Algo trading: kompletní průvodce od hypotézy po nasazení

By Marcel Hambálek · Senior Trader, For Traders

Algo trading je trading, ve kterém vstupy, výstupy a velikost pozice určuje předem definovaný soubor pravidel zapsaný v kódu — ne rozhodnutí tradera v reálném čase. Cesta od nápadu k prvnímu živému fillu má šest fází a u disciplinovaného tradera zabere reálně 4–12 týdnů, přičemž zhruba 80 % práce je hotovo ještě před prvním obchodem.

Klíčové poznatky

• Algo trading znamená exekuci podle pravidel v kódu — není to garance zisku, není to set-and-forget a nenahrazuje pochopení trhu.
• Životní cyklus strategie má šest fází: hypotéza → data → backtest → walk-forward analýza → forward test na demu → VPS a monitoring.
• Za statisticky použitelný backtest považujte vzorek 200+ obchodů; data rozdělte typicky v poměru 70/30 na in-sample a out-of-sample.
• Z deseti hypotéz projdou backtestem v průměru jedna až dvě — zbytek je potřeba zahodit, ne doladit parametry.
• Overfitting odhalí čtyři testy: out-of-sample, walk-forward okna, Monte Carlo permutace a tvar parametrického plató místo ostrého peaku.
• Na prop challenge pravidla max drawdownu a daily loss limitu diktují velikost pozice a počet paralelních pozic — EA se navrhuje kolem nich, ne naopak.
• Reálné provozní náklady retail algo tradingu se pohybují v řádu stovek až nižších tisíců korun měsíčně (VPS, data, platforma) — hlavní náklad je čas.

Podívejte se: související video

Co je algo trading a čím se liší algoritmus, systém a Expert Advisor

Definice algo tradingu ve dvou větách

Algo trading je trading, kde vstupy, výstupy i velikost pozice určuje předem zapsaný soubor pravidel, ne vaše rozhodnutí v reálném čase. Pravidla se otestují na historických datech, zakódují a spustí na platformě, která je vykoná bez ohledu na to, jestli máte zrovna dobrý den, nebo se vám nechce sedět u monitoru. V české tradingové komunitě se pojmy „algo trading" a „algoritmické obchodování" používají jako synonyma — druhý výraz zní formálněji a objevuje se spíš v textech o regulaci nebo institucionálním tradingu, myslí se jím ale úplně totéž.

Algoritmus vs. tradingový systém vs. robot (Expert Advisor)

Tyhle tři pojmy se v diskuzích běžně zaměňují, ale popisují tři různé vrstvy stejné věci:

• Algoritmus je jedno logické pravidlo — např. „vstup do longu, když 20-EMA prokřižuje 50-EMA zdola nahoru a ATR je nad svým 20denním průměrem." Sám o sobě neřeší, kolik riskovat ani jak velkou pozici otevřít.
• Tradingový systém (nebo automatický tradingový systém) je celý rámec kolem algoritmu — vstupní a výstupní pravidla plus risk management a money management: kolik procent účtu riskujete na obchod, jak počítáte velikost pozice, kde je denní stop.
• Expert Advisor (běžně zkráceně EA, česky obchodní robot) je konkrétní software, který systém exekuuje na platformě — typicky MetaTrader 5, kde EA běží 24/5 a posílá pokyny bez vašeho zásahu.

Jinak řečeno: algoritmus je recept, systém je celá kuchařka včetně gramáže surovin, a Expert Advisor je robot v kuchyni, který podle kuchařky skutečně vaří.

Diskreční vs. systematický trading: kde je reálný rozdíl

Diskreční trader vidí setup a rozhoduje se na místě — s intuicí, zkušeností, ale i s únavou a emocemi. Systematický trading tohle rozhodování přesouvá do pravidel napsaných předem, kdy jste v klidu a bez otevřené pozice. Rozdíl není v tom, kdo je „lepší" — je ve třech konkrétních dimenzích:

Co algo trading není

Algo trading není garance zisku — je to jen nástroj, který systematicky vykonává hypotézu, a špatná hypotéza prohraje stejně systematicky jako dobrá vydělá. Není to ani pasivní příjem: kód se musí monitorovat, reoptimalizovat a přizpůsobovat měnícím se tržním podmínkám, jinak vám edge tiše vyprchá. A rozhodně to není náhrada za pochopení mikrostruktury trhu — bez znalosti toho, jak vzniká spread, kde se tvoří likvidita a jak se chová slippage při FOMC, napíšete robota, který na papíře exceluje a naživo dostává jeden špatný fill za druhým. Pokud ještě nemáte zapsaná vlastní pravidla, začněte u risk managementu a tradingového deníku — bez nich nemáte co kódovat.

Vyplatí se algo trading retail traderovi v roce 2026?

Ano, ale ne tam, kde byste ho čekali. Retail trader nemá šanci konkurovat institucím v rychlosti, ale má reálný prostor na swingových a pozičních horizontech, kde rozhoduje kvalita pravidel, ne mikrosekundy. Algo trading pro začátečníky se vyplatí především jako nástroj disciplíny, ne jako zkratka k rychlému zbohatnutí.

60–80 % objemu tvoří algoritmy — co to pro vás znamená

Na hlavních burzách dnes algoritmy generují typicky 60–80 % objemu obchodů — u akciových trhů to potvrzují i dlouhodobé analýzy regulátorů jako ESMA. Zní to jako přesila, se kterou nemá smysl bojovat, ale je potřeba to slovo objem správně přečíst. Neznamená to, že 80 % obchodních příležitostí je pryč — znamená to, že 80 % objemu se odehrává v rychlostní kategorii, do které retail trader se svým připojením a brokerem nikdy nevstoupí. HFT firmy a market makeři soutěží v nanosekundách přes co-location servery přímo v datacentrech burz. To není hřiště, kde má smysl hrát — je to hřiště, které je potřeba ignorovat a hledat jinde.

Kde retail edge reálně má a kde nemá šanci

Trh si rozdělte na tři patra podle rychlosti:

• Latency arbitráž a HFT (mikrosekundy až milisekundy): mimo dosah. Vyžaduje co-location, přímé přenosy dat a investice v řádu milionů dolarů. Retail trader tu nemá edge, má jen náklady.
• Střední frekvence (sekundy až minuty): technicky dostupné, prakticky obtížné. Konkurujete kvantitativním fondům s lepšími daty, nižšími poplatky a týmem, který ladí strategii na plný úvazek.
• Swing a poziční horizont (hodiny až dny): tady se hraje jiná hra. Edge nevzniká z rychlosti, ale z kvality hypotézy, konzistence exekuce a řízení rizika — a to je terén, kde automatizovaná strategie postavená na solidních datech dokáže dlouhodobě porážet diskreční trading, protože neztrácí koncentraci ve třetí hodině seance ani se nebojí zmáčknout tlačítko po sérii ztrát.

Nejvíc z automatizace těží konkrétní typ tradera: ten, kdo má funkční diskreční pravidla, ale opakovaně je poruší v okamžiku, kdy je potřeba je dodržet nejvíc — po prohře, při FOMC nebo ve chvíli, kdy trh vypadá "jinak než obvykle". Robot tenhle problém neřeší kouzlem, řeší ho tím, že rozhodnutí přenese z emoce do kódu, který se nebojí a neunaví.

Kolik času a kapitálu si na start připravit

Buďte k sobě upřímní ohledně časové investice. Reálná cesta od hypotézy k prvnímu živému obchodu trvá u disciplinovaného tradera 4 až 12 týdnů — ne víkend s YouTube tutoriálem. Do toho patří formulace hypotézy, sběr a čištění dat, backtesting, walk-forward validace a demo provoz v reálném čase, než padne první živý fill. Kapitálově počítejte s náklady na kvalitní historická data, případně VPS pro nepřetržitý běh, a s časem na iterace — první verze strategie skoro nikdy neprojde beze změny.

Pokud vás na diskrečním tradingu nejvíc trápí právě konzistence exekuce, než začnete programovat, podívejte se na psychologii tradingu — často zjistíte, že problém, který chcete vyřešit kódem, jde napůl vyřešit už disciplínou.

Šest fází životního cyklu algo strategie a jak dlouho trvají

Životní cyklus strategie má šest fází s jasnými branami mezi nimi — od hypotézy přes backtest strategie a walk-forward analýzu až po forward test na demu a nasazení na VPS pro trading. Disciplinovaný trader projde celým procesem za 4 až 12 týdnů, ale drtivá většina té práce (odhadem 80 %) se odehraje ještě před prvním živým obchodem.

Fáze 1–2: hypotéza a sběr dat

Fáze 1 je formulace hypotézy — konkrétní, testovatelné tvrzení typu „po breakoutu z 20denního rozpětí s potvrzením objemem drží XAUUSD trend minimálně 1,5R v 60 % případů". Fáze 2 je sběr a čištění dat: historické ceny, tickové nebo minutové svíčky, korekce o splity a rollovery u futures. Výstupem je datový set, kterému věříte natolik, že na něm postavíte kód.

• Kritérium pro postup: hypotéza je zapsaná jako jednoznačné pravidlo (ne pocit), data pokrývají alespoň 3–5 let a různé tržní režimy (trend, range, vysoká i nízká volatilita). Pokud hypotézu nedokážete popsat jednou větou bez slova „obvykle" nebo „většinou", zpátky na fázi 1.

Reálné trvání: 3–7 dní na hypotézu, dalších 3–5 dní na přípravu dat, pokud je nekupujete hotová.

Fáze 3–4: backtest a walk-forward analýza

Fáze 3 je samotný backtest strategie na historických datech — vstupy, výstupy, position sizing, náklady (spread, slippage, komise). Fáze 4 je walk-forward analýza: strategii otestujete na jednom úseku dat, optimalizujete parametry, pak ji pustíte na navazujícím, dosud „neviděném" úseku. Tady se láme chleba — z deseti hypotéz, které dorazí do backtestu, projde dál typicky jedna až dvě.

• Kritérium pro postup: profit factor nad 1,3, max drawdown v mezích, které unese váš risk management, a výsledky na walk-forward okně se výrazně neliší od optimalizačního okna (žádný „zázrak" jen na trénovacích datech — to je overfitting). Pokud walk-forward propadne o víc než 30–40 % oproti backtestu, strategie jde do koše, ne k úpravě.

Reálné trvání: 1–3 týdny včetně iterací — první verze kódu skoro nikdy neprojde napoprvé.

Fáze 5–6: forward test na demu, VPS a monitoring

Fáze 5 je forward test na demo účtu v reálném čase, na živých cenách, ale bez rizika kapitálu — ověřujete, že se chování strategie shoduje s tím, co ukázal backtest, a že fill, spread a slippage v realitě sedí. Fáze 6 je nasazení na VPS pro trading, který zajistí nepřetržitý běh bez výpadků internetu, plus monitoring — alerty na chybové stavy, kontrola equity křivky, kontrola, že se strategie nezacyklila.

• Kritérium pro postup: forward test na demo účtu běží 4–8 týdnů podle frekvence obchodů (u intradenní strategie s desítkami obchodů týdně stačí kratší okno, u swingové strategie s pár obchody měsíčně potřebujete delší vzorek) a chování se statisticky neliší od backtestu. Teprve pak jde strategie na živý účet, ideálně s menší velikostí pozice.

Časová osa: 4–12 týdnů do prvního živého fillu

Součet všech fází dá reálný rozsah 4 až 12 týdnů — dolní hranice pro jednoduchou strategii s kvalitními daty po ruce, horní hranice pro komplexnější systém s víc iteracemi na backtestu.

Data a backtest, který něco znamená

Backtest je jen tak dobrý, jak dobrá jsou data, na kterých běží — a naprostá většina backtestů, které skončí na živém účtu propadem, netrpí špatnou strategií, ale špatně namodelovanou realitou trhu. Než uvěříte jakémukoli equity křivce, ověřte si tři věci: jaká data ji generovala, kolik obchodů ji tvoří a jestli výsledek přežije i mimo vzorek, na kterém jste strategii ladili.

Tick data vs. OHLC data: kdy na rozdílu záleží

OHLC svíčka vám řekne open, high, low a close za dané období, ale neřekne vám pořadí, v jakém high a low nastaly. To je problém v okamžiku, kdy máte v jedné svíčce zasažený stop loss i take profit zároveň — backtest si musí vybrat, který z nich „vyplnil" dřív, a bez tick dat to dělá jen na základě předpokladu (obvykle: pesimisticky, nebo naopak nerealisticky optimisticky, podle enginu).

Na intradenní strategii na XAUUSD s cílem 15–20 pipů a stopem podobné velikosti se tenhle rozdíl v pořadí zásahů umí propsat do desítek procent celkového výsledku — testovali jsme stejnou logiku na OHLC datech a na tick datech se stejným obdobím a rozdíl v profit factoru přesáhl 25 %. Pro scalping a intraday setupy s SL i TP uvnitř jedné svíčky jsou tick data prakticky povinná. Pro swingové strategie s horizontem dnů, kde se cíl a stop zřídka potkají ve stejné svíčce, OHLC data obvykle stačí.

Kolik obchodů a jak dlouhá historie je minimum

Pod 200 uzavřenými obchody je jakákoli statistika o win rate nebo profit factoru v podstatě šum — s tak malým vzorkem vám náhoda hraje větší roli než edge. Berte 200+ obchodů jako tvrdé minimum pro první závěr a 400+ jako úroveň, kde se dá výsledku už reálně věřit.

Stejně důležitá je délka a skladba historie. Backtest algo trading strategie na XAUUSD nebo US100 musí pokrýt alespoň dva odlišné režimy trhu — typicky jedno klidné, nízkovolatilní období a jedno období s prudkými pohyby kolem makro událostí jako FOMC nebo NFP. Strategie, která funguje jen v jednom typu prostředí, není hotová strategie, je to pozorování na jednom vzorku. Pokud váš backtest náhodou přeskočí všechny FOMC dny, netestujete strategii — testujete pohodlný výřez trhu.

Rozdělení 70/30 na in-sample a out-of-sample

Rozdělte historická data na dvě části: přibližně 70 % jako in-sample vzorek, na kterém strategii vyvíjíte a ladíte parametry, a 30 % jako out-of-sample vzorek, který zůstane nedotčený až do úplně poslední chvíle. Pravidlo je jednoduché a bezvýhradné: pokud jste se na out-of-sample data podívali a upravili kvůli nim byť jediný parametr, přestal to být out-of-sample test. Stal se z něj další kolo in-sample ladění, jen s jiným jménem.

Právě tady vzniká většina overfitovaných strategií, které v backtestu vypadají famózně a na live účtu selžou během prvních týdnů. In-sample/out-of-sample rozdělení je základ, na walk-forward analýzu s posouvajícím se oknem se dostaneme v další fázi procesu.

Spread, komise, swapy a slippage v modelu

Backtest bez nákladů obchodování lže systematicky — a to vždy směrem k lepšímu výsledku, než jaký dostanete live. Do modelu patří:

• Spread — u XAUUSD a US100 se v čase FOMC nebo NFP dokáže roztáhnout na několikanásobek běžné hodnoty, a pokud strategie obchoduje přesně v těchto oknech, musí to počítat s reálným, ne průměrným spreadem.
• Komise — u strategií s vysokou frekvencí obchodů dokážou komise samy o sobě smazat edge, který na papíře vypadal solidně.
• Swapy — u pozic držených přes noc se sčítají a u dlouhodobějších swingových strategií je to řádkovka, kterou nelze zanedbat.
• Slippage — rozdíl mezi cenou signálu a cenou fillu, který roste s volatilitou a velikostí pozice; konzervativní backtest ho modeluje jako fixní přirážku k horšímu z obou stran.

Strategie, která přežije backtest s realistickým spreadem, komisí, swapem i slippage započítaným do každého obchodu, je o řád důvěryhodnější než ta, co exceluje jen na papíře bez nákladů. Právě tenhle krok odděluje backtest, který je simulací trhu, od backtestu, který je jen pěkně vypadající fikcí.

Overfitting: čtyři testy, které přeoptimalizovaný backtest odhalí

Overfitting backtest odhalíte tak, že strategii otestujete na datech, která optimalizace nikdy neviděla — pokud tam profit factor spadne o víc než třetinu, díváte se na křivku vytvarovanou šumem, ne na edge. Přeoptimalizace je hlavní důvod, proč nádherná equity křivka z optimalizátoru umírá během prvního měsíce živého tradingu. Čtyři testy níže vám řeknou, jestli strategie stojí na datech, nebo na náhodě.

Out-of-sample test a povolená degradace výkonu

Rozdělte historii na in-sample (optimalizační) a out-of-sample (ověřovací) úsek — typicky 70/30 nebo 60/40. Parametry laďte výhradně na in-sample části, out-of-sample necháváte netknutý až do finálního testu. Pak porovnáte klíčové metriky: profit factor, win rate, max drawdown. Degradace do zhruba 20–30 % je normální daň za to, že trh se posouvá. Propad o víc než třetinu u profit factoru je varovný signál — strategie se naučila nazpaměť konkrétní obchody z historie, ne obecný vzorec chování trhu.

Walk-forward okna: rolling vs. anchored

Walk-forward analýza simuluje to, co budete dělat živě: opakovaně optimalizujete na okně dat, otestujete na následujícím neviděném úseku a posunete se dál. U rolling okna posouváte i začátek optimalizačního úseku (starší data odpadají), u anchored okna začátek zůstává fixní a okno jen roste. Rolling lépe zachytí změnu tržního režimu, anchored dá stabilnější parametry na delším horizontu. Sledujte walk-forward efficiency — poměr out-of-sample výkonu k in-sample výkonu napříč všemi okny. Hodnota pod 50 % znamená, že parametry fungují jen v období, na kterém byly nalezeny.

Monte Carlo permutace a randomizace pořadí obchodů

Monte Carlo simulace vezme reálné obchody vaší strategie a tisíckrát je zamíchá v jiném pořadí, případně náhodně vynechá část z nich. Pokud se v 95% intervalu spolehlivosti max drawdown vejde do rozsahu, se kterým jste ochotni žít, strategie je robustní vůči sekvenci obchodů. Pokud jedna nešťastná posloupnost (třeba pět proher hned po sobě) vytáhne drawdown k likvidaci účtu, riziko je vyšší, než ukazuje jediná lineární equity křivka.

Parametrické plató vs. ostrý peak

V optimalizační mapě (heatmapě výkonu napříč kombinacemi parametrů) hledejte široké, pozvolné plató — sousední kombinace dávají podobně dobré výsledky. Ostrý osamocený peak obklopený ztrátovými kombinacemi znamená, že jste našli náhodnou shodu s historickými daty, ne skutečný edge. Robustní strategie funguje "dost dobře" i s parametry o 10–20 % vedle optima.

Kolik parametrů si můžete dovolit na počet obchodů

• Na každý volný parametr v optimalizaci byste měli mít minimálně 100 obchodů v datasetu — méně a curve fitting je prakticky zaručený.
• Strategie se 4–5 volnými parametry a jen 200 obchody v historii je matematicky odsouzena k přeoptimalizaci bez ohledu na to, jak hezky vypadá equity křivka.

Strategie, která neprojde těmito čtyřmi testy, se nepředělává donekonečna — zahazuje se. Snaha "zachránit" přeoptimalizovanou logiku dalším laděním parametrů jen přidá další vrstvu curve fittingu na tu původní.

Metriky, podle kterých strategii pouštíte dál nebo zabíjíte

Strategie postupuje dál jen tehdy, když splní konkrétní prahové hodnoty u expektance, profit factoru, max drawdownu a MAR ratio současně — ne když má hezkou equity křivku. Backtest, který vypadá dobře na první pohled, ale neprošel touto kombinací čísel, je jen hypotéza, ne systém připravený na demo trading.

Expektance a profit factor: co ještě dává smysl

Expektance je průměrný výsledek na jeden obchod v R (násobcích rizika) — říká vám, kolik reálně vyděláte na obchod, když zprůměrujete výhry i prohry. Cokoli pod 0,15R na obchod je za hranicí spreadu a slippage prakticky k ničemu. Profit factor (hrubý zisk / hrubá ztráta) nad 1,5 je solidní, nad 2 už je podezřele hezký a zaslouží kontrolu na přeoptimalizaci.

Samotný profit factor bez počtu obchodů ale nic neříká. Profit factor 2,5 ze 40 obchodů je šum — jedna série streaků ho tam dostala náhodou. Stejné číslo z 500+ obchodů je statisticky opřená informace, se kterou se dá pracovat. Vždy se ptejte: "na kolika obchodech to číslo stojí?"

Max drawdown, CAGR a MAR ratio

Max drawdown je největší pokles equity od predchozího maxima v procentech účtu — a v prop tradingu je důležitější než roční výnos, protože právě on vás vyřadí z challenge dřív, než uvidíte jakýkoli CAGR. CAGR (roční zhodnocení) bez kontextu drawdownu je zavádějící číslo — 40 % ročně s 35% drawdownem je jiná hra než 40 % s 12% drawdownem.

MAR ratio spojí obě čísla do jednoho poměru: CAGR / max drawdown. MAR nad 0,5 je použitelné, nad 1 je solidní systém, nad 2 patří mezi nejlepší veřejně publikované strategie. Je to nejrychlejší způsob, jak porovnat dvě strategie s úplně jiným rizikovým profilem na jedno číslo.

Délka a hloubka drawdownu — co psychicky ustojíte

Metrika, kterou většina lidí při vyhodnocování backtestu úplně ignoruje, je nejdelší drawdown v kalendářních dnech — ne v procentech, ale v čase. Strategie s max drawdownem 15 % vypadá bezpečně, ale pokud v backtestu stráví šest měsíců pod vodou předtím, než se equity vrátí na nové maximum, je téměř jisté, že ji v reálném provozu vypnete přesně ve chvíli, kdy se má obrátit. Podrobný rozbor toho, jak drawdown v praxi počítat a jak nastavit vlastní limity, najdete v samostatném článku o drawdownu — tady jde hlavně o to zařadit délku drawdownu mezi metriky, které rozhodují o tom, jestli strategii vůbec pustíte na živý účet.

Průchodová kritéria: kdy jde strategie na demo

Strategie postupuje na demo trading až po splnění všech kritérií zároveň, ne jednoho z nich. Jednotlivé silné číslo — třeba skvělý profit factor — nekompenzuje slabinu jinde, protože slabé místo se v reálném provozu projeví jako první.

• Kritérium pro postup na demo: expektance ≥ 0,15R, profit factor ≥ 1,5 na alespoň 300 obchodech, max drawdown ≤ 20 % účtu, MAR ratio ≥ 0,5 a nejdelší drawdown pod 90 kalendářních dní — všechno zároveň, ne jen jedna metrika, která se vám líbí nejvíc.

Rodiny algo trading strategií od trend followingu po HFT

Algo trading strategie se dělí do pěti základních rodin podle toho, na jaké tržní chování sázejí — a každá rodina má úplně jiné nároky na kapitál, infrastrukturu i vaše nervy. Pro drtivou většinu retail traderů dává smysl jen první dvě rodiny z tabulky níže, zbytek je buď příliš kapitálově náročný, nebo technologicky nedostupný.

Trend following a breakout systémy

Trend following sází na to, že pohyb, který se rozjede, má tendenci pokračovat — vstupujete do proražení konsolidace nebo do pullbacku ve směru vyššího trendu. Win rate bývá nízký, často 35–45 %, ale poměr R:R u vítězných obchodů to přebije. Tahle rodina je nejpřívětivější pro začátek: málo obchodů, jasná logika, funguje na XAUUSD i US100, a hlavně — přežije prokluzy a šum, protože stop je daleko od vstupu.

Mean reversion a range systémy

Mean reversion vsází na návrat ceny k průměru po přestřelení — a proto má typicky vysoký win rate, klidně 65–80 %. Právě to je past: strategie sbírá malé zisky obchod za obchodem, dokud nepřijde jeden silný trendový den nebo zpráva typu překvapivé rozhodnutí FOMC, kdy se "návrat k průměru" nekoná a cena jede dál proti vám. Jeden neošetřený obchod bez tvrdého stop lossu dokáže smazat zisk z posledních padesáti. Pokud tuhle rodinu tradujete, tvrdý stop není volitelný parametr.

Párový trading a statistická arbitráže

Statistická arbitráž hledá dvojice nebo koše korelovaných instrumentů a obchoduje odchylku od jejich historického vztahu — klasicky dva korelované futures kontrakty na CME. Funguje to, ale vyžaduje kvalitní datový feed na víc instrumentů současně, rychlé přepočty korelace a dostatečný kapitál na to, aby transakční náklady nesežraly okraj. Pod $15,000 kapitálu se tahle rodina prakticky nevyplácí.

Market making a HFT: proč jsou pro retail nedostupné

Market making a HFT jsou slepá ulička pro retail a je potřeba to říct přímo. Nejde o strategii, kterou byste "nepochopili" — jde o infrastrukturu. Kolokovaný stroj sedící fyzicky vedle matching enginu burzy má latenci v mikrosekundách, vy s domácím internetem a retail brokerem jste v milisekundách, tedy tisíckrát pomalejší. K tomu institucionální hráči mají poplatkovou strukturu maker-taker, která jim za poskytování likvidity platí, zatímco vy jako taker platíte. A mají přístup k order flow datům, která retail účet nikdy neuvidí. Bez rychlosti, poplatkové výhody a dat na tenhle stůl nemá smysl sedat.

Co si vybrat jako první strategii

Začněte u nízkofrekvenčního trend followingu nebo breakout systému na XAUUSD, US100 nebo CME futures — instrumenty s dostatečnou likviditou a rozumným spreadem, kde vám pár desítek obchodů ročně stačí na statisticky smysluplný test. Mean reversion přidejte až ve chvíli, kdy máte zvládnutý risk management natolik, že vás jeden divoký den nepošle na nulu.

Nástroje a jazyky: Pine Script, MQL5, Python nebo cAlgo?

Realistický stack vypadá takto: hypotézu prototypujete v Pine Scriptu, seriózní backtest a produkci řešíte v MQL5 nebo Pythonu, futures pouštíte na For Traders X. Žádný z těchto nástrojů nepokryje celou cestu sám — kdo se snaží tlačit vše přes jeden jazyk, obvykle si zbytečně komplikuje fázi, která by měla být rychlá (prototyp), nebo naopak fázi, která musí být přesná (produkce).

Pine Script a TradingView: rychlý prototyp hypotézy

Pine Script je nejrychlejší cesta, jak ověřit, jestli má vaše hypotéza vůbec nějakou hranu. Napíšete podmínku vstupu, spustíte strategy tester na grafu a za pár minut vidíte equity křivku. Nevýhoda: backtest v TradingView pracuje s omezenou hloubkou historických dat a s bar-by-bar logikou, která neřeší slippage a fill na úrovni ticků realisticky. Pine Script strategie je skvělá na "je tenhle nápad vůbec naživu?" — ne na finální validaci před nasazením kapitálu.

MQL5 a MetaTrader 5: produkční prostředí pro FX a XAUUSD

Pro obchodování na FX páry a XAUUSD zůstává MetaTrader 5 s MQL5 programováním nejrozšířenější produkční volbou. Strategy Tester v MT5 pracuje s tickovými daty, umí modelovat spread a slippage přesněji než webové platformy, a expert advisor, který v něm napíšete, běží přímo na účtu bez dalšího mostu mezi backtestem a živým tradingem. Cena za to je strmější učební křivka — MQL5 je C++ podobný jazyk s vlastní syntaxí, a debug expert advisora bez porozumění základům je frustrující zkušenost.

Python (backtrader, VectorBT): research, portfolio a ML

Pokud testujete víc hypotéz najednou, počítáte korelace mezi strategiemi nebo chcete portfolio z několika systémů, Python je nástroj na research. Knihovny jako backtrader nebo VectorBT umožňují vektorizovaný backtest tisíců kombinací parametrů během sekund, napojení na vlastní tick data i jednoduchou cestu k machine learningu, pokud tímhle směrem chcete jít. Živou exekuci pak řešíte přes API brokera nebo přes most na MetaTrader 5 — Python sám o sobě není exekuční platforma.

cTrader / cAlgo a TradeLocker

cTrader s cAlgo nabízí C# prostředí, které je čitelnější než MQL5 a má solidní backtest engine s dobrou prací s tickovými daty. TradeLocker jde jinou cestou — je to spíš moderní exekuční platforma s čistým UI než nástroj na psaní vlastních algoritmů, hodí se spíš jako doplněk k manuálnímu tradingu s automatizovanými alerty než jako základ algo systému.

For Traders X pro CME futures

Pro futures na CME je For Traders X přirozenou volbou v rámci platformy For Traders — pokud stavíte systém na kontrakty jako ES, NQ nebo GC, dává smysl testovat a nasazovat přímo v prostředí, které je s touto třídou aktiv spárované, místo aby vaše FX-orientovaný MQL5 kód řešil futures přes obchodní most.

Musíte umět programovat?

Ne na úrovni softwarového inženýra, ale ano na úrovni základní logiky. Potřebujete rozumět podmínkám, cyklům a funkcím natolik, abyste si přečetli vlastní kód a věděli, co který řádek dělá — na zbytek existují knihovny, šablony a hotové funkce, které tuhle práci odvedou za vás. Problém nastává, když si necháte napsat celý expert advisor někým jiným a sami mu nerozumíte: v den, kdy se strategie začne chovat jinak než na backtestu (a to se stane), nebudete schopni najít, kde se láme logika, a systém bude dál jet do ztráty, protože ho neumíte zastavit ani opravit.

Totéž platí pro hotové EA z marketplace. Pokud vidíte robota s krásnou equity křivkou za pár desítek dolarů, ptejte se proč ho vlastně prodávají — kdyby měl skutečně stabilní hranu při rozumném riziku, dávalo by mnohem větší smysl tradovat ho sám na vlastní kapitál než ho balit do krabičky za cenu večeře.

Jak navrhnout EA, aby přežilo prop challenge

Ano, Expert Advisor lze na Trading Challenge spustit, ale pravidla platformy nejsou kulisa, kterou obejdete chytrým skriptem — jsou to vstupní parametry, se kterými musíte počítat už při návrhu sizingu, ne až když vám challenge vyhodí margin call. Kdo napíše strategii nezávisle na limitech a pak ji "nějak" napasuje na účet, obvykle prohraje ne na trhu, ale na vlastní risk logice.

Max drawdown a daily loss limit jako tvrdý vstup do sizingu

Sizing EA na prop challenge se nepočítá z průměrné ztráty backtestu, ale z nejhoršího historického dne. Pokud máte účet $10,000 (cca 230 000 Kč) s daily loss limitem 5 % ($500) a backtest ukázal nejhorší den na úrovni 4,8 R (ne průměrných 1,2 R), pak vaše maximální riziko na den je $500 / 4,8 ≈ $104 rozpočítaných mezi všechny otevřené pozice — ne $500 na jeden obchod. Stejnou logikou se odvíjí i max drawdown: pokud je nastaven jako statický na 10 %, EA musí mít vlastní interní tvrdý stop výrazně pod touto hranicí, protože mezi kontrolou platformy a exekucí vašeho příkazu uplyne čas a slippage se počítá.

Kolik paralelních pozic a jaká korelace instrumentů

Tři EA běžící současně na XAUUSD, US100 a NSDQ nejsou tři nezávislé strategie — jsou to tři paže jedné rizikové expozice, protože gold a americké indexy reagují na stejné makro impulzy (FOMC, výnosy dluhopisů, dolarový index). Když trh dostane strach, všechny tři pozice se pohnou stejným směrem najednou a váš daily loss limit padne za pár minut, i když každý EA sám o sobě vypadal disponovaně. Praktické pravidlo: počítejte korelovanou expozici jako jeden trade s jedním risk budgetem, ne jako tři samostatné.

News filtr, víkendové gapy a držení pozic přes rollover

Spread se kolem NFP a FOMC umí roztáhnout na násobky běžné hodnoty a stop loss se vyplní o desítky pipů dál, než jste čekali — proto EA potřebuje news filtr, který obchodování kolem těchto oken buď zastaví, nebo aspoň drasticky sníží velikost pozice. Stejně tak víkendové gapy dokážou přeskočit stop loss úplně, pokud EA drží pozici přes pátek do neděle. Pravidla For Traders obvykle definují, zda je držení přes víkend nebo přes rollover povolené — a pokud ano, počítejte s tím, že se stop loss v tu chvíli stává jen orientační hodnotou, ne garancí.

Zakázané techniky: latency arbitráž, tick scalping, HFT

Latency arbitráž (využívání zpožděné aktualizace ceny mezi feedy), agresivní tick scalping v řádu milisekund a čistě HFT přístupy jsou napříč prop trading firmami standardně zakázané — nejde o edge nad trhem, ale o exploit cenové infrastruktury brokera nebo poskytovatele likvidity, který v reálném provozu s reálnou likviditou stejně nefunguje. Než EA nasadíte, projděte si aktuální pravidla For Traders — porušení těchto bodů vede k okamžitému zrušení účtu bez ohledu na to, jak dobře strategie vypadala na backtestu.

Instant Funding vs. dvoufázová challenge z pohledu robota

Pro EA je klíčový rozdíl v tom, kolik prostoru dostanete na to, aby se strategie statisticky projevila. Dvoufázová Trading Challenge dává robotovi víc obchodů na prokázání edge, ale drawdown se často resetuje mezi fázemi. Instant Funding jde rovnou na fundovaný účet bez evaluace, obvykle s přísnějšími denními limity — což nutí EA pracovat s menším sizingem od prvního dne.

Výhody a limity algo tradingu ve srovnání s diskrečním přístupem

Výhody

• Konzistentní exekuce — robot neposune stop loss, protože doufá, že se cena vrátí
• Testovatelnost hypotézy na historických datech ještě před riskováním kapitálu
• Reakce v milisekundách a schopnost sledovat víc instrumentů i timeframů najednou
• Statistika místo pocitu: každé pravidlo má měřitelný přínos k expektanci
• Snadnější dodržení pravidel prop challenge, pokud jsou limity zapsané přímo v kódu

Nevýhody / rizika

• Vysoké riziko overfittingu — krásná equity křivka z backtestu často nepřežije první měsíc
• Technická režie: kód, data, VPS, aktualizace platformy a debugging o víkendu
• Systém nerozpozná změnu tržního režimu, dokud mu ji nenaprogramujete
• Slippage, latence a chyby ve zpracování dat umí smazat celý papírový edge
• 80 % práce je před prvním fillem — návratnost investovaného času je vidět až po měsících

Časté otázky