Budowa bota handlowego AI z API GaiaEx

W 2021 roku 23-letni inżynier opublikował backtest, który wywołał sensację w sieci: jego krypto-bot zamienił 1000 dolarów w 4,2 miliona dolarów w ciągu dwóch lat danych historycznych. Krzywa kapitału rosła po idealnej linii pod kątem 45 stopni. Nieznajomi błagali o kod. Rzucił pracę, zebrał pieniądze od znajomych i wystartował na żywo.

Bot tracił pieniądze dosłownie każdego tygodnia. W ciągu czterech miesięcy konto było na minusie 60%, więc go wyłączył.

Z botem nic „nie było nie tak”. Kod działał bezbłędnie. Problem polegał na tym, że backtest był dopasowywany, aż idealnie odwzorował przeszłość — a przeszłość nigdy nie powtarza się dokładnie. Strategia zapamiętała lata 2019 i 2020, zamiast nauczyć się czegoś uniwersalnego. W chwili, gdy trafiła na rynek, którego nie widziała wcześniej, nie miała pojęcia, co robić.

To jest najważniejsza prawda o botach do handlu AI, o której prawie nikt nie mówi na wstępie: bot jest tak dobry, jak dyscyplina, która go otacza. Efektowna część — model, AI — to może 20% pracy. Pozostałe 80% to higiena danych, instalacja wykonawcza (execution) i mechanizmy kontroli ryzyka, które powstrzymują błąd lub błyskawiczny krach (flash crash) przed opróżnieniem twojego konta, gdy śpisz. Ta lekcja uczy tych 80%.

Zdejmij marketingową otoczkę, a bot handlowy okaże się po prostu oprogramowaniem, które obserwuje rynek i składa zlecenia zgodnie z regułami — bez człowieka klikającego przycisk. „AI” znaczy, że część tych reguł jest wyuczona z danych, a nie napisana ręcznie, ale zadanie jest to samo: zamieniać informację w decyzje, automatycznie, przez całą dobę.

Ludzie sięgają po boty z trzech uczciwych powodów:

• Rynki nigdy się nie zamykają. Kryptowaluty handlowane są 24/7/365. Żaden człowiek nie może obserwować BTC o 4 w nocy w niedzielę; bot może.
• Brak emocji. Bot nie sprzedaje w panice na dole ani nie kupuje z FOMO na szczycie. Realizuje ten sam plan niezależnie od tego, czy jesteś euforyczny, czy przerażony — a to właśnie moment, w którym ludzie podejmują swoje najgorsze decyzje.
• Szybkość i konsekwencja. Bot może oceniać kilkadziesiąt aktywów i reagować w milisekundach, i nigdy nie „zapomina” ustawić zlecenia stop-loss.

Zauważ jednak, czego nie ma na tej liście: gwarantowanego zysku. Bot to szybszy, niestrudzony, bezemocjonalny sposób prowadzenia strategii. Jeśli strategia jest słaba, bot po prostu traci pieniądze szybciej i bardziej konsekwentnie. Automatyzacja wzmacnia każdą przewagę, którą masz — albo każdą wadę, którą masz.

Zanim dotkniesz uczenia maszynowego, zrozum podstawowe strategie, na których działa ogromna większość realnych botów. Każda zakłada konkretny rodzaj rynku — i po cichu się zapada, gdy charakter rynku się zmienia.

• Boty gridowe (grid bots) ustawiają siatkę zleceń kupna i sprzedaży w przedziale cenowym. Gdy cena oscyluje, bot kupuje niżej i sprzedaje wyżej na każdym szczeblu. Świetne w bocznym, poszarpanym rynku — i katastrofa w silnym trendzie, gdzie cena wychodzi z siatki i zostajesz z pozycjami przynoszącymi stratę (albo całkowicie przegapiasz ruch).
• Boty DCA (systematyczne inwestowanie) kupują ustaloną kwotę w regularnych odstępach, a wiele z nich dodaje niżej „zlecenia bezpieczeństwa”, by obniżyć średnią cenę wejścia. Świetne do akumulacji podczas spadków — ale jeśli cena wciąż spada, wciąż kupujesz w spadający nóż, a twoja średnia po prostu krwawi.
• Boty trendowe / momentum kupują siłę i sprzedają słabość, wykorzystując sygnały takie jak przecięcia średnich ruchomych. Wygrywają duże pieniądze w czystych trendach i zostają „posiekane” — śmierć przez tysiąc małych strat — na rynkach w konsolidacji.
• Boty arbitrażowe wykorzystują to, że ten sam aktyw jest handlowany po różnych cenach na różnych platformach, kupując tam gdzie jest tanio i sprzedając tam gdzie drogo. Matematyka jest prosta; inżynieria jest brutalna. To czysta gra na szybkość, w której mikrosekundy, opłaty i opóźnienia transferu decydują, czy „darmowy” zysk jest realny, czy jest mirażem.
• Boty animujące rynek (market-making) kwotują jednocześnie bid i ask, zarabiając na spreadzie i dostarczając płynność. Zyskowne na spokojnych rynkach, niebezpieczne na szybkich — nagły ruch może wypełnić twoje zlecenie po niewłaściwej stronie szybciej, niż zdołasz je anulować.

Lekcja skrywająca się w tej liście: każda strategia jest zakładem o to, w jakim rynku się znajdujesz. Bot gridowy nie jest „dobry” czy „zły” — jest właściwy dla ruchów bocznych i niewłaściwy dla trendów. Najtrudniejszym problemem w handlu automatycznym nie jest zbudowanie bota; jest wiedza, kiedy jego założenie już nie działa.

Ludzie mówią „bot do handlu AI”, jakby to był jeden skrypt. W produkcji jest to pipeline (potok): pobieranie danych, cechy, model, sygnały, wykonanie i ryzyko — każdy element wymienny bez przebudowy całego stosu. Budowanie tego w ten sposób to nie akademicka pedanteria; to sposób, żeby nie zwariować o 3 w nocy, gdy żywy wynik (P&L) odchodzi od backtestu i musisz wiedzieć, który etap się zepsuł.

Przejdź drogą jednej decyzji:

• Pobieranie danych (ingest) ściąga żywe dane rynkowe — ceny, transakcje, księgę zleceń — z giełdy. GaiaEx udostępnia REST do zleceń i sald oraz WebSockets do ksiąg i transakcji.
• Cechy (features) zamieniają surowe liczby w znaczące wejścia: zmienność, momentum, funding, nierównowagę księgi.
• Model (reguły lub ML) czyta te cechy i formuje opinię.
• Sygnał zamienia tę opinię w konkretne zlecenie: stronę, wielkość, cenę.
• Wykonanie (execution) wysyła zlecenie do giełdy, obsługując ponowne próby i potwierdzenia.
• Ryzyko owija wszystko — i ma prawo weta wobec każdego innego etapu.

Dyscyplina polega na tym, by każdy etap był deterministyczny i logowany. Oznacz każdy sygnał identyfikatorem, każde zlecenie identyfikatorem klienta, każdy etap znacznikiem opóźnienia. Kiedy coś się popsuje — a się popsuje — chcesz przeczytać logi i dokładnie zobaczyć, gdzie rzeczywistość odbiegła od planu, a nie zgadywać.

Hype mówi „użyj AI”. Profesjonaliści mówią: zacznij od reguł, które da się przeczytać zwykłym językiem. Progi na RSI, przecięcie MACD, wolumen powyżej swojej średniej ruchomej. Reguły są łatwe do logowania, łatwe do wyjaśnienia i łatwe do obwinienia, gdy coś się psuje. Jeśli twoja strategia oparta na regułach nie potrafi zarabiać, sieć neuronowa jej nie uratuje — po prostu będzie tracić pieniądze w sposób, którego nie zdołasz zdebugować.

Uczenie maszynowe zdobywa swoje miejsce, gdy wzorce są zbyt subtelne albo zbyt wielowymiarowe dla reguł pisanych ręcznie: gradient-boosted trees na cechach tabelarycznych, modele sekwencyjne na słupkach danych cenowych. Użyte dobrze, ML może wycisnąć sygnał z chaotycznych danych wejściowych. Ale ma podły błąd zwany dryfem (drift): żywy rynek stopniowo przestaje przypominać dane, na których model był trenowany, a wydajność cichnie po cichu. Model wciąż wydaje pewne siebie predykcje — po prostu są już błędne, i nic nie zgłasza żadnego błędu.

To dlaczego dojrzałe biura tradingowe stosują podejście hybrydowe: model proponuje, a zakodowane na sztywno reguły i limity ryzyka zawetowują. AI może zasugerować transakcję; nigdy nie może przełamać dziennego limitu straty albo limitu pozycji. Maszyna jest młodszym analitykiem z dobrymi instynktami i bez prawa do obstawiania losu firmy.

Model jest tylko tak mądry, jak dane wejściowe, które mu podajesz. Surowa cena rzadko jest wystarczająca — sztuka polega na inżynierii cech (feature engineering): zamianie OHLCV, księgi zleceń i danych o instrumentach pochodnych w sygnały, które faktycznie noszą informację.

Na biurze kontraktów perpetual cechy, które mają znaczenie, wykraczają poza cenę zamknięcia. Funding to prawdziwy, powtarzający się koszt lub przychód, który może odwrócić „wygrywającą” strategię na minus. Zwroty na kilku horyzontach czasowych wychwytują momentum w różnych ramach czasowych. Współczynniki wolumenu flagują nietypową aktywność. Nierównowaga księgi zleceń — stosunek głębokości bid do ask — to sygnał mikrostruktury o krótkim horyzoncie, jeśli masz dostęp do danych L2. Kontekst między aktywami (jak ETH przemieszcza się względem BTC) dodaje widok obejmujący cały rynek.

Jedna dyscyplina odróżnia amatorów od profesjonalistów: odrzuć cechy, które nie zarabiają na siebie. Jeśli cecha ma prawie zerowe znaczenie w teście permutacyjnym, płacisz opóźnieniem i ryzykiem przeuczenia za szum. Mniej, ale silniejszych cech pobija model typu kitchen-sink prawie zawsze.

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()

I pamiętaj o grzechu głównym pracy z cechami: look-ahead bias (błąd wglądu w przyszłość). Jeśli jakaś cecha przypadkowo korzysta z informacji, która nie istniałaby w momencie podejmowania decyzji — przyszłej świecy, zamknięcia z tego samego okresu — twój backtest będzie wyglądał wspaniale, a twoje żywe konto nie. Każda cecha musi być obliczana z użyciem tylko tych danych, które byłyby dostępne w tamtym momencie, bez wyjątków.

Nieefektowna warstwa wykonania to miejsce, gdzie po cichu wyciekają pieniądze. Zrób to dobrze i nikt nie zauważy; zrób to źle, a idealny sygnał zamieni się w realną stratę.

• Typ zlecenia. Używaj zleceń z limitem, gdy zależy ci na cenie — ustalasz najgorszą cenę, jaką zaakceptujesz. Zlecenia rynkowe rezerwuj do prawdziwej pilności i pamiętaj, że płacisz spread plus slippage, co na wąskich albo szybkich rynkach może być brutalne.
• Idempotencja. Zawsze dołączaj identyfikator zlecenia klienta (client order ID). Sieci się jąkają; ponowione POST bez identyfikatora może podwoić twoją pozycję. Z identyfikatorem giełda rozpoznaje duplikat i go ignoruje. Ten jeden zwyczaj zapobiega całej klasie katastrofalnych błędów.
• Ponowne próby z backoff. Przy 429 (limit żądań) albo 5xx (błąd serwera) czekaj i próbuj ponownie z wykładniczym wzrostem odstępu — nie zasypuj API, aż dostaniesz bana.
• Dyscyplina zegara. Podpisane żądania zwykle łączą metodę HTTP, ścieżkę, treść i znacznik czasu w milisekundach w podpis HMAC. Giełdy odrzucają żądania z rozjeżdżonym zegarem, więc uruchom NTP na maszynie, która podpisuje. Dryfujący zegar spowoduje odrzucenie każdego zlecenia, a ty nie będziesz wiedzieć czemu.

Nic z tego nie jest „AI”. Wszystko z tego decyduje, czy twoje AI kiedykolwiek zarobi dolara. Różnica między backtestem a żywym kontem to w większości ta warstwa — opłaty, slippage, opóźnienie i przypadki brzegowe — i właśnie dlatego istnieją dwie kolejne sekcje.

Tu jest porządek działań, który odróżnia traderów, którzy przetrwają, od traderów, którzy wybuchają: ryzyko jest bramą na każdym zleceniu, nie przeprosinami po transakcji. Projektujesz hamulce, zanim dostroisz silnik.

Niepodlegające negocjacjom mechanizmy kontroli:

• Limity pozycji. Ogranicz ekspozycję na jeden instrument — często 2–5% kapitału — tak, by żadna jedna transakcja nie mogła cię zniszczyć.
• Stopy. Ustawiaj je na podstawie ATR (adaptacyjne do zmienności) albo ustalonych ticków i wystawiaj je jako realne zlecenia, nie jako zamiary w głowie.
• Dzienne zatrzymanie strat. Jeśli konto jest w danym dniu na minusie, powiedzmy, 3%, bot przestaje handlować. Pełny stop. Ta jedna reguła uratowała więcej kont niż jakikolwiek sprytny sygnał, bo ogranicza szkody, jakie może wyrządzić błąd albo zły dzień.
• Przełącznik awaryjny (kill switch). Jedna akcja, która anuluje wszystkie aktywne zlecenia i płasko zamyka każdą pozycję. Testuj go co miesiąc. Dzień, w którym go potrzebujesz, jest najgorszym możliwym dniem, by odkryć, że jest zepsuty.

Dla kontraktów perpetual, wpleć ciężar fundingu i odległość do likwidacji do tej samej bramy — pozycja, która jest „w porządku” pod względem ceny, wciąż może krwawić na fundingu albo znajdować się jeden knot świecy od likwidacji.

Przechowywanie środków (custody) też należy do tej rozmowy. GaiaEx używa MPC, które dzieli materiał klucza między strony, dzięki czemu bot nigdy nie trzyma surowego klucza prywatnego w pliku, który mógłby zdobyć atakujący. A uprawnienia handlowe mogą być zakresowane niezależnie od uprawnień do wypłat — więc klucz API, którego twój bot używa do składania zleceń, nigdy nie powinien mieć możliwości przenoszenia środków poza platformę.

Tu jest ryzyko, o którym błyszczące reklamy botów nigdy nie wspominają: ogromna część „botów do handlu AI” marketowanych detalicznym inwestorom to wcale nie narzędzia handlowe — to napad. Uczciwa edukacja musi to jasno nazwać, bo to właśnie tu większość ludzi, którzy tracą pieniądze przez „boty”, faktycznie je traci.

Wzorce się powtarzają:

• Boty z gwarantowanym zwrotem. „Nasze AI zarabia 2% dziennie, bez ryzyka.” Żadna legalna strategia nie gwarantuje zwrotów; rynki są z definicji niepewne. Obietnica stałego, niemożliwego do przegrania zysku jest obietnicą schematu Ponziego.
• Klucze API z nadmiernymi uprawnieniami. Wiele oszukańczych botów prosi o podłączenie klucza API z prawami do wypłat. W momencie, gdy to zrobisz, mogą wysuszyć konto. Pod koniec 2025 roku Binance dokumentował potwierdzone przypadki zhakowanych kont i strat o pięciocyfrowej wysokości powiązanych z nieautoryzowanymi botami stron trzecich, które robiły właśnie to.
• Nieprzejrzysty, nieaudytowany kod. Boty stron trzecich z zamkniętym kodem źródłowym i bez audytu bezpieczeństwa mogą chować backdoory. Nie widzisz, co kod robi z twoimi kluczami, dopóki nie jest już za późno.
• Boty do wash tradingu i farmienia wolumenu, które po cichu naruszają reguły giełdy — czego skutkiem jest ograniczenie albo zawieszenie twojego konta, bez żadnego wsparcia za straty.

Środki obrony są konkretne i warto je zapamiętać. Nigdy nie przyznawaj botowi handlowemu uprawnień do wypłat — zakresuj klucze API tylko do handlu. Używaj whitelisty adresów wypłat, żeby środki mogły wyjść tylko na wcześniej zaakceptowane przez ciebie adresy. Włącz mocne 2FA (aplikacja autoryzacyjna albo sprzętowy klucz bezpieczeństwa, nie SMS). Preferuj oficjalne, zaudytowane narzędzia nad anonimowymi botami z Telegramu obiecującymi kosmos. I pamiętaj najstarszą zasadę w finansach: jeśli brzmi to zbyt dobrze, by było prawdziwe, to jest oszustwem, a „AI” jest tylko przebraniem.

Masz strategię, czyste cechy, warstwę wykonania i bramy ryzyka. Kusi, żeby przełączyć to na żywo z pełną wielkością pozycji. Nie róbcie tego. Cmentarz martwych botów jest pełen strategii, które wyglądały idealnie na papierze i spotkały nieprzygotowaną rzeczywistość.

Zdyscyplinowana droga:

• Handluj na papierze tą samą dokładnie ścieżką kodu. Uruchom żywą logikę zleceń na żywych danych, nie ryzykując kapitału, przez co najmniej kilka tygodni. Porównaj wypełnienia i znaczniki czasu z tym, czego oczekiwała strategia. Jeśli papier i backtest już się nie zgadzają, zatrzymaj się i znajdź powód.
• Wystartuj na żywo z minimalną wielkością. Celem pierwszej żywej fazy nie jest zysk — jest mierzenie prawdy: realny slippage, realne opłaty, realne opóźnienie. Wiele zespołów zakłada ubytek 30–50% względem backtestu, zanim zaufa liczbom.
• Skaluj tylko wtedy, gdy żywe wyniki zgadzają się z modelowanymi. Kiedy realny slippage i opłaty zgadzają się z twoimi założeniami, zwiększaj wielkość stopniowo. Jeśli się nie zgadzają, twój model cię okłamuje — napraw go, zanim go dofinansujesz.

I zaplanuj zły dzień, zanim nadejdzie. Błyskawiczne krachy i przestoje API to nie hipotezy — to zaplanowane wydarzenia, tylko nie znasz ich daty. Jeśli twoim jedynym planem awaryjnym jest „zauważę to rano”, nie masz planu awaryjnego. Zautomatyzuj wypłaszczanie przy zerwaniu połączenia (flatten-on-disconnect) tam, gdzie twoja giełda to wspiera, tak by zerwane połączenie nie mogło zostawić nagiej pozycji działającej, gdy śpisz.