● Исследовательский трек · 6 месяцев непрерывного поиска

Как я строил бота на миллион долларов, а создал квантовую лабораторию

История полугода непрерывных расчетов: от дерзкой задачи ИИ-агенту разогнать $1 000 до $1 000 000 — через 57 исследований, 3.5 миллиона свечей, разгром теханализа и 5 недель в аду HFT к доказанной рыночно-нейтральной системе.

Александр Кулеш

·Lead Quant Architect

·6 месяцев исследований

·832 актива / 6.6 лет истории

·Время чтения: ~8 минут

3 503 520

Минутных свечей проверено без единого пропуска

Количественных исследований за 6 месяцев работы

0.46–0.54

Показатель Хёрста (доказанное случайное блуждание)

1.46

Sharpe Ratio фактора Taker Flow (4.3σ от шума)

Каждый, кто хоть раз пробовал торговать криптовалютой руками, знает это удушающее ощущение: рынок идёт против тебя, позиция горит красным, а ты в надежде «пересидеть» просадку судорожно отодвигаешь стоп-лосс всё дальше — или вовсе удаляешь его. А когда рынок чудом даёт микроскопический плюс, в панике выскакиваешь с крошечным тейк-профитом, боясь, что цена не дотянет до цели и снова развернётся.

Я прошёл через все круги психологического ада ручного трейдинга. Усреднялся в глубоких минусах, умножая риск ради наивной иллюзии «выйти хотя бы в ноль и спасти капитал». Притягивал за уши графические паттерны, когда ленился досконально анализировать ситуацию и входил в позиции импульсивно. И регулярно завышал кредитные плечи в жажде сорвать моментальный куш.

Все эти ошибки рождаются из одного корня — человеческой психологии. Жадность, страх, тильт, нетерпение и эмоциональная усталость на корню уничтожают системный трейдинг. Именно острое желание навсегда убрать человеческий фактор из торгового уравнения стало отправной точкой моего пути: сначала для создания первого бота, а затем — для разработки институциональной, доллар-нейтральной портфельной стратегии с математически доказанной доходностью.

С этой мыслью я открыл диалог с продвинутым ИИ-агентом и сформулировал дерзкую задачу: «У нас есть депозит $1 000. Напиши торгового бота, который за год сделает из него $1 000 000».

На бумаге расчёт казался элементарным: делать в среднем около 2% в день сложным процентом. Ровно через 365 дней на счету должно было накопиться $1 377 408. Казалось, что рынок — это просто несовершенный алгоритм, а биржевой график — синусоида, которую нужно лишь аккуратно описать математической функцией.

Никто не предполагал, что этот первоначальный запрос запустит полгода непрерывных интенсивных исследований (6 месяцев ежедневных инженерных расчетов), 57 отдельных количественных работ (study1–study57), проверку 3.5 миллионов минутных свечей на 6.6 годах истории Binance, терабайты тиковых стаканов, 5 недель боевых тестов на миллисекундах и более 60 задокументированных эмпирических находок.

Вот как выглядела эта эволюция — от слепой веры в «волшебный индикатор» до строгой математики рыночной микроструктуры.

АКТ I Эра наивности: индикаторы, сетки и проект MEGATRADER

Первым на свет появился MEGATRADER. Идея казалась логичной: взять классические концепции технического анализа и автоматизировать их исполнение через программный код.

Наивная мечта алготрейдера: экран в 3 часа ночи с графиком доходности — Первые запуски: смоделированная параболическая кривая доходности, обещающая миллионы. Act I · The Dream

Когда стандартные индикаторы показывали убытки, мы начали конструировать собственные микроструктурные метрики:

ADP (Adaptive Directional Pressure) — адаптивное направленное давление объёма;
NATR — нормализованная волатильность истинного диапазона;
CVD и OBI — дельта кумулятивного объёма и дисбаланс книги ордеров;
Efficiency Ratio — фильтрация рыночного хаоса и шума;
Логика отслеживания резких сбросов (Ghost Drop), динамический буфер стоп-лосса (Elastic Buffer) и ограничение входов после серий потерь (Third Chance).

Мы протестировали свыше 15 архитектур торговых систем: сеточные алгоритмы (Grid), мартингейл-усреднения, импульсные пробои, ловлю ножей (Knife Hunter), следящие трендовые системы и снайперские входы на микро-уровнях.

На исторических данных бэктеста результат завораживал: кривая доходности стабильно шла вверх. Но при выходе на реальный рынок сценарий всегда повторялся: бот зарабатывал небольшую прибыль несколько дней подряд, усыпляя бдительность, а затем рынок выдавал один сильный безоткатный импульс — и позицию ликвидировало.

«Каждый раз казалось: "Дело лишь в настройке параметров! Нужно просто расширить коридор стоп-лосса с 1.8% до 2.2%". Но это была классическая ловушка подгонки под историю (overfitting).»

В этот момент стало очевидно: хватит перебирать индикаторы наугад. Пора провести масштабный академический аудит.

АКТ II Академический аудит: проверка реальностью на 3.5 млн свечей

Мы перевели разработку в плоскость строгих количественных исследований (Studies 1–25). Был выгружен официальный публичный архив Binance USDT-M: 3 503 520 минутных свечей за 6.6 лет (2020–2026 гг.) без единого пропуска по 832 активам, включая соскамившиеся и делистнутые монеты (чтобы полностью исключить ошибку выжившего).

Математическое крушение иллюзий теханализа: золотая монета и распад графиков в энтропию — Статистический вердикт: классические паттерны неотличимы от случайного подбрасывания монеты. Act II · The Reckoning

Все паттерны из нашего репозитория (BULL_DIP, TREND_SHORT, FAKEOUT_SHORT, PREDATOR, VOLATILITY_BREAKOUT) были протестированы на едином симуляторе с реалистичной комиссией тейкера (0.05%), проскальзыванием и строгим приоритетом стопа перед тейком внутри свечи.

research/scripts/study1_replay_patterns.py · 6.6 Years Historical Replay

# Результаты прогона на 3 503 520 минутных свечах: Паттерн Сделок На сделку Винрейт Итог за 6.6 лет ------------------------------------------------------------------------- BULL_DIP 163 -19.7 bp 29.4% -28.4% (Убыток) TREND_SHORT 8 750 -13.8 bp 37.0% -100.0% (Ликвидация) FAKEOUT_SHORT 13 184 -13.6 bp 35.4% -100.0% (Ликвидация) PREDATOR (no-liq) 27 006 -13.3 bp 32.9% -100.0% (Ликвидация) NY_OPEN_MOMENTUM 22 587 -8.1 bp 37.6% -100.0% (Ликвидация) VOL_BREAKOUT 16 804 -13.8 bp 28.0% -100.0% (Ликвидация)

Факты привели к однозначным выводам:

Открытие Ф1 & Ф2: Сигналы неотличимы от случайного шума

Когда мы рассчитали математическое ожидание входов с нулевой комиссией по сравнению со случайным входом с идентичными стопами — лучший сигнал показал статистическое преимущество всего в +5.9 базисных пунктов (0.059%). При этом биржевой оборот (комиссия входа/выхода + спред) обходится минимум в 8–14 базисных пунктов. Рыночное трение полностью уничтожает сигнал на коротких интервалах.

Мы рассчитали показатель Хёрста (Hurst Exponent) на глубине 180 дней. Для всех 16 ведущих инструментов рынка значение строго находилось в диапазоне 0.46–0.54. Рынок криптовалют на таймфреймах от 5 минут до 24 часов находится в состоянии чистого случайного блуждания (Random Walk).

Попытка задействовать машинное обучение подтвердила вывод: градиентный бустинг XGBoost на 45 признаках на строгой перекрестной проверке walk-forward на 72-часовом горизонте показал t = −2.48 — модель предсказывала направление движения хуже генератора случайных чисел.

АКТ III Гонка за скоростью: 5 недель в контуре HFT

Если предсказать направление свечи математически невозможно, возникла следующая гипотеза: «Значит, нужно перестать угадывать движение и начать опережать рынок по скорости передачи данных!»

Так начался этап разработки арбитража задержек (Latency Arbitrage / Lead-Lag). Логика казалась надёжной: Binance — крупнейшая мировая площадка, котировки там обновляются первыми. Менее ликвидные биржи отстают на 200–800 миллисекунд. Если фиксировать ценовой импульс на Binance и мгновенно забирать неэффективность в стакане отстающей биржи — это даёт арбитражную доходность.

Борьба за миллисекунды: оптоволоконные лазерные потоки разбиваются о стену физической задержки в 460 мс — Физический барьер задержки: пока сетевой пакет летит до биржи, арбитражное окно закрывается. Act III · The Latency Wall

Мы разработали специализированные сетевые зонды, изучили стаканы 17 мировых бирж, подключили прямые WebSocket-потоки и привязали процессы к отдельным ядрам CPU через taskset.

Но на практике мы столкнулись с двумя фундаментальными барьерами:

1. Скрытые тарифы API и регламентные запреты (MEXC & BingX)

На витрине MEXC рекламировала нулевую комиссию на 572 фьючерсных контрактах. Стратегия M1_STALE на симуляторе приносила +$99.3 прибыли за 20 часов.

Реальность вскрылась при детальном аудите: нулевая комиссия действует исключительно в веб-интерфейсе для ручной торговли. Для любых запросов через API биржа применяет отдельный тариф maker 0.04% / taker 0.06%. При пересчете на реальный API-тариф прибыль мгновенно превратилась в −$1 065.7 убытка — лишь 5% сделок окупали комиссию.

Кроме того, пункт 5.6.2 правил MEXC прямо запрещает арбитраж задержек под угрозой заморозки активов и аннулирования сделок (включая задокументированный прецедент заморозки $3.15M у трейдера White Whale).

2. Физический барьер задержки (Hyperliquid)

Единственной ликвидной площадкой, где высокочастотный арбитраж официально разрешен правилами, оказался DEX Hyperliquid. Модель на исторических данных показывала 75% прибыльных сделок.

Мы запустили контур реальными деньгами. Результат первого торгового дня: 1 прибыльная сделка из 26 (4% винрейта).

Законы физики против кода

Прямой замер сетевого пути показал: время прохождения запроса от нашего сервера во Франкфурте до валидаторов Hyperliquid составляет 460–900 мс. За это время спред на бирже успевал схлопнуться самостоятельно. Ордер отправлялся в прошлую цену, а исполнялся в невыгодном будущем. Для победы в этой нише требуются серверы в прямой колокации за десятки тысяч долларов в месяц, а не стандартный VPS.

9 сентября 2026 года направление HFT было закрыто окончательно — с подробным официальным постмортемом на 35 страниц измерений.

АКТ IV Что действительно работает: рождение ALPHA QUANT

После десятков отвергнутых гипотез научный метод принёс главный результат: отсечение неработающих подходов помогло обнаружить факторы, которые действительно обладают устойчивым статистическим преимуществом.

Архитектура ALPHA QUANT · Рыночно-нейтральный контур

Beta ≈ 0 · Zero Liquidation

LONG ПОЗИЦИИ (~50%) Структурная сила

Лидеры по 30-дневному притоку капитала (Taker Flow)
Агрессивное институциональное накопление
Равномерное распределение весов по корзине
Хеджируются встречной шорт-ногой

SHORT ПОЗИЦИИ (~50%) Структурная слабость

Аутсайдеры по чистому оттоку объёма
Контроль положительной ставки финансирования (Carry)
Зеркальная компенсация просадок рынка на 20–30%
Плечо строго 1.0x (Spot-like Perpetual)

Четыре фундаментальных принципа доказанной квантовой модели:

Рыночная нейтральность (Beta ≈ 0) вместо угадывания тренда:
Мы больше не пытаемся предсказать, куда пойдёт Биткоин. Мы удерживаем сбалансированную корзину из 44 инструментов первого эшелона (50% Long / 50% Short). Общерыночный спад на 25% компенсируется прибылью шорт-ноги. Риск ликвидации депозита исключён на уровне математики.
Фактор дисбаланса тейкер-потока (Taker Flow Imbalance):
Движение институционального капитала формирует устойчивый след в ленте сделок. На дистанции 30 дней перекос агрессивных рыночных покупок над продажами создаёт воспроизводимую альфу. Сильные активы опережают слабые вне зависимости от фазы рыночного цикла.
Прогноз волатильности вместо вектора цены:
Угадать направление следующей свечи невозможно. Однако метрика natr_1h прогнозирует будущий размах движения с высоким коэффициентом корреляции IC +0.78…+0.89. Это позволяет динамически калибровать риск и размер позиций.
Институциональная безопасность через SMA (Separately Managed Accounts):
Инвестор не переводит капитал в сторонние пулы или непроверенные смарт-контракты. Торговля ведётся на личном биржевом счёте инвестора через Trade-Only API с аппаратно отключенным правом вывода средств.

ЭПИЛОГ Итог полугода исследований

Сделал ли меня этот бот миллионером за год с тысячи долларов? Нет.

Любые обещания гарантированного быстрого богатства на финансовых рынках разбиваются о законы теории вероятностей, броуновское движение цен и издержки биржевого трения.

Но взамен иллюзий за эти 6 месяцев родилось нечто неизмеримо более ценное:

Собственная квантовая инфраструктура с непрерывной доказательной базой на миллионах свечей;
Полный иммунитет к субъективным индикаторам и псевдонаучным торговым теориям;
Действующая рыночно-нейтральная система ALPHA QUANT, извлекающая прибыль из объективных перекосов ликвидности.

Это был лучший маршрут: начав с наивной задачи ИИ-агенту о кнопке «миллион за год», в конце пути мы построили настоящую систему количественного управления активами.

Изучите боевую витрину ALPHA QUANT

Ознакомьтесь с реальными показателями системы, архитектурой подключения через Trade-Only API (SMA) и прозрачной структурой вознаграждения исключительно с чистой прибыли.

Перейти к витрине фонда Подать заявку на подключение

● Research Chronicle · 6 Months of Quantitative Auditing

How I Set Out to Build a Million-Dollar Bot, and Built a Quant Lab

The true chronicle of six months of empirical research: from a bold prompt to an AI agent to turn $1,000 into $1,000,000 — through 57 quantitative studies, 3.5 million candles, the debunking of technical analysis, and 5 weeks in HFT hell to a battle-tested market-neutral system.

Aliaksandr Kulesh

·Lead Quant Architect

·6 Months of Research

·832 Assets / 6.6 Years of Data

·Reading Time: ~8 min

3,503,520

Continuous minute candles audited without a single gap

Empirical quantitative studies across 6 months

0.46–0.54

Hurst Exponent (empirically proven Random Walk)

1.46

Sharpe Ratio of Taker Flow Factor (4.3σ from noise)

Anyone who has ever traded cryptocurrency manually knows that suffocating sensation: the market turns against you, the position flashes deep red, and in denial you frantically drag your stop-loss further away — or delete it entirely, praying to "wait out" the storm. Then, the moment a trade ticks into a microscopic gain, you slam the exit button with a tiny take-profit, terrified that the price won't reach your target before reversing.

I lived through every single trap of manual trading. I averaged down into losing positions, multiplying downside risk just in the desperate hope to "exit at breakeven and protect my capital." I forced chart patterns where none existed, acting impulsively out of fatigue and impatience rather than deep market analysis. And I repeatedly dialed up leverage to reckless levels in the chase to strike it rich on a single trade.

All of these errors share a single root cause: human psychology. Greed, fear, emotional tilt, impatience, and cognitive bias are fundamentally fatal to disciplined trading. The burning obsession to permanently eliminate the human psychological factor from the trading equation became the spark of my entire journey: starting from the initial quest to build an automated trading bot, and ultimately evolving into an institutional, dollar-neutral portfolio strategy with mathematically proven profitability.

With that resolve, I opened a dialogue with an advanced AI coding agent and set a daring task: "Here is a $1,000 deposit. Build me an algorithmic trading bot that turns it into $1,000,000 in one year."

On paper, the compounding formula seemed trivial: generate an average of ~2% daily. Exactly 365 days later, the balance would mathematically reach $1,377,408. It felt as though the market were merely an unoptimized program and the price chart a predictable wave waiting for the right mathematical equation.

Neither of us anticipated that this initial task would ignite six months of relentless quantitative research, 57 distinct empirical studies (study1–study57), an audit of 3.5 million minute candles across 6.6 years of Binance history, terabytes of order book depth, 5 weeks of live millisecond-level execution, and over 60 documented empirical findings.

Here is the unfiltered story of that evolution — from naive faith in "magic indicators" to the uncompromising reality of market microstructure.

ACT I The Era of Naivety: Indicators, Grids, and MEGATRADER

The first iteration was dubbed MEGATRADER. The premise was straightforward: take classical technical analysis concepts and automate their execution with algorithmic code.

The algorithmic trader's dream: a screen glowing at 3 AM with exponential returns — Early simulation: a parabolic green PnL curve promising easy millions. Act I · The Dream

When standard indicators failed, we engineered our own custom microstructure metrics:

ADP (Adaptive Directional Pressure) — volume pressure normalized to market conditions;
NATR — normalized average true range;
CVD and OBI — cumulative volume delta and order book imbalance;
Efficiency Ratio — market entropy and noise filtering;
Volume dump detection (Ghost Drop), dynamic stop-loss cushioning (Elastic Buffer), and entry cooling after consecutive losses (Third Chance).

We tested over 15 bot architectures: grid algorithms, martingale averaging, momentum breakouts, knife catchers, trend followers, and micro-level snipers.

In backtests, the results were mesmerizing: equity curves climbed steadily. But in live markets, the outcome was always the same: the bot generated modest gains for a few days, instilling false confidence, until the market delivered a single strong, one-way momentum move — wiping out the account.

"Every time, the temptation was to think: 'It's just a parameter issue! We just need to widen the stop-loss from 1.8% to 2.2%.' But this was the quintessential trap of overfitting to historical noise."

At that juncture, we stopped guessing: it was time to apply the rigorous scientific method.

ACT II The Academic Audit: Reality Check on 3.5M Candles

We pivoted to formal quantitative research (Studies 1–25). We extracted the complete Binance USDT-M archive: 3,503,520 minute candles spanning 6.6 years (2020–2026) without a single missing timestamp across 832 assets, including delisted coins to eliminate survivorship bias.

Mathematical reality: golden coin flip and candlestick charts shattering into entropy — Statistical verdict: classical technical patterns are indistinguishable from a coin toss. Act II · The Reckoning

Every active pattern in the repository (BULL_DIP, TREND_SHORT, FAKEOUT_SHORT, PREDATOR, VOLATILITY_BREAKOUT) was run through a unified replay engine with realistic taker fees (0.05%), slippage, and strict intra-candle stop priority over take-profit.

research/scripts/study1_replay_patterns.py · 6.6 Years Historical Replay

# Replay results across 3,503,520 minute candles: Pattern Trades Per Trade Win Rate 6.6-Year Result ------------------------------------------------------------------------- BULL_DIP 163 -19.7 bp 29.4% -28.4% (Drain) TREND_SHORT 8,750 -13.8 bp 37.0% -100.0% (Liquidated) FAKEOUT_SHORT 13,184 -13.6 bp 35.4% -100.0% (Liquidated) PREDATOR (no-liq) 27,006 -13.3 bp 32.9% -100.0% (Liquidated) NY_OPEN_MOMENTUM 22,587 -8.1 bp 37.6% -100.0% (Liquidated) VOL_BREAKOUT 16,804 -13.8 bp 28.0% -100.0% (Liquidated)

The empirical conclusions were unambiguous:

Findings F1 & F2: Classical Patterns Equal Random Noise

Measuring zero-fee entry alpha against a random-entry baseline with identical stop dynamics revealed that the best pattern had a mathematical edge of just +5.9 basis points (0.059%). Meanwhile, exchange round-trip friction (taker fee + spread) costs at least 8–14 basis points. Market friction consistently swallows short-term directional alpha.

Next, we computed the Hurst Exponent across 180-day rolling windows. Across all 16 major crypto assets, values fell strictly within 0.46–0.54. On intervals from 5 minutes to 24 hours, cryptocurrency prices follow a pure Random Walk.

Machine learning confirmed the diagnosis: training an XGBoost model with 45 features across purged walk-forward splits on a 72-hour forecast horizon yielded t = −2.48 — the model performed statistically worse than a random number generator due to historical noise fitting.

ACT III The Speed Race: 5 Weeks in the HFT Arena

If directional prediction is mathematically flawed, the next hypothesis emerged naturally: "Stop predicting direction — exploit data latency!"

This launched the Latency Arbitrage / Lead-Lag track. The reasoning seemed sound: Binance acts as the global price discovery engine, updating quotes first. Secondary exchanges lag by 200–800 ms. By capturing price thrusts on Binance and immediately sweeping quotes on lagging venues, one captures latency spread.

The millisecond race: fiber optic light beams colliding with a 460ms latency wall — The latency wall: by the time an order arrives at the exchange, the arbitrage window has closed. Act III · The Latency Wall

We deployed network probes, audited order books across 17 global exchanges, integrated low-level WebSockets, and bound processes to dedicated CPU cores with taskset.

In practice, we hit two insurmountable walls:

1. Hidden API Fee Tiers and Terms of Service Bans (MEXC & BingX)

MEXC marketed 0% fees across 572 futures contracts. The M1_STALE strategy demonstrated +$99.3 in profit over 20 hours in simulation.

A forensic audit uncovered the catch: zero fees apply only to human GUI trading. API orders trigger a separate schedule: maker 0.04% / taker 0.06%. Factoring in the real API tier turned the +$99 profit into a −$1,065.7 loss — only 5% of trades beat the fee.

Furthermore, Section 5.6.2 of the MEXC Rulebook explicitly prohibits latency arbitrage under penalty of account forfeiture, as exemplified by the documented $3.15M freeze of trader White Whale.

2. The Physical Speed Floor (Hyperliquid)

Hyperliquid was the sole liquid venue where latency arbitrage is permitted. The paper model yielded a 75% win rate.

We initiated live execution with real capital. The first day's result: 1 profitable trade out of 26 (4% win rate).

Physics vs. Software

Direct network latency measurements from our Frankfurt server to Hyperliquid validators revealed a round-trip of 460–900 ms. During this window, the price discrepancy naturally converged. We were submitting orders to stale prices and executing into adverse selection. Competing here requires direct server colocation costing tens of thousands of dollars monthly.

On September 9, 2026, the HFT track was decommissioned permanently, accompanied by an exhaustive 35-page post-mortem document.

ACT IV What Actually Works: The Birth of ALPHA QUANT

After discarding dozens of flawed hypotheses, systematic research paid off: eliminating 99% of noise revealed structural anomalies with robust statistical edge.

ALPHA QUANT Architecture · Market-Neutral Engine

Beta ≈ 0 · Zero Liquidation

LONG POSITIONS (~50%) Structural Strength

Top ranked by 30-day net Taker Flow inflows
Sustained institutional capital accumulation
Equal-risk basket weighting across 22+ assets
Fully hedged by reciprocal short exposure

SHORT POSITIONS (~50%) Structural Weakness

Lowest ranked by net capital distribution
Positive funding carry capture
Mirrored drawdown neutralization during 20–30% sell-offs
Strictly 1.0x leverage (Spot-like Perpetual)

The four pillars of the proven quantitative system:

Market Neutrality (Beta ≈ 0) Instead of Trend Prediction:
We do not guess whether Bitcoin heads to $50,000 or $150,000. We maintain a balanced basket of ~44 tier-one instruments (50% Long / 50% Short). A 25% overnight market crash is offset by reciprocal short gains, mathematically eliminating liquidation risk.
Taker Flow Imbalance Factor:
Institutional order flow leaves persistent footprints. Across 30-day windows, aggressive taker volume divergence creates repeatable cross-sectional alpha: structurally strong assets outperform weak assets regardless of the macro cycle.
Volatility Forecasting Over Price Direction:
While predicting the next candle's direction is futile, normalized true range (natr_1h) forecasts upcoming volatility magnitude with an Information Coefficient of +0.78…+0.89, enabling dynamic exposure sizing.
Institutional Custody Safety via SMA:
Capital is never pooled or locked into external smart contracts. Execution runs directly on the investor's sub-account via Trade-Only API keys with withdrawal permissions physically disabled.

EPILOGUE The Lessons of Six Months

Did this bot turn $1,000 into $1,000,000 in one year? No.

Get-rich-quick narratives in financial markets inevitably collide with the laws of probability, Brownian motion, and exchange friction.

In exchange for that illusion, these six months produced something far more valuable:

A sovereign quantitative research lab backed by empirical evidence on millions of real data points;
Complete immunity to subjective technical indicators and trading folklore;
The operational ALPHA QUANT system, extracting mathematical edge from genuine liquidity imbalances.

It was the ultimate transformation: starting with an AI prompt for a "million-dollar bot," we ended up building an institutional-grade quantitative framework.

Explore the ALPHA QUANT Live Showcase

Review real-time system performance, the Trade-Only API (SMA) connection architecture, and the high-water mark fee structure tied strictly to net realized profit.

View Fund Showcase Apply for SMA Access