Мета роботи – розробити інформаційну систему, що поєднує алгоритмічні правила технічного аналізу з прогнозами від моделей машинного навчання, що автоматично генерує торгові сигнали та забезпечує їх виконання з дотриманням заданих обмежень ризику. Методи дослідження – аналіз наукових джерел з алгоритмічного трейдингу й обробки часових рядів; проєктування архітектури Pythonплатформи; реалізація модулів збору котирувань через API Binance та Alpaca; формалізація rule-based логік; навчання й тестування моделей LSTM/XGBoost; backtesting на історичних даних. Результати – створено інформаційну систему, що в реальному часі обробляє потоки котирувань, обчислює індикатори, прогнозує напрям руху ціни та автоматично розміщує ордери. Тестування на парах BTC/USDT і акціях NVDA показало стабільне зростання капіталу при максимальній просадці < 10 %. Система може адаптуватися до інших активів і масштабуватися для промислових торгових середовищ.