Skip to main content

Mercury — Стратегический план выхода в боевой режим

· 2 min read
Max Kaido
Max Kaido
Architect

Проект Mercury показал устойчивую доходность в режиме симуляции. Теперь ключевая задача — перевести систему в боевое состояние с контролируемым риском, при этом усиливая наблюдаемость и развивая конкурентные преимущества.

original discussion: https://chatgpt.com/canvas/shared/680a6606158c8191a35b03e7dcb25b11

I. Минимальное боевое развертывание​

Цель: подтвердить, что система приносит прибыль в реальных условиях и сохраняет свою адаптивность.

Шаги:​

  1. Добавить флажок live_mode в конфиг прод-инстанса.
  2. Начать с минимального объёма ордеров (5-10% от целевого).
  3. Убедиться, что логика логирования, алертов и отмены ордеров работает корректно.
  4. Вести сравнение shadow portfolio vs. real portfolio.

Критерии успеха:​

  • Реальный PnL > 1.5% за 3 дня.
  • Нет критических расхождений между симуляцией и реальностью.
  • Система не допускает ликвидаций.

II. Укрепление инфраструктуры наблюдения​

Цель: видеть, понимать и контролировать поведение каждого инстанса.

Шаги:​

  1. Разделить дешборды на:

    • Mercury-prod
    • Mercury-A (LLM config A)
    • Mercury-B (LLM config B)
    • Mercury-H (без LLM)

  2. Основные метрики:

    • Daily PnL
    • Top-3 активов по доходности
    • Вклад LLM в выбор активов (A vs H, B vs H)
    • Расхождения между shadow и live
    • Турнирные ошибки / отмены

  3. Добавить автогенерацию отчёта после каждого турнира:

    • Входные параметры
    • Результаты позиций
    • Ретроспективный анализ “что сработало”

III. Анализ вклада LLM​

Цель: количественно оценить эффект от использования LLM и улучшать конфигурации.

Шаги:​

  1. Вычислять доходность одинаковых турниров в Mercury-A/B vs. Mercury-H.
  2. Выявлять активы, где вклад LLM стабильно положителен.
  3. Создать отчёт “LLM contribution map” — активы / конфиги / модели с наибольшим вкладом.
  4. Проводить дифференциальный анализ промптов: какие слова, инструкции и форматы улучшают результат.

IV. Расширение конфигурационного пространства​

Цель: найти новые устойчивые стратегии.

Шаги:​

  1. Начать A/B тесты с альтернативными мета-сортировками:

    • Фильтрация по волатильности
    • Учет открытого интереса
    • Предварительная кластеризация активов

  2. Подключить дополнительные источники данных, если возможно (Sentiment, Funding Rate, CVD).

  3. Добавить возможность ранжирования турниров по “exploration/exploitation” критерию.

V. Систематизация опыта​

Цель: превратить операционные данные в стратегическое знание.

Шаги:​

  1. Вести журнал наблюдений:

    • Неожиданные движения рынка и реакция Mercury
    • Промпты, которые дали лучший результат
    • Ошибки и фейлы (и как они были зафиксированы)

  2. Автоматизировать сбор ретроспектив:

    • Результаты турниров с разбором причин
    • Точки, где система справилась/не справилась с волатильностью

  3. Проводить регулярные обзоры: “что мы поняли за неделю / месяц”

Финальное замечание​

Внимание к деталям на этом этапе — залог масштабируемости в будущем. Цель не просто зарабатывать, а построить самонастраивающийся организм, адаптирующийся к рынку быстрее, чем любой человек. Mercury должен видеть — и понимать. Это и есть альфа.