Algorithmic trading (algotrading, handel algorytmiczny) to handel, w którym decyzje o otwarciu, zamknięciu i wielkości pozycji podejmuje program według z góry zapisanych reguł, a zlecenia trafiają na rynek automatycznie. Człowiek projektuje i nadzoruje system, ale nie klika „kup” i „sprzedaj” przy każdej transakcji.
Algorytm nie musi być skomplikowany. Reguła „kup, gdy cena zamknie się nad średnią 50-okresową, sprzedaj, gdy zamknie się pod nią” zapisana w kodzie to już algotrading. O wyniku nie decyduje złożoność, tylko to, czy reguły mają przewagę po kosztach.
Algotrading a HFT
High-frequency trading (HFT) to wąski podzbiór algotradingu: tysiące transakcji dziennie, pozycje trzymane sekundy lub krócej, serwery kolokowane przy giełdzie i walka o mikrosekundy. To domena wyspecjalizowanych firm. Detaliczny algotrading działa w innej skali – od minut do tygodni – i konkuruje jakością reguł, a nie szybkością łącza.
| Cecha | Algotrading detaliczny | HFT |
|---|---|---|
| Czas trzymania pozycji | minuty – tygodnie | milisekundy – sekundy |
| Źródło przewagi | reguły strategii, dyscyplina | szybkość, infrastruktura, mikrostruktura rynku |
| Infrastruktura | platforma, API giełdy, serwer VPS | kolokacja, własne łącza, sprzęt dedykowany |
| Główny koszt | prowizje, poślizg, finansowanie | technologia i dostęp do rynku |
Rodzaje strategii
- Podążanie za trendem i momentum – kupowanie tego, co rośnie, np. przebicie średnich lub maksimów z N okresów. Dużo małych strat, rzadkie duże zyski.
- Mean reversion (powrót do średniej) – granie przeciw skrajnym odchyleniom, np. od wstęg Bollingera. Częste małe zyski, rzadkie duże straty, gdy odchylenie przeradza się w trend.
- Arbitraż – wykorzystanie różnic cen tego samego lub powiązanych instrumentów, np. spot i perpetual (tzw. basis trade). Przewaga jest mała i szybko znika.
- Market making – wystawianie zleceń po obu stronach arkusza i zarabianie na spreadzie. Wymaga niskich prowizji makera i kontroli zapasu pozycji.
- Algorytmy wykonawcze (TWAP, VWAP, iceberg) – nie szukają przewagi, tylko dzielą duże zlecenie na części, żeby zmniejszyć wpływ na cenę.
Jak powstaje strategia algorytmiczna
- Hipoteza – dlaczego przewaga ma istnieć (np. trendy na kryptowalutach trwają dłużej, niż zakłada losowość).
- Reguły – wejście, wyjście, stop loss, wielkość pozycji, godziny handlu. Wszystko jednoznacznie, bez interpretacji.
- Backtest na danych historycznych z realistycznymi kosztami.
- Test poza próbą (out-of-sample) i walk-forward – sprawdzenie na danych, których nie użyto do doboru parametrów.
- Paper trading lub mała pozycja na żywo – porównanie wyników z backtestem.
- Monitoring – limity dzienne straty, wyłącznik awaryjny, logi zleceń.
Przykład 1: koszty zjadają przewagę
Załóżmy, że strategia na kontraktach perpetual zawiera 250 transakcji rocznie, każda o wartości 20 000 USD. Backtest bez kosztów pokazuje średnio +0,12% na transakcję, czyli 24 USD i 6 000 USD rocznie.
| Pozycja | Na transakcję | Rocznie (250 transakcji) |
|---|---|---|
| Wynik brutto (0,12%) | +24 USD | +6 000 USD |
| Prowizja taker 0,04% × 2 strony | −16 USD | −4 000 USD |
| Poślizg 0,02% × 2 strony | −8 USD | −2 000 USD |
| Wynik netto | 0 USD | 0 USD |
Strategia, która w backteście bez kosztów wyglądała na dochodową, po kosztach wychodzi na zero. Gdyby poślizg wzrósł do 0,03% na stronę, wynik roczny spadłby do −1 000 USD. Im częściej handluje algorytm, tym ważniejsze są koszty – przy dużej liczbie transakcji różnica między prowizją maker i taker potrafi zdecydować o sensie całego systemu.
Przykład 2: przeoptymalizowanie
Załóżmy, że testujesz 500 kombinacji parametrów średnich na tych samych danych i wybierasz najlepszą. Nawet jeśli żadna kombinacja nie ma prawdziwej przewagi, najlepsza z 500 prawie zawsze wygląda świetnie – bo jest najlepiej dopasowana do szumu z przeszłości. Na nowych danych jej wynik zwykle mocno spada. Obrona: mało parametrów, test na odłożonym okresie, sprawdzenie, czy sąsiednie wartości parametrów dają podobne wyniki, i świadomość, ile wariantów przetestowałeś.
Ryzyka specyficzne dla algotradingu
- Błąd w kodzie – w sierpniu 2012 roku Knight Capital w około 45 minut stracił ok. 440 mln USD przez wadliwe wdrożenie systemu handlowego.
- Zmiana reżimu rynku – strategia trendowa w długim konsolidacyjnym okresie traci seriami.
- Ryzyko technologiczne – zerwane połączenie z API, zlecenia zdublowane lub nieanulowane, awaria giełdy.
- Zdarzenia ekstremalne – 6 maja 2010 roku (tzw. Flash Crash) Dow Jones w kilkanaście minut spadł o blisko 9% i szybko odrobił większość strat, a część akcji chwilowo handlowała po absurdalnych cenach.
Najczęstsze błędy
- Backtest bez prowizji, poślizgu i kosztu finansowania pozycji.
- Użycie w backteście informacji, których w danym momencie nie było (np. ceny zamknięcia świecy do decyzji w jej trakcie).
- Dopasowanie parametrów do historii i brak testu poza próbą.
- Uruchomienie systemu na pełnej wielkości pozycji od pierwszego dnia.
- Brak dziennego limitu straty i ręcznego wyłącznika.
Perspektywa tradera
Algorytm nie usuwa ryzyka, tylko przenosi je z emocji na jakość reguł i kodu. Zanim zautomatyzujesz strategię, powinna ona mieć jasno zapisane zasady i sensowną historię transakcji. Wielkość pozycji liczy się tak samo jak w handlu ręcznym – od odległości stopu i procentu ryzyka na transakcję; pomoże w tym kalkulator wielkości pozycji. Serie strat w backteście traktuj jako dolną granicę tego, co zobaczysz na żywo, a nie jako najgorszy możliwy scenariusz.
Najczęstsze pytania
Czy algotrading jest dla traderów indywidualnych?
Tak, większość platform i giełd kryptowalut udostępnia API lub wbudowane narzędzia do automatyzacji. Bariera nie leży w dostępie, tylko w znalezieniu strategii z przewagą po kosztach.
Czym algotrading różni się od HFT?
HFT to jego skrajna odmiana, w której przewagą jest szybkość liczona w mikrosekundach. Zwykły algotrading działa w dłuższych horyzontach i opiera się na regułach strategii.
Czy dobry backtest gwarantuje zyski?
Nie. Backtest pokazuje, jak reguły zachowałyby się w przeszłości. Zawyżają go brak kosztów, przeoptymalizowanie i błędy w danych.
Czy trzeba umieć programować?
Pomaga, ale nie zawsze jest konieczne – istnieją narzędzia do budowy strategii bez kodu. Zrozumienie logiki i ograniczeń testu jest ważniejsze niż język programowania.
Czy algorytm eliminuje emocje?
W wykonaniu tak. Emocje wracają przy decyzjach, czy wyłączyć system po serii strat albo zmienić parametry po złym miesiącu.
Tekst ma charakter edukacyjny i nie stanowi rekomendacji inwestycyjnej.
