Что торговые алгоритмы делают хорошо, а что упускают
По оценкам, алгоритмы исполняют 60–75% объёма на рынках акций США, Европы и крупных азиатских площадок и примерно такую же долю в крипте, но модель человека-поставщика сигналов, появившаяся в 1990-е, в 2026 году по-прежнему работает. Её роль сместилась, а не исчезла: даже боты для копитрейдинга по-прежнему опираются на человека, который выбирает, какой кошелёк копировать.
Торговый алгоритм — это набор правил, применённых к данным. Он исполняет без колебаний, масштабируется без усталости, следит за множеством инструментов одновременно и реагирует за микросекунды. В стабильном режиме рынка хороший алгоритм обыгрывает большинство ручных трейдеров уже за счёт качества исполнения.
Ограничение практикам известно так же хорошо, хотя вслух о нём говорят реже: алгоритм реагирует на закономерности, которые можно было распознать в момент его создания. Он не прочитает заявление центробанка с учётом политического давления за ним и не поймёт, означает ли уход основателя смену стратегии или плановую передачу дел. Он обрабатывает то, что измеримо, а не то, что важно.
Исследования раз за разом находят на рынке инвесторов с ограниченной рациональностью, чьи сделки следуют за настроениями и убеждениями. Для трейдера важна обратная сторона: у алгоритма настроений нет вовсе, и это открывает возможности тому, кто в реальном времени понимает, что двигает настроение рынка.
Уроки «флеш-крэша» 2010 года
6 мая 2010 года автоматические системы, взаимодействуя без человеческого контроля, примерно за двадцать минут стёрли около 1 трлн $ капитализации американского рынка акций, и большая часть вернулась в тот же день.
Крупный фундаментальный инвестор начал продавать 75 000 контрактов E-mini S&P, примерно на 4,1 млрд $, через алгоритм, настроенный продавать 9% объёма предыдущей минуты без ограничений по цене и времени. На падении автоматические системы многих поставщиков ликвидности встали на паузу, как и было задумано: встроенные стопы останавливают торговлю, когда цена выходит за заданные пороги, чтобы трейдеры и риск-менеджеры могли оценить ситуацию.
Совместный доклад SEC и CFTC от сентября 2010 года подробно описал всю цепочку. Ни одно решение по отдельности не было ошибочным, но вместе они вызвали обвал, которого не предвидел и не планировал ни один алгоритм.
«Флеш-крэш» не убил алгоритмическую торговлю. Он показал и регуляторам, и торговым фирмам, что автоматические системы без человека в ключевых точках принятия решений несут системный риск, который не видно в метриках доходности отдельной стратегии.
Что человеческий анализ даёт автоматической торговле
Чем больше алгоритмического объёма, тем сильнее может весить решение рационального инвестора-человека: алгоритмы, наблюдающие друг за другом, воспринимают новую фундаментальную позицию как новую оценку стоимости и перестраиваются вокруг неё. Человеческая убеждённость становится якорем, вокруг которого вращается работа машин.
Данные это подтверждают. Исследование 2025 года в Journal of Accounting, Auditing & Finance показало, что алгоритмическая торговля ослабляет контроль со стороны фундаментальных инвесторов и усиливает реакцию цен на плохие новости, повышая риск обвала акций.
Когда инвесторов, которые делают собственный анализ, вытесняют из ежедневного объёма, цены несут меньше информации, даже если показатели ликвидности выглядят здоровыми.
Поэтому поставщики сигналов-люди структурно сохраняют ценность, а большинство ИИ-стратегий торговли по-прежнему оставляют человека в контуре. Тот, кто изучает актив, понимает его фундаментальные показатели, следит за потоком ордеров и принимает взвешенное решение о направлении, даёт то, чего ни одна система на правилах сама не создаст: понимание смысла, а не только закономерностей.
Как менялась модель поставщиков сигналов
Модель родилась в институтах, затем переехала на платформы и, наконец, в Telegram, на каждом шаге выигрывая в охвате и теряя в защите.
- Институциональная аналитика. Аналитик банка или управляющей компании писал исследование, портфельные управляющие формировали мнение и торговали. Сигнал проходил профессиональный процесс, и сделка несла реальный информационный вес.
- Розничные сигнальные платформы (примерно с 2000 года). Сервисы вроде Collective2, запущенной в 2001 году, позволили независимым трейдерам публиковать сигналы и набирать подписчиков. Суждение оставалось человеческим, исполнение автоматизировалось, а история провайдера стала видна каждому, кто решал, следовать ли за ним.
- Копитрейдинг (2010). CopyTrader от eToro перенёс модель на социальную инфраструктуру: просадки, винрейт и открытые позиции видны до вложения денег, а провайдер в реальном времени отвечает перед публикой — совсем не то, что анонимные продавцы систем-«чёрных ящиков».
- Каналы в Telegram (после 2017 года). Один из главных каналов распространения криптосигналов: ни центральной платформы, ни стандартной проверки, ни регулируемой ответственности. Колл приходит сообщением, решение за подписчиком, а история сделок обычно заявлена самим провайдером.
Децентрализация расширила доступ и убрала трение, но вместе с ними — и большую часть защиты, которую дают регулируемые площадки. Этот компромисс до сих пор определяет экономику каналов; во что он обходится, показывает наш разбор мошенничества в сигнальных группах Telegram.
ИИ-агенты и будущее поставщиков сигналов
Главный вызов для людей-провайдеров в 2025–2026 годах — не более быстрые алгоритмы, а ИИ-агенты, способные на работу аналитика: читать расшифровки отчётов, следить за новостями, сводить настроения и предлагать сделки с обоснованием.
В рабочем докладе ФРС 2025 года Хансен и Ли пришли к выводу, что ИИ-агенты в их экспериментах принимали более рациональные решения, чем люди, опирались скорее на собственную информацию, чем на рыночные тренды, и меньше поддавались стадному поведению, чем финансовые профессионалы. Для финансовой стабильности это важный вывод по мере распространения генеративного ИИ.
Возможность реальная: агент, который за ночь прочитает десять тысяч новостей и выделит три, касающиеся вашей позиции, экономит часы. Но то же исследование отмечает, что агенты не строго рациональны и унаследовали часть человеческой интуиции и предубеждений — в согласии с более широкой литературой о том, что языковые модели повторяют человеческие ошибки.
Выходит, агенты автоматизируют часть человеческого суждения вместе с его слабостями. Провайдер, который понимает, что агенты делают плохо, и строит анализ вокруг интерпретации и контекста, сохраняет своё отличие. Оба подхода мы сравниваем в материале ИИ-агенты или торговые боты.
Где человеческое суждение трудно заменить
Три области упорно сопротивляются полной автоматизации, и именно в них сильные поставщики сигналов отличаются от шума.
Распознавание смены режима. Трендовые стратегии и стратегии возврата к среднему хороши в условиях, под которые их настроили, и проваливаются в других. Аналитик, который видит, как меняются макрофон, риторика центробанков или структура ликвидности, может заметить разворот режима раньше, чем его подтвердит статистика, нужная алгоритму. Такое раннее решение — суждение, а не результат расчёта.
Понимание нарратива. Рынок закладывает в цену ожидания, а ожидания формируют истории. Отчёт лучше прогноза при сниженном прогнозе на будущее — совсем не то же самое, что отчёт лучше прогноза при повышенном, хотя поначалу цена может реагировать одинаково. Расшифровка звонка и тон менеджмента — вход, с которым количественные системы работают плохо, а языковые модели неровно.
Ответственность и убеждённость. Провайдер с задокументированной историей, который публикует логику вместе с каждым коллом и пересматривает мнение, когда меняются факты, даёт нечто иное, чем алгоритм, чьи выводы никто не может расспросить. Там, где доверие в дефиците, подотчётность — преимущество.
Объём рынка — ещё не значимость
Алгоритмы усиливают и передают человеческую убеждённость, а не заменяют её, поэтому продуманный человеческий сигнал до сих пор двигает рынки, где доминирует автоматический объём.
Исследование 2025 года в Scientific Reports подтвердило, что в обычных условиях алгоритмическая торговля может заметно снижать волатильность, но её связь с поведением инвесторов-людей остаётся сложной и зависит от настроений, информационной асимметрии и институциональной структуры.
На практике на криптовалютном рынке, где, допустим, 60% объёма алгоритмические, хорошо аргументированный колл человека, отправленный подписчикам, которые ему доверяют, двигает цену так, как одна автоматическая активность не может. Алгоритмы работают и ждут, на что отреагировать.
Провайдер, который это понимает и даёт анализ настоящего качества, приносит автоматическому рынку то, что тот сам произвести не в состоянии; как оценивать таких провайдеров со стороны подписчика, читайте в материале о том, что такое социальный трейдинг.