Анонимный трейдер из Китая построил ИИ-систему за $120 в месяц и заработал $180 000: разбор связки Obsidian + нейросеть
На просторах криптосообщества появился кейс, который заслуживает пристального внимания. Анонимный трейдер из Китая, известный под псевдонимом CyrilXBT, продемонстрировал, как с минимальными затратами можно создать мощную аналитическую систему на стыке заметочного приложения Obsidian и искусственного интеллекта. Результат, по его словам, впечатляет: $180 000 прибыли за полгода при ежемесячных расходах всего в $120.
Как работает «умный» сетуп?
В основе системы — компактный Mac Mini, iPhone и локальное хранилище Obsidian. Шесть автоматических конвейеров на платформе N8N работают круглосуточно: они собирают в хранилище всё, что трейдер читает, слушает в подкастах и наговаривает голосовыми сообщениями в Telegram-бот. Каждую ночь нейросеть сканирует около 4000 связанных заметок, выискивая самые сильные корреляции между свежей информацией и уже имеющимися идеями. N8N выступает связующим звеном между источниками данных и хранилищем, автоматизируя весь процесс без необходимости программирования.
Каждое утро в 6:00 на почту приходит дайджест: три торговые идеи с оценкой уверенности, формирующаяся идея недели и любая заметка, которая противоречит открытой позиции. Система будит владельца только в двух случаях — когда новая заметка вступает в противоречие с его текущим тезисом или когда идея преодолевает порог уверенности в 90%. Это позволяет трейдеру не отвлекаться на шум и фокусироваться только на критически важных сигналах.
Цена вопроса и почему это важно
CyrilXBT оценивает ежемесячные расходы на работу системы примерно в $120 — это оплата API и хостинга. Заявленная доходность составляет около $30 000 в месяц, а суммарная прибыль за полгода — $180 000. Стоит подчеркнуть: эти цифры не подкреплены независимыми доказательствами, и проверить их невозможно. Однако сам пример показателен как иллюстрация тренда.
Автор сравнивает такую конструкцию с квантовыми фондами, которые держат команды из восьми человек ради того же потока аналитических выводов. Частный трейдер добился аналогичного результата за счет одного Mac Mini и месячного бюджета в $120. Это наглядно демонстрирует, как современные технологии — локальные «заметочники», ИИ-модели и платформы автоматизации — стирают границы между институциональным и розничным трейдингом.
Мой экспертный вывод: Кейс, безусловно, вдохновляет, но напоминаю: громкие суммы в социальных сетях, как правило, не сопровождаются доказательствами. Подобные системы не гарантируют прибыли, а их эффективность сильно зависит от качества входных данных и способности трейдера интерпретировать сигналы. Однако сам тренд на персонализированные ИИ-ассистенты для трейдинга уже не остановить — и это открывает новые возможности для тех, кто готов экспериментировать.