Gemini AI для оптимизации криптопортфеля: Python-интеграция, балансировка весов и динамическая ребалансировка

Gemini принимает текстовый или JSON-ввод с составом портфеля (активы, веса, цены, доходность за период) и возвращает анализ: какие позиции отклонились от целевых весов, какие рыночные факторы могли это вызвать, какие действия логичны. Модель не имеет доступа к live-данным по умолчанию — данные нужно передавать в промпте через Python. Согласно разбору на Medium/TheCapital, базовый пайплайн: CoinGecko API → данные в DataFrame → промпт с контекстом → Gemini → рекомендации. Нюанс: модель может ошибаться в специфических крипто-деталях — верифицируйте выводы самостоятельно.

Эффективный промпт содержит три части: контекст (состав портфеля в JSON: актив, текущий вес, целевой вес, изменение цены за 7/30 дней), задача (например: «Определи активы с отклонением весов более 5% от целевых и предложи конкретные торговые действия для возврата к балансу»), ограничения (горизонт, риск-профиль, минимальный размер операции). Чем точнее структурированы входные данные, тем конкретнее выход. Нюанс: не передавайте в промпт приватные ключи, API-токены бирж или личные данные — запросы к Gemini API проходят через серверы Google.

Установите библиотеку: pip install google-generativeai. Получите API-ключ в Google AI Studio (aistudio.google.com). Базовый вызов: import google.generativeai as genai; genai.configure(api_key="ВАШ_КЛЮЧ"); model = genai.GenerativeModel("gemini-1.5-pro"); response = model.generate_content(prompt). Для портфельных задач формируйте prompt динамически: подставляйте данные из pandas DataFrame с текущими ценами и весами. Нюанс: у Gemini API есть лимиты запросов на бесплатном уровне — при частой ребалансировке переходите на платный тариф.

Динамическая ребалансировка — пересмотр весов портфеля при отклонении от целевых значений (например, триггер: актив вышел за ±5% от цели) или по расписанию (еженедельно, ежемесячно). Gemini встраивается как аналитический агент: получает текущее состояние портфеля, оценивает рыночный контекст и формулирует рекомендацию. Исполнение — отдельный шаг через биржевой API (Binance, Bybit). Нюанс: решение об исполнении сделки должен принимать человек — автоматическое исполнение рекомендаций LLM без верификации опасно.

Минимальный набор: текущие веса активов (%), целевые веса (%), изменение цены за выбранный период, общая стоимость портфеля в USDT или ₽. Расширенный набор: корреляционная матрица активов, доминация BTC, индекс страха и жадности (Fear & Greed Index), объём торгов. Все данные получаются через публичные API: CoinGecko (цены), Alternative.me (Fear & Greed), биржевые API (объёмы). Нюанс: контекстное окно Gemini ограничено — для портфелей с более чем 20–30 активами используйте краткие сводки вместо полных таблиц.

Три ключевых ограничения. Первое: LLM не видит рынок в реальном времени без явной передачи данных — модель работает с тем, что вы ей дали. Второе: модель не несёт ответственности за убытки — это инструмент анализа, не сертифицированный советник. Третье: налоговые последствия каждой сделки в РФ (НДФЛ с прибыли) не учитываются Gemini автоматически — учитывайте транзакционные издержки и налоговую нагрузку вручную при оценке рекомендаций.

Да, для тестирования и нечастых запросов бесплатного уровня достаточно. При ежедневном или более частом анализе лимиты запросов могут стать узким местом — проверяйте актуальные ограничения в документации Google AI Studio.