Размещение депозитов
Доступ к лучшим
предложениям от банков

В последние годы российский финансовый рынок переживает глубокую трансформацию. Санкционное давление, переориентация внешнеторговых потоков на Восток и последовательное снижение роли доллара и евро привели к кардинальной перестройке инфраструктуры . На этом фоне внебиржевой сегмент (Over-the-Counter, OTC) приобрел особое значение, став не просто альтернативой, а зачастую основным каналом для проведения операций с валютой и управления ликвидностью.

В новой архитектуре российского денежного рынка особое место занимают финтех-решения, автоматизирующие внебиржевые сделки. Одним из наиболее ярких примеров является система КОРП-ДЕПО — агрегатор, который изменил подход крупного бизнеса к размещению временно свободных средств и проведению конверсионных операций.

Внебиржевой рынок исторически играл значительную роль в мировой финансовой системе. Как отмечают эксперты, международный валютный рынок и внутренние валютные рынки большинства стран мира являются именно внебиржевыми . Биржевая торговля не является необходимым условием для конвертируемости национальной валюты и рыночного курсообразования.

Для российского рынка события июня 2024 года, когда под санкции попали Московская биржа и Национальный клиринговый центр (НКЦ), стали поворотным моментом. Торги долларом и евро на бирже были прекращены, и основная нагрузка по обеспечению валютных операций легла на OTC-сегмент . Однако, как подчеркивают аналитики, доля внебиржевых операций с основными валютами и до этого была существенной — около 60% .

Ключевое преимущество внебиржевого рынка — гибкость. В отличие от стандартизированных биржевых инструментов, OTC позволяет заключать сделки на индивидуальных условиях, адаптируя их под конкретные потребности клиента . Именно эта возможность стала драйвером развития специализированных технологических платформ, которые привносят в небиржевую стихию порядок, скорость и прозрачность.

КОРП-ДЕПО: агрегатор ликвидности для корпораций

В условиях, когда привычные международные терминалы (такие как Bloomberg и Refinitiv) ушли с российского рынка, возникла потребность в импортозамещении инструментов для казначейств крупных компаний. Ответом на этот вызов стала система КОРП-ДЕПО.

Эта платформа представляет собой электронную торговую площадку, где встречаются две ключевые стороны денежного рынка: корпорации, обладающие временно свободными остатками средств, и банки, нуждающиеся в привлечении ликвидности.

Депозиты: от рутины к автоматизации

Основной функционал системы изначально был ориентирован на размещение корпоративных депозитов. До появления подобных агрегаторов процесс выглядел следующим образом: казначейство компании вручную мониторило предложения банков, сравнивало ставки, проводило длительные переговоры и оформляло документы. На внебиржевом рынке, где информация о лучших ставках не централизована, это отнимало значительное время.

КОРП-ДЕПО автоматизирует этот процесс. Компании видят в реальном времени актуальные ставки привлечения от различных банков, что позволяет им оперативно разместить остатки — часто на минимальный срок (овернайт) — под наиболее выгодный процент.

Коммуникация трейдеров: чат внутри системы

Критически важным элементом внебиржевой торговли является возможность прямого общения контрагентов. В отличие от биржевого стакана, где сделка обезличена, внебиржевой рынок требует согласования нюансов. Учитывая это, в системе КОРП-ДЕПО реализован встроенный чат для прямой переписки трейдеров.

Эта функция позволяет сторонам оперативно обсуждать условия сделки, уточнять детали расчетов или корректировать параметры в реальном времени, не переключаясь на внешние мессенджеры или телефонные переговоры. Такой подход сочетает скорость цифровой платформы с гибкостью «человеческого фактора», что особенно важно при заключении крупных или нестандартных сделок.

Валютный обмен: новый функционал

По мере развития системы и изменения структуры валютного рынка функционал КОРП-ДЕПО расширился. Сегодня платформа позволяет совершать не только депозитные сделки, но и конверсионные операции по обмену валюты.

В условиях, когда биржевая торговля долларом и евро приостановлена, а основным каналом покупки-продажи валюты становятся банки, наличие агрегатора для конверсионных сделок приобретает стратегическое значение . Экспортеры, обязанные продавать валютную выручку, и импортеры, нуждающиеся в ее покупке, получают возможность сравнивать предложения банков в едином окне, находя наиболее выгодный курс. Возможность совершать конверсионные операции в рублевых парах с иностранными валютами через внебиржевые агрегаторы становится важным элементом поддержки внешнеэкономической деятельности.

Место в инфраструктуре денежного рынка

Важно понимать, что КОРП-ДЕПО не заменяет собой традиционные финансовые институты, а дополняет их. Банк России в своих документах выделяет торговую, платежную, учетную и информационную инфраструктуру . КОРП-ДЕПО относится к категории информационно-торговых платформ, обеспечивающих прозрачность внебиржевого ценообразования.

Эксперты выделяют два основных сегмента денежного рынка: биржевой и внебиржевой . Биржевой сегмент (включая депозиты с Центральным контрагентом на Мосбирже) предлагает стандартизированные условия и минимальные кредитные риски, но требует уплаты комиссионного вознаграждения. Внебиржевые агрегаторы, такие как КОРП-ДЕПО, предлагают прямые сделки между контрагентами, что зачастую позволяет получить более высокую доходность для размещающих средства или более выгодный курс при конверсии, но требует от участников самостоятельной оценки кредитных рисков.

Важным следствием автоматизации внебиржевых депозитных сделок стало формирование объективных индикаторов денежного рынка. Система КОРП-ДЕПО выступает не только площадкой для заключения сделок, но и ключевым источником данных для расчета индекса RATIBOR (Russian Aggregated Term Indicative Bank Overnight Rate) Расчет индекса происходит на основе данных из системы, где отсутствуют биржевые комиссии. Это означает, что RATIBOR представляет собой чистую доходность, не искаженную транзакционными издержками, в отличие от биржевых аналогов.

Перспективы развития

Центральный банк РФ в «Основных направлениях развития финансового рынка» на 2026–2028 годы выделяет цифровизацию финансового рынка и развитие платежной инфраструктуры как ключевые приоритеты . Внебиржевые финтех-платформы полностью соответствуют этим трендам. Они создают условия для:

• повышения доступности финансовых услуг для бизнеса;

• развития новых каналов международных расчетов;

• снижения транзакционных издержек при управлении ликвидностью.

Кроме того, развитие систем централизованного сбора данных о внебиржевых сделках (таких как репозитарии) и платформ для их заключения (таких как КОРП-ДЕПО) позволяет регулятору получать более точную картину состояния рынка, что способствует укреплению финансовой стабильности .

Российский внебиржевой финансовый рынок переживает этап активной технологической модернизации. Уход международных поставщиков информации и санкционные ограничения на биржевую торговлю не привели к коллапсу, но дали мощный импульс развитию локальных финтех-решений.

Система КОРП-ДЕПО демонстрирует успешный пример такой адаптации. Начав как агрегатор депозитов, она эволюционировала в многофункциональную платформу, где корпорации могут не только размещать рублевые остатки, выбирая лучшие ставки через удобный интерфейс и общаясь с трейдерами во встроенном чате, но и проводить конверсионные сделки.

По мере роста сложности LLM-приложений стоимость и латентность запросов становятся критическими параметрами. Особенно это заметно в системах с постоянным контекстом, где к каждому запросу добавляются структурированные данные: позиции, метрики, журналы действий. В таких сценариях традиционный JSON начинает играть против разработчика — избыточная разметка увеличивает объем токенов без добавления смысловой ценности.

На этом фоне появляется альтернативный подход — условно называемый форматом TOON (Token-Optimized Object Notation), ориентированный не на машиночитаемость «в вакууме», а на эффективную интерпретацию LLM.

Проблема JSON в контексте LLM

JSON проектировался как универсальный формат обмена данными между системами. Его сильные стороны — строгая структура, явные ключи, совместимость. Однако для языковых моделей это избыточность:

• повторяющиеся ключи («position», «entry_price», «stop_loss»)

• кавычки, скобки, запятые как отдельные токены

• высокая доля служебных символов относительно полезной информации

В результате до 40–60% токенов в сложных промптах могут приходиться на синтаксис, а не на данные.

Для систем с «длинной памятью» это означает либо рост стоимости, либо необходимость агрессивного усечения контекста.

Концепция TOON

TOON — это упрощенный, плоский и контекстно-ориентированный формат, в котором:

• минимизируется синтаксический шум

• используются короткие ключи или даже позиционные структуры

• допускается частичная нестрогость, если она не мешает интерпретации моделью

Простейший пример:

JSON:

{ "positions": [ { "symbol": "NVDA", "side": "long", "entry": 895, "stop_loss": 870, "take_profit": 950 } ] }

TOON:

pos: NVDA long 895 870 950

С точки зрения LLM смысл сохраняется полностью, но количество токенов сокращается кратно.

Почему это работает

Языковые модели не «парсят» JSON в классическом смысле. Они оперируют вероятностными зависимостями токенов.

Для них важно:

• семантическое соседство (NVDA → long → уровни)

• устойчивые паттерны (ticker + числа → торговый контекст)

• повторяемость структуры

TOON сохраняет эти свойства, убирая избыточные маркеры. Более того, в некоторых случаях он даже улучшает интерпретацию за счет линейности.

Практический выигрыш

В реальных системах экономия составляет:

• 20–50% токенов на структурированных данных

• снижение стоимости API-запросов

• возможность держать больше исторического контекста в одном окне

Особенно заметен эффект в:

• трейдинговых ассистентах

• логирующих системах

• агентных архитектурах с частыми вызовами LLM

Ограничения и компромиссы

TOON — это не универсальная замена JSON. У подхода есть ограничения:

1. Отсутствие строгой схемы
   Нет встроенной валидации — формат держится на дисциплине разработчика.

2. Сложность обратного парсинга
   Если данные нужно вернуть в систему (например, в backend), потребуется дополнительный слой обработки.

3. Чувствительность к консистентности
   Любые изменения структуры (порядок полей, сокращения) могут влиять на качество ответов модели.

Лучшие практики

Чтобы TOON работал стабильно:

• фиксируйте формат (одна структура — один шаблон)

• используйте короткие, но однозначные ключи (pos, thesis, risk)

• избегайте перегрузки строк (лучше несколько строк, чем одна сложная)

• обучайте модель через system prompt (пример формата обязателен)

Пример блока:

pos: NVDA long 895 870 950 pnl:+1.2% thesis: TSLA bull:cybertruck bear:china slowdown conf:7 risk: per_trade 1% total 2.2% behavior: weak 14:00-15:30 strong 09:30-11:00

Когда переход оправдан

Использование TOON имеет смысл, если:

• у вас длинный или накапливаемый контекст

• важна стоимость запросов

• данные регулярно повторяются

• модель используется как reasoning-движок, а не как строгий парсер

Если же приоритет — интеграция между сервисами или строгая типизация, JSON остается предпочтительным.

TOON — это пример адаптации формата данных под особенности LLM, а не под классические системы. Он отражает более широкий тренд: оптимизация не алгоритмов, а представления информации.

В условиях, где каждый токен имеет стоимость, а контекст — это ограниченный ресурс, такие решения становятся не просто оптимизацией, а конкурентным преимуществом.

Искусственный интеллект в трейдинге переживает качественный сдвиг. Если еще недавно LLM рассматривались как генераторы торговых идей и «сигналов на вход», то сегодня новая архитектура с долговременной памятью превращает их в нечто большее — в системных партнеров по принятию решений. Речь идет о переходе от реактивного инструмента к проактивному модулю риск-менеджмента и поведенческой аналитики.

От «информирования» к «памяти»

Классические LLM-ассистенты эффективно отвечают на вопросы и обрабатывают контекст текущего диалога, но фундаментально ограничены его границами. Для трейдера это критично: рынок — это процесс во времени, где ценность имеет не только информация, но и ее связность.

Типичный сценарий: участник рынка формирует инвестиционный тезис, определяет уровни, открывает позицию — и спустя короткое время теряет связь с исходной логикой решения. В условиях высокой волатильности это приводит к импульсивным действиям и нарушению риск-параметров.

Проблема здесь не в недостатке данных, а в отсутствии их непрерывности.

Архитектура «параллельной памяти»

Новый подход, уже используемый в проп-трейдинге и постепенно проникающий в розничные решения, основан на разделении двух потоков:

• Диалоговый слой — стандартный интерфейс общения с моделью

• Контекстный слой — постоянно обновляемое хранилище ключевых данных

В отличие от классического RAG, где информация извлекается по запросу, здесь используется кумулятивная память, которая автоматически подмешивается к каждому взаимодействию.

В этом слое фиксируются:

• открытые позиции (с параметрами риска)

• история сделок и типовые ошибки

• инвестиционные тезисы по активам

• поведенческие паттерны (временные и эмоциональные)

• значимые макро- и корпоративные события

Таким образом, модель оперирует не только текущим вопросом, но и всей историей принятия решений пользователя.

Практические последствия для трейдинга

Ключевая причина убытков — не ошибки анализа, а отклонение от собственных правил. В моменте трейдер склонен игнорировать лимиты риска.

LLM с памятью устраняет этот разрыв:
она знает допустимую нагрузку, текущую экспозицию и исторические последствия аналогичных действий.

Результат — переход от пассивного исполнения к активному контролю. Ассистент способен блокировать иррациональные решения или, по крайней мере, аргументированно им противостоять.

Традиционная «психология трейдинга» предлагает универсальные советы. Но реальные ошибки всегда индивидуальны.

Система с накопленной историей выявляет конкретные паттерны:

• сделки из FOMO

• асимметрию удержания (быстрые фиксации прибыли и затяжные убытки)

• временные зоны пониженной эффективности

Это позволяет формировать не общие рекомендации, а персонализированные интервенции, основанные на статистике конкретного трейдера.

Связка тезиса и исполнения

Одна из хронических проблем — деградация инвестиционного тезиса во времени. Трейдеры начинают с фундаментальной логики, но заканчивают реакцией на ценовое движение.

Постоянная память фиксирует исходные предпосылки:

• условия реализации bullish- и bearish-сценариев

• ключевые драйверы

• временные горизонты

При поступлении новой информации модель автоматически сопоставляет ее с тезисом, предотвращая несогласованные действия.

Мультифреймовая согласованность

Когнитивная ошибка — анализ в одном таймфрейме без учета старших уровней.

Контекстный слой хранит уровни и зоны ликвидности по нескольким масштабам. В результате LLM выступает как «система навигации», которая не допускает входов с ограниченным потенциалом или повышенным риском.

Прикладная реализация

С инженерной точки зрения решение относительно просто:

• структурированное хранение данных (например, JSON)

• инъекция этого контекста в системный промпт при каждом запросе

• регулярное обновление на основе новых действий и ответов

Интерфейс может выглядеть как двухпанельная система:

• чат для взаимодействия

• панель памяти с текущим состоянием портфеля, тезисами и метриками

Ключевое — синхронность: каждое новое решение сразу отражается в системе и влияет на последующие ответы.

Следующий этап: от ассистента к агенту

Логичное развитие — добавление исполнительных функций. LLM сможет не только рекомендовать действия, но и инициировать их через API (с подтверждением пользователя), предварительно проверяя соответствие риск-параметрам и тезису.

Это переводит систему в класс decision-support с элементами automation. Это не эволюция интерфейса. Это смена парадигмы принятия решений.