AI vs ręczna egzekucja — te same sygnały, 30 dni, dwa konta Binance

1. Konfiguracja eksperymentu na dwóch kontach #

Cel eksperymentu: kompletnie rozdzielić zmienną „sygnał” od zmiennej „egzekucja”. Ten sam zestaw sygnałów, ten sam kapitał startowy, to samo okno czasowe. Jedyna różnica to to, kto klika przycisk kup/sprzedaj.

Źródło sygnałów było ustalone: we wtorki i czwartki wieczorem zespół redakcyjny na podstawie Glassnode + Coinglass i czterech narzędzi AI generuje 1–2 sygnały i zapisuje je jako alerty TradingView. Każdy sygnał zawiera kierunek, zakres wejścia, stop-loss i dwa poziomy take-profit. Same sygnały są identyczne — różni się tylko egzekucja.

2. Bilans po 30 dniach #

Różnica w wyniku to +2,46 punktu procentowego. Brzmi jak miażdżąca przewaga AI, ale po rozłożeniu na czynniki widać, że cała ta przewaga bierze się z dyscypliny egzekucji, a nie z „inteligencji AI”. AI nie pominęło żadnego sygnału, AI ściśle przestrzegało stop-lossów i take-profitów, AI nie miało dryfu cenowego. Gdyby zastąpić je człowiekiem z 100-procentową dyscypliną (takim, co nie popełnia błędów), wyniki by się prawdopodobnie zrównały.

3. Różnice w egzekucji 14 sygnałów #

Po rozbiciu na pojedyncze sygnały robi się jeszcze ciekawiej:

Wszystkie trzy pominięte sygnały wypadły w środku nocy — sygnał 9 o 3:00 EDT, sygnał 11 o 23:40, sygnał 4 o 2:15 — człowiek po prostu spał. Te trzy pominięcia razem kosztowały około −0,6 punktu procentowego.

Jeszcze ciekawszy jest sygnał 8 (ETH perp long): AI ścięło pozycję na stop-lossie −2,1%, człowiek zignorował stop, przeczekał, rynek odbił i wyciągnął +1,4%. „Złamanie zasad” się opłaciło. Takie „szczęśliwe naruszenia zasad” pojawiły się w próbie dwa razy (także #7) — patrząc tylko na te dwie wygrane, człowiek wygrał, ale wartość oczekiwana takich zachowań jest ujemna, bo inne naruszenia spowodowały większe straty (#3 bez stop-lossa spadł do −4,8%).

4. Gdzie AI naprawdę wygrywa #

Skąd dokładnie biorą się te +2,46 punktu procentowego przewagi:

Widzisz, o co chodzi? Wkład „inteligencji” AI to zero. Cała przewaga to dyscyplina: bycie online, szybkość, brak emocji. W tym eksperymencie AI nie wygrało, bo lepiej czytało rynek — wygrało, bo wiernie wykonywało sygnały.

Wniosek brzmi tak: jeśli jesteś zdyscyplinowanym traderem ręcznym (nie pomijasz sygnałów, nie zwlekasz, nie łamiesz reguł egzekucji), twój wynik i wynik AI będą prawie identyczne. Większość detalistów tego nie potrafi — dlatego dla większości ludzi AI półautomat jest realnym ulepszeniem.

5. Gdzie człowiek naprawdę wygrywa #

W ciągu 30 dni były dwa momenty, kiedy człowiek pobił AI, i warto je zapamiętać.

Moment 1: 21 kwietnia, sygnał nr 8. AI ścięło ETH perp long stop-lossem −2%. Człowiek tego dnia zerknął na funding rate, zobaczył „−0,03%” (rynek już skrajnie przeważył na short) i postanowił zignorować stop. 30 godzin później ETH odbiło, człowiek wyszedł z +1,4%. To wygrana „z intuicji” — a w tle wiedza, której AI nie ma: kiedy funding rate jest skrajnie odwrotny do trendu, sam poziom stop-loss często jest miejscem, którego rynek już się spodziewa.

Moment 2: 18 kwietnia, sygnał nr 7. AI zamknęło BTC na pierwszym TP +4%. Człowiek widział wtedy mocne dane ETF i opóźnił TP. BTC poszło dalej o +0,8%. To przykład „człowiek widzi sygnał makro, którego AI nie widzi” — dane ETF nie docierają do warstwy egzekucyjnej AI, które przetwarza tylko świece i cenę.

Te dwie wygrane to łącznie około +0,4 pp, ale w trzech innych przypadkach łamanie reguł kosztowało człowieka −2,0 pp. Innymi słowy — w tym eksperymencie wartość oczekiwana „ludzkiej intuicji” była ujemna. Ale jakość intuicji zależy od osoby — trader z dziesięcioletnim stażem może utrzymać dodatnią wartość oczekiwaną swoich odstępstw od reguł.

To jest sedno rozmowy o AI w handlu: dla detalisty z kiepską dyscypliną AI jest plastrem, dla doświadczonego tradera ze zdyscyplinowanym warsztatem AI jest kagańcem.

6. Proces hybrydowy, którego używamy dziś #

Po eksperymencie nie poszliśmy w „wszystko AI” ani w „wszystko ręcznie”. Złożyliśmy proces hybrydowy:

1. Generowanie sygnałów: wsparcie AI (4 LLM-y + dane on-chain + spotkanie redakcyjne), ostateczna decyzja należy do człowieka.
2. Egzekucja zleceń: AI przez TradingView Webhook do Binance API. Tu człowiek nie dotyka niczego — żeby uniknąć pominięć, slippage i emocji.
3. Stop-loss: AI egzekwuje twardo, bez żadnego „jeszcze chwilę poczekam”. To żelazna reguła.
4. Take-profit: pierwsza transza (+4%) idzie automatycznie przez AI, drugą decyduje człowiek — bo to moment, w którym sygnał makro może coś zmienić.
5. Cotygodniowy przegląd: człowiek czyta wszystkie transakcje AI i ocenia, czy źródło sygnałów wciąż działa.

Ten proces chodzi dwa miesiące. Przewyższa czyste AI o około +1,1 pp (głównie dzięki ludzkiej decyzji o drugim TP), zachowując całą dyscyplinarną przewagę AI. Klucz to podział pracy, nie zlepek — jasno powiedz „ten krok robi AI, ten robi człowiek”. To zawsze działa lepiej niż mgliste „AI wspiera ludzkie decyzje”.

Jeśli chcesz zacząć już teraz: weź konto testowe, daj mu mikroskopijny kapitał i puść AI półautomat na miesiąc. Sprawdź sam, czy twoja własna „skuteczność łamania zasad” jest naprawdę dodatnia. Jeśli tak, możesz dołożyć warstwę osądu makro; jeśli nie, pozwól AI egzekwować wszystko.

Skonfiguruj Binance API → Pełny przewodnik po Binance AI →

— PromptDeck, 2026-05-05