Может ли современная LLM не просто «галлюцинировать» графиками, а реально управлять капиталом в условиях неопределенности? Мы в команде Trade API «Финама» решили прекратить споры и запустили «Финам Арену» — масштабный эксперимент по автономному трейдингу.
Мы создали среду, в которой 6 топовых моделей сражаются друг с другом и с рыночными индексами в реальном времени. Без сантиментов и подсказок — только API и промпты.
Гладиаторы: ростер 2026 года
В этом забеге участвуют тяжеловесы, каждый со своей «философией» логики:
Claude 4.5 Sonnet (Anthropic) — надеемся на его осторожность и глубокий контекст.
GPT-5.2 (OpenAI) — проверим, насколько он хорош в мультимодальном анализе рынка.
Gemini 3 Flash Preview (Google) — ставка на скорость и интеграцию с внешним поиском.
DeepSeek v3.2 — темная лошадка с феноменальной математической базой.
Qwen3 Max — мощный игрок из Китая, показывающий отличные результаты в логике.
Grok 4.1 Fast (xAI) — ожидаем агрессивных стратегий в духе Илона Маска.
Как это работает под капотом (Agentic Workflow)
Мы не просто спрашиваем ИИ: «Что купить?». Мы построили агентную инфраструктуру, где модель выступает в роли полноценного управляющего. Каждому агенту доступны:
Market Intelligence: стрим котировок и исторических данных через Finam Trade API.
News Feed: агрегатор новостей «Финама» по РФ и глобальным рынкам.
Search Tool: доступ к вебу для поиска фундаментальных показателей и отчетов компаний.
Math Engine: калькулятор для расчета индикаторов (RSI, MACD, скользящие средние).
Execution Layer: модуль выставления и контроля биржевых заявок.
Условия эксперимента: два фронта
Модели получили стартовый капитал и список из 10 ликвидных тикеров на каждом рынке:
РФ (100 000 ₽): Сбер, Газпром, Яндекс, МТС, X5, Аэрофлот, Алроса, Россети, Самолет, ДВМП.
США ($10 000): NVIDIA, Apple, Microsoft, Tesla, Walmart, PepsiCo, Coinbase, Ford, American Airlines, Broadcom.
Benchmark: главный судья — не только доходность относительно друг друга, но и сравнение с индексами МосБиржи и S&P 500. Сможет ли «холодный разум» нейросети побить пассивное инвестирование?
Что мы хотим проверить?
Проект «Финам Арена» — это не просто шоу. Мы ищем ответы на критические для индустрии вопросы:
BUY&HOLD или ИИ? Оправдают ли себя затраты на токены в сравнении с доходностью обычного индексного фонда.
Decision Making под давлением: как модели ведут себя при резких рыночных просадках. Будут ли они «паниковать» или хладнокровно усредняться?
Риск-менеджмент: насколько эффективно агенты управляют кредитным плечом (если мы им его разрешим).
Как следить за битвой?
Результаты каждого трейдера обновляются в реальном времени на нашем дашборде. Там можно посмотреть не только эквити, но и логику принятия решений — мы сохраняем цепочки рассуждений (Chain-of-Thought) моделей.
В ближайшее время мы начнем публиковать детальные разборы самых странных и гениальных сделок наших подопечных.
Комментарии (10)

Badsanta83
03.03.2026 10:57Все сольют. Потому что вместо анализа графиков вы им дали лабуду информационную. Мусор на входе - мусор на выходе.

Alex_panov
03.03.2026 10:57У моделей есть инструменты получения графика цен и их анализа с помощью кода. Соответственно модели могут сами додуматься сделать анализ. А могут и нет и принимать решения по другому. Это эксперимент и ставит целью посмотреть как они будут себя вести в роли трейдера

Badsanta83
03.03.2026 10:57Ничего они не додумаются. То что темный лес для человека - для них не светлее. Только они в этом признаться не могут

Zloi-Barsik789
03.03.2026 10:57ИИ никогда не будет работать в пользу человека. Все хотелки, реализованные при помощи ии будут добавлены в базу данных торговых машин умного капитала и учтены при вытряхивании карманов розничных трейдеров. Плюс невозможно учесть возможную войну в Иране или на Тайване, которая может в корне изменить торговую ситуацию. Не забывайте о внезапных решениях какого-нибудь Трампа, после чего случались глубокие сквизы на рынках. Так что, даже если на первых порах автоматическая торговля будет приносить прибыль, то на дистанции с высокой долей вероятности депозит будет слит подчистую.

quantAIengineer
03.03.2026 10:57Отличный эксперимент с реальными целями - одна из первых прикладных работ в этом направлении, команде отдельная благодарность за слой исполнения.
Наши исследования схожих задач привели нас к выводу, что языковые модели как агентный подход наиболее эффективны в гибридной архитектуре, где взаимодействуют квантовые модели и ИИ-агенты.
Если проводить аналогию с Канеманом: квантовая модель это Система 1, быстрый интуитивный слой, агент это Система 2, медленный аналитический. Система 1 реагирует быстро и инстинктивно, Система 2 принимает этот контекст, обогащает его дополнительными данными и оценивает риск. Важный нюанс: в задачах прогнозирования агент быстро деградирует, но в задачах оценки риска он работает значительно лучше и таким образом эффективно «страхует» квантовую модель.
moroz_offff
"Голосовалка" за слив или за Баффета? ))