Algo trading: kompletní průvodce od hypotézy po nasazení

By Jakub Rož · Founder & CEO, For Traders

Algo trading (algoritmické obchodování) je způsob tradingu, kdy vstupy, výstupy a řízení rizika provádí počítačový program podle předem definovaných pravidel, nikoli člověk v reálném čase. Podle odhadů burz tvoří algoritmické příkazy dnes zhruba 60–80 % objemu na velkých akciových a futures trzích; retail trader ale nesoutěží s HFT desky — pracuje v časových rámcích od minut po dny, kde rozhoduje kvalita hypotézy, poctivý backtest a řízení drawdownu.

Klíčové poznatky

• Algo trading je exekuce předem naprogramovaných pravidel — jeho hlavní výhodou není rychlost, ale konzistence a absence emocí.
• Životní cyklus systému má šest fází: hypotéza → data → backtest → walk-forward → forward test na demu → nasazení na VPS a monitoring.
• Overfitting (přeoptimalizace na historická data) je hlavní důvod, proč strategie s krásnou equity křivkou v backtestu na živém trhu selže.
• Statisticky použitelný backtest potřebuje řádově 200+ obchodů a rozdělení dat v poměru zhruba 70/30 na in-sample a out-of-sample.
• Programování není podmínkou vstupu — Pine Script nebo hotový Expert Advisor stačí na start, Python a MQL5 jsou nutné až pro vlastní edge.
• Na prop challenge mění design robota tři pravidla: max drawdown, daily loss limit a zákaz latency arbitráže a HFT technik — systém musí být na ně stavěný od začátku.

Podívejte se: související video

Co je algo trading a jak se liší od ručního tradingu

Algo trading je trading, kde vstup, výstup i velikost pozice určuje program podle předem daných pravidel — ne trader, který v daný moment kouká na graf a rozhoduje se pod tlakem. Algoritmické obchodování tedy neznamená kouzelný software, který za vás vydělává peníze. Znamená to, že rozhodnutí, která by jinak padala v reálném čase (a pod vlivem emocí), padla už dřív, ve fázi návrhu a testování.

Definice: algoritmus, systém, robot — v čem je rozdíl

Tyto tři pojmy se v komunitě zaměňují, ale nejsou to synonyma:

• Algoritmus — čistá logika. Sada podmínek typu „když cena protne klouzavý průměr shora dolů a RSI je pod 30, vstup do longu."
• Tradingový systém — algoritmus plus risk management: velikost pozice, stop loss, maximální drawdown, pravidla pro více pozic současně. Tohle je to, co reálně řídí váš účet.
• Robot / Expert Advisor (EA) — konkrétní implementace systému v platformě, nejčastěji v MetaTrader 5, napsaná v programovacím jazyce dané platformy tak, aby vykonávala obchody automaticky.

Jinými slovy: algoritmus je nápad, systém je nápad s pravidly na řízení rizika, EA je nápad puštěný do provozu. Automatický tradingový systém bez druhé vrstvy — bez risk managementu — je jen rychlý způsob, jak vybouchnout účet.

Co algo trading NENÍ (a proč není automat na peníze)

Automatizace neodstraňuje riziko. Jen ho přesouvá z reálného času (kde rozhodujete pod tlakem, ve stresu, s FOMO) do fáze návrhu (kde máte čas, data a klid testovat hypotézu na historii). Pokud je hypotéza špatná, EA ji bude plnit disciplinovaně a rychle — do ztráty. Algo trading není:

• garance zisku — je to nástroj na konzistentní exekuci strategie, která může být stejně tak zisková jako ztrátová,
• „nastav a zapomeň" bez dohledu — systémy degradují, trhy se mění, korelace se rozpadají,
• náhrada za pochopení trhu — bez edge (statistické výhody) v datech vám žádný kód nepomůže.

Ruční vs. algoritmický trader: kde je reálná výhoda

Rozdíl mezi diskrečním (ručním) a systematickým (algoritmickým) tradingem se nejlépe ukáže na třech osách.

Reálná výhoda algo tradingu není v tom, že by „věděl víc" než zkušený diskreční trader — je v tom, že stejnou strategii dokáže otestovat na tisících obchodů z historie a pak ji spustit bez odchylky od pravidel. Diskreční trader má naopak výhodu v adaptaci na nečekané situace, kde žádný backtest data neměl. Právě proto řada tradeřů kombinuje obojí: systematický vstup, diskreční filtr na vyšší timeframe.

Jak algo trading funguje krok za krokem: životní cyklus systému

Algoritmické obchodování má šest fází od nápadu po živý účet a v každé z nich systém buď postupuje dál, nebo končí v koši — a to je zdravý proces, ne selhání. Reálný časový odhad od první myšlenky po první živý obchod je 4–12 týdnů, pokud to děláte poctivě. Kdo tento proces zkrátí na víkend, nekóduje strategii, jen si maluje čáry do grafu s odstupem.

Fáze 1–2: hypotéza a sběr dat

Každý algoritmický systém začíná tržní hypotézou — konkrétním, testovatelným tvrzením o chování trhu. Ne „gold je volatilní", ale například: „po londýnském otevření pokračuje XAUUSD ve směru prvního impulzu následujících 90 minut s vyšší pravděpodobností než náhodná procházka." Výstupem fáze 1 je jedna věta, kterou dokážete buď vyvrátit, nebo potvrdit na datech.

Fáze 2 je sběr dat — a tady se láme chleba mezi amatérem a někým, kdo to myslí vážně. Rozdíl mezi tick daty a OHLC daty není kosmetický: OHLC svíčky vám zamaskují, co se dělo uvnitř minuty, tick data ukážou skutečné pořadí fillů a umožní realističtější simulaci slippage. Pro strategie na H1 a výše OHLC obvykle stačí, pro scalping nebo cokoliv, kde záleží na pořadí exekuce v rámci svíčky, bez tick dat backtest lže. Kritérium pro postup: máte čistá, bez mezer, minimálně 3–5 let historie pokrývající různé režimy trhu (trend, range, vysoká i nízká volatilita).

Fáze 3–4: backtest a walk-forward validace

Tady umírá naprostá většina hypotéz — a je to v pořádku. Zkušenost napříč komunitou algo tradingu ukazuje, že z každých deseti hypotéz, které projdou do backtestu, jich dál postoupí jedna až dvě. Backtest ve fázi 3 odpoví na otázku „fungovalo by to historicky vůbec?" — hledáte pozitivní expektanci, rozumný poměr max drawdownu k výnosu a dostatečný počet obchodů (stovky, ne desítky), aby výsledek nebyl náhoda.

Fáze 4, walk-forward analýza, je sekce, kde se odhalí přeoptimalizované systémy. Místo jednoho testu na celé historii rozdělíte data na navazující okna — optimalizujete na prvním, ověříte na následujícím neviděném, posunete okno dál a opakujete. Pokud výkonnost mimo optimalizační okno výrazně propadá, strategie je nafitovaná na minulost a končí zde. Kritérium pro postup: konzistentní výsledky napříč více walk-forward okny, ne jedno hezké číslo z jednoho běhu.

Fáze 5–6: forward test na demu a nasazení na VPS

Backtest a walk-forward vám řeknou, jestli hypotéza měla logiku v historii. Forward test na demu ve fázi 5 vám řekne, jestli přežije v reálném čase se skutečným spreadem, skluzem a latencí — a to je jiná disciplína. Běžíte minimálně 4–8 týdnů na demu bez jediného ručního zásahu do pravidel. Kritérium pro postup: výsledky forward testu se řádově shodují s tím, co predikoval walk-forward — pokud se rozcházejí o řád, je ve fázi 3–4 chyba, kterou jste přehlédli.

Fáze 6 je nasazení na VPS (virtuální server), který běží 24/7 nezávisle na vašem notebooku — výpadek internetu u vás doma nesmí znamenat otevřenou pozici bez stop lossu. Teprve tady začíná ostrý provoz, obvykle nejprve na menším rizikovém nastavení, než postupně navýšíte na plnou velikost pozice. Přibližně 80 % celkové práce je hotovo dřív, než padne první živý obchod — což je přesný opak toho, jak si algo trading pro začátečníky většina lidí představuje.

Typy algo strategií a která je reálná pro retail tradera

Algo strategie se dělí podle tržní neefektivity, kterou využívají, a podle latence, kterou vyžadují. Retail trader s notebookem a VPS má reálnou šanci u strategií s horizontem minuty až dny — u strategií měřených v mikrosekundách prohrává dřív, než stiskne enter.

Než si vyberete, kterým směrem se vydáte, je dobré vidět všechny hlavní rodiny algo trading strategií vedle sebe — s reálnými čísly na frekvenci obchodů, infrastrukturu a kapitál, ne s marketingovým příslibem "algoritmus vydělává, zatímco spíte".

Trend following a breakout systémy

Nejpřístupnější a nejpoctivější kategorie pro retail. Trend following čeká na potvrzený pohyb a jede s ním, breakout otevírá pozici v momentu proražení konsolidace — typicky na H4 nebo D1, s pár desítkami obchodů měsíčně. Edge nestojí na rychlosti, ale na disciplíně: dodržet stop loss, nechat vyhrané obchody běžet, nezasahovat manuálně do logiky. Přesně tady se také nejčastěji testují algo trading strategie na fundovaných účtech, protože nižší frekvence obchodů dobře sedí s pravidly typu daily loss limit nebo max drawdown.

Mean reversion a range strategie

Mean reversion vsází na to, že cena se po vychýlení vrátí k průměru — funguje dobře v rangi, na XAUUSD nebo indexových párech mimo velké fundamentální zprávy typu FOMC nebo NFP. Frekvence obchodů je vyšší (desítky až stovky měsíčně), spread a slippage proto hrají větší roli než u trend followingu. Nevýhoda: strategie, která je zisková v klidném trhu, umí v silném trendu generovat sérii ztrát za sebou — proto se mean reversion skoro nikdy nenasazuje samostatně, ale v kombinaci s trendovým systémem, který jede opačným směrem.

Statistická arbitráž, market making a HFT — proč jsou mimo dosah retailu

Statistická arbitráž a párový trading hledají dočasnou odchylku ve vztahu mezi dvěma korelovanými instrumenty — to je ještě technicky dosažitelné, i když vyžaduje kvalitní historická data a solidní statistický aparát. Market making a HFT jsou ale jiná liga. Market maker kotíruje nákup i prodej současně a vydělává na spreadu tisíckrát denně — to vyžaduje přímé napojení na burzu a kapitál v řádu statisíců až milionů dolarů. HFT jede v mikrosekundách a bez kolokace serveru přímo v datacentru burzy (viz technická data CME Group) nemáte šanci — konkurujete firmám, které investují miliony do hardwaru jen kvůli tomu, aby ušetřily pár mikrosekund na kabelu. Marketing občas tuto hranici zamlčuje a prodává "HFT pro retail" jako produkt — realisticky jde vždy o strategii s výrazně nižší frekvencí, jen s cizím názvem.

Reálný edge retail tradera leží jinde: nižší frekvence, méně obchodovaná okna (např. mimo londýnské a newyorské překryvy), a hlavně kombinace více nekorelovaných systémů — trend following na zlatě, mean reversion na indexu, breakout na FX páru — tak, aby jeden systém tlumil ztráty druhého.

Nástroje a jazyky: MQL5 vs Python vs Pine Script

Volba jazyka a platformy určuje strop toho, co si vůbec můžete otestovat a kam svůj systém nasadíte — MQL5 vás naučí rychle spustit expert advisor MT5, Python vám otevře dveře k pořádnému výzkumu a strojovému učení, Pine Script vám dá nejrychlejší start, ale bez plnohodnotné automatizace. Žádný z nich není univerzálně "nejlepší", každý řeší jinou fázi cesty od nápadu k živému systému.

MetaTrader 5 a MQL5: standard pro forex a gold

MQL5 je jazyk postavený na C++, nativně integrovaný do MetaTrader 5, a je to stále defaultní volba pro forex a gold — tedy přesně ty trhy, kde se na platformách jako For Traders obchoduje nejvíc objemu. Výhoda je exekuce: expert advisor MT5 běží přímo v terminálu, žádný můstek, žádná latence navíc. Knihovna hotových EA a indikátorů je obrovská, najdete tam desítky let nasbíraného kódu od komunity. Slabina je na druhé straně — datová analýza a statistika jsou v MQL5 syrové, chybí vám pandas-like nástroje, vizualizace je základní a strojové učení prakticky neexistuje bez externích knihoven.

Python: Backtrader, VectorBT a vlastní výzkum

Pro vlastní edge a seriózní výzkum je Python algo trading dnes standard. Backtrader vám dá čitelný framework na event-driven backtesty s realistickou simulací provizí a slippage, VectorBT jde opačným směrem — vektorizované backtesty na tisících kombinací parametrů během sekund, ideální na rychlé screening testy hypotéz. Problém je exekuce: Python sám o sobě nic neobchoduje, potřebujete můstek na broker/prop platformu přes API, což znamená další vrstvu kódu a další místo, kde se něco může rozbít.

TradingView Pine Script

Pine Script je nejrychlejší cesta od nápadu k první strategii — syntaxe je jednoduchá, backtesty vidíte hned ve stejném okně jako graf. Háček je v tom, že backtesty jsou zjednodušené (bez realistického skluzu na volatilních M1 svíčkách) a plnohodnotná automatizace chybí — potřebujete webhook a externí exekuční vrstvu, TradingView sám o sobě příkazy na účet neposílá.

cTrader, TradeLocker a For Traders X

Pokud tradujete přes cTrader, automatizaci řešíte v cAlgo přes C# — o řád strukturovanější jazyk než MQL5, ale s menší komunitou hotových řešení. TradeLocker automatizaci nativně nenabízí, funguje spíš jako discretionary a copy-trading platforma. Pro futures na For Traders X je situace jiná — jde o platformu specificky pro futures kontrakty na CME, kde se automatizace řeší přes napojení na kompatibilní exekuční nástroje, nikoli přes vlastní skriptovací jazyk jako MQL5 nebo Pine Script.

Musíte umět programovat? Ne pro start — hotové EA na MQL5 nebo šablony na Pine Scriptu vás dostanou k prvnímu backtestu bez jediného řádku kódu. Ano, pokud chcete vlastní edge, který nikdo jiný nemá — tam se bez alespoň základů Pythonu nebo MQL5 neobejdete. Počítejte i s jazykovou bariérou: dokumentace k Backtraderu, VectorBT i většina fórových diskuzí k MQL5 je téměř výhradně v angličtině, český obsah je minimální. Pokud jste z IT a kód vám nevadí, jděte přímo do Pythonu — ušetříte si pozdější přepisování. Pokud jste trader bez programátorské historie, začněte v MQL5 nebo Pine Scriptu na hotové logice a Python nechte na chvíli, kdy budete přesně vědět, co chcete testovat.

Backtest, který nelže: data, metriky a walk-forward analýza

Backtest je simulace tradingové strategie na historických datech; walk-forward analýza je jeho poctivější verze — strategie se optimalizuje na jednom úseku dat a testuje na následujícím, který nikdy neviděla. Rozdíl mezi těmito dvěma přístupy je přesně ten rozdíl mezi strategií, která na papíře vydělává, a strategií, která vám po dvou týdnech živého tradingu sebere celý účet.

Kvalita dat rozhoduje víc než sofistikovanost logiky. Můžete mít genialní vstupní signál, ale pokud backtest ignoruje spread, počítá s nulovou slippage a nezahrnuje komisi, klidně vám z prodělečného systému vyrobí zdánlivý zlatý důl. Než začnete cokoliv optimalizovat, potřebujete odpověď na tři otázky: kolik obchodů backtest generuje, kolik režimů trhu pokrývá a jak poctivě modeluje reálné podmínky exekuce.

Kvalita dat: tick data, spready a modelování slippage

Pro spolehlivý backtest tradingové strategie potřebujete tick data, ne jen OHLC svíčky — u strategií, které vstupují na zlomech nebo pracují s tight stop lossy, rozdíl mezi cenou na M1 svíčce a skutečnou exekucí dokáže změnit ziskovou strategii na ztrátovou. Na XAUUSD, kde se spread během NFP nebo FOMC uměl roztáhnout z běžných 15–20 centů na několik dolarů, backtest bez modelovaného proměnného spreadu vytváří naprosto fiktivní čísla. Stejně tak započítejte slippage — realisticky 1–3 ticky na liquidním trhu, víc při vysoké volatilitě — a komisi brokera nebo platformy. Bez toho testujete strategii, která v reálném světě neexistuje.

Metriky, které rozhodují: profit factor, max DD, expectancy, Sharpe

Samotný profit factor bez max drawdownu neříká nic — strategie s profit factorem 2,5 a max DD 45 % je z pohledu risk managementu horší než strategie s profit factorem 1,6 a max DD 12 %. Potřebujete číst metriky společně, ne izolovaně:

Pro statistickou relevanci počítejte s minimem cca 200 obchodů a ideálně 3+ roky dat, které pokrývají různé režimy trhu — trend, range, vysokou i nízkou volatilitu. Strategie odbacktestovaná jen na klidném roce 2023 se v roce 2025 na gapech kolem sazeb Fedu rozpadne.

Walk-forward optimalizace v poměru 70/30

Walk-forward optimalizace funguje takto: vezmete data, rozdělíte je na klouzavá okna, typicky v poměru 70/30 — 70 % in-sample na optimalizaci parametrů, 30 % out-of-sample na test. Na XAUUSD by to konkrétně vypadalo třeba takto: optimalizujete parametry na datech leden 2023 – červen 2024 (in-sample), testujete beze změny parametrů na červenec–prosinec 2024 (out-of-sample), pak celé okno posunete o pár měsíců vpřed a opakujete. Pokud výsledky na out-of-sample segmentech soustavně kolabují vůči in-sample, strategie je overfitovaná na šum, ne na skutečnou tržní neefektivitu.

Overfitting a další biasy, které zabijí vaši strategii

Overfitting je stav, kdy je strategie natolik přizpůsobená historickým datům, že popisuje jejich šum místo skutečné tržní neefektivity. Vypadá to jako svatý grál na backtestu a na živém účtu se rozpadne během tří týdnů. Je to nejčastější důvod, proč tradeři projdou paper tradingem s nádhernou equity křivkou a pak přijdou o fundovaný účet v prvním měsíci ostrého provozu.

Overfitting (curve fitting): jak poznat přeoptimalizovaný systém

Curve fitting poznáte podle několika typických signálů, které byste si měli hlídat ještě před nasazením kapitálu:

• Víc než 4–5 optimalizovaných parametrů — každý další volný parametr exponenciálně zvyšuje šanci, že systém jen popisuje minulost, ne budoucnost.
• Ostrý pík v optimalizační mapě místo širokého plateau — pokud změna jednoho parametru o 5 % rozhodí výsledek o desítky procent, netradujete edge, tradujete náhodu.
• Výkon padá o desítky procent na out-of-sample datech oproti in-sample segmentu — to je přesně ten scénář z XAUUSD příkladu výše.
• Extrémně vysoký win rate (90 %+ na intradenním systému) bez odpovídajícího R:R — obvykle znamená, že systém je nakalibrovaný na to, aby "vyhrával" na historických datech, ne na to, aby měl skutečnou statistickou hranu.

Robustnost strategie testujte i pomocí Monte Carlo simulace — zamícháte pořadí obchodů nebo přidáte náhodný šum do vstupních cen a sledujete, jak moc se rozjede rozpětí výsledných equity křivek. Úzké rozpětí = robustní systém. Široké rozpětí, kde část scénářů skončí v ruinu, = systém stojící na hraně štěstí.

Look-ahead bias a survivorship bias

Look-ahead bias znamená, že backtest použije informaci, kterou trh v daném okamžiku ještě neznal — typicky když se do signálu omylem propíše finální (revidovaná) hodnota ekonomického ukazatele místo jeho prvního odhadu publikovaného v čase obchodu. Survivorship bias vzniká, když testujete strategii jen na aktivech nebo systémech, které "přežily" do dneška, a tím ze vzorku vyřadíte všechny zkrachovalé nebo delistované instrumenty, což výsledky systematicky nadhodnocuje.

Data-mining bias: proč tisíc testů vždycky najde 'vítěze'

Data-mining bias je jev, kdy testováním stovek až tisíců kombinací parametrů na stejném datasetu nutně narazíte na kombinaci, která na papíře vypadá ziskově čistě náhodou — bez ohledu na to, jestli za ní stojí reálná tržní neefektivita. Čím víc kombinací zkoušíte, tím vyšší je pravděpodobnost falešně pozitivního výsledku, a právě proto je out-of-sample test a walk-forward analýza povinná součást procesu, ne volitelný bonus.

Checklist, kdy strategii zabít ještě před nasazením:

1. Pokud má víc než 5 volných parametrů a nemáte silnou fundamentální hypotézu, proč zrovna tyto — zahoďte ji.
2. Pokud optimalizační mapa nemá plateau, ale ostrý pík — zahoďte ji.
3. Pokud out-of-sample výkon padá o víc než 40–50 % proti in-sample — zahoďte ji.
4. Pokud Monte Carlo simulace ukazuje reálnou šanci na ruinu při rozumném počtu obchodů — zahoďte ji.
5. Pokud win rate přesahuje 85 % bez odpovídajícího zdůvodnění v logice vstupů — prověřte ji na look-ahead bias.

Od kódu k živému trhu: VPS, latence, slippage a reálné náklady

Latence je časová prodleva mezi vygenerováním signálu a jeho provedením na trhu; slippage je rozdíl mezi očekávanou a skutečně dosaženou cenou. Obě veličiny existují v každém backtestu jen jako zjednodušený předpoklad — v živém provozu je to reálné peníze, které vám mizí z edge dřív, než stihnete otevřít statistiku obchodů.

Proč EA potřebuje VPS a jak vybrat lokalitu serveru

Expert advisor (EA) běžící na domácím notebooku je z produkčního hlediska nepoužitelný. Stačí výpadek Wi-Fi, restart kvůli Windows aktualizaci nebo uspání notebooku přes noc, a systém s otevřenou pozicí zůstane bez řízení rizika — žádný trailing stop, žádná reakce na signál k výstupu. VPS (virtuální server) běží 24/7 v datacentru s garantovanou konektivitou a napájením, takže EA má šanci fungovat tak, jak jste ho navrhli.

Klíčové kritérium při výběru VPS pro EA není cena, ale lokalita serveru vůči serveru vaší exekuce. Pokud broker nebo prop firma routují příkazy přes Londýn nebo New York, chcete VPS ve stejném datacentru nebo v jeho těsné blízkosti — ideálně s latencí pod 5 ms k serveru exekuce. Server umístěný ve střední Evropě, zatímco exekuce běží v Londýně, vám přidá desítky milisekund navíc na každý příkaz. Pro swingový systém s dobou v pozici v řádu hodin to nehraje roli. Pro systém s desítkami obchodů denně to postupně ukusuje z edge.

Slippage, latence a spread: skryté náklady, které backtest nevidí

Backtest typicky počítá s fixním spreadem a nulovým nebo minimálním slippage. Živý trh se chová jinak — při zveřejnění NFP nebo FOMC rozhodnutí se spread na hlavních párech i na XAUUSD dokáže na pár sekund roztáhnout na několikanásobek běžné hodnoty a market order se vyplní o desítky pipů dál, než ukazoval graf v okamžiku signálu. To je přesně ten scénář, kde optimisticky nastavený backtest vytváří falešnou představu o ziskovosti.

Reálný dopad slippage a spreadu roste s frekvencí obchodování. Systém, který otevírá pět pozic týdně, unese občasný horší fill. Systém, který otevírá pětadvacet pozic denně, musí mít slippage započítaný přímo do modelu — jinak vám statisticky "funguje" jen na papíře.

Kolik algo trading reálně stojí za rok

Modelový příklad: systém generující 1 200 obchodů ročně (zhruba 4–5 denně) na forexu a XAUUSD. Při průměrném slippage 0,3 pipu a komisi $3,5 na kolo se jen exekuční náklady vyšplhají na částku srovnatelnou s VPS a daty dohromady za celý rok — a to bez jediné ztrátové série. U vysokofrekvenčnějších systémů dokážou tyto náklady sníst celý edge, který na papíře vypadal robustně.

Monitoring a alerting nejsou volitelný doplněk, ale součást risk managementu. Nastavte si notifikace (e-mail, Telegram bot, SMS) na výpadek VPS, ztrátu spojení s terminálem i na chybové hlášky EA. Pokud spojení spadne s otevřenou pozicí, musíte mít předem daný postup — typicky hard stop loss uložený přímo na serveru brokera (server-side), ne jen v logice EA, protože ten po výpadku spojení nevidí trh vůbec.

Algo trading na prop challenge: pravidla, která mění design systému

Algo trading na prop challenge znamená provoz automatizovaného systému v prostředí, kde pevná pravidla max drawdownu a denní ztráty tvrdě omezují variabilitu equity křivky. Systém, který na vašem live účtu generuje krásné dlouhodobé zhodnocení s 18% drawdownem uprostřed cesty, je na challenge často k ničemu — nerozhoduje celkový výnos, ale to, jestli equity křivka jediný den nesjede pod daily loss limit a jestli se maximální propad nikdy nedotkne hranice max drawdownu.

To je zásadní posun v myšlení. EA optimalizovaný na maximální CAGR na vlastním kapitálu typicky bere větší risk na trade, toleruje delší losing streaky a spoléhá na to, že se dlouhodobě vyplatí. Na challenge vás jeden špatný den s agresivním position sizingem může vyřadit ještě předtím, než systém dostane šanci ukázat svou skutečnou edge.

Max drawdown a daily loss limit jako tvrdá omezení v kódu

Nejspolehlivější řešení není hlídat limity ručně, ale zabudovat je přímo do EA jako kill-switch. Praktický postup:

• Systém při startu dne (nebo při každém tiku) počítá aktuální equity vs. equity na začátku obchodního dne — pokud rozdíl překročí např. 80 % nastaveného daily loss limitu, EA přestane otvírat nové pozice a existující uzavře.
• Podobný počítač běží nad celkovým max drawdownem od startu challenge — ne od high water marku, pokud pravidla firmy počítají DD od initial balance.
• Buffer 15–20 % pod skutečným limitem je nutný kvůli slippage a gapům přes víkend nebo FOMC.

Bez tohoto kódu spoléháte na to, že si limit ohlídáte manuálně v čase, kdy trh dělá přesně to, co byste u automatizovaného systému neměli řešit — sedět u obrazovky.

News filtr

News filtr není povinný u každého For Traders produktu, ale vyplatí se i tam, kde ho pravidla nevyžadují. Spready se kolem NFP nebo FOMC rozšiřují, slippage roste a EA testovaný na klidném trhu najednou dostává fill daleko od očekávané ceny. Jednoduchá podmínka — nepouštět nové vstupy X minut před a po vysoce dopadovém releasu — dokáže zachránit den, který by jinak vyčerpal celý daily loss limit na jednom špatně načasovaném vstupu.

HFT a latency arbitráž: co je zakázáno a proč

Prop firmy typicky zakazují latency arbitráž, tick scalping na chybných kotacích, HFT strategie s milisekundovým holding time a kopírování cizích signálů bez vlastní logiky. Důvod je prostý — jde o simulované prostředí bez reálné tržní likvidity, takže tyto techniky nezneužívají skutečný trh, ale mezery v cenovém feedu simulátoru. Zjednodušeně: pokud vaše edge stojí na tom, že najdete chybu v kotaci brokera rychleji než systém stihne kotaci opravit, nejde o algo trading edge, ale o exploit — a ten pravidla challenge vyřadí okamžitě.

Jak přestavět EA, který funguje na vlastním účtu, na challenge režim

1. Snižte risk na trade (typicky z 1–2 % na 0,3–0,5 % equity) a přepočítejte position sizing podle nového max drawdownu.
2. Omezte počet souběžných pozic a hlavně korelovaných instrumentů — tři korelované XAUUSD a EURUSD pozice se chovají jako jedna velká pozice v okamžiku, kdy dolar udělá skok.
3. Přidejte kill-switch na daily loss limit a max drawdown přímo do kódu, ne jen do poznámek.
4. Zapněte news filtr i tam, kde není povinný.
5. Otestujte EA na demo verzi Trading Challenge dřív, než ho pustíte na ostrý pokus — logika řízení rizika se musí projevit dřív, než uvidíte první live equity křivku.

Ne každý typ robota je s pravidly challenge kompatibilní — čistě grid nebo martingale systémy s neomezeným počtem dolívání DD limit prakticky vždy porazí. Pokud váš EA staví na kontrolovaném riziku, jasném stop lossu a rozumné distribuci denních ztrát, přestavba na challenge režim je otázka parametrů, ne přepisování strategie od nuly.

Instrumenty: proč se XAUUSD, US100 a EUR/USD chovají v algo systému jinak

Volba instrumentu ovlivňuje algo systém stejně silně jako samotná logika vstupu — mění velikost pozice, šířku stopu i citlivost na náklady. Stejný vstupní signál (třeba breakout klouzavého průměru) se na XAUUSD, US100 a EUR/USD chová jako tři různé strategie, protože volatilita, spread a session efekty jsou u každého instrumentu jinde.

XAUUSD: vysoké ATR, rozšiřující se spread a session efekty

Gold je na platformě For Traders nejobchodovanějším instrumentem, a to není náhoda — nabízí denní range, který dá tradingovému systému co pracovat, ale zároveň umí potrestat každý špatně nastavený sizing. Fixní stop v pipech na XAUUSD je past: hodnota ATR (average true range) se mění den ode dne o desítky procent, takže stop, který dává smysl v evropské session, je v asijské session zbytečně těsný nebo naopak absurdně široký. Praktické řešení je stop odvozený od ATR (např. 1,5× ATR14 na H1), ne fixní číslo.

Druhý problém je spread. Scalpingové systémy na gold často fungují dobře v backtestu s konstantním spreadem, ale v realitě se spread na XAUUSD rozšiřuje během asijské session a hlavně kolem makro zpráv (NFP, FOMC) — a přesně tam algo systém potřebuje spread nejužší, aby mu edge zůstal po nákladech. Pokud systém nemá filtr na čas nebo na volatilitu zpráv, spread mu edge jednoduše sežere.

US100 / NQ a ES: gapy, RTH vs ETH a role indexových futures

US100 (a jeho futures ekvivalent NQ) i E-mini S&P 500 (ES) se chovají jinak podle toho, jestli obchodujete v RTH (regular trading hours) nebo ETH (extended trading hours). Overnight pozice přes tyto hranice nesou riziko gapu — cena se ráno otevře jinde, než kde zavřela, a stop loss se prostě nevyplní na zadané úrovni, ale na první dostupné ceně po gapu. Pro algo systém to znamená, že výpočet maximálního drawdownu musí počítat s gapem jako s reálným scénářem, ne s ideálním fillem.

Futures algo trading na NQ a ES navíc řeší roll kontraktů a odlišnou likviditu mimo RTH — systém laděný na obchodní hodiny newyorské burzy se v ETH chová nervózně, protože objem je nižší a slippage vyšší.

Majorové měnové páry: nižší volatilita, těsnější spread, slabší trendy

EUR/USD a další majory mají nižší ATR a těsnější spread než gold nebo indexy, ale i slabší trendovou složku — cena se častěji vrací k průměru, než že by táhla směr dál. Proto na majorech obvykle fungují lépe mean reversion systémy než čisté breakouty, které tam generují víc falešných signálů.

Praktické doporučení, které platí pro každou úroveň zkušenosti: začínejte s jedním instrumentem a jedním timeframem, ne s portfoliem deseti párů najednou. Systém, který nerozumíte na jednom trhu, se nezlepší tím, že ho pustíte na dalších devět — spíš znásobíte chyby v sizingu a řízení rizika, které jste na první instrumentu ještě nevychytali.

Psychologie algo tradera: kdy robota vypnout a kdy ne

Psychologie algo tradera se neodehrává při vstupu do obchodu, ale při rozhodnutí, zda systém nechat běžet, nebo ho vypnout. Robot vám sice odstraní emoci z klikání na tlačítko „buy", ale tu samou emoci vám přesune o úroveň výš — do momentu, kdy sledujete equity křivku klesat pátý den v řadě a musíte rozhodnout, jestli je to statistika, nebo pohřeb strategie.

Algo trading emoce neodstraňuje, jen je posouvá jinam. Místo strachu při vstupu máte strach při monitorování. A tenhle strach je zrádnější, protože vypadá jako racionální analýza dat, i když je to pořád jen touha přestat cítit bolest z red čísel na obrazovce.

Jak poznat, že strategie je mrtvá, a ne jen v drawdownu

Statisticky očekávaný drawdown je ten, který váš backtest ukázal jako reálnou součást distribuce výsledků — jen ho teď prožíváte naživo a bolí to víc, než když jste se na něj díval v Excelu. Strukturální selhání je něco jiného: out-of-sample chování se výrazně a trvale liší od historického rozdělení, se kterým jste strategii stavěli.

Rozdíl mezi drawdown vs selhání strategie poznáte podle dat, ne podle pocitu:

• Drawdown v mezích backtestu = počet po sobě jdoucích ztrátových obchodů, velikost poklesu equity a jejich frekvence odpovídají tomu, co jste viděl v historických datech.
• Selhání strategie = win rate se propadl mimo statisticky rozumné pásmo, average R:R se zhoršilo trvale (ne jen v jedné sérii), nebo edge, který strategie využívala (např. konkrétní tržní neefektivita), objektivně zmizel — třeba se trh strukturálně změnil.

Předem definované kill kritérium vás zbaví nutnosti rozhodovat se v afektu. Typicky: drawdown překročí 1,5× historické maximum ze backtestu, nebo systém odehraje 30 a více obchodů bez návratu k očekávané expectancy. Když nastane, systém vypínáte podle pravidla, ne podle nálady.

Zásah do běžícího systému: nejčastější způsob, jak si zabít edge

Manuální zásah do otevřené pozice je nejrychlejší cesta, jak zničit i statisticky validní systém. Přesunutý stop loss, ručně zavřená pozice „protože to vypadá špatně", nebo naopak podržená ztráta „protože se to určitě otočí" — to všechno jsou zásahy, které rozbíjí matematiku, na které byl systém postavený.

Pravidlo je jednoduché a nekompromisní: zákaz manuálních zásahů do otevřených pozic. Pokud chcete systém upravit, upravujete parametry pro budoucí obchody, ne aktuálně běžící pozici. A každá taková úprava patří do tradingového deníku — datum, důvod, konkrétní změna parametru. Bez toho deníku po třech měsících nevíte, jestli váš systém je pořád ten, který jste backtestoval, nebo frankenstein poskládaný z deseti impulzivních zásahů.

Monitoring v praxi: co sledovat týdně a co měsíčně

Týdně sledujte: aktuální drawdown vůči historickému maximu, počet obchodů a jejich shodu s očekávanou frekvencí, technický stav systému (chybí fill, slippage mimo normu, výpadek konektivity).

Měsíčně sledujte: expectancy za posledních 30+ obchodů proti historickému průměru, distribuci výher a proher (neposunula se struktura?), a korelaci s tržním režimem — běží systém stejně dobře v trendu i rangi jako v backtestu?

Empatická poznámka na konec: každý jednou vypnul robota den před tím, než se equity vrátila zpátky nad break-even. Bolí to, ale není to důkaz, že jste udělal chybu — je to důkaz, že disciplína a systémový risk management fungují přesně tak, jak měly, i když výsledek zrovna nekopíruje to, co byste si přál.

Kolik kapitálu potřebujete, legalita a daně v Česku

Algo trading je v České republice legální činnost — automatizace tradingu nepodléhá žádnému zvláštnímu povolení, dokud neobchodujete cizí kapitál jako službu třetím osobám. Otázka tedy není „smím to?", ale „s jakým kapitálem to dává ekonomický smysl?" a „jak si to srovnat s daněmi tak, abyste na konci roku nebyli překvapení."

Realistický startovní kapitál a cesta přes prop challenge

Kolik kapitálu na algo trading reálně potřebujete? Na vlastním účtu dává smysl start od zhruba $5,000–10,000 (cca 115 000–230 000 Kč). Pod touto hranicí vám fixní náklady — VPS server za pár set korun měsíčně, tickový datový feed, případně platforma pro backtest — sežerou příliš velké procento očekávaného výnosu. Systém, který na papíře generuje 15 % ročně, je při kapitálu $1,000 prakticky bezcenný, protože náklady na infrastrukturu ho převálcují dřív, než dostane šanci fungovat.

Praktickou alternativou je pro algo trading pro začátečníky evaluace u prop firmy. Vstupní poplatek za Trading Challenge nahrazuje potřebu vlastního velkého kapitálu — obchodujete na simulovaném kapitálu, a pokud projdete pravidly řízení rizika (max drawdown, denní loss limit), dostanete přístup k fundovanému účtu a nárok na performance rewards z dosažených výsledků. Pro algoritmického tradera je to výhodné hlavně proto, že EA nebo skript musí projít stejnou disciplínou, jakou byste vyžadovali sami od sebe — jasně definovaný risk na trade, žádné martingaly kompenzující ztráty zvyšováním pozice.

Je algo trading v Česku legální?

Ano. Automatizované obchodování na vlastní účet nebo v rámci evaluace u prop firmy nevyžaduje licenci ČNB ani žádnou registraci — nejste investiční zprostředkovatel, pokud neřídíte peníze jiných lidí. Jakmile byste ale nabízeli EA jako signálovou službu třetím osobám nebo spravovali cizí účty, dostáváte se do režimu regulovaných činností a to je jiná liga, kterou tento článek neřeší.

Jak se daní zisky z tradingu a z performance rewards

Daně z tradingu ČR spadají u fyzické osoby bez živnosti typicky pod § 10 zákona o daních z příjmů jako ostatní příjem. To platí jak pro zisky z vlastního účtu, tak logicky i pro performance rewards vyplacené prop firmou — jde o příjem, který musíte přiznat, byť podkladový trading proběhl na simulovaném kapitálu. Praktické komplikace přicházejí u kurzových přepočtů (výplaty často v USD/EUR, přepočet kurzem ČNB k datu příjmu) a u evidence jednotlivých obchodů pro případnou kontrolu.

Tohle je obecná orientace, ne daňové poradenství — konkrétní zařazení, odpočty nákladů (VPS, data, software) a způsob přiznání vždy proberte s účetní nebo daňovým poradcem, ideálně už předtím, než začnete vybírat performance rewards pravidelně.

Plán prvních 90 dnů: co dělat týden po týdnu

1. Týden 1–3 — hypotéza a data: formulujte jednu jasnou tržní hypotézu, sežeňte čistá historická data, žádný kód zatím nepište.
2. Týden 4–6 — backtest a walk-forward: naprogramujte pravidla, otestujte na in-sample datech a ověřte walk-forward analýzou mimo trénovací okno.
3. Týden 7–9 — forward test na demu: pusťte systém live na demo účtu, sledujte rozdíl mezi backtestem a realitou (slippage, fill).
4. Týden 10–13 — nasazení na VPS a případný start challenge: přesuňte robota na VPS pro stabilní běh 24/5 a pokud čísla sedí, otevřete Trading Challenge u prop firmy.

Výhody a nevýhody algo tradingu, o kterých se moc nemluví

Výhody

• Systém provede stejné pravidlo popáté stejně jako poprvé — konzistence, kterou člověk ve stresu neudrží
• Hypotézu lze otestovat na letech historických dat dřív, než na ni riskujete první dolar
• Robot nehýbe stop lossem, protože v to doufá, a neotevře pozici z nudy
• Jeden systém může hlídat víc instrumentů a sessions současně, včetně asijského otevření
• Škálovatelnost: přidání dalšího nekorelovaného systému vyžaduje čas na výzkum, ne další hodiny u grafu

Nevýhody / rizika

• Většina času jde do výzkumu a testování, ne do tradingu — a většina hypotéz skončí v koši
• Overfitting je zákeřný: krásná equity křivka v backtestu často znamená jen dobře popsaný šum
• Technická režie navíc — VPS, výpadky spojení, aktualizace platformy, chyby v kódu
• Trh se mění; systém, který fungoval tři roky, může přestat fungovat bez varování
• Slippage, spread a komise dokážou u vyšších frekvencí sníst celý teoretický edge
• Emoce nezmizí, jen se přesunou — nejtěžší je nechat běžet systém v drawdownu

Časté otázky