Автоматизация интернет-трейдинга на рынке ценных бумаг: от теоретических основ до перспектив ИИ

В 2023 году ошеломляющие 70% сделок на рынке Форекс в США осуществлялись в автоматическом режиме с помощью специальных программ и алгоритмов. Эта цифра не просто статистика, а ярчайшее свидетельство кардинального сдвига в мире финансовых рынков, где скорость, точность и отсутствие эмоций становятся ключевыми преимуществами. Сегодня рынок ценных бумаг — это не только нервная работа трейдера у монитора, но и сложный танец алгоритмов, управляемых машинами.

Введение: Актуальность, цели и задачи автоматизации трейдинга

Мир финансовых рынков стремительно меняется, становясь всё более сложным, динамичным и насыщенным информацией. Если еще пару десятилетий назад трейдеры полагались на интуицию и оперативное чтение новостей, то сегодня этого явно недостаточно; скорость обработки данных, мгновенное исполнение ордеров и способность анализировать колоссальные объемы информации стали критически важными. Именно эта возрастающая сложность и беспрецедентная скорость движения капитала стимулируют повсеместную автоматизацию, превращая когда-то элитную сферу высокочастотного трейдинга в мейнстрим, что означает широкое распространение и доступность таких технологий.

В контексте развития финансовых технологий (FinTech) и непрерывного роста интереса к инвестициям, тема автоматизации интернет-трейдинга на рынке ценных бумаг обретает особую актуальность. Она находится на стыке экономики, финансов и информационных технологий, предлагая студентам и исследователям уникальную возможность погрузиться в механизмы современного рынка.

Целью данной работы является разработка структурированного плана для написания курсовой работы, которая всесторонне охватит феномен автоматизации интернет-трейдинга.

Для достижения поставленной цели необходимо решить следующие задачи:

• Проанализировать предметную область, включая ключевые термины, концепции и исторический контекст.
• Изучить теоретические основы и методологии, лежащие в основе создания механических торговых систем (МТС).
• Провести обзор современных платформ и видов МТС, выявив их функциональные возможности и отличия.
• Оценить риски и возможности, связанные с применением автоматизированных систем, а также рассмотреть регуляторные аспекты на российском рынке ценных бумаг.
• Исследовать перспективные направления развития автоматизации, включая применение искусственного интеллекта и машинного обучения.
• Определить критерии для выбора авторитетных источников информации и избегания ненадежных.

Структура данной работы будет последовательно раскрывать обозначенные задачи, двигаясь от общих понятий к глубокому анализу конкретных аспектов и перспектив.

Основы интернет-трейдинга и факторы его автоматизации

В эпоху цифровизации, когда границы между физическим и виртуальным миром стираются, финансовые рынки не могли остаться в стороне. Переход от «криков в яме» к электронным торгам стал одним из самых революционных изменений, а автоматизация — его логическим продолжением. Этот раздел погружает нас в суть интернет-трейдинга и анализирует те силы, что неумолимо толкают его к полной автоматизации.

Понятие и эволюция интернет-трейдинга на рынке ценных бумаг

Что же представляет собой интернет-трейдинг? В самом общем смысле, интернет-трейдинг (Internet-trading, E-trading, I-trading) — это современный метод выполнения торговых операций, связанных с покупкой или продажей акций, облигаций, валюты и других финансовых инструментов на международных и национальных финансовых рынках. Эти операции осуществляются в онлайн-режиме, используя услуги дилинговых центров, брокерских компаний и специализированных программных платформ. Фактически, это доступ к биржевой инфраструктуре через глобальную сеть.

История интернет-трейдинга тесно связана с развитием информационных технологий. Если в XX веке доступ к биржам был прерогативой крупных финансовых институтов, то с появлением интернета и развитием персональных компьютеров ситуация кардинально изменилась. Первые онлайн-брокеры появились в 1990-х годах, предоставив розничным инвесторам возможность самостоятельно управлять своими портфелями. С тех пор индустрия претерпела колоссальные изменения: от простых веб-интерфейсов до сложных торговых терминалов с мгновенным доступом к рыночным данным, аналитическим инструментам и возможностям для автоматизации. Сегодня интернет-трейдинг — это не просто удобный канал, а неотъемлемая часть глобальной финансовой системы.

Факторы, стимулирующие автоматизацию торговых операций

Почему же трейдеры и инвесторы все чаще доверяют свои операции машинам? Ответ кроется в неоспоримых преимуществах, которые предоставляет автоматизация:

• Экономия времени: Алгоритмы способны работать 24/7, мониторя рынки по всему миру без перерывов на сон и отдых.
• Снижение эмоционального влияния: Человеческий фактор, эмоции страха и жадности, часто приводят к иррациональным решениям. Робот действует строго по заданному алгоритму, исключая предвзятость и эмоциональный стресс. Это способствует снижению ошибок и повышению качества торговли.
• Круглосуточный доход: Автоматизированные системы могут извлекать выгоду из рыночных движений в любое время суток, даже когда трейдер спит.
• Мгновенная реакция: Торговые роботы способны моментально реагировать на рыночные условия, изменения цен и объемов, выполняя операции без задержек. Это особенно важно для быстро меняющихся рынков.
• Диверсификация: Автоматическая торговля позволяет одновременно участвовать на различных рынках и с различными инструментами, значительно расширяя возможности для диверсификации инвестиционного портфеля.

Особую роль в автоматизации играет высокочастотная торговля (HFT). Этот вид автоматизированного трейдинга, при котором сделки совершаются за доли секунды, доминирует на крупнейших рынках. В США высокочастотная торговля составляет примерно 50-55% от общего объема торговли акциями на фондовом рынке. На рынке Форекс тенденция еще более выражена: в 2023 году около 70% сделок в США осуществлялись в автоматическом режиме с помощью специальных программ и алгоритмов, и эта цифра, по прогнозам, будет только расти. Эти данные ясно показывают, что скорость и алгоритмизация стали неотъемлемой частью современного трейдинга, ведь каждая миллисекунда имеет значение для извлечения максимальной прибыли.

Помимо HFT, развитие биржевых фондов (ETF) также является мощным индикатором тренда к автоматизированным инвестициям. В ноябре 2021 года годовой глобальный чистый приток в ETF впервые в истории превысил 1 триллион долларов США, а общие глобальные активы, инвестированные в ETF, достигли почти 9,5 триллиона долларов США. К июню 2025 года этот показатель вырос до 13,74 триллиона долларов США, при этом в 2024 году зафиксированы рекордные притоки, превышающие 1,1 триллиона долларов США. К концу 2024 года глобальные активы под управлением ETF достигли 13,8 триллиона долларов США. Такой бурный рост ETF во многом обусловлен их пассивным управлением, которое по сути является формой автоматизированного инвестирования, доступной широкому кругу инвесторов, демонстрируя, что даже консервативные стратегии тяготеют к автоматизации.

Автотрейдинг, или алгоритмический трейдинг (алготрейдинг), — это способ торговли на бирже с использованием программного обеспечения и алгоритмов. В этом контексте торговые роботы могут либо помогать трейдеру принимать решения о входе и выходе из сделки, либо самостоятельно выполнять операции по покупке и продаже активов. Здесь можно выделить две основные категории:

• Полная автоматизация: Робот полностью контролирует торговлю. Он рассчитывает риски и доходность, устанавливает размер позиции, а также самостоятельно открывает и закрывает сделки, действуя в рамках предписанной стратегии.
• Полуавтоматическая торговля: Робот лишь дает сигналы после проведения анализа рынка, а трейдер сам принимает окончательное решение об открытии или закрытии сделки. Это своего рода «второй пилот», который предоставляет аналитическую поддержку, но оставляет человеку последнее слово.

Категория автоматизации	Описание	Примеры функций
Полная автоматизация	Робот полностью контролирует весь торговый процесс, от анализа до исполнения.	Расчет рисков и доходности, установка размера позиции, автономное открытие/закрытие сделок.
Полуавтоматическая	Робот предоставляет сигналы и рекомендации, но трейдер принимает окончательное решение.	Генерация торговых сигналов, аналитические отчеты, уведомления о рыночных событиях.

Итак, автоматизация интернет-трейдинга — это не просто технологическая прихоть, а объективная необходимость, продиктованная требованиями современного финансового рынка. Она обещает эффективность, скорость и свободу от человеческих слабостей, открывая новую эру в инвестировании.

Теоретические и методологические аспекты создания механических торговых систем (МТС)

Создание механических торговых систем (МТС) — это не просто написание кода, это симбиоз финансовых теорий, математических моделей и глубокого понимания психологии рынка. Данный раздел раскрывает фундаментальные принципы, на которых строятся алгоритмические стратегии, и исследует как строгие математические методы, так и тонкие поведенческие аспекты, часто ускользающие от внимания.

Принципы разработки и функционирования МТС

В основе любой механической торговой системы лежит строгая логика и отсутствие места для импровизации. Торговые решения в автоматической торговле основываются на строго определенных правилах и алгоритмах, что полностью исключает эмоциональное влияние и значительно повышает консистентность торговых операций. Это ключевое отличие от дискреционного трейдинга, где решения принимаются человеком «по ощущениям» или на основе сиюминутного анализа.

Не менее важным аспектом является установка строгих правил управления рисками. Каждая МТС должна быть запрограммирована таким образом, чтобы минимизировать потенциальные потери и защитить капитал. Это включает в себя определение максимально допустимого убытка на сделку, на день, на общую позицию, а также механизмы стоп-лоссов и тейк-профитов, что крайне важно для долгосрочной стабильности работы системы.

Процесс разработки торговых роботов — это комплексный, итеративный цикл, который можно разбить на следующие этапы:

1. Сбор и анализ рыночных данных: На этом этапе собираются исторические котировки, объемы торгов, экономические новости, отчеты компаний и другие релевантные данные. Их качество и полнота критически важны для дальнейшего анализа.
2. Создание алгоритма: На основе анализа данных и выбранной торговой стратегии разрабатываются четкие инструкции по открытию и закрытию сделок. Эти инструкции должны быть формализованы и однозначно интерпретируемы машиной.
3. Тестирование стратегии (Бэктестинг): Это один из самых важных этапов. Бэктестинг — это процесс тестирования разработанной стратегии на исторических данных для оценки ее эффективности, прибыльности и устойчивости к различным рыночным условиям. Здесь выявляются слабые места, оптимизируются параметры и оценивается потенциал системы.
4. Запуск: После успешного тестирования и оптимизации робот запускается в реальную торговлю (часто сначала на демо-счете, затем на реальном с минимальными объемами).
5. Контроль и корректировка программы: Рынок постоянно меняется, и даже самая идеальная стратегия может потерять свою эффективность. Поэтому необходим постоянный мониторинг работы МТС, анализ ее результатов в реальном времени и, при необходимости, корректировка алгоритмов.

Математические модели и алгоритмы в алготрейдинге

Алгоритмическая торговля — это царство математики. Алгоритмическая торговля использует сложные математические модели и формулы для проведения высокоскоростных автоматизированных финансовых транзакций.

Линейная алгебра является фундаментальной математической концепцией, пронизывающей большинство алгоритмических торговых стратегий. Она используется для моделирования финансовых рынков, анализа многомерных данных и даже для прогнозирования будущих тенденций.

Среди конкретных методов выделяются:

• Линейная регрессия: Это один из самых популярных и базовых статистических методов, используемых для моделирования взаимосвязи между зависимой переменной (например, ценой акции) и одной или несколькими независимыми переменными (например, объемами торгов, показателями экономики). Она позволяет строить простые прогностические модели для цен на акции или курсов валют.
• Анализ главных компонент (PCA): Используется для уменьшения размерности данных. Финансовые рынки генерируют огромное количество информации, и PCA помогает выявить наиболее важные факторы (главные компоненты), которые объясняют наибольшую долю вариации в данных, игнорируя шум.
• Разложение по сингулярным значениям (SVD): Еще один мощный метод линейной алгебры, применяемый для анализа структуры матрицы данных и извлечения важной информации, например, для выявления скрытых паттернов или уменьшения мультиколлинеарности между переменными.
• Методы оптимизации: Например, линейное программирование, которое используется для поиска оптимального портфеля активов, максимизации доходности при заданных ограничениях по риску или минимизации риска для желаемого уровня доходности.

Для исполнения крупных ордеров, чтобы минимизировать их влияние на рынок, используются специализированные алгоритмы:

• TWAP (Time-Weighted Average Price): Алгоритм равномерно распределяет крупный ордер по времени, пытаясь исполнить его по средневзвешенной по времени цене за определенный период.
• VWAP (Volume-Weighted Average Price): Алгоритм пытается исполнить ордер таким образом, чтобы средняя цена исполнения соответствовала средневзвешенной по объему цене рынка за определенный период.

Важным аспектом алгоритмической торговли, особенно в высокочастотном трейдинге (HFT), является высокая скорость исполнения сделок. Это означает, что заявки обрабатываются в миллисекунды или даже микросекунды. Например, рекордная скорость передачи заявки до серверов биржи может составлять около 4,09 миллисекунды. Такая скорость требует не только высокопроизводительного ПО, но и близости серверов трейдера к серверам биржи (colo-location).

Традиционные методы анализа временных рядов, такие как модели ARIMA (Авторегрессионная интегрированная скользящая средняя) и GARCH (Обобщенная авторегрессионная условная гетероскедастичность), эффективны при работе со стационарными рядами. Однако современные подходы, использующие нейронные сети, не требуют стационарности и более эффективны в поиске сложных, нелинейных связей между данными. Как же эти передовые модели меняют привычный ландшафт анализа?

Разработка торговой стратегии с использованием машинного обучения включает следующие ключевые этапы:

1. Сбор данных: Чем больше данных, тем точнее модель.
2. Предварительная обработка данных: Очистка, нормализация, преобразование данных для их пригодности к обучению.
3. Разработка и реализация модели: Выбор архитектуры нейронной сети или другого алгоритма МО.
4. Бэктестинг (тестирование на исторических данных): Оценка производительности модели.
5. Оптимизация: Настройка параметров модели для улучшения ее эффективности.

Теории поведения инвесторов и фондового рынка

Хотя МТС работают по строгим алгоритмам, понимание человеческого поведения на рынке остается критически важным. Рынок — это не только цифры, но и психология.

Теории поведения инвесторов на фондовом рынке включают как классические, так и современные подходы:

• Классическая теория эффективного рынка (Efficient Market Hypothesis, EMH): Утверждает, что цены активов полностью отражают всю доступную информацию, и получить сверхприбыль невозможно.
• Теория случайного блуждания (Random Walk Theory): Предполагает, что будущие движения цен акций невозможно предсказать на основе прошлых данных.
• Теория арбитражного ценообразования (Arbitrage Pricing Theory, APT): Модель, объясняющая доходность актива через его чувствительность к множеству рыночных факторов.

Однако эти теории не всегда полностью объясняют реальное поведение рынка. Здесь на сцену выходят поведенческие модели:

• Теория перспектив (Prospect Theory): Описывает, как люди принимают решения в условиях риска, часто демонстрируя асимметрию в восприятии выигрышей и проигрышей.
• Гипотеза адаптивных ожиданий (Adaptive Expectations Hypothesis): Предполагает, что люди формируют ожидания на основе прошлых ошибок, постепенно корректируя их.
• Поведенческие финансы (Behavioral Finance): Более широкое поле, которое исследует влияние психологических факторов, когни��ивных искажений и эмоций на принятие финансовых решений.

Важно отметить, что эмоции могут передаваться от одного участника фондового рынка к другому, влияя на их поведение. Это явление известно как «стадное чувство» или «инфекция эмоций». На пике эйфории инвесторы могут переоценивать активы, а в панике — недооценивать, создавая иррациональные движения цен. СМИ играют важную роль в «заражении» эмоциями, так как информационная повестка дня способна мощно влиять на эмоции и поведение трейдеров и инвесторов, усиливая или ослабляя рыночные тренды. Это означает, что даже самые рациональные алгоритмы должны учитывать этот фактор для предсказания и противодействия массовым паникам или эйфории.

Понимание этих поведенческих аспектов позволяет создавать более устойчивые алгоритмы, которые могут либо использовать эти иррациональности рынка, либо, наоборот, защищать капитал от их разрушительного воздействия.

Обзор современных платформ и видов механических торговых систем

Мир автоматизированного трейдинга невозможен без специализированных инструментов — платформ и программ, которые являются своего рода мастерскими для создания и запуска торговых роботов. Этот раздел посвящен сравнительному анализу наиболее популярных платформ и классификации МТС, акцентируя внимание на тех нюансах, которые часто остаются за кадром.

Функционал платформ для алготрейдинга

Платформы для алготрейдинга — это не просто программы, это комплексные экосистемы, позволяющие трейдерам и разработчикам создавать, тестировать, оптимизировать и запускать торговых роботов. Как правило, они включают в себя:

• Модули для написания кода: Интегрированные среды разработки, поддерживающие специализированные языки (например, MQL4/MQL5 для MetaTrader, Lua для QUIK, C# для StockSharp) или позволяющие подключать внешние скрипты.
• Тестирование на массиве исторических данных (бэктестинг): Мощные инструменты для проверки эффективности стратегий в прошлом.
• Торговые интерфейсы: Для отправки заявок на биржу, мониторинга позиций, получения рыночных данных в реальном времени.

Рассмотрим некоторые из наиболее популярных платформ:

Платформа	Описание и особенности	Языки программирования
MetaTrader 4/5	Одна из самых распространенных платформ для Форекс и CFD, позже расширенная для работы с фондовым рынком. Обладает богатым функционалом для технического анализа и широким сообществом разработчиков. Позволяет создавать советников (роботов), индикаторы и скрипты.	MQL4 / MQL5
QUIK	«Классический» и один из самых популярных терминалов для торговли на российских биржах (Московская биржа). Предоставляет широкие возможности для анализа графиков, управления портфелем и имеет развитый API для написания скриптов и внешних программ.	Lua (для скриптов), DDE, FIX (для API)
Transaq	Передовое решение, активно используемое брокерами для организации торгового доступа. Поддерживает рыночные данные в режиме реального времени, высокоскоростное исполнение ордеров и широкий спектр торговых инструментов. Популярен среди профессиональных трейдеров.	C++, Java, .NET (через API)
FinamTrade	Бесплатная торговая платформа российского брокера «Финам». Предоставляет инструменты для трейдинга и технического анализа, а также возможности для интеграции с внешними системами.	JavaScript (для скриптов)
CScalp	Специализированный терминал для скальпинга и внутридневной торговли. Поддерживает работу с акциями на Мосбирже и многими криптовалютными биржами. Предоставляет возможность автоматизации через API, что делает его гибким для разработчиков собственных алгоритмов.	API
StockSharp	Универсальная платформа с открытым исходным кодом, предназначенная для создания торговых роботов. Отличается гибкостью, поддержкой множества брокеров и бирж, а также наличием графического конструктора стратегий. Это мощный инструмент для тех, кто хочет глубоко погрузиться в разработку.	C#
Zenbot / Hummingbot	Платформы с открытым исходным кодом, ориентированные на криптовалютный трейдинг. Предоставляют возможности для автоматизации различных стратегий на множестве криптобирж.	JavaScript (Zenbot), Python (Hummingbot)
cTrader	Платформа, популярная среди Форекс-трейдеров, предлагающая продвинутые возможности для алготрейдинга через cAlgo, где можно разрабатывать роботов и индикаторы.	C# (через cAlgo)

Сравнительный анализ показывает, что выбор платформы зависит от целей трейдера, рынка (Форекс, фондовый, крипто), предпочтительного языка программирования и требуемого уровня контроля над алгоритмом.

Классификация торговых роботов

Торговые роботы могут быть классифицированы по нескольким критериям, что помогает лучше понять их назначение и принцип работы.

По времени удерживания позиции:

• Краткосрочные роботы: Ориентированы на извлечение прибыли из небольших колебаний цен в течение дня (скальпинг, внутридневная торговля). Они держат позиции от нескольких секунд до нескольких минут.
• Среднесрочные роботы: Работают с позициями, удерживаемыми от нескольких дней до нескольких недель. Они ориентируются на более длительные тренды или коррекции.
• Долгосрочные роботы: Созданы для инвестирования на месяцы и годы, обычно следуя фундаментальным трендам или макроэкономическим показателям.

По типу работы:

• Автоматические роботы: Способны выполнять все торговые операции в полностью автономном режиме. Они самостоятельно анализируют рынок, принимают решения о входе/выходе из сделки, управляют рисками и исполняют ордера.
• Полуавтоматические роботы: Формируют торговые заявки и отправляют запрос на подтверждение владельцу счета. Требуют вмешательства человека для окончательного решения об исполнении сделки. Они действуют как продвинутые аналитические помощники.

По используемым стратегиям и анализу рыночных данных:
Торговые роботы используют разнообразный арсенал для принятия решений:

• Анализ цен и объемов: Это фундаментальные данные, на основе которых строятся многие стратегии. Роботы отслеживают паттерны, пробои уровней, изменения волатильности и другие сигналы.
• Технические индикаторы: Многие платформы предоставляют широкий набор готовых технических индикаторов, таких как скользящие средние (Moving Averages), индикаторы волатильности (Bollinger Bands, ATR), осцилляторы (RSI, Stochastic) и индикаторы широты рынка. Роботы могут использовать их для генерации сигналов входа и выхода.
• Индикаторы настроений рынка: Это сравнительно новое, но перспективное направление. Роботы могут анализировать данные о количестве открытых позиций покупателей и продавцов, динамику опционных контрактов и даже текстовые данные (новости, социальные сети) для оценки общего настроения участников рынка.
• Арбитражные возможности: Роботы способны обнаруживать незначительные ценовые расхождения на разных биржах или между связанными инструментами и мгновенно использовать их для извлечения прибыли.
• Фундаментальный анализ новостных событий: Хотя это направление пока лучше удается человеку, ИИ-системы все активнее используются для обработки и интерпретации новостей, отчетности компаний и макроэкономических данных, чтобы предсказывать их влияние на рынок.

Разнообразие платформ и типов роботов подчеркивает гибкость и адаптивность автоматизированного трейдинга к самым разным условиям и стратегиям, делая его мощным инструментом в руках современного инвестора и трейдера.

Риски, возможности и регулирование автоматизированного трейдинга в РФ

Автоматизация трейдинга, как и любая передовая технология, является палкой о двух концах. Она открывает колоссальные возможности для повышения эффективности и скорости, но при этом несет в себе специфические риски, требующие тщательного управления и адекватного регулирования. Этот раздел посвящен детальному анализу преимуществ и подводных камней автоматизированных систем, а также специфике их регулирования на российском рынке.

Преимущества и риски автоматизированной торговли

Преимущества алготрейдинга неоспоримы и служат главной движущей силой его распространения:

• Полная автоматизация: Боты работают строго в рамках заложенной стратегии, исключая человеческий фактор.
• Отсутствие эмоций: Это главное преимущество. Робот не испытывает страха, жадности или паники, что позволяет ему придерживаться четкого плана даже в условиях высокой волатильности.
• Математический расчет объема позиции и соблюдение риск-менеджмента: Алгоритмы точно рассчитывают оптимальный размер позиции и строго следуют заданным правилам управления рисками, что помогает минимизировать потенциальные потери.
• Скорость и эффективность исполнения сделок: Алгоритмы могут реагировать на рыночные изменения значительно быстрее человека, исполняя сделки за миллисекунды и извлекая выгоду из краткосрочных ценовых движений.

Однако, наряду с преимуществами, существуют и серьезные риски:

• Неправильное использование алгоритмов: Неверно разработанная или неоптимизированная стратегия, даже если она идеально автоматизирована, может привести к значительным убыткам.
• Мошенничество: Рынок наполнен предложениями о «готовых» торговых роботах, многие из которых оказываются мошенническими, обещая нереалистичную доходность.
• Сбои в работе: Технические неполадки, ошибки в коде, проблемы с интернет-соединением или электропитанием могут привести к непредсказуемым последствиям, вплоть до бесконтрольного открытия убыточных сделок.
• Необъективность оценки рынка: Роботы не всегда объективно оценивают ситуацию на рынке, особенно в условиях форс-мажоров, «черных лебедей» или резких изменений фундаментальных факторов, что может привести к потере средств.
• Flash Crashes (Флеш-крэши): Это один из самых драматичных рисков. В условиях рыночной неопределенности или технических сбоев, когда роботы массово закрывают позиции, это может привести к колоссальному оттоку ликвидности и обесцениванию акций за считанные минуты. Ярким примером был «флеш-крэш» 2010 года.

Учитывая эти риски, использование автоматизированного трейдинга требует строгого управления рисками, постоянного мониторинга и контроля принятия решений. Робот — это инструмент, а не панацея, и его эффективное использование требует высокой квалификации и дисциплины со стороны трейдера.

Воздействие алготрейдинга на биржевое ценообразование в РФ

Влияние алгоритмической торговли на российском рынке ценных бумаг уже ощутимо. Развитие алготрейдинга оказывает значительное воздействие на процесс биржевого ценообразования. Например, в марте 2020 года доля сделок с участием роботов на рынке акций Московской биржи составила 58,4%, а на валютной секции — 58%. Некоторые эксперты оценивают участие роботов в общем объеме сделок на уровне 70-90%. Эти цифры свидетельствуют о том, что алгоритмы стали доминирующей силой на российском рынке.

Такая активность алгоритмов может создавать избыточную нагрузку на торговые системы биржи. Чтобы снизить непроизводительную нагрузку, вызванную гиперактивными алгоритмами, когда только 1 из 518 заявок приводила к реальной сделке, Московская биржа вводила дополнительные комиссии за большое количество неисполненных заявок. Это стимулирует алгоритмы быть более «умными» и не засорять стакан котировок излишними ордерами.

Параллельно с регулированием, Московская биржа активно развивает свою технологическую инфраструктуру для поддержки высокочастотного трейдинга. В 2020 году был запущен высокоскоростной торговый протокол FIFO MFIX Trade. Этот протокол обеспечивает строгое соблюдение очередности обработки заявок с вероятностью более 99% и соответствует лучшим мировым практикам для стратегий с реакцией в доли микросекунды. Это повышает прозрачность и предсказуемость работы биржевой инфраструктуры, что критически важно для HFT-трейдеров.

Правовые и регуляторные аспекты в России

Регулирование алгоритмической торговли — сложная задача, требующая баланса между стимулированием инноваций и защитой рынка от системных рисков. В России оно включает как стимулирующие, так и сдерживающие меры:

Стимулирующие меры направлены на создание благоприятных условий для алготрейдинга:

• Снижение времени исполнения и отклика торговых систем.
• Увеличение пропускной способности каналов связи.
• Размещение поддерживающих клиентские системы технических средств максимально близко к биржевым серверам (colo-location).

Сдерживающие меры направлены на контроль и минимизацию рисков:

• Регулирующие органы в России, в частности Банк России, активно изучают аспекты алгоритмической торговли, включая международные практики регулирования.
• Хотя отдельного федерального регулирования конкретно для алгоритмической торговли в России пока не предусмотрено, торговые роботы работают в рамках установленных биржей риск-параметров и ценовых коридоров.
• Как уже упоминалось, Московская биржа ввела дополнительные сборы для гиперактивных алгоритмов.
• Ситуационный центр мониторинга биржевых торгов Банка России играет ключевую роль. Он в режиме реального времени анализирует новостной фон и торговую активность для противодействия недобросовестным практикам, таким как манипулирование рынком и использование инсайдерской информации.

Важным аспектом является и регулирование цифровых активов. По состоянию на 2025 год, законодательство РФ еще не содержит термина «криптовалюта», но с 1 января 2021 года действует Федеральный закон «О цифровых финансовых активах, цифровой валюте и о внесении изменений в отдельные законодательные акты Российской Федерации». Этот закон ввел в оборот «цифровую валюту», что является шагом к легализации и регулированию этой сферы. В январе 2022 года Правительством РФ утверждена «дорожная карта» развития криптовалют, предусматривающая их регулирование, а не запрет. Это включает в себя идентификацию клиентов, ответственность за нарушение режима оборота и создание специальных площадок в России. Эти меры будут оказывать все большее влияние на развитие автоматизированной торговли и в этом сегменте.

Таким образом, российский рынок стремится адаптироваться к вызовам автоматизированного трейдинга, внедряя как технологические инновации, так и регуляторные механизмы для обеспечения стабильности и справедливости.

Перспективные направления: Искусственный интеллект и машинное обучение в трейдинге

Будущее автоматизированного трейдинга неразрывно связано с искусственным интеллектом (ИИ) и машинным обучением (МО). Эти технологии обещают вывести анализ данных и принятие решений на качественно новый уровень, открывая эру «умного» трейдинга. Однако, как и любая мощная инновация, они несут в себе как огромные возможности, так и специфические риски, которые необходимо учитывать.

Роль ИИ и машинного обучения в автоматической торговле

Технологии и развитие искусственного интеллекта (ИИ) играют ключевую роль в автоматической торговле на бирже. ИИ — это не просто скорость, это способность к обучению, адаптации и выявлению сложных, неочевидных закономерностей. Он позволяет автоматическим торговым системам:

• Анализировать большие объемы данных: В отличие от традиционных алгоритмов, ИИ может обрабатывать петабайты информации из самых разнообразных источников — от исторических котировок до новостных лент и социальных сетей.
• Выявлять тенденции и закономерности: ИИ способен обнаруживать скрытые корреляции и паттерны, которые человек или классические алгоритмы могут пропустить.
• Прогнозировать будущие движения цен: Основываясь на глубоком анализе, ИИ может строить более точные прогностические модели.

Машинное обучение в трейдинге — это подраздел ИИ, который фокусируется на создании систем, способных автоматически изменяться и улучшаться на основе полученных данных и обратной связи. Это метод для автоматического изменения алгоритмов и автоматической проверки их производительности.

Особое место занимают нейронные сети. В трейдинге они способны:

• Распознавать аномалии: Выявлять необычное поведение цен или объемов, что может свидетельствовать о предстоящих изменениях или манипуляциях.
• Генерировать рыночные сигналы: На основе анализа различных факторов, нейронные сети могут выдавать сигналы на покупку или продажу.
• Предсказывать потенциальные изменения рынка: Строить вероятностные прогнозы будущих движений.

ИИ для торговли акциями выходит за рамки чисто технического анализа, учитывая более широкий спектр факторов:

• Корпоративные события: Анализ новостей о слияниях, поглощениях, выпусках новой продукции, изменениях в руководстве.
• Исследование отчетности: Автоматизированный анализ финансовых отчетов компаний (прибыли, убытки, балансы) для фундаментальной оценки.
• Настроения инвесторов: Это одно из самых перспективных направлений применения ИИ. Анализ настроений рынка основан на обработке естественного языка (NLP) и извлечении смыслов из текстовой информации (новостей, отчетов аналитиков, публикаций в социальных сетях). ИИ может определить, является ли тональность сообщения позитивной, негативной или нейтральной, и использовать это для прогнозирования рыночных реакций, что обеспечивает более глубокое понимание человеческого фактора на рынке.

Таким образом, ИИ может быть полезен для автоматического проведения фундаментального, сентиментального и технического анализа, объединяя их в комплексную систему принятия решений.

Важно понимать: ИИ не умеет предсказывать будущее, но он может подсказать, когда входить или выходить на рынок, постоянно улучшаясь на основе полученных данных. Он не волшебный шар, а мощный статистический инструмент.

Актуальные тенденции и развитие ИИ в трейдинге

Внедрение ИИ и МО в финансовой индустрии идет семимильными шагами. Статистика это подтверждает:

• По состоянию на 2025 год, 15-20% хедж-фондов уже используют ИИ для создания торговых стратегий. Компании, не использующие такие системы, отмечают отставание по доходности.
• Исследование 2018 года показало, что более половины менеджеров хедж-фондов используют ИИ/МО для обоснованных инвестиционных решений, а две трети — для генерации торговых идей и оптимизации портфелей.
• Ожидается, что рынок ИИ в управлении активами вырастет с 5,38 миллиарда долларов США в 2024 году до 43,34 миллиарда долларов США к 2034 году, демонстрируя среднегодовой темп роста около 23,2%.

Эти данные указывают на стремительную трансформацию отрасли, где ИИ становится не просто дополнением, а стратегическим императивом.

Среди перспективных направлений развития ИИ в трейдинге можно выделить:

• Улучшение предсказательных моделей: Разработка более сложных архитектур нейронных сетей, использование глубокого обучения для выявления еще более тонких зависимостей.
• Интеграция с DeFi (децентрализованные финансы): Применение ИИ для анализа и автоматизации операций на децентрализованных площадках, оптимизации доходности в протоколах ликвидности.
• Гибридные решения «человек + AI»: Совмещение сильных сторон человека (интуиция, критическое мышление в нестандартных ситуациях) и машины (скорость, объем обработки данных, отсутствие эмоций).
• Прогнозирование глобальных экономических циклов и оценка макроэкономических рисков: Использование ИИ для анализа больших макроэкономических данных и формирования долгосрочных инвестиционных стратегий, выходящих за рамки краткосрочных спекуляций.

Ограничения и риски применения ИИ в трейдинге

Несмотря на все перспективы, ИИ в трейдинге не лишен слабых сторон и рисков.

Слабые стороны нейронных сетей включают:

• Отсутствие мотивации и интуиции: ИИ не обладает человеческой интуицией, способностью к нестандартному мышлению или пониманием неформализованных аспектов рынка.
• Трудности в противоречивых ситуациях: В условиях высокой неопределенности или противоречивых сигналов, когда требуется человеческое суждение, ИИ может быть неэффективен.
• Риск чрезмерного расслабления и потери собственных навыков трейдера: Чрезмерная зависимость от ИИ может привести к деградации аналитических и торговых навыков человека.

Помимо внутренних ограничений, существуют и системные риски:

• Волатильность рынка: Если все трейдеры будут использовать исключительно ИИ, работающие по схожим алгоритмам, это может привести к усилению волатильности и «стадным» реакциям, когда алгоритмы одновременно реагируют на одни и те же сигналы, вызывая резкие скачки или падения цен.
• Риски взлома: Взлом платформы или алгоритма, основанного на ИИ, может иметь гораздо более катастрофические последствия, чем взлом человеческого счета, так как ИИ может совершать колоссальное количество убыточных сделок за считанные секунды. Предотвратить такой взлом сложнее из-за сложности и автономности систем.

Поэтому, несмотря на очевидные преимущества, внедрение ИИ в трейдинг требует глубокого понимания его возможностей и ограничений, а также разработки надежных систем контроля и безопасности.

Заключение

Автоматизация интернет-трейдинга на рынке ценных бумаг — это не просто тренд, а фундаментальное изменение парадигмы в мире финансов. Мы стали свидетелями того, как доля автоматизированных сделок достигает 70% на Форексе и более 50% на фондовом рынке США, а активы ETF под управлением к июню 2025 года превысили 13,74 триллиона долларов США. Эти цифры красноречиво говорят о необратимости процесса, который переносит принятие торговых решений из области человеческой интуиции в сферу алгоритмической точности и скорости.

В ходе данного исследования мы проанализировали ключевые аспекты этого феномена. Мы определили интернет-трейдинг как метод онлайн-операций с финансовыми инструментами и выявили движущие силы его автоматизации: экономию времени, снижение эмоционального влияния, круглосуточную работу и беспрецедентную скорость. Были рассмотрены теоретические основы механических торговых систем (МТС), от принципов их разработки, основанных на строгих алгоритмах и риск-менеджменте, до сложных математических моделей. Особое внимание уделено применению линейной алгебры, PCA, SVD, а также алгоритмам исполнения ордеров TWAP и VWAP, подчеркивающим высокоскоростной характер HFT. Не менее важным стало исследование поведенческих теорий, которые объясняют, как эмоции и информационный фон влияют на рынок, даже если сами МТС лишены чувств.

Обзор современных платформ показал разнообразие инструментов для алготрейдинга, от MetaTrader и QUIK до более специализированных StockSharp и CScalp, каждый из которых предлагает уникальный функционал и языки программирования. Классификация торговых роботов по времени удерживания позиций и типу работы помогает лучше понять их специфику и области применения.

Анализ рисков и возможностей выявил двугранный характер автоматизации. С одной стороны, это неоспоримые преимущества в скорости, эффективности и отсутствии эмоциональных ошибок. С другой — угрозы, связанные с неправильными алгоритмами, мошенничеством, техническими сбоями и потенциальными Flash Crashes. В контексте российского рынка мы подробно рассмотрели влияние алготрейдинга на ценообразование, роль Московской биржи в регулировании и развитии инфраструктуры (например, протокол FIFO MFIX Trade), а также актуальные правовые аспекты, включая законодательство о цифровых финансовых активах.

Наконец, мы заглянули в будущее, исследовав перспективные направления, связанные с искусственным интеллектом и машинным обучением. ИИ позволяет анализировать огромные объемы данных, выявлять скрытые закономерности, проводить фундаментальный и сентиментальный анализ. Свидетельством этого является рост доли хедж-фондов, использующих ИИ, до 15-20% в 2025 году и прогнозируемый рост рынка ИИ в управлении активами до 43,34 миллиарда долларов США к 2034 году. Однако были отмечены и слабые стороны нейронных сетей, а также риски чрезмерной зависимости от ИИ и потенциальной системной волатильности.

В заключение, разработка механических торговых систем и их дальнейшее совершенствование требует комплексного подхода. Недостаточно просто написать код; необходимо глубокое понимание экономических принципов, математических моделей, поведенческих нюансов и строгих требований регуляторов. Только такой всесторонний анализ позволит создать курсовую работу, которая будет не просто описывать текущее состояние дел, но и предлагать обоснованные перспективы развития этой динамичной и критически важной области финансовых технологий. Дальнейшие исследования должны быть сосредоточены на интеграции самых передовых методов ИИ и МО, разработке гибридных решений «человек + AI» и постоянной адаптации регуляторной базы к стремительно меняющимся реалиям рынка ценных бумаг.

Список использованной литературы

1. Что такое фондовый рынок. URL: http://www.myrouble.ru/chto-takoe-fondovyj-rynok/
2. Система WebQuick. Онлайн трейдинг. URL: https://broker.ru/software/webquik
3. Система ИнстаФонд. URL: https://prof-forex.com/ru/forex_services.php
4. Система Meta Stock. URL: http://t-traders.com/3876-programma-metastock.html
5. Kimball R. The Data Webhouse Toolkit: Building the Web-Enabled Data Warehouse. John Wiley & Sons, 2010. 344 с.
6. Индекс спроса. URL: http://whatisbirga.com/kolbi_2izd88.html
7. Аспрей Т. Fine Tuning the Demand Index. Technical Analysis of Stocks & Commodities. 2013. Т. 4, № 4. С. 141-143.
8. Стадник А.В. Использование нейронных сетей в задачах классификации. URL: http://www.dissercat.com/content/ispolzovanie-iskusstvennykh-neironnykh-setei-i-veivlet-analiza-dlya-povysheniya-effektivnost
9. Конаржевский Ю.А. Менеджмент и внутришкольное управление. М.: Общеобразовательный центр «Педагогический поиск», 2009. 224 с.
10. Нильсон Н.Д. Искусственный интеллект. Методы поиска решений. М.: Мир, 2013. 232 с.
11. Третьяков П.И. Управление школой по результатам. Практика педагогического менеджмента. М.: Новая школа, 2009. 288 с.
12. Ясницкий Л.Н. Введение в искусственный интеллект. М.: Академия, 2014.
13. Ивасенко А.Г., Гридасов А.Ю., Павленко В.А. Информационные технологии в экономике и управлении. М.: КноРус, 2011. 153 с.
14. Информатика / под общ. ред. В. И. Колесникова. М.: Дашков и К°, 2010. 399 с.
15. Информатика / под ред. В. В. Трофимова. М.: Юрайт, 2010. 910 с.
16. Информационные системы и технологии в экономике и управлении / под ред. В. В. Трофимова. М.: Высш. образование, 2010. 480 с.
17. Информационные технологии / под ред. В. В. Трофимова. М.: Юрайт, 2009. 624 с.
18. Карпова Т.С. Базы данных: модели, разработка, реализация. СПб.: Питер, 2007. 302 с.
19. Комплексная система защиты информации на предприятии. Часть 1. М.: Московская Финансово-Юридическая Академия, 2008. 124 с.
20. Коноплева И.А., Хохлова О.А., Денисов А.В. Информационные технологии. М.: Проспект, 2010. 294 с.
21. Кудинов Ю.И., Пащенко Ф.Ф. Основы современной информатики. СПб.: Лань, 2009. 255 с.
22. Автоматическая торговля на бирже: ТОП роботы и программы. InstaTrade. URL: https://www.instaforex.com/ru/education/articles/forex-trading/automatic-trading-on-the-exchange
23. Машинное обучение: что нужно знать о создании стратегий для торговли на бирже. Часть IV. Habr. URL: https://habr.com/ru/companies/iticapital/articles/281358/
24. ИИ для трейдинга на бирже: как использовать искусственный интеллект для торговли акциями. LiteFinance. URL: https://www.litefinance.org/ru/blog/for-beginners/ai-trading-forex/
25. Алгоритмическая торговля и финансы — свежие исследования. Smart-Lab. URL: https://smart-lab.ru/blog/971981.php
26. AI и машинное обучение в крипто-трейдинге: реальное применение и ограничения. LiteFinance. URL: https://www.litefinance.org/ru/blog/for-beginners/ai-and-machine-learning-in-crypto-trading/
27. Применение методов машинного обучения при разработке торговых стратегий на фондовом рынке. НИУ ВШЭ. URL: https://www.hse.ru/ba/ds/2024—25/829623861.html (дата обращения: 02.11.2025).
28. ИИ и трейдинг. Как машинное обучение влияет на торговлю в 2025. Gerchik Trading Ecosystem. URL: https://gerchik.pro/ru/blog/ii-i-trejding-kak-mashinnoe-obuchenie-vliyaet-na-torgovlyu-v-2025 (дата обращения: 02.11.2025).
29. Использование машинного обучения в трейдинге. XCritical. URL: https://xcritical.com/ru/blog/ispolzovanie-mashinnogo-obucheniya-v-trejdinge/
30. Применение линейной алгебры в трейдинге. Smart-Lab. URL: https://smart-lab.ru/blog/877793.php
31. Машинное обучение: прогнозируем цены акций на фондовом рынке. Habr. URL: https://habr.com/ru/articles/426039/
32. Математический трейдинг: детальный гайд. Gerchik Trading Ecosystem. URL: https://gerchik.pro/ru/blog/matematicheskij-trejding-detalnyj-gajd
33. Топ-10 лучших платформ для трейдинга в России в 2025 году. Финансы Mail. URL: https://finance.mail.ru/2025/01/23/luchshie_platformy_dlya_treidinga/ (дата обращения: 02.11.2025).
34. Платформы для трейдинга: обзор лучших торговых платформ для фондовой биржи и криптобирж. CScalp. URL: https://cs-calp.com/blog/platformy-dlya-trejdinga-obzor-luchshih-torgovyh-platform-dlya-fondovoj-birzhi-i-kriptobirzh
35. Какие математические методы используются в алгоритмическом трейдинге? Вопросы к Поиску с Алисой (Яндекс Нейро). URL: https://yandex.ru/search/question/Какие_математические_методы_используются_в_алгоритмическом_трейдинге/8991475751998595600
36. Топ-10 бесплатных программ для автоматического трейдинга и. Т-Банк. URL: https://www.tinkoff.ru/invest/social/profile/InvestAssistant/2513a968-3d6c-4824-a130-10145c1110a2/
37. Лучшие торговые программы: Лучшие системы для торговли на фондовом рынке. Trading.biz. URL: https://trading.biz/ru/best-trading-software/
38. Лучшие платформы для торговли на бирже в 2025 году: сравнение. VC.ru. URL: https://vc.ru/u/2324903-trading-nominees/1138241-luchshie-platformy-dlya-torgovli-na-birzhe-v-2025-godu-sravnenie (дата обращения: 02.11.2025).
39. Алгоритмический трейдинг: основы и возможности для частных инвесторов. Go Invest. URL: https://go-invest.ru/blog/algoritmicheskij-trejding-osnovy-i-vozmozhnosti-dlya-chastnyh-investorov/
40. ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА БИРЖЕВОМ И ВНЕБИРЖЕВОМ РЫНКЕ ЦЕННЫХ БУМАГ. КиберЛенинка. URL: https://cyberleninka.ru/article/n/ispolzovanie-iskusstvennogo-intellekta-na-birzhevom-i-vnebirzhevom-rynke-tsennyh-bumag/viewer
41. Автотрейдинг: Механизмы и Стратегии. Office Life. URL: https://office-life.ru/analytics/post/197177/
42. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАШИННОЕ ОБУЧЕНИЕ/ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING. Cifra. Компьютерные науки и информатика. URL: https://cifra.mts.ru/upload/iblock/c38/c3898f98fb74421443e0980c7a26f8ed.pdf
43. Алгоритмический трейдинг — как это работает? Traders Union. URL: https://tradersunion.com/ru/education/trading-articles/algoritmicheskiy-treyding-kak-eto-rabotaet/
44. Алгоритмические торговые стратегии Форекс. FXCC. URL: https://www.fxcc.com/ru/education/algorithmic-trading-strategies
45. АЛГОРИТМИЧЕСКАЯ ТОРГОВЛЯ НА РОССИЙСКОМ РЫНКЕ — АКТУАЛЬНЫЕ РИСКИ И П. Cyberleninka. URL: https://cyberleninka.ru/article/n/algoritmicheskaya-torgovlya-na-rossiyskom-rynke-aktualnye-riski-i-perspektivy-regulirovaniya/viewer
46. Искусственный интеллект в трейдинге: как AI-сигналы меняют торговлю. VC.ru. URL: https://vc.ru/crypto/1136450-iskusstvennyy-intellekt-v-treydinge-kak-ai-signaly-menyayut-torgovlyu
47. Торговые роботы: что это, как работают, плюсы и минусы использования для торговли на бирже. Альфа-Банк. URL: https://alfabank.ru/get-money/investments/trading-robot/
48. Как использовать искусственный интеллект (ИИ) в трейдинге. CScalp. URL: https://cs-calp.com/blog/kak-ispolzovat-nejroseti-v-trejdinge
49. Использование ИИ в трейдинге: реальность или маркетинговый ход? Habr. URL: https://habr.com/ru/articles/761898/
50. Интернет-трейдинг на рынке ценных бумаг: новые возможности и риски в и. КиберЛенинка. URL: https://cyberleninka.ru/article/n/internet-treyding-na-rynke-tsennyh-bumag-novye-vozmozhnosti-i-riski-v-i/viewer
51. Будущее трейдинга: искусственный интеллект и автоматизация стратегий. СарБК. 2022. URL: https://www.sarbc.ru/news/2022/05/16/buduschee-treydinga-iskusstvennyy-intellekt-i-avtomatizatsiya-strategiy-593309.html
52. Введение в алготрейдинг: роботы, стратегии и торговля. CScalp. URL: https://cs-calp.com/blog/chto-takoe-algotrejding
53. Способы торговли на форекс: автоматическая и ручная. Gerchik Trading Ecosystem. URL: https://gerchik.pro/ru/blog/sposoby-torgovli-na-foreks-avtomaticheskaya-i-ruchnaya
54. ВЛИЯНИЕ СРЕДСТВ МАССОВОЙ ИНФОРМАЦИИ НА ПОВЕДЕНИЕ УЧАСТНИКОВ ФОНДОВОГО РЫНКА. КиберЛенинка. URL: https://cyberleninka.ru/article/n/vliyanie-sredstv-massovoy-informatsii-na-povedenie-uchastnikov-fondovogo-rynka/viewer
55. От ручного к машинному: понимание автоматизированных торговых систем. EBC. URL: https://www.ebc.com/ru/trading-education/automated-trading-systems
56. Автоматическая торговля на рынке Форекс: особенности, программы, плюсы и минусы. LiteFinance. URL: https://www.litefinance.org/ru/blog/for-beginners/avtomaticheskaya-torgovlya-na-foreks/
57. РИСКИ АЛГОРИТМИЧЕСКОЙ ТОРГОВЛИ И ИХ РЕГУЛИРОВАНИЕ. КиберЛенинка. URL: https://cyberleninka.ru/article/n/riski-algoritmicheskoy-torgovli-i-ih-regulirovanie/viewer
58. ТЕОРИЯ ПОВЕДЕНИЯ ИНВЕСТОРОВ НА ФОНДОВОМ РЫНКЕ. КиберЛенинка. URL: https://cyberleninka.ru/article/n/teoriya-povedeniya-investorov-na-fondovom-rynke/viewer
59. ИНТЕРНЕТ-ТРЕЙДИНГ КАК ТЕХНОЛОГИЯ ОРГАНИЗАЦИИ ИНВЕСТИРОВАНИЯ НА РОССИЙСКОМ РЫНКЕ ЦЕННЫХ БУМАГ. КиберЛенинка. URL: https://cyberleninka.ru/article/n/internet-treyding-kak-tehnologiya-organizatsii-investirovaniya-na-rossiyskom-rynke-tsennyh-bumag/viewer
60. РЕГУЛИРОВАНИЕ АЛГОРИТМИЧЕСКОЙ ТОРГОВЛИ. Elibrary. URL: https://elibrary.ru/item.asp?id=48247076
61. Алгоритмическая торговля на Форексе. LiteFinance. URL: https://www.litefinance.org/ru/blog/for-beginners/algorithmic-trading-forex-strategies/
62. Теория финансовых рынков: современные исследовательские подходы. КиберЛенинка. URL: https://cyberleninka.ru/article/n/teoriya-finansovyh-rynkov-sovremennye-issledovatelskie-podhody/viewer
63. Особенности регулирования алгоритмической торговли. Публикации ВШЭ. URL: https://www.hse.ru/pubs/share/direct/456726618.pdf
64. Регулирование криптовалют в России для Частных клиентов. ALRUD. URL: https://alrud.com/upload/iblock/d70/d7054696c21e3f89552b4122d257147b.pdf
65. ПРАВОВОЕ РЕГУЛИРОВАНИЕ КРИПТОВАЛЮТЫ В РОССИИ: ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ. КиберЛенинка. URL: https://cyberleninka.ru/article/n/pravovoe-regulirovanie-kriptovalyuty-v-rossii-problemy-i-perspektivy/viewer
66. ФИНАНСОВЫЕ РЫНКИ и БАНКИ. Финансовый университет при Правительстве Российской Федерации. 2024. URL: https://www.fa.ru/org/div/uprav/fbank/Documents/2024.pdf (дата обращения: 02.11.2025).
67. История появления электронных денег. Администрация Брюховецкого района. URL: https://brukhovetskaya.ru/upload/iblock/b1f/b1f4864c8d5c9535c5c96c4d7e008fc6.pdf