• Доставка до клиента организована на уровне магазинов (не склада).

• Товарная матрица жёстко фиксирована: перемещение ассортимента между точками возможно только в рамках допустимых категорий (например, нельзя заменить «Телефоны» на «Хлеб» при перераспределении).

• Доступны фактические данные по:

  • продажам (с доставкой / без),

  • остаткам на точках,

  • SKU-уровню заказов с доставкой (включая адреса и объёмы).

На основе этих данных можно реализовать следующие аналитические и управленческие модули:

1. Определение зон покрытия магазинов
   По адресам доставок (без привязки к квартирам) и частоте заказов за период (например, за год) строится геопространственная область — зоны ответственности каждого магазина. Границы определяются экстремальными точками доставок.

2. ABC-анализ по SKU на уровне точки
   На основе фактических продаж формируется структура ассортимента: приоритетные, средние и низколиквидные SKU — с учётом оборачиваемости и вклада в выручку.

3. Моделирование альтернативного размещения при закрытии точки
   Сопоставление товарных матриц, зон покрытия и ABC-профилей позволяет идентифицировать подходящие точки-реципиенты для перераспределения остатков — с минимальными логистическими и коммерческими потерями.

4. Планирование перераспределения
   Комбинируя:

   • текущие остатки (на отправляющей точке),

   • лимиты хранения и нормативы по категориям (на принимающих точках),

   • совместимость товарных матриц,

   • пересечения зон покрытия и клиентской базы,
     формируется оптимальный план перемещения запасов — как при частичной реорганизации сети, так и при полном закрытии объекта.

Пример конфигурации:
Объект А характеризуется своей зоной покрытия и текущими остатками. Объекты Б, В, Г и др. — собственными остатками, ограничениями хранения по категориям, продажной динамикой и клиентскими зонами. Система оценивает все взаимодействия и предлагает планы по перераспределению товаров (Зон ожидается в будущем)

Компания Х решила закрыть объект А. Теперь нужно оценить, как это повлияет на:

- остатки товаров в других магазинах и на складе;

- зоны доставки других магазинов;

- среднее время доставки клиентам и стоимость перераспределения товарных остатков.

На основе этого анализа мы составим техническое задание для программы. Вот его основные пункты:

1. Определить регион, в котором находится объект А.

2. Выяснить фактические остатки товаров на этом объекте.

3. Найти ближайшие объекты с аналогичной товарной матрицей.

4. Провести ABC-анализ товаров на всех объектах за последний год.

5. Разработать план перераспределения товаров. Учитывать информацию из пунктов 1–3, а также средние затраты на перевозку одного кубического метра (задается при создании региона). Рассчитать оптимальное перераспределение.

Предложенная логика в целом корректна, однако в текущей реализации не учитывается стоимость доставки как функция пройденного расстояния или объёма груза.

Например, можно оперировать не стоимостью за километр, а средней себестоимостью перевозки на единицу объёма — скажем, при известных затратах в 1,5 млн ₽ на перевозку 160 м³ получаем удельную стоимость ~9,4 тыс. ₽/м³. (Цифра условная и приведена для иллюстрации.)

Более гибкий и масштабируемый подход — задать набор типов транспорта («траков») с атрибутами: тип маршрута, грузоподъёмность, объём и соответствующая средняя стоимость перевозки. Это позволит учитывать различия в логистике более точно.

С учётом этого, скорректирую модель и вернусь к дальнейшей проработке.

Программа, следуя установленным правилам, рассчитывает оптимальное размещение товаров. Если отключить АВС-анализ, она будет учитывать только остатки, местоположение и матрицу.

Ниже приведу пример работы данного функционала, данные заглушка и программа не может правильно разместить товары, поэтому все = 0.

P.S. Сейчас создание достоверных данных не является приоритетом.

Да, так как и писал - данные тестовые и в самом деле в регионе нет аналогичных матриц

Аналогично скрину выше, не нашли куда перевозить, доставка = 0.

И теперь основной вопрос "А что будет с доставкой? Как сильно закрытие повлияет на SLA по скорости?". Данный расчет сейчас является приоритетной доработкой которой я занимаюсь.
Логика которая мною вкладывает в анализ - следующая:

1. Смотреть на расстояние различных точек на карте

2. Делить действующую зону на кластеры

3. Определить оптимальные объекты по времени которые находятся рядом

4. Сделать ренден всех 3-ех пунктов и показывать изменения в зонировании доставки с отчетом об изменении среднего времени и какие районы слишком далеко.

Для инфраструктуры это очень важный фактор, от которого зависит многое. Так же этот фактор должен работать и при открытии нового объекта. Но сейчас такой функционал не реализован

Функция выбора источника данных для программы и совместная работа с одним исполняемым файлом.

В параллели с влиянием на регион, мне удалось внести не большую доработку в систему. Теперь пользователи могут выбирать исполняемый файл.

2 пользователя работают с одним исполняемым файлом, вносят корректировки, строят дашборды, удаляют или дополняют данными программу. Но как копии приложения узнать что внесены изменения в хранилище? Для этого было реализовано metadata таблица. исполняемое приложение запускается, запоминает метаданные времени БД и проверяет обновления, в случае изменения метаданных моментально сигнализирует о том что необходимо обновить данные.

В рамках подготовки программы к первому тестированию на живых данных в нашей компании была реализована функция "Отправить отчет об ошибке".

После отправки - логи приходят ко мне в ТГ через бота. Все логи запаковываются в zip архив, параллельно запускает процесс удаления логов из папки.

Почему я быстрее реализовал совместный доступ и отправку логов, вместо того что бы наполнить данными и показать на примере где все логично? Наверное потому что лень тратить много времени на создание данных, а потом их дополнять и править. Программа не окончательная, система хранения меняется. Например сейчас я понял что стоимость доставки и распределения товара можно завязать на типы траков - буду реализовывать и менять хранение. Менее затратно по времени дописать скрипт, чем создавать новую логику в 1000 строк данных.

Всем спасибо за то что дочитали.

Если есть желание предоставить тестовые данные с логикой - буду очень рад, поможет при тестировании. Шаблон данных могу предоставить.

Индустрия иллюзий вместо науки

Одна из главных претензий книги к инфобизнесу или к инфоцыганству, построенному вокруг технического анализа. По мнению автора, популярность линий поддержки, «головы и плеч» и скользящих средних объясняется не их эффективностью, а простотой продажи такой идеи. Это визуально красиво и понятно даже новичку. Курсы продают иллюзию контроля и науки там, где в реальности — маркетинг и манипуляция ожиданиями.

Автор особенно критикует бэктесты и результаты на истории. В реальности их уничтожают комиссии, проскальзывания и изменившаяся структура рынка. То, что выглядит как стройная система, на практике превращается в путь к серии маленьких убытков и редких, но разрушительных ошибок.

Психология важнее графиков

Автор опирается на поведенческие финансы и работы Канемана и Талеба. Его тезис прост: технический анализ работает не потому, что он описывает рынок, а потому что он описывает психологию трейдеров.

Мы видим паттерны из‑за иллюзии контроля. Мы подтверждаем свои идеи из‑за когнитивных искажений. И верим в уровни — и поэтому цена иногда действительно от них «отскакивает». Но это не закон рынка, а эффект толпы. И он краткосрочен.

Важный вывод автора: чтобы торговать лучше, нужно не заучивать фигуры, а уметь распознавать собственные психологические ловушки — неприятие потерь, якорение, предвзятость подтверждения.

Как торгуют «умные деньги»

Любопытно в книге и описание разницы между розничным и институциональным подходом. Банки и маркет‑мейкеры не ищут поддержку или сопротивления. Они работают с потоком ордеров, ликвидностью, волатильностью и фундаментальными причинами движения цены.

Норден сравнивает их с казино или букмекерами. Они не угадывают направление — они зарабатывают на спреде и обороте, снижая риск, а не увеличивая его. Это принципиально другой взгляд на торговлю: не «ставка на исход», а математика вероятностей и управление потоком.

Миф о надёжности паттернов

Автор ссылается на академические исследования, показывающие, что классические фигуры работают на уровне случайности — а иногда хуже. Более того, рынок по‑разному ведёт себя на росте и на падении, и применение одинаковых инструментов в обе стороны — методологическая ошибка.

График — это лишь тень прошлого. Он не показывает главное: кто покупал и почему. Без этого любая линия — самообман.

Вместо индикаторов — контекст и вероятности

Однако во второй части книги автор Гэри Норден не просто критикует, а даёт альтернативу.

Он предлагает смотреть не на то, что было, а на то, что уже заложено в цену. Ожидания рынка важнее новостей. Если все ждут хорошего отчёта, цена растёт заранее. Даже хорошие новости потом дают слабый рост — или падение при малейшем разочаровании.

Автор учит мыслить в терминах сценариев и математического ожидания: оценивать вероятности, потенциальную прибыль и риск. Это не угадывание направления, а поиск асимметрии — ситуаций, где возможный выигрыш значительно больше возможного убытка.

Межрыночная логика против «туннельного зрения»

Отдельно автор подчёркивает важность рынка облигаций. По его мнению, игнорировать их доходности и кривые — это слепота. Если акции растут на эйфории, а облигации сигналят о рисках, — «умные деньги» уже настороже.

Книга постоянно возвращает читателя к одной мысли: рынок — это система взаимосвязанных сигналов, а не картинка со свечами.

Риск-менеджмент без самообмана

Норден критикует и стандартные методы постановки стопов «по волатильности» или индикаторам. Прошлое не даёт гарантии будущего.

Он предлагает обратную логику: стоп‑лосс настраивается от цели по прибыли. Если потенциальная прибыль 7%, стоп в 5% — абсурд. Это отрицательная математика. Управление риском — это не защита эго, а защита капитала.

Итог

«Технический анализ и активный трейдер» — это не книга про быстрые деньги. А ещё книга разочарует тех, кто ищет простой рецепт. Но составит задуматься тех, кто устал терять деньги по «проверенным стратегиям» и готов увидеть рынок без розовых очков.

Книга для трейдеров, которые готовы отказаться от магии линий и начать думать как аналитик, а не как игрок.

Автор: Михаил Шардин
🔗 Моя онлайн‑визитка
📢 Telegram «Умный Дом Инвестора»

9 декабря 2025

Как это было

Сразу скажу: я не написал ни одной строчки кода руками. Вообще. Моя роль была — «Дирижер». Я говорил, что хочу, а нейросеть (в роли оркестра) пыталась это сыграть. Иногда получалось фальшиво, иногда — гениально.

Этап 1. Архитектура Я просто написал промпт: "Я хочу сделать трекер привычек. Распиши структуру файлов и какие технологии лучше взять для новичка". Она выдала стек: HTML, JS, простая база данных. Окей, погнали.

Этап 2. Кодинг Я скармливал задачи кусками:

1. "Напиши HTML-страницу с формой входа". — Готово.

2. "Сделай так, чтобы данные сохранялись". — Готово.

3. "Добавь календарь, где можно отмечать галочками выполненные привычки".

Тут началось самое интересное. Нейросеть — это не магия. Это, блин, калькулятор. Если ты просишь её «сделать красиво», она сделает ерунду. Нужно говорить четко: "Сделай кнопку зеленой, отступ 20px, а при нажатии отправляй запрос вот сюда".

Этап 3. "Галлюцинации" и боль В какой-то момент код перестал работать. Я скидываю ошибку нейросети, она говорит: "Ой, извини, я забыла закрыть скобку". Исправляет. Снова ошибка. В этот момент ты понимаешь: Нейросеть не заменит человека. Она заменит рутину. Но если ты сам не понимаешь логику (хотя бы на уровне здравого смысла), ты далеко не уедешь. Ты должен проверять за ней, как за стажером.

Результат

Спустя 3 вечера, пару литров кофе и десяток "тыгыдыков" от кота — сайт заработал. Реально рабочий сервис.

• Регистрация работает.

• Привычки сохраняются.

• Статистика считается.

Раньше (году в 2019-м) мне пришлось бы учить Python или JS полгода, чтобы такое собрать. Сейчас — выходные.

Выводы

1. Программисты не исчезнут. Но их работа изменится. Теперь не нужно писать код руками, нужно уметь архитектировать системы и проверять результат.

2. Локальные нейронки — топ. Я попробовал запустить модели локально (Ollama), чтобы данные не улетали «проклятым пендосам». Работает медленнее, зато бесплатно и приватно.

3. Порог входа упал. Теперь любой, у кого есть идея и логическое мышление, может собрать MVP своего продукта.

Если вам интересно посмотреть на сам код, архитектуру приложения — я собрал всё это в архив. Чтобы не захламлять пост, выложил у себя в ТГ-канале

Интересно мнение реальных программистов, кто уже пробовал кодить с ИИ — как впечатления? Реально помогает или больше времени тратишь на исправление багов?

1. Вы пишете идею (любую, хоть «Uber для тракторов»).

2. Бот проводит короткое интервью: задает 2-3 уточняющих вопроса про аудиторию и бюджет.

3. Уходит «думать» (под капотом цепочка промптов) и возвращает суровый технический документ.

В документе он расписывает:

• Архитектуру: Монолит или микросервисы?

• Стек: Python/Go, какие базы данных, нужны ли очереди.

• Деньги: На чем вы будете зарабатывать и сколько денег сгорит на старте.

• Риски: Почему это может не взлететь.

Ну и дальше он длинно и подробно расписывает реализацию, это скучно, не буду всю переписку приводить.

Теперь про «Нюанс» (Честно и открыто)

Бот полностью бесплатный. Я оплачиваю API нейросетей из своего кармана. Но есть одно условие, о котором хочу сказать сразу, чтобы не ловить тапки в комментариях.

Бот попросит подписаться на мой канал.

Зачем? Не ради «циферок». Я запускаю публичный эксперимент:

1. Вы «мучаете» бота своими идеями.

2. Предлагаете идеи для реализации в канале.

3. Голосуем и выбираем одну лучшую.

4. Я каждый месяц реализую эти проекты в коде и выкладываю исходники в Open Source (бесплатно для всех).

Мне кажется, это честная сделка: я даю инструмент и пишу код для сообщества, вы — участвуете в движухе.

Итоги тестов

Нейронка иногда удивляет. Я записал три идеи от нее на ровном месте, пока дебажил код.

Если хотите проверить свою идею на прочность или просто пофаниться — велком.

Ссылка на бота

(Если бот будет тупить — не серчайте, он генерирует большие тексты, это занимает 30-40 секунд).