WeatherBot теперь учится на собственных ошибках — самосовершенствующийся интеллект-движок

Большинство торговых ботов статичны. Сегодня они выполняют ту же логику, что и в первый день. Если они совершат плохую сделку, они с радостью завтра снова совершат точно такую же плохую сделку. Мы решили, что этого недостаточно.

С сегодняшнего дня у WeatherBot есть движок самообучения — система из пяти взаимосвязанных модулей, которые непрерывно отслеживают, анализируют и учатся на каждой сделке, которую совершает бот. Бот буквально становится умнее со временем, адаптируя свою стратегию на основе реальных результатов, а не только теоретических моделей.

Вот как именно работает каждый модуль:

1. Трекер исходов сделок и калькулятор процента побед

Каждая выходящая сделка — через стоп-лосс, цель прибыли или резолюцию рынка — постоянно записывается с полным контекстом: вопрос рынка, цена входа, цена выхода, какой город, какая дата, какой режим торговли был активен, что предсказывали прогнозные модели и финальный P&L.

На основе этих данных движок рассчитывает в реальном времени проценты побед с разбивкой по город, режим торговли, диапазон цены входа, и time period. Уже через несколько дней торговли проявляются паттерны. Возможно, бот выигрывает 85% сделок по Лондону, но только 45% по Сеулу. Возможно, он отлично работает на входах ниже 15¢, но плохо выше 40¢. Это не догадки — это жёсткие цифры из реальных сделок, которые напрямую влияют на следующее решение Claude.

2. Цикл обратной связи после разрешения — отслеживание точности модели

Это чистая метеорологическая наука. После разрешения каждого рынка движок записывает, что предсказывала каждая погодная модель, по сравнению с тем, что произошло на самом деле. Со временем это создаёт база данных точности модели по городам.

Результат? После 30 дней данных бот может знать, что «ECMWF систематически на 0,8°C теплее для Сеула в марте» или «GFS на 1,2°C холоднее для Майами летом». Эти систематические смещения автоматически учитываются в расчёте консенсуса. Ни у одного другого погодного торгового бота этого нет — большинство относится ко всем моделям одинаково, независимо от их послужного списка для конкретного города и сезона.

3. Claude оценивает собственные сделки — пост-мортем-анализ ИИ

Это самый мощный модуль. Каждые 30 минут бот пересматривает свои недавние убыточные сделки и отправляет каждую обратно Claude с простым вопросом: «Что пошло не так?»

Claude в ретроспективе изучает сделку — доступные данные прогноза, цену входа, фактический результат — и пишет краткий post-mortem: в чём была ошибка и одно действенное правило, как избежать её в будущем. Эти уроки накапливаются в «playbook», который внедряется в каждый последующий AI-промпт.

После 100 сделок Claude фактически написал собственный торговый учебник на основе реального опыта. Примеры уроков, которые мы видели в тестировании:

• «Избегайте BUY_YES выше 30¢ по азиатским городам — рынок обычно уже эффективен на этой цене»
• «Когда GFS и ECMWF расходятся более чем на 2°C, всегда SKIP — неопределённость слишком велика»
• «Температуры в Сеуле в марте стабильно ниже консенсуса моделей — применяйте поправку -1°C»

4. Калибровка уверенности ИИ

Когда Claude говорит, что у сделки уверенность "VERY_HIGH", как часто она действительно выигрывает? Этот модуль точно отслеживает ответ. Уровень уверенности каждой сделки записывается вместе с её исходом, строя таблицу калибровки:

Эти данные внедряются прямо в промпт Claude. Если Claude видит, что его прогнозы VERY_HIGH выигрывают только в 60% случаев, он естественным образом становится более избирательным — оставляя VERY_HIGH для действительно гарантированных исходов. Уверенность ИИ становится по-настоящему осмысленной, а не произвольной, что напрямую улучшает размер позиций (поскольку большие ставки делаются при более высоких уровнях уверенности).

5. Скользящий контекст производительности — распознавание паттернов

Каждый ИИ-анализ теперь получает скользящую 7-дневную сводку производительности, показывающую:

• Общая запись побед/поражений и чистый P&L
• Самые прибыльные города (где бот стабильно выигрывает)
• Самые слабые города (где торговать осторожно или избегать)
• Винрейт по диапазонам цены входа (<15¢, 15–40¢, >40¢)

Claude естественно подстраивает поведение под этот контекст. Если у London-сделок 9-победная серия, он более агрессивно опирается на возможности в Лондоне. Если Сеул был стабильным проигрышем, он поднимает планку перед рекомендацией Seoul-сделок. Стратегия бота эволюционирует ежедневно на основе того, что реально работает.