Большинство западных моделей машинного обучения обучались на данных NYSE и NASDAQ — неликвидный российский рынок с низкой долей институционалов для них аномалия. Прямое применение таких моделей к акциям РФ даёт ложные сигналы и убыточные сделки. Аналогичная проблема существует и в DeFi-протоколах, где глобальные пулы ликвидности не репрезентативны для российских условий.
Они обучались на рынках с высокой ликвидностью (США, Европа) и институциональной структурой. На Мосбирже розничные инвесторы дают ~70% объёма, ликвидность сосредоточена в 30–40 эмитентах, а волатильность часто превышает 30% годовых. Модели воспринимают такие выбросы как шум и пропускают сигналы или генерируют ложные входы.
Спреды по большинству акций составляют 0,1–1,5% против 0,01% в США. Глубина стакана мала — крупный ордер легко двигает цену. Западные модели, заточенные на непрерывный поток ордеров, дают сбои в «свечном» анализе из-за частых перерывов в торгах (например, вечерняя сессия с низким объёмом). Это искажает метрики накопления/распределения.
РФ-рынок исторически более волатилен: годовой размах 25–50% против 15–25% в США. Модели регрессии и классификации, обученные на американских данных, часто ошибочно классифицируют выбросы как экстремумы — отсюда ложные сигналы на пробой или перекупленность. Рекомендуется перекалибровка порогов и добавление индикаторов адаптивной волатильности.
Структура — это преобладающие участники (розница, DCA-боты, маркетмейкеры с аффилированными связями), механизмы ценообразования (аукционы открытия/закрытия) и регулирование (валютный контроль, налоги). Западные модели считают рынок эффективным и нейтральным, тогда как на Мосбирже влияние новостей и insider trading выше — это нарушает допущения моделей.
Да, но требуется дообучение на исторических данных Мосбиржи (минимум 3 года) с учётом режимов: санкционные скачки, дивидендные гэпы, эффект налогового периода. Также нужно изменить архитектуру для работы с разреженными данными и включить фичи вроде индикатора нерезидентных потоков. Без этого ошибка прогноза может превышать 30%.
Использовать отечественные краудсорсинговые платформы (Smart-lab, vc.ru) для оценки настроений, комбинировать с индикаторами от Мосбиржи и Банка России. В крипто-сегменте — применять пулы ликвидности на Polygon и Solana, но учитывать риски депега стейблкоинов и смарт-контрактов. Никакие AI-модели не заменят понимания локальной структуры.
Используйте официальные котировки с moex.com (раздел «Статистика»), а также investing.com (исторические данные в csv). Для инсайдерской структуры — отчёты ЦБ РФ (cbr.ru) и обсуждения на smart-lab.ru. Не копируйте западные датасеты — они не репрезентативны.
| Параметр | РФ (Московская биржа) | США (NYSE/NASDAQ) |
|---|---|---|
| Средний дневной объём торгов | 300–500 млрд ₽ | ~50 трлн ₽ |
| Волатильность (среднегодовая) | 25–40% | 15–25% |
| Количество ликвидных акций | 40–50 | 500–1 000 |
| Доля розничных инвесторов | ~70% объёма | ~20% объёма |
| Критерий | Вариант А (западная модель) | Вариант Б (адаптированная под РФ) |
|---|---|---|
| Учёт ликвидности | Игнорирует разреженность стакана, использует средний объём | Учитывает спред и глубину, адаптивный скользящий объём |
| Учёт волатильности | Стандартное отклонение как параметр, не фильтрует санкционные выбросы | Отдельный кластер для экстремальных дней, робастная оценка |
| Учёт структуры рынка | Предполагает эффективность, игнорирует влияние ЦБ и новостей | Включает макро-дачи (ключевая ставка, курс USD/RUB) и временные метки дивидендов |
| Ошибка прогноза на истории | ±3–5% для US-бумаг, на РФ — ±15–25% | ±4–8% на РФ после дообучения |
| Результат на истории (backtest 2021–2026) | Убыток 12% годовых (из-за ложных сигналов) | Доходность ~6% годовых (не обещаем, зависит от рыночных условий) |
Убедитесь, что трейнинг-сет модели включает хотя бы 3 года данных Мосбиржи с учётом санкционных событий, налоговых периодов и дивидендных отсечек. Если модель обучалась только на американских данных, не используйте её для России без калибровки.
Возьмите ваши текущие метрики (объём, спред, волатильность) и сверьте с типичными западными. Если расхождение более чем в 2 раза, пересмотрите пороги сигналов. Для этого подойдут данные с moex.com и smart-lab.ru.
Включите в модель индикатор «доля нерезидентов» (ЦБ РФ публикует ежемесячно), индекс РТС, ключевую ставку и форвардные контракты на USD/RUB. Это повысит устойчивость к структурным сдвигам.
Загрузите историю цен с investing.com за 3–5 лет, прогоните модель. Обратите внимание на точность в зонах высокой волатильности (начало СВО, мобилизация, санкционные пакеты). Ошибка выше 15% — модель непригодна.
Никакая модель не заменит понимания отчётов, долговой нагрузки и дивидендной политики компании. Используйте AI как фильтр, а не как единственный триггер. Для крипто-активов дополнительно проверяйте код смарт-контракта через etherscan и наличие аудита.
Используйте официальные котировки с moex.com (раздел «Статистика»), а также investing.com (исторические данные в csv). Для инсайдерской структуры — отчёты ЦБ РФ (cbr.ru) и обсуждения на smart-lab.ru. Не копируйте западные датасеты — они не репрезентативны.
Отдельные fintech-команды на vc.ru и habr.com публикуют самописные алгоритмы, но коммерческих продуктов у MFD или Tinkoff пока нет (на 2026 год). Лучшее — самостоятельно дообучить open-source модель на PyTorch или TensorFlow под свои данные.
По эмпирическим данным частных трейдеров (Smart-lab, 2025), от 60% до 80% сигналов западного AI оказываются ложными — особенно на акциях второго эшелона. Это связано с тем, что модели пытаются применить паттерны американских ETF к малоликвидным бумагам.
Нет, но использовать их нужно с критическим фильтром: отбрасывать сигналы, возникающие в неликвидные часы (с 19:00 до 23:00 мск), и не торговать по ним высокочастотно. Для долгосрочной стратегии (более 6 месяцев) западные макромодели могут быть полезны, если переобучить их под российский риск-фактор.
В крипто-сегменте к тем же проблемам добавляются риски смарт-контрактов (ошибки кода), депег стейблкоина (например, USDT), потеря приватных ключей и волатильность порядка 3–8% в день. Западные модели, предсказывающие APY пулов, часто завышают доходность, так как не учитывают риск манипуляции ликвидностью в российских юрисдикциях.
Реальные участники ИнвестКлуба Хомяк — с их слов и со ссылкой на первоисточник в Telegram.
Точка входазашла пробно на 1 месяц после рекламы
Что изменилосьосталась на 1,5 года — структурированные знания, прямые эфиры с экспертами, освоила ИИ-инструменты
«Когда-то я зашла пробно, на 1 месяц. Прошло 1,5 года, а я по-прежнему там. Один только искусственный интеллект чего стоит.»история в Telegram →
Точка входавозрастной скепсис, долго не решался зайти в закрытый клуб
Что изменилосьгора структурированных материалов, отзывчивое сообщество, которое помогает и подсказывает
«Возрастной скепсис мешал зайти — думал, всё как обычно. Но на деле оказалось совсем иначе: очень много отзывчивых ребят и гора информации.»история в Telegram →
«В Хомяке уже полтора года… кайфовое, живое сообщество. Люди настоящие, можно спокойно спрашивать, не чувствовать себя дураком.»
«Зашла пробно на 1 месяц. Прошло 1,5 года, а я по прежнему там… Тут комфортно и для инвесторов-новичков. Вся информация отлично структурирована.»
Ещё реальные отзывы участников — t.me/traderreviews
