Továrna na trading: Proč jsem po letech vyměnil intuici za proces

Mizení dostupných edge je realitou. Výhody, které jsem dříve obchodoval ručně – anomálie v mikrostruktuře, chování likvidity, rytmy okolo dříve hojně  obchodovaných oblastí – se zmenšovaly s růstem automatizované konkurence a především s rychlostí, s jakou začaly být automaty schopné fungovat. Ze vstupů, které dříve představovaly edge diskrečního obchodníka, se stával edge jiných traderů, kteří byli díky automatizaci násobně rychlejší.

Věděl jsem, že ve svém tradingu musím udělat změnu. Současně jsem se ale nechtěl znovu upínat k jedinému obchodnímu stylu, jehož edge může být kdykoliv vyarbitrážován ostatními obchodníky.

Postupně jsem si osvojil systematické obchodování, které mi přineslo škálovatelnost. Mohu provozovat desítky nezávislých obchodních systémů napříč třídami aktiv. 

Důležité principy, na kterých stavím

Mnoho malých, nezávislých výhod > jeden „geniální“ systém. Nevěřím v jedinečnou genialitu; věřím v souběžně obchodovaný koš jednoduchých metod, které spolu  nemají mnoho společného.

Proces je důležitější než predikce. Robustní, nudný proces přežije jakýkoliv poslední chytrý nápad.

Kontrola korelace je alfa. Diverzifikace napříč skutečně odlišnými typy výnosů je primárním zdrojem zisků v tradingu.

Uvedení do praxe je důležitější než dokonalost. Nejlepší backtest není ten s nejkrásnější ekvity křivkou. Je to ten první, který bezpečně nasadíte do reálného tradingu a získané know-how začnete zpět zapojovat do vylepšování obchodních metod a celého systému obchodování.

Framework: Navrhni jednou → používej navždy

Když jsem si přiznal, že moje diskreční výhoda mizí, nezačal jsem hledat nový magický obchodní systém. Postavil jsem továrnu. Nápady přicházejí a odcházejí, režimy na trhu se mění, ale výrobní linka, která promění hypotézu v živou, monitorovanou strategii, může přinášet užitek léta. Moje pravidlo je od té doby jednoduché: navrhni proces jednou, používej ho navždy a nech každý nový nápad, aby se stal jen další jednotkou na výrobním páse.

Python

Zde začíná můj příběh s Pythonem. Nikdy jsem nebyl programátor, ale vnímal jsem, že pokud chci jít vlastní cestou, musím se naučit efektivně pracovatt s daty . Před deseti lety jsem začal s malými skripty. První úspěchy byly až trapně malé, ale násobily se. Z několika transformací v knihovně Pandas se stala knihovna pro načítání dat; z jednorázové funkce se stal znovupoužitelný validátor; z nočního „hacku“ se stal otestovaný autotrader, na který se mohl spolehnout každý nový projekt. Python se stal společným jazykem mé továrny, takže jednotlivé stroje – data, výzkum, riziko, nasazení – spolu mohly komunikovat.

Obsidian

Chaotickou kuchyni jsem postupně měnil na testovací polygon. Naučil jsem se v Obsidianu budovat svůj druhý mozek zachycující nejrůznější hypotézy a nápady pro vytváření dalšího nového obchodního přístupu. A postupně hypotézy testovat a přetavovat v obchodovatelné modely.

LLM

Od roku 2024 získala moje továrna další výrobní linku: LLM (velké jazykové modely). Spojení Pythonu s AI výzkumným partnerem změnilo celý rytmus. Mohl jsem popsat hypotézu v přirozeném jazyce a během minut získat základní kód – načítání dat, výpočty ukazatelů, testování parametrů a základní diagnostiku. Těžká práce se zrychlila. Továrna se nestala chytřejší, protože by stroj byl geniální; stala se efektivnější.

Práce s riskem

Pokud v něčem systematické obchodování vyniká, tak je to možnost práce s riskem. V diskrečním obchodování jsem pracoval se stop-lossem, v systematizaci jsem se naučil řeči rizikových rozpočtů. Každá strategie dostane definovaný díl rizika z portfolia; celé portfolio dodržuje limity, se kterými mohu klidně spát. Cílím na volatilitu, takže velikost pozic se škáluje podle prostředí, a vynucuji si „maximální limit bolesti“ – největší ztrátu, kterou dovolím jediné myšlence způsobit, než ji vypnu.

Díky tomu, že si mohu v portfoliu dovolit obchodovat opravdu odlišné myšlenky, mohu být skutečně kritický ke korelaci. Mnoho systémů, které vypadají na papíře odlišně, jsou ve skutečnosti převlečeným projevem stejného tržního faktoru. Tím, že rozpočtuji expozici vůči sdíleným hybatelům, zabraňuji tomu, aby se portfolio změnilo v jednu přepálenou sázku v mnoha kostýmech. Python řídí rizikový engine; LLM mi pomáhá stres-testovat předpoklady, navrhovat alternativní klastrování a připravovat „what-if“ scénáře, které činí rozhodnutí explicitními.

Nasazení strategie do živého obchodování

Teprve poté, co jsou popsané mantinely na svém místě, začne práce na nasazení strategie do živého obchodování. Zde se tovární myšlení vyplácí nejvíce. Nová, validovaná strategie si nezaslouží kód na míru; zaslouží si konfiguraci. Popíšu, co obchoduje, jakou má velikost pozic, jaký nákladový model používá a jakou cestu k brokerovi preferuje, a hotový framework se postará o zbytek. Příkazy odcházejí s identifikátory strategií; každé rozhodnutí je zaznamenáno s přesnými vstupy použitými v daném čase a průběžně vyhodnocováno. Pokud se cokoli chová nestandardně, platforma sama přejde do obranného režimu. Monitoring je místo, kde posuzuji skutečný charakter strategie. Sleduji zisk a ztrátu vůči očekávaným pásmům, skluz vůči definované úrovni, shodu live tradingu s kontinuálním backtestem. Dobré systémy jsou tiché. Neposílají básně do Slacku; posílají krátká fakta, když jsou překročeny prahové hodnoty, a obchodují dál, když nejsou. Python sbírá a agreguje telemetrii; LLM přeměňuje surové logy na stručná shrnutí, upozorňuje na anomálie, které odpovídají vzorcům, jež mě zajímaly v minulosti, a připravuje krátké revize, které si skutečně přečtu.

Opakování procesu

Iterace uzavírá smyčku. Továrna zajišťuje, že každé ponaučení z anomálie nebo chyby se stane trvalým vylepšením procesu, nikoli jednorázovou záplatou. Pokud následná analýza odhalí, že skluz prudce vzrostl za určitých podmínek likvidity, neopravuji jeden model; posiluji logiku směrování příkazů pro všechny. Pokud se korelace zvýšila uvnitř klastru, který jsem považoval za diverzifikovaný, neměním velikost jedné pozice; vylepšuji způsob, jakým portfolio měří sdílené riziko. Python činí tato vylepšení přenositelnými; LLM je proměňuje v dokumentované standardy s příklady a scénáři selhání. Časem se samotný framework stává aktivem. Jednotlivé modely přicházejí a odcházejí jako produktové řady; montážní linka je stále rychlejší, bezpečnější.

Začátkem týdne mě například globální výpadek AWS poprvé způsobil, že jedna intradenní strategie nebyla schopná stáhnout data z API a neobchodovala. LLM navrhlo řešení, jak toto efektivně detekovat a příště přepnout na záložní data. Celé workflow je opět o krok robustnější.

Závěr

Možná, že mé obchodování zní nudně a komplexně.

Pokud to zní nudně, je to dobře. Nuda je škálovatelná. V den, kdy jsem přestal vnímat strategii jako umělecké dílo a začal považovat za mistrovské dílo samotný proces, se mé obchodování stalo udržitelným s jakýmkoliv kapitálem. Drama se přesunulo z denního boje s trhem do kreativního návrhu robustních systémů.

A je to komplexní? Z pohledu začínajícího tradera patrně ano. Z mého pohledu je to však především osvobozující. Posun v systematizaci neznamená, že musíte spálit mosty a začít znovu. Naopak, umožňuje vám stavět na všem, co jste se naučili.

Moje cesta od intuice k systémům nebyla popřením minulosti, ale jejím zhodnocením. Diskreční cit pro trh je stále přítomen v hypotézách, které testuji. Python je ale proměňuje ve strojový kód a LLM akcelerují celý cyklus od nápadu k exekuci. Výsledkem je motor, který nejen generuje nekorelovanou alfu, ale především každý měsíc zhodnocuje to nejdůležitější – můj čas a mé know-how. A to je ta nejlepší škálovatelná výhoda, jakou si trader může přát.

P.S.: 8. 11. 2025 proběhne v Praze Trading Forum Meeting, živé setkání traderů, kde plánuji podrobněji popsat a diskutovat své praktické zkušenosti s tím, co popisuji v článku – jak si postavit systematické portfolio a pro efektivní práci využívat moderní LLM nástroje. Pokud vás téma zajímá, neváhejte s registrací. Zbývá několik posledních míst.