозита. Сравни оба метода в таблице». Нюанс: критерий Келли часто даёт агрессивный размер позиции — на практике используют половину или четверть от рассчитанного значения; попроси модель сразу рассчитать и дробные варианты.

Базовые модели (ChatGPT, Claude) не имеют доступа к рыночным данным в реальном времени. Для реал-тайм сигналов нужна интеграция: данные из API брокера или биржи → промпт с данными → вывод сигнала. Это уже уровень кастомной разработки, а не простого чата с нейросетью.