BTC243,9k zł0,49%
ETH7,00k zł0,06%
XRP4,13 zł0,38%
LTC180 zł5,53%
BCH836 zł0,92%
DOT3,16 zł2,91%

Warsztat AI tradera — prompty do analizy, kodu i audytu procesu

Dziewięć promptów warsztatowych do skopiowania przyciskiem, każdy w wersji polskiej i angielskiej: streszczanie komunikatów banków centralnych, przegląd kodu Pine i MQL pod kątem lookahead i repaintingu, skrypt liczący metryki z eksportu dziennika, audyt wzorców naruszeń i red-teaming planu. Każdy prompt ma wbudowane granice — zakaz sygnałów, zakaz zgadywania braków i zakaz wykonywania instrukcji ukrytych we wklejonych danych. Jedna reguła obowiązuje wszędzie niżej: decyzje o wejściu podejmuje Twój playbook, a każdą liczbę z odpowiedzi modelu weryfikujesz u źródła, zanim jej użyjesz.

Warsztat AI tradera — biblioteka promptów do analizy publikacji, przeglądu kodu i audytu dziennika, obok blok zasad czego AI nie robi za tradera
Najważniejsze w 60 sekund
  • 9 promptów w 4 kategoriach: makro i kontekst, kod i automatyzacja, audyt dziennika i procesu, red-teaming planu — każdy z przełącznikiem PL/EN, przyciskiem „Kopiuj" i polami {DO_UZUPEŁNIENIA}
  • Jeden szkielet: ROLA → DANE → ZADANIE → FORMAT I GRANICE — bez sekcji granic model w kilku iteracjach zjeżdża do porad i sygnałów, dlatego każdy prompt mówi też, czego modelowi nie wolno
  • Blok „czego AI nie robi za tradera" stoi przed biblioteką promptów — sygnały, prognozy cen i decyzje o wejściu są poza zakresem tej strony z powodów merytorycznych, nie asekuracji
  • Higiena danych: eksporty wklejasz zanonimizowane i w minimalnym potrzebnym zakresie, dane wrażliwe na czas (kalendarz, godziny, przepisy) podajesz Ty — pamięć modelu bywa nieaktualna
AI nie robiDlaczego
Nie generuje sygnałów, poziomów wejścia, SL ani TPModel językowy nie ma dostępu do bieżących kwotowań, głębokości rynku ani Twojego sizingu — a pewność, z jaką formułuje odpowiedź, nie ma związku z jej trafnością. Checklista pre-trade z dodatku J pyta o setup z playbooka; „setup z czatu" to odpowiedź NIE w pytaniu pierwszym
Nie prognozuje cen ani kierunkuTekstowa prognoza bez jawnych danych, modelu statystycznego i testu poza próbką nie jest prognozą, którą da się audytować — rozkład przyszłych cen nie jest zaszyty w wagach modelu uczonego na tekstach
Nie zastępuje backtestu ani forward-testuModel nie wykonuje obliczeń na danych historycznych — pomaga NAPISAĆ kod, który je wykona lokalnie (prompt P5). „Policz mi backtest w czacie" produkuje liczby o wyglądzie wyników
Nie podejmuje decyzji o wejściu, wyjściu ani sizinguModel nie ponosi ryzyka i nie zna Twoich limitów. Wolumen liczy kalkulator z dodatku C z Twoich parametrów, nie rozmowa
Nie jest źródłem liczb, dat ani przepisówModele mylą godziny publikacji, progi i stawki z pewną miną (ma to nazwę: halucynacja). Każdą liczbę z odpowiedzi traktujesz jako szkic do weryfikacji u źródła — kalendarza, specyfikacji brokera, aktu prawnego
Nie dostaje danych identyfikujących rachunek ani sekretówNumer rachunku, hasła, klucze API i dane osobowe nie są potrzebne do żadnego zadania warsztatowego — sekcja higieny niżej pokazuje, jak ograniczyć wklejane dane do minimum
Z praktyki: „analiza", która była literaturą z liczbami. Użytkownik poprosił czat o „analizę EUR/USD" i dostał — mimo braku dostępu do kwotowań — poziom wejścia, SL i TP z uzasadnieniem na pół strony. Zagrał to. Poziomy pochodziły z cen sprzed daty odcięcia wiedzy modelu, kilkaset pipsów od rynku; „wejście" było głęboko w cenie, więc pozycja otworzyła się natychmiast. Strata nie wzięła się z błędnej prognozy — prognozy w ogóle nie było, była płynna proza z liczbami w środku. Dlatego wiersz pierwszy tabeli wyżej nie jest asekuracją.
Z praktyki: „zyskowna strategia", którą uratował przegląd kodu. Wskaźnik z forum pokazywał na historii skuteczność, o jakiej nie śni żaden fundusz. Prompt P3 wskazał w kilkanaście sekund wywołanie danych wyższego interwału bez blokady lookahead — skrypt „widział" zamknięcie świecy, zanim się wydarzyło. Po jednej poprawce linia kapitału z pionowej zrobiła się płaska. AI nie oceniło, czy strategia zarabia — wskazało, że test kłamie.
Stanowisko tradera podczas pracy warsztatowej z AI — na jednym monitorze okno czatu z wklejonym promptem audytu dziennika, na drugim platforma z wykresem i arkusz z eksportem CSV, obok notes z listą liczb do zweryfikowania u źródła
Stanowisko tradera podczas pracy warsztatowej z AI — na jednym monitorze okno czatu z wklejonym promptem audytu dziennika, na drugim platforma z wykresem i arkusz z eksportem CSV, obok notes z listą liczb do zweryfikowania u źródła
Z praktyki: godziny sesji z pamięci modelu. Zapytany „o której otwiera się Nowy Jork czasu polskiego" model odpowiedział pewnie i… według układu sprzed rozjazdu czasu — o godzinę źle, akurat w jednym z dwóch OKIEN rozjazdu w roku (2026: około trzech tygodni wiosną, 8–29 marca, i tygodnia jesienią, 25 października – 1 listopada). Trader z checklistą pre-market z dodatku J wychwyciłby to w punkcie pierwszym; trader z czatem zamiast kalendarza — nie. Stąd reguła nr 2: dane wrażliwe na czas zawsze podajesz Ty.

Rozwinięcie artykułu 11.8 — Python w tradingu: model jest tu recenzentem i generatorem szkieletów, a wykonanie i test zawsze odbywają się lokalnie, u Ciebie. Recenzja tekstu kodu to nie walidacja: po niej są jeszcze kompilacja, test na danych i forward-test.

Przegląd kodu wskaźnika z pomocą AI — edytor z podświetloną funkcją request.security na jednym ekranie, okno czatu z listą FLAG i pytaniem o lookahead na drugim, na biurku notatka z krokami weryfikacji na rachunku demo
Przegląd kodu wskaźnika z pomocą AI — edytor z podświetloną funkcją request.security na jednym ekranie, okno czatu z listą FLAG i pytaniem o lookahead na drugim, na biurku notatka z krokami weryfikacji na rachunku demo

Fundament: 15.9 — struktura dziennika i 15.10 — audyt strategii. Model szuka wzorców operacyjnych; oceny systemu pilnuje zasada z 15.10 — parametrów nie zmienia się na próbie tygodnia. Limit praktyczny dla P6 i P8: do czatu wklejaj orientacyjnie do ~50 wierszy — większe eksporty najpierw agreguj skryptem z P5, bo długie wklejki kończą się obcięciem kontekstu i zmyślonymi statystykami. Granice obu promptów pilnują też overfittingu: mała próba i segmenty dobierane po fakcie dają hipotezy, nie wnioski.

Cotygodniowy audyt EOW — wydrukowany eksport dziennika transakcji z zakreślonymi naruszeniami checklisty obok laptopa z czatem grupującym naruszenia we wzorce, na marginesie odręczne notatki tradera
Cotygodniowy audyt EOW — wydrukowany eksport dziennika transakcji z zakreślonymi naruszeniami checklisty obok laptopa z czatem grupującym naruszenia we wzorce, na marginesie odręczne notatki tradera
Z praktyki: to samo pytanie, dwa światy odpowiedzi. Trader wkleił do czata notatki EOD z trzech tygodni i zapytał „co ze mną jest nie tak". Dostał elokwentny esej o psychologii strat — ogólny i bezużyteczny, bo pytanie było terapeutyczne, a dane procesowe. Ten sam eksport, wklejony do P8, zwrócił jedno zdanie warte całej sesji: naruszenia kumulują się w dni, w których pierwsza transakcja padła przed 10:00 [HIPOTEZA, 9 obserwacji]. Odpowiedź nie była mądrzejsza — pytanie było lepiej ograniczone.

FAQ

Czy AI może dawać sygnały, skoro „wszyscy tak robią"?

Może — w tym sensie, że wygeneruje tekst wyglądający jak sygnał. Problem w tym, że model językowy nie ma bieżących kwotowań, nie zna Twojego sizingu i limitów. Sygnał z czata nie przejdzie pytania pierwszego checklisty pre-trade („setup jest w playbooku?"), więc jego miejsce w tym kursie jest dokładnie żadne. AI oszczędza czas tradera gdzie indziej: w kodzie, audycie i przygotowaniu — a czy przełoży się to na wynik rachunku, zależy od expectancy systemu, której żaden prompt nie zmieni.

Którego modelu albo aplikacji użyć?

Prompty są neutralne — działają w każdym współczesnym czatowym modelu językowym; ten dział z zasady nie poleca konkretnych dostawców. Kryteria doboru masz trzy: długi kontekst (wklejasz komunikaty i eksporty), możliwość pracy na wklejonym tekście bez przeglądania sieci (mniejsze ryzyko dosztukowywania „faktów") oraz polityka danych, którą akceptujesz. Jeśli nie chcesz wysyłać dziennika nigdzie — te same prompty (najlepiej w wersji EN) obsłużą modele uruchamiane lokalnie, zwykle kosztem jakości odpowiedzi.

Czy wklejanie dziennika do czata jest bezpieczne?

Bezpieczniejsze — nie bezpieczne — jest wklejanie danych zanonimizowanych i ograniczonych do minimum: bez numeru rachunku i brokera, wyniki w R zamiast złotych, tylko kolumny potrzebne do zadania. Anonimizacja zmniejsza ryzyko, ale go nie usuwa: czasy, instrumenty, sekwencje transakcji i treść notatek nadal mogą pośrednio identyfikować rachunek. Analizy wymagające pełnego dziennika rób lokalnie (prompt P5 generuje skrypt, który liczy u Ciebie), a do czata wysyłaj dopiero agregaty. Politykę przetwarzania danych swojego dostawcy czytasz przed pierwszym wklejeniem, nie po.

Po co wersje angielskie, skoro prompty są po polsku?

Polska wersja wystarcza do większości zadań opisowych i masz ją rozumieć oraz modyfikować bez tłumacza. Angielska bywa jednak stabilniejsza przy zadaniach na kodzie i terminologii technicznej (lookahead, repaint, request.security to język dokumentacji i komunikatów o błędach) oraz na mniejszych modelach lokalnych z sekcji higieny — dlatego każdy prompt ma przełącznik, a przy nietypowych wynikach warto porównać oba warianty. Komentarze w kodzie z promptu P5 pozostają po polsku — to najlepszy kompromis dla nieprogramisty.

Zastrzeżenie: ta strona ma charakter edukacyjny i nie jest poradą inwestycyjną. Odpowiedzi modeli językowych bywają błędne — liczby, daty i interpretacje weryfikujesz u źródła przed użyciem; odpowiedzialność za decyzje i za dane wklejane do zewnętrznych usług pozostaje po Twojej stronie. Metryki liczone z dziennika (R, expectancy, profit factor) zależą od tego, czy wynik uwzględnia spread, prowizję, swap i poślizg — dlatego prompty definiują R jako wynik netto. Historie „z praktyki" są przykładami modelowymi, złożonymi z powtarzalnych wzorców, z zanonimizowanymi szczegółami.

Źródła

  1. Raja Parasuraman, Victor Riley, Humans and Automation: Use, Misuse, Disuse, Abuse, Human Factors 39(2), 1997 — klasyczna analiza nadmiernego zaufania do automatyzacji (automation bias), na której stoi blok „czego AI nie robi".
  2. Dokumentacje dostawców modeli językowych — polityki przetwarzania danych oraz opisy ograniczeń (data odcięcia wiedzy, halucynacje, podatność na instrukcje w danych); sprawdzane u własnego dostawcy przed wklejeniem danych.
  3. TradingView, Pine Script User Manual — rozdziały o repaintingu oraz o request.security() i parametrze lookahead; MetaQuotes, MQL5 ReferenceOnCalculate/prev_calculated, CopyBuffer i kody zwrotne operacji handlowych. Mechanika, do której odwołują się prompty P3–P4.
  4. Wewnętrzne: artykuły 11.9, 11.8, 15.9 i 15.10 kursu — metodologia, której wykonawczym narzędziem jest ta biblioteka.

Jarosław Wasiński LinkedIn

Redaktor naczelny MyBank.pl • Analityk finansowy i rynkowy

mgr Jarosław Wasiński — niezależny analityk i praktyk z ponad 20-letnim doświadczeniem w sektorze finansowym. Twórca i redaktor naczelny portalu MyBank.pl, dostarczającego rzetelną wiedzę o finansach osobistych, bankowości i inwestycjach od 2004 roku.

  • Bankowość i produkty finansowe: porównania kont osobistych i firmowych, analiza taryf opłat, testy aplikacji mobilnych, recenzje kredytów, lokat i kart kredytowych — z naciskiem na realne koszty i ukryte opłaty.
  • Rynki finansowe i makroekonomia: analiza fundamentalna rynków walutowych (Forex) i makroekonomicznych od 2007 roku, zarządzanie ryzykiem kapitału, struktura rynków OTC.
  • Kryptowaluty: analiza rynku kryptowalut, mechanizmów blockchain i tokenizacji aktywów w kontekście portfela inwestycyjnego.

Autor setek komentarzy rynkowych, analiz porównawczych produktów bankowych i materiałów edukacyjnych. Zwolennik transparentności — każdy ranking i recenzja na MyBank.pl opiera się na jawnej metodologii i zweryfikowanych źródłach (taryfy banków, regulaminy promocji, dane NBP).

Treści mają charakter edukacyjny i informacyjny — nie stanowią porady inwestycyjnej, rekomendacji ani oferty. Decyzje finansowe podejmuj na podstawie własnej analizy i konsultacji z doradcą.