Как алгоритм, обученный на покере, начал зарабатывать для инвестиционных фондов

Представьте: вы управляете инвестиционным фондом и видите на экране программу, которая сама учится торговать — как игрок в покер, который с каждой партией становится сильнее. Только вместо фишек — реальные деньги, а вместо карт — акции крупнейших компаний.

Именно так работает стартап EquiLibre Technologies из Праги. Его основали три бывших исследователя DeepMind. В начале 2026 года компания привлекла крупные инвестиции от фонда Creandum, а её алгоритмы уже ежедневно торгуют на миллиарды долларов на американских биржах S&P 500 и Nasdaq. И, по заявлению стартапа, ни один месяц с момента запуска не был убыточным.

Что произошло на самом деле?

EquiLibre создала программу, которая использует метод обучения с подкреплением. Проще говоря: алгоритм «играет» на бирже, получает награду за каждый заработанный доллар и постепенно улучшает свою стратегию. Сначала систему обкатывали на криптовалютах, а затем перевели на акции.

Сейчас в партнёрстве с крупным квантовым фондом Tower Research Capital программа обрабатывает объём в несколько миллиардов долларов в день. CEO компании Мартин Шмид говорит, что оценка работы модели сводится к одному вопросу: сколько денег она заработала.

Кого это касается?

В первую очередь — инвестиционные фонды, которые ищут новые источники дохода. Раньше такие технологии были доступны только крупным банкам с собственными лабораториями. Теперь более мелкие компании могут купить готовое решение.

Также это важно для финансовых директоров и риск-менеджеров: автоматическая торговля требует новых правил контроля и compliance.

Что проверить прямо сейчас?

Если вы рассматриваете подключение подобной системы, вот ключевые шаги:

1. Пилотный объём. Выделите не более 1–2% портфеля для теста. Это не угрожает основной стратегии, но позволит оценить результат.
2. Данные. Убедитесь, что ваш поставщик рыночных данных может передавать котировки в реальном времени.
3. Функция награды. Пропишите формулу расчёта прибыли: чистая прибыль после комиссий и проскальзывания.
4. Симуляция. Запустите back-test на исторических данных за последние 12 месяцев.
5. Регуляция. Проверьте, соответствует ли автоматическая торговля требованиям вашего регулятора (например, MiFID II или SEC).
6. Стоимость. Запросите коммерческое предложение: сколько стоят вычислительные ресурсы и лицензия.

Какие риски нельзя игнорировать?

• Отсутствие финансовой экспертизы у команды. Основатели — специалисты по ИИ, а не по управлению рисками. Вам придётся усилить контроль.
• «Чёрный ящик». Самообучающиеся системы часто непрозрачны. Без детального аудита сложно понять, почему алгоритм принял то или иное решение.
• Регуляторные требования. Автоматическая торговля подпадает под строгие правила. Любое отклонение грозит штрафами.
• Инфраструктурные затраты. Обучение и работа в реальном времени требуют мощных GPU-кластеров, что увеличивает операционные расходы.
• Рыночное влияние. При масштабном использовании алгоритм может сам влиять на цены, создавая обратную связь и потенциальные просадки.
• Зависимость от партнёров. Текущая интеграция построена через Tower Research Capital. Смена партнёра может потребовать переобучения модели.

Что сделать на этой неделе?

1. Свяжитесь с EquiLibre — запросите демо-версию и техническую документацию.
2. Соберите внутреннюю команду: специалисты по данным, риск-менеджмент, юристы.
3. Проверьте совместимость данных: поддерживает ли ваш провайдер потоки, требуемые моделью.
4. Подготовьте план пилота: объём, сроки, критерии успеха (например, минимум 5% годовой доходности без убыточных месяцев).
5. Запланируйте аудит: юридический и технологический обзор до запуска.

Итог

Перенос методов из игр с полной информацией (покер) на финансовые рынки открывает новые возможности. При правильном управлении рисками такие решения могут повысить эффективность портфелей и изменить конкуренцию между традиционными хедж-фондами и технологическими стартапами. Но помните: даже самые продвинутые модели остаются подверженными рыночным шокам и системным ошибкам. Пилотные программы и независимый аудит — ключ к безопасному внедрению.

Источник: TechCrunch