Czy AIvestor to gotowy produkt inwestycyjny?
Nie. AIvestor to eksperyment badawczy.
Testuję proces podejmowania decyzji inwestycyjnych w oparciu o AI, architekturę agentową i dane rynkowe.
Nie jest to porada inwestycyjna, nie jest to produkt do kupienia, nie obiecuje żadnych zysków.
To laboratorium, w którym sprawdzam, czy da się inwestować spokojniej, bardziej konsekwentnie i transparentnie.
Dlaczego testujesz na GPW, skoro to „bananowa giełda”?
Wybrałem GPW świadomie. To rynek, który znam, do którego mam dostęp do danych i którego specyfikę rozumiem.
Jest zmienny, czasem niedowartościowany, podatny na spekulacje – i właśnie dlatego to świetny poligon eksperymentalny.
Jeśli system radzi sobie tutaj, tym bardziej będzie miał sens na większych rynkach.
Dlaczego wybierasz spółki o niskiej płynności i małych wolumenach?
To nie jest arbitralne – to część konfiguracji systemu.
Użytkownik może ustawić filtry:
- na jakim rynku chce grać,
- jaka minimalna wielkość obrotów go interesuje,
- czy odsunąć spółki o bardzo niskiej płynności („plankton”).
Aktualnie filtry ustawione są nisko, żeby wygenerować jak najwięcej przypadków testowych.
Dodatkowo, użytkownik może:
- wyłączyć automat i sam wybierać spółki,
- zlecić analizę konkretnej spółki „na zadanie”,
- ręcznie dodać spółki do portfela.
Wtedy system odpowiada jedynie za monitorowanie i utrzymanie pozycji.
Dlaczego nie testujesz od razu na Wall Street?
Bo kluczowe na początku było szybkie zamknięcie pętli eksperymentu.
GPW znam, dane są dostępne, a próg wejścia jest niższy.
Budowanie systemu od zera jest wystarczająco trudne – na tym etapie najważniejsze było sprawdzenie, czy sama architektura ma sens.
Po co paper trading, skoro prawdziwy test to tylko realne pieniądze?
Paper trading to standard w badaniach.
System działa na realnych danych rynkowych przez API brokera, a różnica jest tylko w tym, że kapitał jest symulowany.
Dzięki temu mogę bezpiecznie testować dziesiątki przypadków, sprawdzać ekstremalne scenariusze i „zepsuć” portfel, nie ryzykując pieniędzy.
Na tym etapie nie chodzi o zysk – tylko o test mechaniki decyzyjnej.
Czy mikropozycje coś udowadniają?
Tak, bo każda pozycja – niezależnie od kwoty – uruchamia ten sam cykl: analiza → TP/SL → monitorowanie → decyzja o redukcji, zamknięciu lub rozszerzeniu.
System potrafi dokupować do pozycji, jeśli:
- użytkownik przewidział to w strategii,
- w portfelu są wolne środki,
- aktualna ekspozycja jest poniżej górnego limitu.
To pokazuje, że portfel nie jest statyczny.
Kwota nie jest celem – celem jest sprawdzenie, czy system działa konsekwentnie i spójnie w różnych scenariuszach.
Czy naprawdę można ufać AI w inwestowaniu?
Nie chodzi o „ślepe zaufanie”.
AIvestor nie jest czarną skrzynką – to system, w którym każda decyzja ma uzasadnienie.
Celem nie jest pobicie funduszy ani algorytmów HFT, tylko sprawdzenie, czy AI może wspierać inwestora w sposób transparentny i zgodny z jego intencją.
Czy to działa przy dużych kwotach i dużej skali?
Obecna wersja – nie. To laboratorium.
Ale jeśli podejście się obroni, skalowanie jest kwestią inżynieryjną i infrastrukturalną, a nie koncepcyjną.
Dlatego zaczynam od małej skali, by przetestować fundamenty.
Czy to nie jest tylko „zabawka dla geeków”?
Być może. Ale każda innowacja tak zaczynała.
Komputery osobiste też były kiedyś „gadżetem dla geeków”.
Dla mnie to eksperyment badawczy, który odpowiada na realne pytania o przyszłość decision intelligence.
Po co eksperyment, skoro wyniki nie gwarantują zysku?
Bo wyniki nigdy nie są gwarantowane – w żadnej inwestycji.
Tutaj nie chodzi o stopę zwrotu, tylko o pytanie:
czy można zbudować system, który podejmuje decyzje w sposób spójny, transparentny i zgodny z intencją użytkownika?
Czy nie wystarczy zapytać ChatGPT o strategię inwestycyjną?
Jedno zapytanie = jedna odpowiedź.
AIvestor to coś innego:
- działa ciągle,
- reaguje na zdarzenia (notowania, newsy, sentyment),
- pamięta kontekst (historia decyzji, limity, wcześniejsze założenia),
- zarządza portfelem w czasie (aktualizuje TP/SL, redukuje, zamyka, rozszerza pozycje),
- i każdą decyzję uzasadnia oraz loguje.
Najważniejsze: AIvestor sam buduje i kuratoruje kontekst.
Dane pochodzą z ok. 30 scraperów i sprawdzonych źródeł (portale branżowe, raporty, komunikaty ESPI, wskaźniki spółek).
Dzięki temu dokładnie wiadomo: skąd pochodzą informacje i na jakiej podstawie zapada decyzja.
To nie jest prompt – to architektura decyzyjna z kontrolą nad źródłami danych.
Jeśli to takie dobre, to czemu nie inwestujesz prawdziwych pieniędzy?
Bo to eksperyment. Kapitał jest symulowany celowo – żeby testować też ryzykowne i ekstremalne scenariusze bez konsekwencji finansowych.
Na tym etapie chodzi o mechanikę decyzji, nie o wynik finansowy.
Skoro fundusze mają milionowe budżety, to jak Ty – jedna osoba – możesz z nimi konkurować?
Nie konkuruję z funduszami.
AIvestor to laboratorium badawcze, nie fundusz hedgingowy.
Celem jest sprawdzenie podejścia agentowego i transparentności decyzji – a nie bicie benchmarków HFT.
Czemu tyle piszesz, zamiast „po prostu zarabiać”?
Bo nie sprzedaję systemu ani nie obiecuję zysków.
Komunikacja to część eksperymentu – pokazuję proces i wnioski, nie „magiczny algorytm”.
To tylko paper trading, w realu rynek by Cię zjadł.
Paper trading to świadomy wybór – standard w badaniach.
System działa na prawdziwych danych, różnica jest w kapitale.
Pozwala to przetestować reakcje na setki scenariuszy – zanim w ogóle byłby sens przenosić je na realny rachunek.
A co jeśli przyjdzie kryzys? Jak AIvestor zachowa się w 2008 czy 2020?
System wspiera scenariusze typu „Czarny Łabędź”.
Użytkownik może ustawić parametry ryzyka i limity ekspozycji, a ciągle monitorowany sentyment rynkowy wpływa na procent portfela przeznaczony na inwestycje.
Dzięki temu portfel może być redukowany w momentach ekstremalnej niepewności – tak, aby ograniczać skutki kryzysów takich jak 2008 (subprime), 2020 (COVID) czy 2022 (wojna).
Systemów do automatycznego inwestowania są setki. Czemu Twój jest wyjątkowy?
Większość systemów to black-boxy albo proste algorytmy AT.
AIvestor:
- działa w architekturze multiagentowej,
- buduje kontekst z ok. 30 źródeł danych,
- działa ciągle w trybie event-driven,
- zapewnia pełne explainability – każda decyzja ma uzasadnienie i log.
A co jeśli Twój system po prostu nie działa?
To możliwe – i właśnie dlatego to eksperyment.
Nie testuję gwarancji sukcesu, tylko to, czy podejście agentowe i transparentne ma sens.
Jeśli się nie obroni – to też wartościowy wniosek.
Jak radzicie sobie z nowymi modelami / wersjami LLM?
To jest część konfiguracji systemu. Kiedy nowy model zostaje wydany, zwykle lepiej reprezentuje moje intencje. Ponieważ AIvestor to eksperyment, nowe modele po prostu czynią go „mądrzejszym". Jeśli koncepcja się sprawdzi, mogę później dodać backtesting i symulacje do pomiaru wpływu zmiany modeli.
Jak unikacie overfittingu danych historycznych?
AIvestor nie jest systemem wysokiej częstotliwości (HFT). Nie buduję modelu do wyciągania mikro-wzorców z przeszłości. Zamiast tego każdy agent podąża za strategią zdefiniowaną przez użytkownika (w języku naturalnym) i reaguje na wydarzenia w czasie rzeczywistym. To bardziej przypomina posiadanie „cyfrowego bliźniaka" inwestora niż zoptymalizowany model statystyczny.
Co z różnicami w wydajności okresów (np. przed i po COVID)?
Ta sama odpowiedź co powyżej: to nie jest silnik backtestingu HFT. AIvestor został zaprojektowany do działania teraz, na obecnym rynku, podążając za strategią i sentymentem, a nie próbując idealnie przewidywać zmiany jak COVID.
Jak system radzi sobie z czarnymi łabędziami?
Poprzez monitorowanie sentymentu. MarketSentimentAgent ocenia przepływ wiadomości i globalny kontekst, umożliwiając systemowi redukcję ekspozycji lub zatrzymanie otwierania nowych pozycji podczas kryzysów.
Czy uwzględniacie koszty wykonania transakcji?
Do celów rozwojowych działam całkowicie w środowisku demo brokera. Koszty wykonania nie są obecnie priorytetem na tym etapie.
Co z opóźnieniami transakcji i slippage?
To nie jest HFT a tym bardziej nie jest na etapie produkcyjnym. Jestem świadomy efektów opóźnień, ale nie są one modelowane na tym etapie eksperymentu.
Jakość danych finansowych jest trudna do pozyskania i interpretacji dla inwestorów detalicznych. Jak to rozwiązujecie?
Ponownie, AIvestor to eksperyment, a nie produkt. Niczego nie sprzedaję, więc polegam na publicznych, sprawdzonych i niezawodnych źródłach danych (np. ESPI, oficjalne kanały GPW). Chodzi o spójność i wyjaśnialność, a nie o idealny arbitraż danych.
Czy kursy walut wpływają na wyniki?
Obecnie działam tylko na rynku lokalnym (GPW: WIG + NewConnect). Nie ma spreadu FX. Mój broker również nie pobiera prowizji poniżej pewnego rocznego limitu, a jestem daleko poniżej tego progu.
Czy analizujecie również sprawozdania finansowe?
Tak, raporty spółek są uwzględnione w pipeline’ach danych. Wzbogacają kontekst dla rozumowania opartego na LLM.
Dlaczego nie skupicie się na jednym rynku, skoro są tak różne?
To właśnie robię. AIvestor jest obecnie ograniczony do polskiej giełdy (WIG + NewConnect), z powodów również wyjaśnionych w tym FAQ.
Co z szybkim zanikaniem alfy?
Nie optymalizuję pod kątem „odkrywania alfy" w tradycyjnym rozumieniu “quant trading”. Celem nie jest maksymalizacja przewagi statystycznej, ale zapewnienie spójnego, wyjaśnialnego i zgodnego ze strategią zachowania.
Skąd pochodzi strategia handlowa i wiedza domenowa?
Strategia = intencja użytkownika. AIvestor pozwala użytkownikom definiować strategie hierarchicznie:
- globalne zasady,
- strategie specyficzne dla instrumentów,
- nadpisania na poziomie pozycji.
LLM jest instruowany, aby podążać za tymi intencjami, z już wcześniej obliczonymi wskaźnikami i metrykami. To mniej o „znajdowaniu alfy", więcej o egzekwowaniu dyscypliny.
Czy sprawdziliście, że prawnie możecie scrapować dane, które scrapujecie?
Używam źródeł publicznych. I co ważne: to nie jest produkt komercyjny, to eksperyment badawczy. Nie sprzedaję dostępu, nie pobieram opłat, nie udzielam porad inwestycyjnych.
Czy LLM-y wychwytują cechy specyficzne dla akcji, jak sezonowość w handlu detalicznym?
LLM-y nie mają “magicznej wiedzy” w tym obszarze. Explicite instruuję je, które czynniki wziąć pod uwagę, i mogę osadzić strukturalne sygnały (jak sezonowość) w kontekście. W ten sposób proces rozumowania pozostaje pod kontrolą.
Czy system może nieintencjonalnie angażować się w manipulacje rynkowe (np. spoofing/layering)?
To bardzo trafne pytanie. Na razie, ponieważ AIvestor działa w trybie demo i w ograniczonym zakresie, nie stanowi to problemu.
Nawet w scenariuszu masowego użycia, “strategie” i “intencje” użytkowników będą różne oraz wykonywane w różnych momentach, więc ryzyko systemowej manipulacji pozostaje niskie.
W przyszłych iteracjach możliwe jest dodanie dedykowanego ComplianceAgenta, który monitorowałby działania systemu i aktywnie wykrywał oraz zapobiegał wzorcom manipulacyjnym.
Czy AIvestor to po prostu kolejny bot albo eksperyment HFT?
Nie – AIvestor nie jest produktem do quant trading i nie konkuruje z funduszami hedgingowymi czy systemami HFT. One już to robią i robią to znacznie lepiej.
AIvestor to zupełnie inna koncepcja: autonomiczny system wspomagania decyzji, który chroni inwestora przed nim samym, automatyzując spójność zamiast gonić ulotne przewagi rynkowe.
💡 W jednym zdaniu: AIvestor nie próbuje pokonać rynku w milisekundach – chroni inwestorów przed własnymi emocjami, przekształcając strategię w spójne działanie.