полируем

Author: osaengine

_posts/2025-08-06-gpt-5.md

@@ -4,7 +4,7 @@ title: "GPT-5: ждём чудо, пьём кофе"
 description: "Коротко о главном: когда выйдет, чего бояться и как не залить депозит."
 date: 2025-08-06
 image: /assets/images/blog/gpt5_trading_meme_ru.png
-tags: [GPT-5, OpenAI, трейдинг, юмор]
+tags: [GPT, OpenAI, трейдинг, юмор]
 ---
 
 ### Главное за минуту

_posts/2026-06-16-ai-dlya-ml-ficherov.md

@@ -13,7 +13,7 @@ tags: ["ai", "ml", "feature-engineering"]
 
 ## Почему feature engineering — это боль
 
-В апреле 2026 года я начал разрабатывать ML-стратегию для торговли фьючерсом на индекс S&P 500 (ES). Классический подход выглядел так:
+Недавно я начал разрабатывать ML-стратегию для торговли фьючерсом на индекс S&P 500 (ES). Классический подход выглядел так:
 
 **День 1-2: Генерация базовых фичей**
 - Реализовал 15 технических индикаторов (RSI, MACD, Bollinger Bands, ATR, ADX, и т.д.)

_posts/2026-06-23-llm-chat-dlya-sistemy.md

@@ -11,7 +11,7 @@ tags: ["ai", "llm", "chatbot", "trading"]
 
 Представьте: вы проснулись в 6 утра, открываете телефон и пишете: "Что происходит с моими позициями?" Через 2 секунды получаете ответ: "3 позиции открыты. AAPL +$240 (20 минут до закрытия по таке-профиту), TSLA -$85 (стоп-лосс сработает при -$120), ES ожидает сигнал. Общий P&L за ночь: +$312. Риск в пределах нормы."
 
-Это не фантастика. В июне 2026 года я создал LLM-чат для своей торговой системы на OSA Engine, который заменил мне панель мониторинга и половину кастомных скриптов. В этой статье — пошаговый гайд, как повторить.
+Это не фантастика. Недавно я создал LLM-чат для своей торговой системы на OSA Engine, который заменил мне панель мониторинга и половину кастомных скриптов. В этой статье — пошаговый гайд, как повторить.
 
 ## Зачем нужен LLM-чат для торговли
 

_posts/2026-06-30-multi-agent-llm-sistemy.md

@@ -9,15 +9,15 @@ tags: ["ai", "llm", "multi-agent", "trading"]
 
 # Multi-Agent LLM системы для трейдинга: когда один мозг недостаточно
 
-В июне 2026 года я наткнулся на статью из MIT и UCLA под названием ["TradingAgents: Multi-Agents LLM Financial Trading Framework"](https://arxiv.org/html/2412.20138v3), опубликованную в декабре 2024 года. Результаты выглядели невероятно: **Sharpe Ratio 5.60+** (в 2.5 раза лучше лучших базовых стратегий), **24.90% годовая доходность** на периоде с июня по ноябрь 2024 года. Это не обещания, а peer-reviewed результаты с открытым кодом.
+Недавно я наткнулся на статью из MIT и UCLA под названием ["TradingAgents: Multi-Agents LLM Financial Trading Framework"](https://arxiv.org/html/2412.20138v3), опубликованную в декабре 2024 года. Результаты выглядели невероятно: **Sharpe Ratio 5.60+** (в 2.5 раза лучше лучших базовых стратегий), **24.90% годовая доходность** на периоде с июня по ноябрь 2024 года. Это не обещания, а peer-reviewed результаты с открытым кодом.
 
 Я потратил три недели на изучение этого подхода, реализацию на OSA Engine и тестирование на российском рынке. В этой статье — полный разбор multi-agent архитектур для трейдинга, реальные результаты и критический взгляд на ограничения.
 
 ## Проблема одиночного LLM-агента
 
 Прежде чем разбирать multi-agent системы, давайте разберёмся, почему один LLM-агент не справляется с трейдингом.
 
-В мае 2026 года я создал простого LLM-трейдера на базе ChatGPT:
+Ранее я создал простого LLM-трейдера на базе ChatGPT:
 
 ```python
 import openai

_posts/2026-07-14-deep-rl-trading.md

@@ -9,7 +9,7 @@ tags: [reinforcement learning, PPO, SAC, TD3, машинное обучение]
 
 # Deep Reinforcement Learning для трейдинга: PPO, SAC, TD3 в бою
 
-В июле 2026 года я запустил бэктест торговой стратегии на базе **TD3 (Twin Delayed Deep Deterministic Policy Gradient)** — одного из самых современных DRL алгоритмов. Результаты за 6 месяцев на портфеле из 10 акций:
+Недавно я запустил бэктест торговой стратегии на базе **TD3 (Twin Delayed Deep Deterministic Policy Gradient)** — одного из самых современных DRL алгоритмов. Результаты за 6 месяцев на портфеле из 10 акций:
 
 - **Cumulative Return:** +25.3%
 - **Sharpe Ratio:** 2.41
@@ -811,7 +811,7 @@ def ensemble_predict(obs, models):
 
 ## Практические метрики (6 месяцев торговли)
 
-Я запустил TD3 агента на реальном счёте (с малым капиталом $5000) в январе 2026:
+Я запустил TD3 агента на реальном счёте (с малым капиталом $5000) несколько месяцев назад:
 
 | Метрика | 6 месяцев (Jan-Jun 2026) | Бэктест (2024-2025) |
 |---------|--------------------------|---------------------|

_posts/2026-07-21-overfitting-walk-forward.md

@@ -9,14 +9,14 @@ tags: [backtesting, overfitting, walk-forward, monte carlo]
 
 # Борьба с overfitting в трейдинге: Walk-Forward, Monte Carlo и другое оружие
 
-В июне 2026 года я разработал торговую стратегию на основе RSI и MACD. Бэктест на данных 2023-2024 показал феноменальные результаты:
+Недавно я разработал торговую стратегию на основе RSI и MACD. Бэктест на исторических данных показал феноменальные результаты:
 
 - **Win Rate:** 78%
 - **Sharpe Ratio:** 3.2
 - **Max Drawdown:** -5.1%
 - **Total Return:** +47%
 
-Я был в восторге! Запустил стратегию на реальном счёте в начале июля. Через месяц результаты:
+Я был в восторге! Запустил стратегию на реальном счёте. Через месяц результаты:
 
 - **Win Rate:** 42%
 - **Sharpe Ratio:** 0.3