VARRD

Превратите любую торговую идею в статистически подтвержденное преимущество примерно за 3 минуты.

pip install varrd

Спросите о чем угодно

varrd research "Does buying SPY after a 3-day losing streak actually work?"

varrd research "When VIX spikes above 30, is there a bounce in ES?"

varrd research "Is there a seasonal pattern in wheat before harvest?"

varrd research "What happens to gold when the dollar drops 3 days straight?"

varrd research "Does Bitcoin rally after the halving?"

varrd research "When crude oil drops 5% in a week, what happens next?"

Каждый вопрос получает реальные данные, график с отмеченными сигналами, статистический тест и окончательный ответ.

Related MCP server: QuantConnect MCP Server

Что вы получаете в итоге

Преимущество найдено

STRONG EDGE — Statistically significant vs both zero and market baseline.

  Direction:    LONG
  Win Rate:     62%
  Sharpe:       1.45
  Signals:      247

  Trade Setup:
    Entry:       $5,150.25
    Stop Loss:   $5,122.00
    Take Profit: $5,192.50
    Risk/Reward: 1:1.5

Преимущества нет

NO EDGE — Neither test passed. No tradeable signal found.

You found out for 25 cents instead of $25,000 in live losses.

Оба результата ценны.

Почему я не могу просто попросить Claude / ChatGPT сделать это?

Потому что правильно протестировать торговые идеи действительно сложно, и существует дюжина способов случайно получить фальшивые результаты, которые выглядят отлично, но приводят к убыткам в реальной торговле.

LLM сама по себе с радостью напишет вам бэктест, покажет красивую кривую доходности и скажет, что у нее 70% прибыльных сделок. Проблема в том, что это не по-настоящему. У LLM нет рыночных данных, нет среды тестирования, и нет никаких ограничений, предотвращающих переобучение, предвзятый выбор данных или просто выдумывание цифр.

Даже если вы предоставите LLM реальные данные (как в Claude Code или Cursor), она все равно не сможет сделать это правильно. Вот почему:

Что может пойти не так при тестировании торговых идей — и с чем справляется VARRD:

• Переобучение (Overfitting) — Подгонка стратегии до тех пор, пока она не будет хорошо выглядеть на прошлых данных. VARRD откладывает неиспользованные данные и тестирует на них только один раз. Вы не можете перезапустить тест после того, как увидели результаты.

• Предвзятый выбор результатов (Cherry-picking) — Тестирование 50 вариантов и демонстрация только победителя. VARRD отслеживает каждый ваш тест и автоматически повышает планку значимости по мере увеличения количества тестов.

• p-хакинг — Манипуляция цифрами до тех пор, пока не будет получен «значимый» результат. VARRD вносит поправки на множественные сравнения, чтобы случайный результат не выдавался за реальный.

• Заглядывание в будущее (Lookahead bias) — Случайное использование будущих данных в вашей формуле. VARRD работает в изолированном ядре, что делает это структурно невозможным.

• Неверный тип теста — Некоторые идеи требуют анализа форвардной доходности, другие — полного моделирования со стоп-лоссами и тейк-профитами. У VARRD есть команда специализированных агентов, которые определяют правильный тест для каждого вопроса.

• Межрыночное загрязнение — Тестирование на одном рынке, когда сигнал на самом деле пришел с другого. VARRD изолирует и синхронизирует данные между рынками и таймфреймами.

• Выдуманная статистика — LLM будут выдумывать цифры, чтобы звучать уверенно. В VARRD каждая статистика берется из детерминированного расчета. ИИ интерпретирует результаты, но никогда их не генерирует.

• Размер позиции на основе ATR — Реальные преимущества требуют реального управления рисками. VARRD рассчитывает стоп-лоссы и тейк-профиты на основе фактической волатильности, а не произвольных процентов.

• Демонстрация того, что происходит прямо сейчас — Подтвержденное преимущество бесполезно, если вы не видите, когда оно срабатывает. VARRD сканирует живые данные и сообщает вам точно, когда ваши сигналы активны, с актуальными уровнями входа и выхода.

LLM — это мозг без лаборатории. Она может рассуждать о торговых идеях, но не может протестировать их в контролируемой среде. VARRD — это лаборатория, специально созданная инфраструктура, где каждый тест отслеживается, каждый результат проверяется, а дюжина способов случайно сжульничать блокируется на системном уровне, а не на уровне промпта.

Быстрый старт — Python

from varrd import VARRD

v = VARRD()  # auto-creates free account, $2 in credits

# Research a trading idea
r = v.research("When RSI drops below 25 on ES, is there a bounce?")
r = v.research("test it", session_id=r.session_id)

print(r.context.edge_verdict)  # "STRONG EDGE" / "NO EDGE"

# Get exact trade levels
r = v.research("show me the trade setup", session_id=r.session_id)

# What's firing right now across all your strategies?
signals = v.scan(only_firing=True)
for s in signals.results:
    print(f"{s.name}: {s.direction} {s.market} @ ${s.entry_price}")

# Morning briefing — today's news connected to your specific edges
b = v.briefing()
print(b.news)
# "**ES selling accelerates into the open** Three consecutive lower highs..."
# "↳ Your ES mean-reversion setups are live territory here..."

# Let VARRD discover edges autonomously
result = v.discover("mean reversion on futures")
print(result.edge_verdict, result.market, result.win_rate)

Быстрый старт — CLI

# Full research workflow (auto-follows chart → test → trade setup)
varrd research "When wheat drops 3 days in a row, is there a snap-back?"

# What's firing right now?
varrd scan --only-firing

# Personalized market briefing — news filtered to your edge library
varrd briefing

# Search saved strategies
varrd search "momentum on grains"

# Let VARRD discover edges on its own
varrd discover "mean reversion on futures"

Использование с ИИ-агентами

Claude Desktop / Claude Code / Cursor

Вариант 1 — Прямой HTTP (Claude Code, Cursor, OpenBB):

{
  "mcpServers": {
    "varrd": {
      "transport": {
        "type": "streamable-http",
        "url": "https://app.varrd.com/mcp"
      }
    }
  }
}

Вариант 2 — через mcp-remote (Claude Desktop, любой stdio-клиент):

{
  "mcpServers": {
    "varrd": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://app.varrd.com/mcp"]
    }
  }
}

API-ключ не нужен. Затем просто спросите: "Есть ли закономерность, когда золото резко растет после решения ФРС по ставке?"

OpenBB Workspace

VARRD подключается напрямую к OpenBB Workspace как MCP-сервер:

1. Откройте Workspace → нажмите "+" на панели MCP-серверов

2. Введите https://app.varrd.com/mcp

3. Инструменты VARRD появятся в вашем Copilot — исследуйте идеи, сканируйте сигналы, ищите стратегии

OpenBB предоставляет данные. VARRD говорит вам, есть ли у вашей идеи преимущество.

Торговые боты (Freqtrade, Jesse, Hummingbot, OctoBot, NautilusTrader)

VARRD подтверждает, что ваша стратегия имеет реальное преимущество до того, как вы ее развернете. Работает с любым ботом:

from varrd import VARRD
from varrd.freqtrade import generate_strategy

v = VARRD()
result = v.discover("RSI oversold reversal on BTC")

if result.has_edge:
    hyp = v.get_hypothesis(result.hypothesis_id)
    strategy_code, config = generate_strategy(hyp)
    # Drop into your bot's strategies/ folder and run it

Принцип: сначала проверка, потом развертывание. Большинство стратегий не проходят статистическое тестирование — лучше узнать об этом за $0.25, чем за $25 000.

CrewAI

from crewai import Agent, Task, Crew

researcher = Agent(
    role="Trading Researcher",
    goal="Find statistically validated trading edges",
    backstory="You are a quantitative researcher who tests trading ideas rigorously.",
    mcps=[{"type": "streamable-http", "url": "https://app.varrd.com/mcp"}]
)

task = Task(
    description="Research whether RSI oversold conditions on ES lead to a bounce within 5 days.",
    agent=researcher,
    expected_output="Edge verdict with trade setup if edge is found."
)

crew = Crew(agents=[researcher], tasks=[task])
result = crew.kickoff()

LangChain / LangGraph

from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent
from langchain_anthropic import ChatAnthropic

model = ChatAnthropic(model="claude-sonnet-4-20250514")

async with MultiServerMCPClient({
    "varrd": {"url": "https://app.varrd.com/mcp", "transport": "streamable_http"}
}) as client:
    agent = create_react_agent(model, client.get_tools())
    result = await agent.ainvoke({"messages": [
        {"role": "user", "content": "Does gold rally when the dollar drops 3 days in a row?"}
    ]})

Raw MCP (любой клиент)

# Any MCP-compatible client can connect to:
https://app.varrd.com/mcp
# Transport: Streamable HTTP | No auth required | $2 free credits

8 статистических защитных механизмов (на уровне инфраструктуры)

Каждый тест автоматически проходит через них. Вы не можете их пропустить.

Покрытие данных

Всего более 15 000 инструментов.

Инструменты MCP

Цены

• $2 бесплатно при регистрации — достаточно для 6–8 исследовательских сессий

• Исследование: ~$0.20–0.30 за протестированную идею

• Открытие (автономное): ~$0.20–0.30

• Совет ELROND (8 экспертов-исследователей): ~$0.40–0.60

• Мультирыночный анализ (3+ рынка): ~$1

• Сканирование, поиск, баланс: Всегда бесплатно

• Пакеты кредитов: $5 / $20 / $50 через Stripe

• Кредиты никогда не сгорают

Примеры

Смотрите examples/ для запускаемых скриптов:

• quick_start.py — 5 строк для сканирования всех стратегий

• research_idea.py — Полный рабочий процесс исследования с несколькими итерациями

• multi_idea_loop.py — Тестирование множества идей в цикле

• scan_portfolio.py — Сканирование портфеля с уровнями сделок

• mcp_config.json — Конфигурация MCP для Claude Desktop / Cursor

Для разработчиков ИИ-агентов

Смотрите AGENTS.md для получения полного руководства по интеграции — справочник инструментов, форматы ответов, аутентификация и шаблоны рабочих процессов.

Ссылки

• Веб-приложение: app.varrd.com

• Сайт: varrd.com

• MCP эндпоинт: https://app.varrd.com/mcp

• PyPI: pypi.org/project/varrd