Год назад я пытался понять, почему люди встречаются. Через 12 месяцев это стало торговой системой на 6 рынках и аналитической платформой для венчурных фондов

Максим Говорушкин, независимый исследователь

— -

Я расскажу странную историю. Начну с пар, которые я наблюдал в кафе. Закончу — Sharpe Ratio на американском NASDAQ. Между ними будет тензорная математика и год работы. Если вы дойдёте до конца, я предложу попробовать продукт бесплатно пять дней. Без карты. Это не реклама в обычном смысле — я хочу честно рассказать что построил, что работает, что нет, и почему вообще считаю это интересным.

Поехали.

Откуда это всё началось

Год назад я задумался над простым, но никем нормально не объяснённым вопросом: почему люди встречаются именно так, как встречаются.

Почему пожилой состоятельный мужчина и молодая привлекательная женщина могут составлять устойчивую пару годами — а “идеально совместимые” люди одного возраста, статуса и привлекательности расстаются за полгода? Почему репутационный коллапс в любой сфере убивает партнёрства мгновенно — а финансовые трудности можно пережить вместе? Почему попытки симулировать статус, деньги или привлекательность дают краткосрочный эффект, а потом обрушиваются ещё хуже, чем если бы их не было?

У меня была интуиция, но не было языка. Я начал записывать. Через несколько недель размышлений я пришёл к гипотезе:

У человека есть три фундаментальные оси оценки:

• B (Base/Базовые ресурсы) — финансовое положение, физическое выживание, доступ к материальным благам.

• P (Product/Привлекательность) — внешность, харизма, таланты, репродуктивная ценность.

• C (Competitive/Социальная позиция) — статус, карьера, окружение, влияние.

И, что важнее всего: интегральная оценка строится не как сумма этих осей, как принято в большинстве социологических моделей, а как произведение:

F = f(B) × f(P) × f(C)

Это меняет всё. В аддитивной модели “недостаток X компенсируется избытком Y”. В мультипликативной модели — если какая-то ось обнулилась, обнулилось всё. Никакие деньги не компенсируют полное отсутствие репутации. Никакая красота не спасает, если базовое выживание под угрозой. Никакой статус не работает, если человек воспринимается как опасный.

Тогда пара “состоятельный мужчина старшего возраста + молодая красивая женщина” вдруг становится математически устойчивой: у мужчины высокие B и C, низкий P; у женщины высокий P, низкие B и C; произведения сопоставимы — равновесие. А пара “двое идеальных” расходится, потому что оба находятся в одной зоне пространства B/P/C, и любое микроскопическое отклонение одного создаёт неравенство.

Я написал большую статью об этом — с тензорным исчислением, фазовыми переходами по Ландау, эмпирической проверкой на 30 странах из World Values Survey. Регрессия дала R² = 0.74, критический порог доверия T* ≈ 17.9% — страны ниже этого порога (Мексика, Бразилия) находятся в фазе полярного раскола, страны выше (Норвегия, Нидерланды) — в стабильности. Работа лежит на Zenodo, ссылка в конце поста.

И на этом я думал что всё закончилось. Социологическая работа, чисто академический интерес, никакого применения.

Звонок, который всё изменил

Через несколько месяцев после публикации мне позвонили телефонные мошенники-трейдеры.

Сценарий классический. Девушка с приятным голосом представилась “финансовым консультантом”. Долго и обстоятельно рассказывала про “инвестиционные возможности на международных рынках”. Про “профессиональных трейдеров”, которые работают вместо меня. Про “стабильную доходность” 15–20% в месяц. Сайт у них был сделан красиво — официальная вёрстка, лицензии, отзывы, графики идущие только вверх. Я должен был оставить свои данные для “создания учётной записи”.

У них не получилось. Я положил трубку.

Но после этого я задумался. Не о мошенниках — про них всё понятно. А о том, почему вообще этот сценарий работает на миллионах людей. Почему люди отдают свои деньги, не понимая ни математики финансовых рынков, ни механизмов оценки активов, ни даже элементарных вопросов: как именно эти “профессиональные трейдеры” будут зарабатывать? Какая модель у них в голове? На основании чего они принимают решения о покупке или продаже?

И тогда я понял — ответа нет. Ни у мошенников, ни у большинства легальных платформ. Все они продают одно и то же: “доверьтесь нам, мы знаем как”. Но никто не показывает математику, никто не публикует честный backtest, никто не говорит “вот что НЕ работает в нашей модели”.

И вот в этот момент у меня в голове щёлкнуло. Подождите. У меня же уже есть готовая математика оценки агента — социологическая модель B/P/C с мультипликативной агрегацией. Я её только что обосновал на 50 страницах и валидировал на 30 странах.

А чем компания на бирже отличается от человека в социальном пространстве? Это тоже агент, которого оценивает “рынок”. По тем же фундаментальным критериям. Базовые ресурсы. Качество. Позиция. Та же тройная структура. Та же мультипликативность.

Theranos обрушилась мгновенно когда раскрылась правда — у них были высокие B (миллиарды инвестиций) и высокий C (Киссинджер, Мэттис в совете), но P (продукт) внезапно обнулился. По мультипликативной модели F = 0 моментально, что и произошло. FTX — та же история: высокие B и C, политические связи, спонсорство Super Bowl, но бухгалтерское мошенничество обнулило P доверия. Мем-стоки (AMC, GameStop в пиковые моменты) работают наоборот — высокие C (внимание толпы) и средние B (ликвидность), но низкий P (нет продуктового роста), и они в итоге обрушиваются.

Я понял что у меня в руках инструмент. Не для того чтобы создать ещё одну “торговую систему” — таких миллионы. А для того чтобы сделать честную математическую модель оценки актива: проверяемую, применимую, открытую к критике. Сделать ровно то, чего нет у мошенников и большинства легальных платформ.

И сел писать код.

Что в итоге получилось

Год работы, ~70 тикеров на 6 рынках, около 280,000 строк кода. Получилось две взаимосвязанные платформы.

Первая: BPC Tensor Market Radar — для трейдеров и инвесторов

Это система оценки акций, криптовалют и сырьевых инструментов в реальном времени. На входе — рыночные данные за разные периоды. На выходе — для каждого инструмента: текущее состояние B/P/C, прогноз направления, уровни входа/стопа/тейка, оценка качества сигнала.

Покрытие на момент написания:

• NASDAQ (~20 тикеров): Apple, Microsoft, Nvidia, Meta, Tesla, Amazon, Google, Wells Fargo, Boeing и другие

• Европа (~5 тикеров): Siemens, SAP, LVMH и другие

• MOEX (Россия, ~10 тикеров): Сбербанк, Газпром, Лукойл, Норильский Никель

• Азия (~5 тикеров): TSMC, Samsung

• Crypto (~6 пар): BTC, ETH, SOL, и другие

• Commodities (~13 инструментов): золото, серебро, нефть (USO, BNO), пшеница, кофе, какао

Для каждого тикера система рассчитывает шесть слоёв:

1. Тензорная геометрия B/P/C. Состояние акции — точка в трёхмерном пространстве с метрикой g_ij, где недиагональные элементы фиксируют корреляции между осями. Это даёт F_eff — интегральный фактор эффективности.

2. Walk-forward валидация в четырёх окнах. Это критически важно. Большинство систем “оптимизирует на истории” — то есть подгоняет параметры под прошлые данные и потом удивляется, что в реальной торговле это не работает. Walk-forward — это когда параметры подбираются на одном окне данных, а проверяются на следующем, которое модель никогда не видела. Я использую четыре окна: 30, 90, 150 и 365 дней. Сигнал считается надёжным только если согласованность между окнами высокая — то есть тренд виден на нескольких таймфреймах одновременно. Это убивает 80% случайных шумов и оставляет реальные сигналы.

3. Risk Filter / Asset Conflict. Если две позиции структурно противоречат друг другу (например, лонг по золоту и лонг по доллару одновременно — это математически конфликтующая комбинация), система предупредит и предложит изоляцию.

4. Portfolio Engine. Это сборщик всех сигналов в портфель с учётом риска. Использует Kelly criterion для размера позиции, ограничение риска 1% от депозита по умолчанию, регулярную перебалансировку.

5. Зональные индикаторы. Для каждой открытой позиции система показывает где сейчас цена находится относительно stop/entry/TP1/TP2 — это визуальный бар, который сразу говорит “ты в безопасной зоне” или “близко к стопу — сигнал ослабевает” или “TP1 достигнут — зона профит-фиксации”.

6. Multi-scale согласованность. Параметры всех инструментов калибруются на четырёх масштабах одновременно. Если сигнал виден только на одном масштабе — это шум. Если на трёх-четырёх — это паттерн.

Главное число и честный disclaimer

Здесь я должен быть очень аккуратен. В трейдинговом маркетинге принято кричать про прибыль, я кричать не буду.

На бэктесте за последние 90 дней Portfolio Engine показал:

• Sharpe Ratio: 5.31

• Sortino Ratio: 7.16

• Alpha vs QQQ (NASDAQ ETF): +8.21%

Что это значит человеческим языком:

• Sharpe выше 1.0 — это “рабочая система”. Выше 3.0 — “хорошая”. 5.31 — это очень хорошо.

• Sortino отделяет волатильность вверх от волатильности вниз. 7.16 — значит большинство волатильности — это рост, а не просадки.

• Alpha +8.21% — то есть стратегия обогнала индекс QQQ на 8.21 процентных пункта за период.

Что это НЕ значит:

• Это не “вы заработаете 8% сверх рынка”. Это backtest. На исторических данных.

• Реальная торговля всегда хуже бэктеста на 30–50%. Из-за проскальзываний, комиссий, психологии, задержек.

• 90 дней — это короткий период. Полная картина появится через 1–2 года.

• Если рынок изменит структуру — модель надо будет пересобирать.

Я ставлю прошлую доходность не равно будущей доходности. Точка. Это не финансовый совет. Это инструмент анализа, и решение всегда за вами.

Вторая платформа: BPC Tensor Venture Risk Engine — для VC и фаундеров

Та же математика B/P/C, но применённая к стартапам и компаниям. Для венчурных аналитиков, ангелов, фондов, и фаундеров для самооценки перед раундом.

Здесь B/P/C интерпретируются иначе:

• B (Business) — выручка, gross margin, burn rate, runway, debt/equity ratio.

• P (Product) — PMF, churn, LTV/CAC, unit economics, product maturity, качество команды.

• C (Competitive) — рост YoY, доля рынка, партнёрства, регуляторные риски, репутация фаундера.

И вот тут начинается интересное. Помимо базового скоринга, есть три модуля, которых нет в типичных VC tools:

Forensic Validator. Это слой проверки честности данных. Когда фаундер отправляет вам метрики — особенно ранней стадии стартапа без аудита — данные часто “слегка приукрашены”. Forensic Validator считает PFM (Probability of Metric Manipulation) — вероятность того, что числа введены вручную и не из учётной системы. Используются: проверка согласованности (revenue должен соответствовать burn и runway), статистическая проверка (закон Бенфорда на распределение первых цифр в финансовых числах — данные с reverse-engineering от round numbers выдают себя), временная проверка (динамика метрик между раундами должна быть гладкой, не скачкообразной), и benchmark-проверка (сравнение с медианами по стадии и индустрии).

PFM не обвиняет в мошенничестве. Юридически это “статистический сигнал что данные стоит дополнительно верифицировать”. Но в Theranos и FTX этот сигнал был бы очень высоким — если бы такой инструмент существовал в то время.

Early Unicorn Detector. Идентификация стартапов с признаками нелинейного роста — то есть тех, кто может стать единорогом. Используется шесть компонент: Product Pull (продукт растёт быстрее ресурсов), Market Lag (рынок подтягивается за продуктом с задержкой — правильный паттерн), Convexity (вторая производная F_eff положительна, рост ускоряется), Stability (траектория не хаотична), F_eff Level (общий уровень), Efficiency Gap (P опережает C — есть потенциал для GTM).

Stage-Gate Penalties. Жёсткие пороги по стадиям. Series B без $500K revenue — автоматический FAIL, независимо от других метрик. Series C+ без 40% gross margin — FAIL. Это блокирует “стартап притворяется поздней стадией для оценки”.

Я тестировал модель на 21,600 синтетических кейсах (432 конфигурации профиль-индустрия-стадия-режим, по 50 компаний на каждую). Распределение вердиктов: PASS 28.5%, REVIEW 23.8%, FAIL 47.7%. Это близко к реальной венчурной статистике (большинство стартапов не проходят due diligence). Стадийный градиент монотонный — ранние стадии проходят чаще (PASS 50.5% на Pre-Seed), поздние строже (PASS 16.7% на Series B).

В отдельной ML-валидации на двумерной редукции (через декомпозицию Гельмгольца векторного поля B/P/C) логистическая регрессия дала AUC = 1.000 на разделение успешных/неуспешных стартапов. Звучит подозрительно идеально — потому что это синтетические данные. На реальных данных будет ниже. Но качественный сигнал есть: пространство B/P/C линейно разделяет успех и провал лучше, чем стандартные скоринговые модели.

Под капотом — одна математика на два продукта

Это для тех, кому интересна теория. Если не интересно — пропускайте.

В основе обеих платформ — тензорное исчисление в пространстве B/P/C с метрикой g_ij, которая не евклидова. Недиагональные компоненты метрики фиксируют тот факт, что оси не независимы — они влияют друг на друга через “кривизну”. Например, для компании рост P (продукт) увеличивает не только сам P, но и C (позицию) с задержкой; это в матрице g_ij будет g_PC > 0.

Это даёт две сильные стороны:

1. Учёт нелинейностей. Стандартные скоринговые модели аддитивны: total = w₁B + w₂P + w₃C. Они теряют взаимодействия. Тензорная модель работает через билинейную форму U = g_ij × S^i × S^j, которая улавливает нелинейности первого порядка.

2. Мультипликативная блокировка. Если ось обнулилась — система говорит FAIL, а не “ну, можно подумать, остальное-то хорошо”. Это спасает от Theranos-подобных кейсов.

Дополнительно используются:

• Lyapunov exponent для оценки устойчивости траектории во времени. Если λ > 0 — система движется хаотически, прогноз ненадёжен. Если λ < 0 — траектория устойчива.

• Ricci-подобные сигналы для определения “направления ветра” в пространстве состояний. CONVERGENT (R > 0) — попутный ветер, DIVERGENT (R < 0) — встречный.

• Monte Carlo симуляция (500 прогонов с возмущениями входных данных) для построения доверительных интервалов вердикта.

Я понимаю, что это звучит как академический жаргон. Поэтому академическая работа лежит отдельно, на Zenodo (ссылка в конце), а в продукте — обычный интерфейс с понятными метриками. Кнопки, графики, цвета, проценты. Никто не заставляет вас читать про тензоры, чтобы пользоваться платформой.

Что не работает — честно

Если бы я был на вашем месте и читал этот пост, я бы спросил: “А что НЕ работает?” Хороший вопрос. Отвечаю.

MOEX (российский рынок) работает хуже всех. Концентрация инструментов узкая, ликвидность ниже NASDAQ, корреляции между крупными тикерами очень высокие — то есть когда падает один, падают все. Из-за этого Portfolio Engine на MOEX даёт меньше сделок и меньшую альфу. Я не отключаю MOEX, потому что некоторые пользователи именно с ним работают, но честно — лучшие результаты дают NASDAQ и Commodities.

Asia концентрируется в один-два тикера. Корейский Samsung и тайваньский TSMC — два мощных сигнала, остальное либо мало ликвидно, либо слабо реагирует на B/P/C метрику. На Asia стратегия выглядит “купи Samsung когда система говорит купи, держи до сигнала”, что упрощённо и менее интересно, чем диверсифицированный портфель.

Мем-стоки система блокирует. AMC, GameStop, плечевые ETF, низколиквидные пенни-стоки — система их фильтрует или выдаёт AVOID. Это правильное поведение по математике (мем-стоки нарушают B/P/C логику), но если вы хотите торговать мемами — это не для вас.

Crypto волатильна, и сигналы быстро устаревают. На крипто использую более короткие таймфреймы (1–2 дня вместо 15) и более широкие стопы. Но честно — на крипто математика B/P/C работает хуже, чем на акциях, потому что P (продукт) для большинства монет не определяется явно. BTC и ETH я считаю отдельно как “цифровые сырьевые активы”, и там модель работает; альткоины — это казино, и я не пытаюсь делать вид что у меня там есть преимущество.

VC платформа на синтетике даёт идеальные числа. Это не значит что она будет идеально работать на реальных стартапах. AUC = 1.000 на 21,600 синтетических кейсах означает что модель способна разделять успех и провал в идеальных условиях. На реальных стартапах с шумными метриками AUC будет 0.7–0.85, что всё равно хорошо для VC, но не идеально. Я работаю над сбором реальной валидационной выборки, но это долгий процесс.

Один год — короткая история. Любая стратегия может выглядеть гениальной за 90 дней или 1 год. Чтобы говорить о настоящей устойчивости, нужно 3–5 лет в разных рыночных режимах (бычий, медвежий, боковой, кризисный). Я нахожусь в начале пути.

Эти ограничения я говорю не потому что должен, а потому что доверие в инструментах принятия финансовых решений строится только на честности про ограничения.

Как попробовать

Пять дней бесплатно. Без карты. Только email и пароль.

Что вы получите за пять дней:

• Полный доступ к Market Radar — все 6 рынков, все 70 тикеров, все сигналы, walk-forward, Portfolio Engine, Risk Filter, зональные индикаторы.

• Возможность открыть paper-позиции (виртуальные сделки) и смотреть как они работают в реальном времени против рынка.

• Доступ к VC Analyst (Single Company Deep Dive, до 5 анализов за триал).

Триал создаётся автоматически при регистрации. Не нужно платить, не нужно отменять подписку, ничего не списывается. Через 5 дней — либо вы оплачиваете подписку, либо ничего не происходит и вы просто теряете доступ.

После триала:

• Trader план — 99 BYN ($29) в месяц или 79 BYN ($24) при годовой оплате. Это Market Radar для трейдеров.

• Analyst план — 329 BYN ($99) в месяц или 259 BYN ($79) при годовой оплате. Это Market Radar + Venture Risk Engine с полным VC скорингом.

• Fund план — 1 649 BYN ($499) в месяц для венчурных фондов с пакетным анализом до 1000 компаний, API, кастомными весами тензора.

Цены в белорусских рублях — реальные, не автоматический пересчёт. Платежи через bePaid (acquiring РБ). Для зарубежных пользователей — Stripe.

Зайти: bpc-tensor.pro

О себе

Меня зовут Максим Говорушкин. Я живу в Могилёве, Беларусь. Зарегистрирован как ИП. Я не финансовый советник, не сертифицированный аналитик, не выпускник CFA — я независимый исследователь, и продукт, который вы видите, это полтора года самостоятельной работы над одной идеей, начавшейся с вопроса о парах в кафе.

Академическая работа, в которой описана социологическая основа B/P/C математики, лежит на Zenodo:

DOI: 10.5281/zenodo.19161828

Она открыто доступна, можно читать. Это не peer-reviewed на момент публикации этого поста — я только начинаю процесс отправки в журналы (планирую Journal of Mathematical Sociology или Physica A). Но математика там настоящая, эмпирика воспроизводимая, и любой математик или социолог может её проверить.

Я открыт для критики и обсуждения. Если в этом тексте вы нашли ошибку, противоречие, или хотите поспорить — пишите. Я не претендую на абсолютную правду; я претендую на интересную, проверяемую и применимую гипотезу.

Что дальше

Если вы:

• Трейдер или инвестор — попробуйте Market Radar пять дней, посмотрите как ведут себя сигналы на ваших любимых тикерах. Я не обещаю что вы разбогатеете. Я обещаю что вы увидите другую модель оценки актива, которую в SLOM-форматах (RSI/MACD/Bollinger) не получите никогда.

• Венчурный аналитик или ангел — попробуйте Venture Risk Engine на нескольких компаниях из вашего dealflow. Сравните с тем, что говорит ваша интуиция. Если выводы совпадают — система подтверждает вас. Если расходятся — стоит понять почему.

• Фаундер — попробуйте Self-Assessment вашего стартапа перед следующим раундом. Если PFM высокий — узнаете, какие данные стоит перепроверить. Если Stage-Gate сработает — узнаете, какие пороги вы не покрываете для заявленной стадии.

• Просто интересно как тензорная математика отношений людей превратилась в торговую систему — прочитайте академическую работу на Zenodo. Это не обязательно. Но кому-то будет любопытно.

Контакт

Если у вас есть вопросы, замечания, критика, или вы нашли баг — пишите:

• Email: bpctensor@gmail.com

• Telegram: @bpctensor

• Сайт: bpc-tensor.pro

Я отвечаю всем. Иногда быстро, иногда через день. Если ответ требует размышлений — я скажу что подумаю и вернусь.

Спасибо что дочитали до конца. Это было длинно, и я это уважаю.

— -

Этот пост не является финансовым советом. Все упомянутые цифры — результаты бэктестов и синтетической валидации. Прошлая доходность не гарантирует будущую. Торговля на финансовых рынках связана с риском потери капитала. Решения о покупке или продаже активов вы принимаете самостоятельно. Венчурные инвестиции связаны с высоким риском полной потери вложений.

Максим Говорушкин, ИП, УНП 790561289, г. Могилёв, Республика Беларусь

BPC Tensor — bpc-tensor.pro