Как разобрать CSV-историю сделок с помощью ИИ — без утечки лишних данных

TL;DR: ИИ удобно использовать для разбора CSV-истории сделок, но не как калькулятор, которому верят на слово. Мой рабочий подход: удалить из выгрузки чувствительные поля, проверить цифры локально, а модели поручить поиск повторяющихся ошибок и понятное объяснение результатов.

Ключевые факты

Факт	Что это значит на практике	Источник
ChatGPT поддерживает анализ таблиц, включая CSV, и рекомендует понятные названия столбцов и одну запись на строку.	Грязную брокерскую выгрузку лучше сначала привести к нормальной таблице, а уже потом загружать.	OpenAI Help Center
Claude поддерживает CSV; для файлов действуют ограничения аккаунта и контекстного окна.	Большой архив лучше агрегировать локально или делить по периодам, а не рассчитывать, что модель одинаково внимательно прочитает каждую строку.	Anthropic Help Center
DuckDB автоматически определяет разделитель, заголовок и типы столбцов CSV, но позволяет переопределить их вручную.	Автоматическое распознавание надо проверять: цена или P&L, прочитанные как текст, испортят расчёты.	DuckDB Documentation
OWASP относит финансовые данные, персональные сведения и учётные данные к чувствительной информации в контексте LLM.	До загрузки следует удалить номер счёта, ФИО, email, адреса кошельков, комментарии с секретами и любые API-ключи.	OWASP Top 10 for LLM Applications

Что я оставляю в файле, а что удаляю

Для анализа поведения трейдера обычно достаточно обезличенного набора: дата и время, инструмент, направление, объём, цена входа и выхода, комиссия, результат сделки и заранее заведённый тег стратегии. Полезны также плановый риск и причина выхода — если эти поля заполнялись до сделки, а не задним числом.

Перед загрузкой в облачный ИИ я удаляю номер торгового счёта, имя, email, телефон, IP-адрес, идентификаторы заявок, адреса криптокошельков и свободные комментарии, в которых случайно может оказаться секрет. API-ключи вообще не должны попадать ни в CSV, ни в промпт. Если политика брокера или рабочей компании запрещает передачу данных внешнему сервису, обезличивания недостаточно: файл остаётся локально.

Минимальная проверка до диалога с ИИ

1. Сверяю структуру. Одна строка должна соответствовать одной закрытой сделке или одному заранее определённому событию. Частичные исполнения нельзя бездумно считать отдельными независимыми сделками.
2. Проверяю типы. Даты должны быть датами, цены и комиссии — числами. Особое внимание десятичной запятой, часовому поясу и знаку комиссии.
3. Считаю контрольные суммы. Количество строк, сумму P&L и комиссий сверяю с отчётом терминала. Если итог расходится, анализ останавливаю.
4. Фиксирую определения. Например, win rate считается по закрытым сделкам, а средний результат — после комиссий. Без определения одна и та же таблица даст несколько «правильных» ответов.

Для локальной проверки необязательно поднимать сервер. DuckDB читает CSV напрямую. Пример базового запроса:

SELECT
  COUNT(*) AS trades,
  ROUND(SUM(pnl - commission), 2) AS net_pnl,
  ROUND(AVG(CASE WHEN pnl - commission > 0 THEN 1 ELSE 0 END) * 100, 1) AS win_rate_pct
FROM read_csv('trades.csv', header = true);

Названия столбцов в реальной выгрузке будут другими. Важно не копировать запрос механически, а сначала посмотреть схему файла и понять, включена ли комиссия в поле P&L.

Как ставить задачу ИИ, чтобы получить проверяемый ответ

Я не прошу: «Проанализируй мои сделки и скажи, как заработать больше». Такой запрос почти гарантирует общие советы. Вместо этого даю модели роль аналитика, определения метрик и обязательный формат ответа.

Проанализируй обезличенный CSV закрытых сделок. Сначала выведи количество строк, диапазон дат, список столбцов, пропуски и типы данных. Затем посчитай net P&L после комиссии, win rate, среднюю прибыльную и убыточную сделку, profit factor и максимальную серию убытков. Покажи формулы и код расчёта. Отдельно сравни результаты по инструменту, часу входа и тегу стратегии, но не делай вывод для группы меньше 20 сделок. В конце перечисли три гипотезы для проверки — не торговые сигналы.

После ответа я задаю второй вопрос: «Какие строки сильнее всего влияют на вывод и изменится ли результат без пяти крупнейших сделок?» Это простой тест на хрупкость. Если весь «эффект стратегии» держится на одной случайной сделке, красивый график ничего не доказывает.

Где ИИ полезен, а где я ему не доверяю

ИИ хорошо помогает сформулировать SQL или Python-код, сгруппировать результаты, найти пропуски, предложить альтернативные срезы и перевести сухие цифры в список проверяемых гипотез. Но финальные суммы, последовательность сделок и просадку я сверяю кодом и отчётом брокера. Языковая модель может уверенно описать неверно распознанный столбец — уверенный тон не заменяет контрольную сумму.

Ещё одна ловушка — поиск закономерностей после факта. Если перебрать десятки часов, инструментов и тегов, какая-нибудь группа обязательно покажется успешной случайно. Поэтому найденное правило я считаю гипотезой и проверяю на другом периоде, которого не было в исходном анализе.

Частые вопросы (FAQ)

Можно ли просто загрузить брокерский CSV в ChatGPT или Claude?

Технически оба сервиса поддерживают CSV. Практически сначала изучите настройки и правила вашей учётной записи, удалите чувствительные поля и решите, допустима ли внешняя загрузка вообще. Если нет — оставьте данные локально и передайте модели только агрегированные, обезличенные результаты.

Какой минимум данных нужен для полезного разбора?

Дата и время, инструмент, направление, объём, цены входа и выхода, комиссия, итоговый P&L и тег стратегии. Для анализа дисциплины особенно полезны плановый риск и причина выхода, записанные до того, как стал известен результат.

Может ли ИИ посчитать максимальную просадку?

Может, но сначала задайте определение: просадка по балансу закрытых сделок или по equity с учётом открытых позиций. Обычный CSV закрытых сделок не восстановит внутрисделочную equity-просадку, если в нём нет таких данных.

Сколько сделок достаточно для вывода?

Универсального магического числа нет: всё зависит от стратегии, частоты сделок и стабильности рынка. Маленькие группы стоит помечать как наблюдение, а не доказательство; в моём промпте порог 20 сделок — лишь фильтр от совсем шумных срезов, не гарантия статистической значимости.

Стоит ли давать ИИ доступ к биржевому API?

Для ретроспективного анализа CSV это не нужно. Экспорт с правами только на чтение тоже расширяет поверхность риска, а торговый или выводной ключ здесь вообще не имеет оправдания.

Итог

Полезный AI-разбор начинается не с промпта, а с чистого и обезличенного файла. Я доверяю локальному коду считать метрики, а ИИ — помогать задавать вопросы, искать срезы и объяснять результаты; каждую найденную закономерность затем проверяю на отдельном периоде. Это не генератор сигналов, а способ быстрее и честнее увидеть собственные торговые привычки.

---

Автор: Denis | Дата: 18 октября 2026 | Обновлено: 18 октября 2026
Denis — трейдер с 10+ летним опытом на форексе и крипторынках