Costruire un Trading Bot AI con l'API di GaiaEx

Nel 2021 un ingegnere di 23 anni pubblicò un backtest che fece impazzire internet: il suo bot crypto aveva trasformato $1.000 in $4,2 milioni in due anni di dati storici. La curva del capitale saliva in una perfetta linea a 45 gradi. Sconosciuti chiedevano il codice a mani basse. Lui lasciò il lavoro, raccolse soldi da amici e andò live.

Perse denaro ogni singola settimana. Nel giro di quattro mesi il conto era sotto del 60%, e lo spense.

Non c'era niente di "sbagliato" nel bot. Il codice funzionava perfettamente. Il problema era che il backtest era stato ritoccato finché non calzava perfettamente sul passato — e il passato non si ripete mai esattamente. La strategia aveva memorizzato il 2019 e il 2020 invece di imparare qualcosa di generale. Nel momento in cui incontrò un mercato che non aveva mai visto, non aveva idea di cosa fare.

Questa è la verità più importante sui bot di trading AI, e quasi nessuno la mette al primo posto: un bot vale quanto la disciplina che lo circonda. La parte appariscente — il modello, l'AI — è forse il 20% del lavoro. L'altro 80% è igiene dei dati, infrastruttura di esecuzione, e controlli di rischio che impediscono a un bug o a un flash crash di svuotare il tuo conto mentre dormi. Questa lezione insegna l'80%.

Togliamo il marketing: un trading bot è solo software che osserva un mercato e piazza ordini secondo regole — senza che un umano clicchi il pulsante. "AI" significa che alcune di quelle regole sono apprese dai dati piuttosto che scritte a mano, ma il compito è lo stesso: trasformare informazione in decisioni, automaticamente, 24 ore su 24.

Le persone si affidano ai bot per tre motivi onesti:

• I mercati non chiudono mai. Le crypto si scambiano 24/7/365. Nessun umano può osservare BTC alle 4 del mattino di domenica; un bot può.
• Nessuna emozione. Un bot non vende nel panico sul minimo né compra per FOMO sul massimo. Esegue lo stesso piano che tu sia euforico o terrorizzato — che è esattamente il momento in cui gli umani prendono le decisioni peggiori.
• Velocità e coerenza. Un bot può valutare decine di asset e reagire in millisecondi, e non "dimentica" mai di impostare uno stop-loss.

Ma nota cosa non è in quella lista: profitto garantito. Un bot è un modo più rapido, infaticabile ed emotivamente neutro di eseguire una strategia. Se la strategia è cattiva, il bot semplicemente perde denaro più velocemente e in modo più costante. L'automazione amplifica qualsiasi vantaggio tu abbia — o qualsiasi difetto tu abbia.

Prima di toccare il machine learning, bisogna capire le strategie di base che alimentano la grande maggioranza dei bot reali. Ognuna assume un tipo specifico di mercato — e si rompe silenziosamente quando il mercato cambia carattere.

• I grid bot piazzano una scala di ordini di acquisto e vendita su un range di prezzo. Mentre il prezzo oscilla, il bot compra basso e vende alto su ogni gradino. Geniale in un mercato laterale e sfilacciato — e un disastro in un trend forte, dove il prezzo esce dalla griglia e resti bloccato a detenere perdenti (o a perdere completamente il movimento).
• I bot DCA (dollar-cost averaging) comprano un importo fisso a intervalli, e molti aggiungono "ordini di sicurezza" più in basso per tirare giù il prezzo medio di entrata. Ottimi per accumulare durante i ribassi — ma se il prezzo continua a scendere, continui a comprare dentro un coltello che cade, e la tua media semplicemente sanguina.
• I bot trend-following / momentum comprano forza e vendono debolezza usando segnali come i cross delle medie mobili. Vincono alla grande in trend puliti e vengono "tritati" — morte per mille piccole perdite — nei mercati laterali.
• I bot di arbitraggio sfruttano lo stesso asset che si scambia a prezzi diversi su piattaforme diverse, comprando dove è economico e vendendo dove è costoso. La matematica è semplice; l'ingegneria è brutale. È un puro gioco di velocità dove microsecondi, commissioni e ritardi di trasferimento decidono se il profitto "gratis" è reale o un mirage.
• I market-making bot quotano sia un bid che un ask e guadagnano lo spread, fornendo liquidità. Profittevoli nei mercati calmi, pericolosi in quelli veloci — un movimento improvviso può riempirti sul lato sbagliato più velocemente di quanto tu possa cancellare.

La lezione nascosta in questa lista: ogni strategia è una scommessa su che tipo di mercato ti trovi. Un grid bot non è "buono" o "cattivo" — è giusto per i range e sbagliato per i trend. Il problema più difficile nel trading automatizzato non è costruire il bot; è sapere quando la sua ipotesi non vale più.

Le persone dicono "AI trading bot" come se fosse un unico script. In produzione è una pipeline: ingestione, feature, modello, segnali, esecuzione e rischio — ogni pezzo sostituibile senza ricablare l'intero stack. Costruirlo così non è pignoleria accademica; è come rimanere sani di mente alle 3 del mattino quando il P&L live diverge dal backtest e devi sapere quale passaggio ha fallito.

Segui il percorso di una singola decisione:

• Ingest preleva dati di mercato live — prezzi, trade, order book — dall'exchange. GaiaEx esporta REST per ordini e saldi e WebSocket per book e trade.
• Features trasforma numeri grezzi in input significativi: volatilità, momentum, funding, squilibrio del book.
• Model (regole o ML) legge quelle feature e forma un'opinione.
• Signal convertere quell'opinione in un ordine concreto: lato, dimensione, prezzo.
• Execution invia l'ordine all'exchange, gestendo retry e conferme.
• Risk avvolge tutto — e ha potere di veto su ogni altro stadio.

La disciplina consiste nel mantenere ogni stadio deterministico e loggato. Tagga ogni segnale con un ID, ogni ordine con un client ID, ogni passaggio con una marca temporale di latenza. Quando qualcosa va storto — e succederà — vuoi leggere i log e vedere esattamente dove la realtà è divergita dal piano, non indovinare.

L'hype dice "usa l'AI." I professionisti dicono: inizia con regole che puoi leggere in inglese semplice. Soglie sull'RSI, un cross del MACD, volume sopra la sua media mobile. Le regole sono facili da loggare, facili da spiegare, e facili da incolpare quando qualcosa si rompe. Se la tua strategia basata su regole non riesce a fare soldi, una rete neurale non la salverà — perderà solo denaro in un modo che non puoi debuggare.

Il machine learning si guadagna il suo posto quando i pattern sono troppo sottili o troppo multidimensionali per regole scritte a mano: alberi gradient-boosted su feature tabellari, modelli sequenziali su barre di dati di prezzo. Usato bene, l'ML può estrarre segnale da input caotici. Ma ha una modalità di fallimento perfida chiamata drift: il mercato live smette lentamente di somigliare ai dati su cui il modello è stato addestrato, e la performance decade silenziosamente. Il modello continua a produrre predizioni sicure — sono solo sbagliate ora, e niente lancia un errore.

Ecco perché i desk maturi eseguono un hybrid: il modello propone, e regole e limiti di rischio codificati vetano. L'AI può suggerire un trade; non può mai scavalcare il limite di perdita giornaliera o il cap di posizione. La macchina è un analista junior con buon istinto e nessuna autorità per rischiare i soldi della società.

Un modello è intelligente quanto gli input che gli fornisci. Il prezzo grezzo raramente basta — l'arte è il feature engineering: trasformare OHLCV, order book e dati sui derivati in segnali che portano davvero informazione.

Su un desk di perpetual, le feature che contano vanno oltre il prezzo di chiusura. Il funding è un costo o guadagno reale e ricorrente che può ribaltare in negativo una strategia "vincente." I rendimenti su più orizzonti temporali catturano il momentum su diversi timeframe. I rapporti di volume segnalano attività inusuale. Lo squilibrio dell'order book — il rapporto tra profondità bid e ask — è un segnale di microstruttura a breve termine, se ti abboni ai dati L2. Il contesto cross-asset (come ETH si muove rispetto a BTC) aggiunge una visione di mercato più ampia.

Una disciplina separa gli amatori dai professionisti: elimina le feature che non guadagnano il loro posto. Se una feature ha un'importanza per permutazione vicina allo zero, stai pagando latenza e rischio di overfitting per rumore. Meno feature, più forti, battono un modello "kitchen-sink" quasi sempre.

def engineer_features(df):
    df["log_ret"] = np.log(df["close"] / df["close"].shift(1))
    df["vol_20"] = df["log_ret"].rolling(20).std()
    df["vol_ratio"] = df["volume"] / df["volume"].rolling(20).mean()
    return df.dropna()

E fai attenzione al peccato capitale del lavoro sulle feature: il look-ahead bias. Se una feature usa accidentalmente informazione che non sarebbe esistita al momento della decisione — una barra futura, una chiusura dello stesso periodo — il tuo backtest sembrerà glorioso e il tuo conto live no. Ogni feature deve essere calcolabile usando solo dati che avresti avuto in quel momento, senza eccezioni.

Lo strato di esecuzione poco affascinante è dove il denaro perde silenziosamente. Fallo bene e nessuno se ne accorge; fallo male e un segnale perfetto diventa una perdita reale.

• Tipo di ordine. Usa ordini limite quando ti importa del prezzo — imposti il peggior prezzo che accetterai. Riserva gli ordini market per urgenza genuina, e ricorda che pagano lo spread più lo slippage, che nei mercati sottili o veloci può essere brutale.
• Idempotenza. Attacca sempre un client order ID. Le reti hanno singhiozzi; un POST ritentato senza ID può raddoppiare la tua posizione. Con un ID, l'exchange riconosce il duplicato e lo ignora. Questa singola abitudine previene un'intera classe di bug catastrofici.
• Retry con backoff. Su 429 (rate-limited) o 5xx (errore server), attendi e riprova con backoff esponenziale — non martellare l'API fino a farti bannare.
• Disciplina dell'orologio. Le richieste firmate di solito concatenano il metodo HTTP, il path, il body e una marca temporale in millisecondi in una firma HMAC. Gli exchange rifiutano richieste con orologi sfasati, quindi esegui NTP sulla macchina che firma. Un orologio che deriva farà rifiutare ogni ordine e non avrai idea del perché.

Niente di tutto ciò è "AI." Tutto ciò decide se la tua AI farà mai un dollaro. Il divario tra un backtest e un conto live è per lo più questo strato — commissioni, slippage, latenza e casi limite — che è esattamente perché esistono le prossime due sezioni.

Ecco l'ordine delle operazioni che separa i trader che durano dai trader che saltano in aria: il rischio è un cancello su ogni ordine, non una scusa post-trade. Progetti i freni prima di sintonizzare il motore.

I controlli non negoziabili:

• Cap di posizione. Limita l'esposizione su un singolo nome — spesso il 2-5% dell'equity — così che nessun singolo trade possa distruggerti.
• Stop. Impostali sull'ATR (adattivi alla volatilità) o su tick fissi, e piazzali come ordini reali, non intenzioni nella tua testa.
• Stop giornaliero sulle perdite. Se il conto è sotto, diciamo, il 3% nella giornata, il bot smette di fare trading. Punto. Questa singola regola ha salvato più conti di qualsiasi segnale intelligente, perché limita il danno che un bug o una brutta giornata possono fare.
• Un kill switch. Un'unica azione che cancella tutti gli ordini attivi e appiattisce ogni posizione. Testalo ogni mese. Il giorno in cui ti serve è il peggior giorno possibile per scoprire che è rotto.

Per i perpetual, integra il drag da funding e la distanza dalla liquidazione nello stesso cancello — una posizione che è "a posto" sul prezzo può ancora sanguinare funding o essere a un tick dalla liquidazione.

Anche la custodia appartiene a questa conversazione. GaiaEx usa MPC, che divide il materiale della chiave tra le parti così che il bot non detenga mai una chiave privata grezza in un file che un attaccante potrebbe rubare. E i permessi di trading possono essere separati dai permessi di prelievo — così che una API key che il tuo bot usa per piazzare ordini non dovrebbe mai poter muovere fondi fuori dalla piattaforma.

Ecco un rischio che le pubblicità patinate dei bot non menzionano mai: una grande quota di "AI trading bot" venduti al retail non sono affatto strumenti di trading — sono il colpo. Un'educazione onesta deve dirlo chiaramente, perché è lì che la maggior parte delle persone che perde denaro con i "bot" lo perde davvero.

I pattern si ripetono:

• Bot a rendimento garantito. "La nostra AI guadagna il 2% al giorno, senza rischio." Nessuna strategia legittima garantisce rendimenti; i mercati sono incerti per definizione. Una promessa di profitto stabile e infallibile è la promessa di uno schema Ponzi.
• API key con permessi eccessivi. Molti bot truffa chiedono di collegare una API key con diritti di prelievo. Nell'istante in cui lo fai, possono svuotare il conto. A fine 2025, Binance ha documentato casi confermati di conti hackerati e perdite a cinque cifre riconducibili a bot di terze parti non autorizzati che facevano esattamente questo.
• Codice opaco e non auditato. Bot di terze parti con codice chiuso e nessun audit di sicurezza possono nascondere backdoor. Non puoi vedere cosa il codice faccia con le tue chiavi finché non è troppo tardi.
• Bot di wash-trading e volume-farming che violano silenziosamente le regole dell'exchange — facendo restringere o suspendere il tuo conto, senza alcun supporto per le perdite.

Le difese sono concrete e vale la pena memorizzarle. Non concedere mai a un trading bot il permesso di prelievo — limita le API key al solo trading. Usa la whitelist degli indirizzi di prelievo così che i fondi possano uscire solo verso indirizzi che hai pre-approvato. Attiva una 2FA robusta (app authenticator o chiave hardware, non SMS). Preferisci strumenti ufficiali e auditati rispetto a bot anonimi su Telegram che promettono la luna. E ricorda la regola più antica della finanza: se suona troppo bello per essere vero, è la truffa, e l'"AI" è solo il costume.

Hai una strategia, feature pulite, uno strato di esecuzione e cancelli di rischio. La tentazione è metterlo live con capitale reale. Non farlo. Il cimitero dei bot morti è pieno di strategie che sembravano perfette sulla carta e hanno incontrato la realtà impreparate.

Il percorso disciplinato:

• Paper trade con esattamente lo stesso percorso di codice. Esegui la logica degli ordini live contro dati live senza rischiare il capitale, per almeno qualche settimana. Confronta i fill e le marche temporali con quello che la strategia si aspettava. Se carta e backtest già divergono, fermati e scopri perché.
• Vai live con dimensione minima. L'obiettivo della prima fase live non è il profitto — è misurare la verità: slippage reale, commissioni reali, latenza reale. Molti team assumono un haircut del 30-50% rispetto al backtest prima di fidarsi dei numeri.
• Scala solo quando il live combina col modellato. Quando slippage e commissioni reali si allineano alle tue ipotesi, aumenta la dimensione gradualmente. Se non lo fanno, il tuo modello ti sta mentendo — sistemalo prima di finanziarlo.

E pianifica la brutta giornata prima che arrivi. I flash crash e i blackout API non sono ipotetici — sono eventi programmati di cui semplicemente non sai la data. Se la tua unica contingenza è "me ne accorgerò domattina," non hai una contingenza. Automatizza il flatten-on-disconnect dove il tuo exchange lo supporta, così che una connessione persa non possa lasciare una posizione nuda in esecuzione mentre dormi.