Дарвас, Вайкофф, Ливермор: легенды Уолл-стрит, вдохновляющие наш ИИ

Гении трейдинга, за столетие до ИИ

До алгоритмов, до GPU, до самих компьютерных экранов — три человека совершили революцию в трейдинге силой одного лишь интеллекта. Их методы, разработанные между 1900 и 1960 годами, настолько актуальны и сегодня, что мы превратили их в алгоритмические стратегии на Strategy Arena, наряду с ещё 71 стратегией — ИИ, GPU и количественными.

Вот их истории.

Джесси Ливермор — спекулянт, который разорил Уолл-стрит

Человек

Джесси Ливермор (1877-1940) — пожалуй, самый известный трейдер в истории. Сын фермера, он начал спекулировать в 14 лет в бостонских «bucket shops». К 15 годам уже заработал $1 000 — эквивалент примерно $35 000 сегодня.

Его самый впечатляющий ход: в 1929 году Ливермор зашортил рынок прямо перед крахом. Он заработал $100 миллионов за один день — примерно $1,5 миллиарда в сегодняшних долларах. Пока Америка погружалась в Великую депрессию, Ливермор был самым богатым человеком на Уолл-стрит.

Его метод

Ливермор записал свои правила в книге "How to Trade in Stocks" (1940):

• Следовать за трендом: никогда не идти против доминирующего движения
• Наращивать прибыльные позиции: добавлять к выигрышной позиции, никогда — к убыточной
• Быстро фиксировать убытки: потеря 10% — это сигнал к выходу, а не повод для надежды
• Ждать подходящий момент: «Есть время покупать, время продавать и время ходить на рыбалку»

Трагедия

Несмотря на свой гений, Ливермор неоднократно наживал и терял состояния. Неспособность следовать собственным правилам — особенно правилу фиксации убытков — раз за разом его разоряла. Он умер без гроша в 1940 году.

Урок: даже лучшая стратегия терпит неудачу без дисциплины. Именно поэтому алгоритм надёжнее человека.

На Strategy Arena

Стратегия Livermore следует за трендом с пирамидингом. Когда цена подтверждает направление, позиция наращивается постепенно. Стопы жёсткие. В направленном рынке стратегия блистает. В боковике — испытывает трудности, как и сам мастер.

Николас Дарвас — танцор, заработавший 2 миллиона на бирже

Человек

Николас Дарвас (1920-1977) не был трейдером. Он был профессиональным танцором, одним из самых известных в своё время, гастролировавшим по миру со своей партнёршей Юлией.

В 1952 году он получил акции в качестве оплаты за выступление в Канаде. Заинтересовавшись, начал изучать рынок. Из гостиничных номеров между выступлениями, без доступа к биржевым залам, вооружённый только газетой Barron's, доставляемой авиапочтой, Дарвас разработал свой метод.

Результат: $2 миллиона прибыли в период с 1957 по 1959 год. Обо всём этом он рассказал в книге "How I Made $2,000,000 in the Stock Market" (1960).

Его метод — Коробка Дарваса

Идея проста и элегантна:

1. Когда акция растёт, а затем стабилизируется, она формирует «коробку» (диапазон между максимумом и минимумом)
2. Если цена пробивает коробку вверх — это сигнал на покупку, движение возобновляется
3. Если цена пробивает вниз — немедленная продажа
4. Каждая новая коробка формируется выше предыдущей — как лестница

Это примитивная, но эффективная форма торговли на пробоях (breakout).

Почему это работает: консолидация (коробка) представляет собой равновесие между покупателями и продавцами. Пробой означает, что одна из сторон взяла верх. Следуя за победителем, вы оказываетесь на правильной стороне.

На Strategy Arena

Стратегия Darvas автоматически обнаруживает коробки консолидации и входит в позицию при подтверждённых пробоях. Стоп-лосс — под коробкой. Просто, механически, элегантно — именно так Дарвас и хотел бы.

Ричард Вайкофф — человек, который читал рынок

Человек

Ричард Вайкофф (1873-1934) начал курьером на Уолл-стрит в 15 лет. Одержимый наблюдатель, он проводил дни, изучая поведение крупных игроков — «умных денег» своей эпохи.

В 1907 году он основал Magazine of Wall Street, ставший одним из самых влиятельных финансовых изданий. Его метод анализа преподаётся сегодня в лучших финансовых университетах мира.

Его метод — анализ спроса и предложения

Вайкофф не использовал технические индикаторы (их ещё не существовало). Он читал цену и объём, чтобы понять действия крупных игроков:

4 фазы Вайкоффа:

1. Накопление — Институционалы тихо покупают, пока цена кажется застывшей. Высокий объём при стабильной цене = кто-то накапливает.

2. Рост (Markup) — Цена взлетает. Институционалы закончили накопление; спрос превышает предложение. Самое время быть в позиции.

3. Распределение — Институционалы постепенно продают опоздавшим. Цена обновляет максимумы, но объём падает. Опасность.

4. Снижение (Markdown) — Цена падает. Крупные игроки уже продали; мелкие инвесторы паникуют. Здесь начнётся следующая фаза накопления.

Гениальность Вайкоффа: он понял, что рынок — это непрерывный перевод активов из слабых рук (эмоциональных) в сильные руки (дисциплинированных).

На Strategy Arena

Стратегия Wyckoff анализирует цену и объём для обнаружения фаз накопления и распределения. Покупает в конце накопления и продаёт в начале распределения. Концептуально это самая «умная» стратегия — она пытается делать то, что делают институционалы.

Три подхода, один урок

Общий урок: дисциплина побеждает интеллект. Все трое преуспели не благодаря секретам, а благодаря простым правилам, применяемым неукоснительно.

Именно это делает алгоритм: применяет правила без эмоций. Спустя столетие методы Ливермора, Дарваса и Вайкоффа продолжают работать — теперь в исполнении машин. И современные количественные стратегии, такие как DCA или Buy & Hold, следуют той же философии систематической дисциплины.

Смотрите легенды в деле

Все три легендарные стратегии соревнуются в прямом эфире на Strategy Arena. Кто из Ливермора, Дарваса и Вайкоффа доминирует на текущем рынке? Ответ меняется каждый день.

Читайте также

• 74 стратегии торговли с ИИ: полное руководство — Легенды среди 74 стратегий в соревновании
• DCA vs Buy & Hold Bitcoin: какая стратегия в 2026 году? — Две количественные стратегии, унаследовавшие ту же дисциплину

Стратегии представляют собой алгоритмические реализации, вдохновлённые оригинальными методами и адаптированные для крипторынка. Реальные деньги не задействованы — это моделирование на реальных данных.