Арбитраж криптовалюты без навыков кода: как запустить бота через API «Финама» и ИИ за 4 часа
Боты для арбитража криптовалют на практике: как запустить статарбитраж через Trade API «Финама» с помощью Python и ИИ-агентов, чтобы зарабатывать на расхождении цен между биржами.

«Финам» позволяет торговать одновременно на российских и американских биржах через единый API, а это даёт доступ к парам активов, спред которых можно отслеживать и монетизировать автоматически, без ручного мониторинга котировок.
Статистический арбитраж (он же статарбитраж, или Pairs Trading) долго оставался территорией профессиональных квантов с дорогой инфраструктурой. Сейчас ситуация изменилась: Trade API «Финама» открывает доступ к нескольким биржам из одного аккаунта, а ИИ-агенты (программы, которые сами пишут и правят код по вашему текстовому описанию задачи) берут на себя программирование. По данным разработчика Александра из команды «Финама», навыки программирования для запуска бота не требуются.
Что такое статарбитраж и при чём тут «пьяница с собакой»?
Арбитраж криптовалюты и классических биржевых активов строится на одном принципе: найти два инструмента, цены которых исторически движутся вместе, и заработать в момент, когда они временно расходятся.
Классический арбитраж, купить дешевле в одном месте и тут же продать дороже в другом, давно занят высокочастотными роботами (HFT), которые соревнуются за микросекунды. Но статистический арбитраж работает иначе.
Представьте пьяницу, который ведёт собаку на поводке. Оба идут зигзагами, но расстояние между ними ограничено длиной поводка. Если собака убежит слишком далеко, поводок натянется и вернёт её обратно. В трейдинге роль пьяницы и собаки играют два актива. Наша задача: вычислить этот «невидимый поводок», то есть доказать, что активы коинтегрированы (связаны не случайно, а структурно).
Ключевая метрика: Z-score. Это показатель, который переводит абсолютную разницу цен (спред) в количество стандартных отклонений от нормы. Когда Z-score выходит за порог 2, спред аномально растянулся, и с вероятностью около 95% вернётся обратно. На этом и зарабатывают.
Что понадобится
- Брокерский счёт в «Финаме» с доступом к Trade API
- Python (версия 3.8 и выше)
- ИИ-агент для генерации кода: Cursor, Claude Code или аналог
- Скринер пар, например spread-insight, где собрано более 7 000 пар с фильтрацией по тесту Энгла-Грейнджера (статистический тест, проверяющий, действительно ли два актива связаны «поводком»)
- Время: от 2 до 4 часов на первый запуск, включая бэктест (проверку стратегии на исторических данных)
Пошаговая инструкция
- Выберите пару экономически связанных инструментов. Пара обязана быть связана по смыслу, а не просто похожа на графике. Примеры из источника:
- Фьючерсы на газ на NYMEX и RTS (один товар на разных биржах)
- Акции Pepsi и Coca-Cola (два гиганта одной индустрии)
- Нефть и бензин (сырьё и продукт переработки)
-
Акция и фьючерс на неё, акция и её привилегированная версия
-
Проверьте пару на коинтеграцию. Откройте скринер spread-insight, отфильтруйте пары по силе связности (тест Энгла-Грейнджера) за разные периоды: месяц, квартал, полгода, год. Визуально оцените, как торговался спред: полосы Боллинджера на графике, это и есть наглядный Z-score.
-
Загрузите исторические данные через API. Используйте метод
Barsдля получения дневных свечей за последние 30 дней. Эти данные нужны для расчёта средней (Mean) и стандартного отклонения (Standard Deviation).
# Промпт для ИИ-агента (Cursor или Claude Code):
# «Напиши скрипт на Python, который через Trade API Финама
# загружает дневные бары за 30 дней для двух тикеров,
# рассчитывает спред с коэффициентом хеджирования (gamma)
# и выводит текущий Z-score»
-
Подпишитесь на котировки в реальном времени. Метод
SubscribeQuoteдаёт поток актуальных цен. Бот постоянно пересчитывает Z-score на основе свежих данных. -
Задайте правила входа и выхода:
- Вход: Z-score вышел за порог 2 (или ниже минус 2). Если спред слишком дёшев, покупаем актив A и продаём актив B. Если слишком дорог, наоборот.
- Выход: Z-score вернулся к значению, близкому к нулю. Закрываем обе позиции и фиксируем прибыль.
-
Стоп-лосс: Z-score достиг критического уровня 3 или выше. Закрываем позицию с убытком, чтобы ограничить потери.
-
Проведите бэктест. Прежде чем запускать бота на реальные деньги, прогоните стратегию на исторических данных. ИИ-агент сгенерирует код для бэктеста по текстовому промпту (текстовому описанию задачи для нейросети).
-
Разверните бота на сервере. После успешного бэктеста запустите скрипт на VPS или домашнем сервере с постоянным подключением к API.
Допустим, вы выбрали пару «фьючерс на газ NYMEX» и «фьючерс на газ RTS». В скринере spread-insight видите, что Z-score сейчас равен 2.3, спред аномально расширен. Бот автоматически продаёт дорогой фьючерс и покупает дешёвый. Через несколько дней Z-score возвращается к 0.1. Бот закрывает обе позиции. Разница в ценах, за вычетом комиссий, становится вашей прибылью. Направление рынка при этом не имеет значения: стратегия зарабатывает на сближении, а не на росте или падении.
- Путать корреляцию с коинтеграцией. Два актива могут двигаться похоже месяц, а потом разойтись навсегда. Это как два случайных прохожих, а не пьяница с собакой. Всегда проверяйте пару тестом Энгла-Грейнджера, визуального сходства графиков недостаточно.
- Забыть про экспирацию фьючерсов. Если один из инструментов в паре истекает, «поводок» рвётся. Следите за датами и заменяйте контракт заранее.
- Отсутствие стоп-лосса по спреду. Классический стоп по цене здесь не работает. Стоп ставится по значению Z-score (обычно на уровне 3), иначе при форс-мажоре убыток может расти неограниченно.
- Запуск на реальные деньги без бэктеста. Стратегия, красивая в теории, может не пережить комиссии и проскальзывания. Сначала прогоните на истории.
- Игнорирование фундаментальных событий. Эмбарго, санкции, отраслевой кризис могут уничтожить коинтеграцию мгновенно. Автоматический бот не читает новости, это ваша ответственность.
Что делать с этим прямо сейчас?
Автору Дзена. Арбитраж криптовалюты и биржевых инструментов генерирует множество тем для контента: разборы пар, отчёты по бэктестам, сравнение скринеров. Финансовый контент стабильно собирает вовлечённую аудиторию. Попробуйте описать собственный опыт запуска бота, даже на демо-счёте.
Маркетологу. Если вы работаете с финтех-проектами, статарбитраж через API «Финама» это конкретный пользовательский сценарий для продвижения: реальная задача, реальный инструмент, понятный результат.
Предпринимателю в РФ. Trade API «Финама» работает в российской юрисдикции, доступ к Мосбирже и американским площадкам через одного брокера. Стратегия не требует крупного капитала на старте, но требует дисциплины в риск-менеджменте.
Статарбитраж действительно одна из наиболее предсказуемых стратегий, но «предсказуемая» не значит «безрисковая». По моим наблюдениям, главная опасность для новичка не в коде и не в API, а в иллюзии, что найденная пара будет работать вечно. Коинтеграция распадается, и это нормально. Проверяйте связность пары минимум раз в неделю. Используйте ИИ-агентов для генерации кода, но перечитывайте каждую строку: нейросеть может «нагаллюцинировать» (уверенно выдумать) неправильную формулу расчёта Z-score, и вы этого не заметите до первого убытка. Начинайте с демо-счёта. Всегда.
Используйте ИИ для создания контента о финансах
Если вы пишете о трейдинге, инвестициях или финтехе, попробуйте инструменты dzen.guru для ускорения работы с текстами
Попробовать dzen.guruСтатарбитраж через API «Финама» снимает два главных барьера: доступ к нескольким биржам из одного окна и необходимость писать код вручную. ИИ-агенты берут на себя программирование, скринеры берут на себя поиск пар. Вам остаётся самое важное: понимать, когда «поводок» ещё держит, а когда пора выходить.

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Graph RAG позволил моделям с 2 млрд параметров решить задачу, которую без графа не решила ни одна
Graph RAG (граф знаний для поиска по документам, дополняющий генерацию) позволяет даже компактным моделям с 2-8 миллиардами параметров решать сложные…

LLM-конвейер молча теряет записи: три бага, которые не видны в сводке
Конвейеры на базе больших языковых моделей (LLM, от англ. Large Language Model) часто теряют записи так, что итоговые проверки показывают успех, а пользователь…
Профи.ру встроил LLM поверх Elasticsearch: 150 000 запросов в час без замены движка
Дмитрий, лид отдела семантики в Профи.ру, рассказал, как команда встроила языковую модель в поиск услуг поверх Elasticsearch, не выбрасывая классический…
Комментарии