Система промптов за 13 ИИ-моделей: как они торгуют 89 активами

System prompt — это скрытая инструкция, которую разработчик передаёт модели перед каждой сессией: роль («ты риск-менеджер портфеля из 89 активов»), ограничения (не держать позицию дольше 48 часов), метрики успеха (Sharpe > 1,5), источники данных. Модель видит этот текст как контекст и генерирует торговые решения в его рамках. Риск: если промпт написан размыто, модель интерпретирует инструкции произвольно — особенно в нестандартных рыночных ситуациях.

Стандартная архитектура включает четыре блока: (1) роль и контекст — кто модель и какой портфель ведёт; (2) данные на входе — тикеры, таймфреймы, индикаторы; (3) правила решений — условия входа/выхода, стоп-лоссы, максимальная доля позиции; (4) формат вывода — JSON с полями action, ticker, size, reasoning. Без чёткого формата вывода парсинг ответов модели превращается в отдельную инженерную задачу. Нюанс: чем длиннее промпт, тем выше риск конфликта инструкций внутри него.

Типичная логика: модель получает срез данных (OHLCV за N периодов, значения RSI/MACD/ATR, новостной сентимент) и сверяет с критериями из промпта. Пример критерия: «открывай лонг, если RSI < 35 и объём выше 20-дневной средней на 30%». Решение формируется как structured output — JSON с обоснованием. Риск: модель может «галлюцинировать» уверенность в сигнале при недостаточном количестве данных — без валидационного слоя на выходе такие решения попадают в исполнение.

Ансамблевый подход: каждая из 13 моделей специализирована — одна анализирует макро, другая читает новостной поток, третья считает техническую картину по конкретному классу активов. Итоговое решение принимается голосованием или взвешенным агрегатором. Преимущество: снижение вероятности системной ошибки одного промпта. Недостаток: сложность отладки — при неверном сигнале непросто определить, какая из 13 моделей сработала неправильно.

Жёсткие ограничения вшиваются прямо в текст промпта: «никогда не открывай позицию объёмом более 5% портфеля», «при просадке счёта на 10% от максимума — только закрытие позиций, никаких новых входов». Модель следует им как правилам, не как рекомендациям. Нюанс: LLM не имеет доступа к реальному счёту напрямую — между промптом и брокером стоит код, который должен дополнительно валидировать каждый вывод. Промпт без внешней валидации — уязвимость.

Технически — да, практически — бесполезно без контекста. Промпт заточен под конкретный набор активов, таймфрейм, брокерский API и логику обработки данных. Скопированный промпт без этой обвязки либо не запустится, либо даст случайные сигналы. Дополнительный риск: публично распространяемые «промпты для трейдинга» часто написаны для демонстрации, а не для реального использования — проверяй на исторических данных перед любым применением.

GPT-4o и Claude 3.x — за качество рассуждений и поддержку structured outputs (JSON mode). Для высокочастотных стратегий предпочитают более быстрые и дешёвые модели (GPT-4o mini, Haiku). Выбор зависит от частоты сигналов и бюджета на инференс.