Урок 1: NL→стратегия→бэктест на Vibe-Trading

Чему вы научитесь

• Находить инвест-идеи через российские AI-скринеры (FinGPT Мосбиржи, Финам, брокерские ассистенты)
• Формулировать торговую идею как проверяемую гипотезу для агента
• Получать первый бэктест за один промпт на Vibe-Trading
• Читать базовые метрики результата: доходность, просадка, число сделок
• Понимать, что бэктест — это безопасная зона без реальных денег
• Распознавать, когда результат слишком хорош, чтобы быть правдой

От идеи к проверке за один промпт

Vibe-Trading — это open-source ресёрч-воркспейс: запрос на естественном языке превращается в данные, стратегию, бэктест и отчёт. Живые сделки он не исполняет — это именно исследовательский инструмент (источник: README Vibe-Trading, лицензия MIT).

Классический первый запрос звучит так: «Протестируй пересечение скользящих средних 20 и 50 по BTC-USDT за 2024 год, дай доходность и просадку». Агент собирает данные, пишет код стратегии и возвращает метрики.

flowchart LR
    NL[Запрос на естественном языке] --> ST[Код стратегии]
    ST --> BT[Бэктест на истории]
    BT --> M[Метрики: доходность, просадка]
    M --> R[Отчёт человеку]

Где взять идею: скрининг по-русски

Прежде чем тестировать стратегию, нужно выбрать актив или гипотезу. Для российской аудитории это самый доступный слой: AI-инструменты подбора идей работают рублями и без VPN, в отличие от зарубежного open-source, которому нужен платный ключ к LLM.

Сценарий простой: задаёте критерий на естественном языке — «облигации с погашением до 2 лет и доходностью выше ключевой ставки» — и получаете список кандидатов с обоснованием. Дальше уже идёт проверка гипотезы бэктестом, о которой этот урок.

Как выглядит логика стратегии

Даже если агент пишет код за вас, полезно понимать, что именно проверяется. Вот ядро стратегии MA cross в псевдокоде на Python.

# Быстрая и медленная скользящие средние по цене закрытия
df["ma_fast"] = df["close"].rolling(20).mean()
df["ma_slow"] = df["close"].rolling(50).mean()

# Сигнал: 1 — держим позицию, 0 — вне рынка
df["signal"] = (df["ma_fast"] > df["ma_slow"]).astype(int)

# Доходность стратегии = доходность актива * вчерашний сигнал
df["ret"] = df["close"].pct_change()
df["strategy_ret"] = df["ret"] * df["signal"].shift(1)

Обратите внимание на signal.shift(1) в последней строке: сигнал применяется к следующему дню. Без этого сдвига стратегия «знает» сегодняшнее закрытие до того, как оно случилось — это lookahead-bias, разберём его в следующем уроке.

Как читать первый результат

Агент вернёт таблицу метрик. На старте смотрите на три цифры и не обольщайтесь одной доходностью.

Если стратегия показывает огромную доходность при двух-трёх сделках или нулевой просадке — это сигнал не радоваться, а искать ошибку в данных или в логике.

Следующий урок

Урок 2: Метрики и честная валидация — Sharpe, бенчмарк, Monte-Carlo, walk-forward и как не обмануть себя.