Proč většina obchodních robotů ztrácí peníze

By Marcel Hambálek · Senior Trader, For Traders

Obchodní roboti ztrácejí peníze především proto, že jsou optimalizovaní na minulost, ne na trh, který je čeká. Přeučení parametrů, ignorovaný spread a slippage, martingale maskující ztráty a chybějící adaptace na změnu režimu trhu spolehlivě promění krásný backtest v klesající equity křivku. Robot neselhává v kódu, selhává v předpokladech.

Klíčové poznatky

• Hlavní příčinou selhání není špatný kód, ale přeučení (overfitting) — robot se naučil šum historických dat místo opakovatelné hrany.
• Backtest bez modelovaného spreadu, slippage a komisí systematicky nadhodnocuje expectancy — u scalpingu na XAUUSD to často stačí k převrácení strategie do minusu.
• Walk-forward analýza a forward test na simulovaném kapitálu jsou jediné dva testy, které přeučeného robota odhalí předtím, než vás vyřadí drawdown.
• Martingale a grid vypadají v backtestu jako svatý grál, protože skrývají riziko v otevřené plovoucí ztrátě — a právě ta ruší challenge účty.
• V prop challenge robota nejčastěji vyřadí denní limit ztráty počítaný z equity, víkendové gapy a chybějící news filtr, ne série prohraných obchodů.
• Automatizace má největší smysl jako exekuční a disciplinární nástroj, nikoli jako předpovědní stroj — robot má plnit váš plán, ne hádat trh.

Podívejte se: související video

Šest důvodů, proč obchodní roboti ztrácejí peníze — a jak každý z nich otestovat

Odpověď je většinou stejná: robot byl postavený na datech, která už neexistují. Když se zeptáte "jsou trading roboti ziskoví", pravdivá odpověď zní — jen ty, které přežijí šest konkrétních pastí popsaných níže, a naprostá většina obchodních robotů narazí aspoň na jednu z nich do prvních tří měsíců provozu.

Tady je šest kořenových příčin, se kterými se setkáváme nejčastěji u strategií na forexu, zlatě, indexech i futures:

• Overfitting v tradingu — parametry jsou napasované na historická data tak přesně, že strategie zachytila i šum, ne edge.
• Chybný risk management — velikost pozice roste s účtem, ale stop loss zůstává fixní v pipech, ne v R.
• Nulová adaptace na změnu režimu — robot postavený na trendujícím trhu z roku 2022 se rozbije v roce 2026, kdy trh přejde do range.
• Nedostatečné testování — backtest na 200 obchodech, žádný out-of-sample vzorek, žádný forward test na demu.
• Martingale a grid strategie — equity křivka vypadá hladce, dokud jedna série proti trendu nezlikviduje účet za tři dny.
• Nerealistická očekávání — trader čeká 20 % měsíčně bez ohledu na to, co říká profit factor v backtestu.

Diagnostická tabulka: příznak → test → oprava

Následující tabulku použijte na svého vlastního robota — u každého řádku si za půl hodiny odškrtnete, kde systém reálně krvácí.

Jak rozlišit smůlu od strukturální chyby v systému

Náhodný drawdown a rozbitý edge vypadají na křivce podobně — rozdíl poznáte jen z čísel, ne z pocitu. Pravidlo: dokud máte pod 100 uzavřených obchodů, žádný závěr o systému nedělejte, statistický šum je příliš velký na to, aby cokoliv prokázal.

Praktický test: vezměte historii svého automatického tradingu, náhodně zamíchejte pořadí obchodů (ne jejich výsledky) a vygenerujte 500 Monte Carlo simulací equity křivky. Pokud váš reálný drawdown leží uvnitř 90. percentilu těchto simulací, jde pravděpodobně o statisticky normální variabilitu — smůlu. Pokud je váš drawdown hlubší než 95 % simulovaných scénářů, hledáte strukturální chybu, ne smůlu, a měli byste robota zastavit, ne dotovat další kapitál.

Přeučení (overfitting): checklist, kterým poznáte přeučeného robota do 30 minut

Overfitting v tradingu znamená, že strategie ve skutečnosti popisuje šum konkrétního historického vzorku dat, ne opakovatelné chování trhu — a takového robota poznáte podle čtyř měřitelných příznaků dřív, než mu svěříte reálný kapitál na fundovaném účtu.

Vezměme typický případ: robot na XAUUSD s devíti optimalizovanými vstupy (RSI perioda, ATR násobitel, filtr session, tři úrovně trailing stopu, dva parametry pro filtr volatility a jeden pro velikost pozice) postavený na 140 obchodech z backtestu. Vypadá to jako solidní vzorek. Ve skutečnosti je to učebnicový curve fitting — optimalizační algoritmus má devět stupňů volnosti na to, aby proplul mezi 140 body dat, a najde kombinaci, která funguje na téhle konkrétní historii, ne na zlatě obecně.

Poměr optimalizovaných parametrů k počtu obchodů

Základní matematické pravidlo: čím víc parametrů ladíte, tím víc obchodů potřebujete, aby výsledek nebyl náhoda. Devět parametrů na 140 obchodů dává poměr 1:15 — to je hluboko pod bezpečnou zónou. Praxe v algoritmickém tradingu pro začátečníky i pokročilé kvanty je konzervativní: minimálně 30 obchodů na každý volný parametr, ideálně přes různé tržní režimy (trend, range, vysoká i nízká volatilita), ne jen z jednoho půlročního výseku dat.

Degradace na out-of-sample datech a plochost parametrického prostoru

Rozdělte data na in-sample (na čem se optimalizovalo) a out-of-sample data (co robot „neviděl"). Pokud Sharpe ratio na out-of-sample klesne o víc než polovinu oproti in-sample, strategie se neučila trh, učila se konkrétní historii. Druhý test je vizuální: vykreslete výkon strategie pro sousední hodnoty každého parametru. Zdravá strategie tvoří plató — RSI perioda 12, 14 i 16 dávají podobně dobrý výsledek. Přeučená strategie má osamocený pík — 14 funguje skvěle, 13 i 15 už dělají ztrátu. To je podpis náhody, ne edge.

Monte Carlo test: co se stane, když obchody přeházíte

Poslední a nejrychlejší test na 30 minut: vezměte reálnou sekvenci obchodů, náhodně zamíchejte jejich pořadí a spusťte Monte Carlo simulaci equity křivky v 500 iteracích. Pokud váš skutečný maximální drawdown leží uvnitř 90. percentilu těchto simulací, jde o statisticky normální variabilitu. Pokud je hlubší než 95 % scénářů, nehledáte smůlu — hledáte strukturální chybu v logice, kterou žádné doladění parametrů nespraví. V tu chvíli robota nešetříte, ale rovnou zastavujete.

Jak správně udělat forward test a walk-forward analýzu krok za krokem

Walk-forward analýza je jediný způsob, jak ověřit, že vaše strategie nefunguje jen na datech, na kterých vznikla. Princip je jednoduchý: historii rozdělíte na opakující se úseky optimalizace a validace, okno posouváte v čase dopředu a sledujete, jestli parametry natrénované na jednom úseku fungují i na následujícím, který robot "nikdy neviděl". Teprve tenhle proces, ne jeden krásný backtest, vám řekne, jestli má expert advisor v MT5 šanci přežít živý trh.

Rozdělení dat: in-sample, out-of-sample, rezerva

Historická data si rozdělte na tři bloky. In-sample (typicky 60–70 % dat) slouží k optimalizaci parametrů. Out-of-sample (20–30 %) je na ověření, jestli optimalizace nebyla jen přeučení. A pak si nechte stranou ještě rezervu — posledních 10–15 % dat, na které se nepodíváte, dokud nemáte hotovou finální verzi strategie. Tahle rezerva je vaše pojistka proti tomu, že jste si "out-of-sample" test nevědomky přizpůsobili po několika kolech ladění. Pokud strategie propadne i na rezervě, není co zachraňovat.

Walk-forward okna a minimální počet obchodů

Doporučený poměr okna je 4:1 — třeba 12 měsíců optimalizace, 3 měsíce validace, pak celé okno posunete o 3 měsíce dál a opakujete. U forex a XAUUSD strategií s denní frekvencí signálů potřebujete v každém out-of-sample okně minimálně 30 obchodů, jinak je vzorek statisticky bezcenný a výsledek klidně dělá náhoda, ne edge. Pro celou walk-forward analýzu pak počítejte s aspoň 100 obchody napříč všemi okny a walk-forward efficiency (poměr out-of-sample výkonu k in-sample výkonu) by měla ležet nad 50 %. Pod touto hranicí strategie prakticky jen kopíruje šum minulosti.

Až projde walk-forward analýzou, nasaďte robota na forward test na simulovaném kapitálu v reálném čase — a počítejte s tím, že tři měsíce takového provozu vám o strategii často řeknou víc než deset let backtestu. Backtest vs live trading se liší ve třech věcech, které žádná historická data nezachytí: skutečné plnění objednávek a slippage v momentech vysoké volatility (NFP, FOMC), kvalita a granularita dat od brokera (tick data vs. OHLC bary) a reálné chování brokera při rozšíření spreadu ve stresových fázích trhu. Automatický trading, který v backtestu vydělával s R:R 1:2, může ve forward testu ukázat úplně jiná čísla, protože žádný backtest nesimuluje frontu na fill při rychlém trhu.

Kritéria pro vypnutí strategie stanovená předem

Než robota pustíte na ostrý (byť simulovaný) účet, napište si kill kritéria na papír — ne do hlavy, kde je za týden ohnete podle nálady. Typicky:

• Pokud out-of-sample drawdown překročí 1,5násobek drawdownu z in-sample, strategie se vypíná okamžitě.
• Pokud walk-forward efficiency klesne pod 40 % ve dvou po sobě jdoucích oknech, robot jde do karantény, ne do "ještě jednoho doladění".
• Pokud forward test na demu neprodukuje minimálně 30 obchodů za 12 týdnů, vzorek je moc malý na jakékoli rozhodnutí — čekáte, nezasahujete.

Tahle pravidla fungují jen tehdy, když jsou zapsaná předem, mimo emoci konkrétní ztrátové série. Rozhodnutí "ještě to nechám běžet" udělané po třech proigraných obchodech není trading disciplína, je to naděje — a naděje je přesně to, co odlišuje robota, který přežije rok, od toho, co smaže účet za měsíc.

Slippage, spread a latence: kde se ztrácí zisk, který ukazoval backtest

Slippage a spread u robotů dokážou spolknout celý okraj, na kterém strategie stojí — backtest počítá s cenou z historických dat, realita vám dá fill o kousek dál, spread se rozšíří přesně ve chvíli, kdy to nejvíc bolí, a u scalpovacích strategií to znamená rozdíl mezi ziskovým a ztrátovým rokem. Robot neztrácí peníze proto, že je "špatně napsaný" — ztrácí je proto, že backtest ignoroval náklady, které se v reálném provozu nedají obejít.

Modelový výpočet expectancy na XAUUSD před a po nákladech

Vezměte scalpovací strategii na XAUUSD s průměrným ziskem 8 pipů na obchod a win rate 55 %. Na papíře, bez nákladů, vychází expectancy jasně do plusu. Teď přidejte realitu: reálný spread u zlata v běžné likviditě, dvě desetiny pipu slippage na vstupu i výstupu a komisi za lot. Součet se u vysokofrekvenčního scalpingu snadno dostane na 2-3 pipy na obchod — a z průměrného zisku 8 pipů vám najednou zbývá 5-6. Při stovkách obchodů měsíčně je to rozdíl mezi rostoucí a plochou (nebo klesající) equity křivkou.

Rozšíření spreadu při NFP a FOMC a víkendové gapy

Spread widening při zprávách není teorie z fóra, je to mechanika likvidity. Kolem NFP nebo FOMC se market makeři stahují, likvidita se ztenčí a spread na XAUUSD nebo na US100 / NSDQ se dokáže na pár sekund roztáhnout na několikanásobek běžné hodnoty. Robot, který má v kódu limitní vstup na fixní cenu, tuhle cenu buď vůbec nedostane, nebo ji dostane s výrazným zpožděním, kdy je už setup dávno jinde. Podobně fungují víkendové gapy — pátek večer zavřete pozici za jednu cenu, v neděli se trh otevře jinde a stop loss, který měl chránit kapitál, se naplní za cenu za gapem, ne tam, kde ho robot poslal.

Latence API a rozdíly mezi MT5, cTrader a futures exekucí

Latence API rozhoduje o tom, jestli robot dostane cenu, kterou viděl, nebo cenu, která tam už není. EA běžící na MetaTrader 5 na domácím notebooku s běžným Wi-Fi připojením má typicky latenci v desítkách až stovkách milisekund vyšší než stejná strategie na VPS umístěném blízko serveru brokera — a u strategií postavených na rychlé exekuci to rozhoduje o kvalitě fillu. cTrader má obecně jinou architekturu zpracování příkazů než MT5, což se projeví v odlišném chování za volatility. U CME futures řešíte úplně jiný typ nákladů: místo spreadu počítáte s tick value a fixní komisí za kontrakt, a latence tam hraje roli hlavně u strategií navázaných na order book, ne u pozičního tradingu. Ať už tradujete na MT5, cTrader nebo futures platformě, platí totéž — robot, který backtest ignoruje spread widening a latenci, vám ukáže equity křivku, která v reálném provozu neexistuje.

Martingale a grid trading: proč v backtestu vypadají jako svatý grál

Martingale strategie riziko neruší, jen ho posouvá do budoucnosti a maskuje tvarem equity křivky, která vypadá až podezřele hladce. Robot, který po každé ztrátě zdvojnásobí objem pozice, dokáže v backtestu ukázat 95–99% úspěšnost obchodů a téměř lineární růst účtu — dokud nepřijde jedna série ztrát, kterou matematika prostě neustojí.

Matematika zdvojování a bod, kde účet skončí

Princip je prostý: prohraný obchod se "opraví" dalším obchodem s dvojnásobným objemem, takže jediná vyhraná pozice pokryje všechny předchozí ztráty a přidá malý zisk navrch. Problém je exponent. Start na 0,01 lotu znamená, že po sedmé prohře tradujete už 1,28 lotu, po desáté 5,12 lotu a po dvanácté přes 20 lotů — na účtu, který možná začínal s $10 000 (cca 230 000 Kč). Deset proher v řadě zní jako extrém, ale u strategie, která obchoduje desítky sekvencí měsíčně, se pravděpodobnost takové série v horizontu roku blíží jistotě, ne výjimce. Stačí si vzpomenout na frank v lednu 2015 nebo ropu v dubnu 2020 — režimy, kdy trh neudělá "obvyklou" korekci, na kterou je martingale postavený, ale jede jedním směrem bez oddechu.

Grid trading nevýhody: plovoucí ztráta místo realizované

Grid EA funguje podobně, jen bez explicitního zdvojování — otevírá další pozici při každém posunu ceny o pevný krok, třeba každých 20 pipů proti aktuální ztrátové pozici. V rozjetém trendu tak během pohybu o 300–400 pipů držíte 15–20 otevřených pozic s průměrnou vstupní cenou daleko od trhu. Equity křivka na statementu přitom stále ukazuje jen mírný pokles, protože ztráta je nerealizovaná — schovaná v otevřených pozicích, ne v uzavřených obchodech. Maximální drawdown, který reálně hrozí, tak vůbec nevidíte v historii uzavřených trade, dokud margin call nezavře všechno najednou. Pro challenge účet s denním či celkovým limitem ztráty je to smrtící kombinace: limit vás vyřadí dřív, než grid stihne "počkat na návrat".

Jak martingale poznáte v cizím EA, i když to prodejce neuvádí

• Poměr největší ztráty k průměrné ztrátě. Pokud je největší jednotlivá ztráta 30–100× větší než průměrná, systém pravděpodobně zdvojuje objem místo řízení rizika.
• Počet současně otevřených pozic. Roste po ztrátové sérii místo po signálu? To je grid nebo martingale, ne diskrétní vstupy podle strategie.
• Tvar drawdownu. Dlouhé měsíce plynulého růstu equity a pak jeden téměř svislý propad k nule je klasický podpis obou přístupů — ne série malých, rozumně rozložených ztrát, kterou byste čekali od robustní strategie.

Právě tenhle vzorec — ne řetězec drobných ztrát — nejčastěji ruší challenge účty. Obchodní roboti postavení na martingale nebo gridu neselhávají pomalu, selhávají naráz, a přesně v okamžiku, kdy to firma i vy nejméně čekáte.

Robot v prop challenge 2026: pravidla, která ho vyřadí nejčastěji

Nejčastější důvod, proč EA vyhodí challenge dřív, než stihne ukázat edge, je nesoulad mezi tím, jak robot počítá riziko, a tím, jak riziko počítá platforma. Pravidla pro roboty v prop tradingu se totiž neváží k realizovaným ztrátám, ale k equity — a to je rozdíl, který grid strategie nebo martingale často nepřežijí.

Denní limit ztráty počítaný z equity vs. plovoucí ztráta robota

Denní limit ztráty na většině platforem, For Traders nevyjímaje, se vyhodnocuje z equity účtu, ne z uzavřeného zůstatku. To znamená, že se počítá i neuzavřená, plovoucí ztráta otevřených pozic. Expert advisor MT5, který drží pět otevřených pozic v grid struktuře a čeká, až se cena vrátí k jeho průměrné ceně, může equity limit prorazit dřív, než se jediný stop loss vůbec vyplní — protože floating loss z otevřených pozic se sčítá v reálném čase. Robot tak formálně "čeká na návrat trhu", ale účet je fakticky mrtvý o dvě hodiny dřív, než si toho algoritmus vůbec všimne. Stejná logika platí pro maximální drawdown počítaný jako statický nebo trailing limit od nejvyššího dosaženého equity.

Víkendové gapy, news filtry a konzistence

Druhý klasický zabiják je pozice držená přes víkend. Robot bez logiky pro páteční close se probudí v neděli večer proti gapu na XAUUSD nebo indexech, který jeho backtest nikdy neviděl, protože historická data mimo obchodní hodiny bývají v testeru poskládaná uměle plynule. Podobně to platí pro chybějící news filtr — EA bez podmínky "needsat před NFP a FOMC" projede do zveřejnění dat naplno nalevovaný, spread se roztáhne, slippage sežere R:R a stop se vyplní o desítky pipů dál, než počítal. K tomu přidejte požadavky na konzistenci, které řada challenge programů zavádí — pokud robot generuje jeden extrémní den, který tvoří většinu celkového zisku, může to porušit pravidlo konzistence i v případě, že celkový výsledek splňuje profit target.

MT5 EA vs. cTrader cBot vs. automatizace na For Traders X

Volba platformy mění, jaké konkrétní riziko musíte v kódu ošetřit. Expert advisor na MT5 řeší hlavně vlastní risk management, protože platforma sama žádné firemní limity nehlídá — to dělá až monitoring na straně prop firmy. cBot na cTraderu má výhodu čistšího přístupu k tick datům a nižšího slippage při automatizovaném vstupu, ale logiku pro equity limity a news filtr si musíte napsat stejně pečlivě. Automatizace nad futures na For Traders X přidává specifickou vrstvu navíc — rollover kontraktů. Robot, který nemá ošetřený přechod mezi expirujícími kontrakty, může skončit s otevřenou pozicí v kontraktu těsně před vypršením, kde likvidita mizí a spread se roztahuje bez varování.

Ve všech třech případech platí totéž: veškerý trading v rámci Trading Challenge probíhá na simulovaném kapitálu, takže žádná z těchto chyb neohrozí reálné peníze — ohrožuje ale váš postup do fundovaného účtu a čas, který jste do vývoje robota vložili.

Jak poznat prodávaného robota, který je jen přeprodaný backtest

Prodávaný robot, který ukazuje jen equity křivku bez out-of-sample dat a bez modelovaného spreadu, je s vysokou pravděpodobností přeoptimalizovaný na historii a na živém účtu selže. Než za EA (Expert Advisor) zaplatíte, existuje pár konkrétních věcí, které prozradí, jestli jde o skutečný nástroj, nebo jen o hezky obarvený backtest.

Sedm červených vlajek u prodejců EA

• Backtest bez modelovaného spreadu a slippage — na papíře 2 pipy, v realitě u brokera s proměnlivým spreadem klidně 8-10.
• Chybí out-of-sample perioda — celý výsledek je fitovaný na jedno historické okno.
• Garantovaná měsíční procenta ("10 % měsíčně bez rizika") — takový slib v tradingu neexistuje, ani na fundovaném účtu, ani mimo něj.
• Nemožnost vidět logiku vstupu — prodejce mluví o "tajném algoritmu", ale odmítne popsat, na základě čeho robot otevírá pozice.
• Statement s krátkou historií (týdny místo měsíců) a rostoucí velikostí pozic — klasický náznak martingale nebo grid systému, který zatím jen neměl smůlu.
• Recenze soustředěné na jednu bull nebo range fázi trhu, ne napříč režimy (FOMC volatilita, NFP, tichá letní likvidita).
• Žádná zmínka o max drawdownu v procentech kapitálu, jen v dolarech nebo pipech — čísla, která bez kontextu nic neřeknou.

Co ve statementu ověřit jako první

Otevřete statement a podívejte se na tři věci současně: délku historie (ideálně přes 6-12 měsíců napříč různými tržními podmínkami), poměr velikosti pozic k rostoucí equity (pokud lot size roste rychleji než účet, jde o martingale) a max drawdown v procentech, ne v absolutním čísle. Robot, který v backtestu ukazuje 3% max DD, ale ve statementu má jednu pozici, která by při nepříznivém pohybu vymazala 40 % účtu, není konzervativní — jen ještě neměl tu jednu špatnou svíčku.

Co říká CFTC a co historie ukázala u Knight Capital a Flash Crashe

Americká CFTC vydala varování k AI trading botům, které explicitně říká, že přítomnost AI v marketingu nedělá z robota stroj na peníze — algoritmus je jen tak dobrý, jak dobrá jsou jeho vstupní data a předpoklady o trhu. To platí i pro AI trading bot postavený na strojovém učení: model natrénovaný na historických datech neumí předvídat režim trhu, který v datech nebyl.

Historie ukázala, co se stane, když algoritmus selže v produkci. Knight Capital Group přišla 1. srpna 2012 o zhruba 440 milionů dolarů za 45 minut kvůli chybně nasazenému kódu, který začal posílat objednávky bez kontroly. Flash Crash 6. května 2010 zase ukázal, jak se algoritmy chovají, když z trhu během pár minut zmizí likvidita — ceny propadly a odrazily se rychleji, než dokázal zareagovat jakýkoli lidský dohled. Obě události spojuje jedno: algoritmus dělal přesně to, co uměl, jen předpoklady o trhu přestaly platit.

Vlna AI botů 2025-2026 přináší podobné riziko v novém balení. Otázka "jsou trading roboti ziskoví" nemá jednoduchou odpověď — někteří ano, dlouhodobě a konzistentně, ale jen ti, které jejich autoři testovali s realistickým spreadem, na více tržních režimech a s jasně definovaným risk managementem. Zázrak od AI nečekejte; čekejte nástroj, který potřebuje stejný dohled jako manuální trading.

Kdy automatizace naopak dává smysl: robot jako exekuční, ne předpovědní nástroj

Robot má smysl tam, kde nemá hádat směr, ale bezchybně plnit pravidla, která vy sami pod tlakem porušíte. Automatický trading nefunguje jako věštecká koule, funguje jako disciplína převedená do kódu — a přesně v tomhle je jeho reálná návratnost, ne v predikci, kam půjde XAUUSD za dvacet minut.

Co robot umí lépe než vy: exekuce, breakeven, částečné výstupy

Existuje pár konkrétních úloh, kde má algoritmický trading pro začátečníky i pokročilé jasně měřitelnou přidanou hodnotu:

• Posun stop lossu na breakeven — jakmile cena urazí předem daný násobek ATR, kód to udělá okamžitě, vy o tom v tu chvíli možná ještě přemýšlíte.
• Částečné výstupy podle ATR — zavření poloviny pozice na 1R a trailing zbytku je mechanická úloha, ne rozhodnutí, které chce "cítění trhu".
• Hlídání denního loss limitu — expert advisor v MT5 nastavený na tvrdé vypnutí tradingu po dosažení denní ztráty vás ochrání přesně ve chvíli, kdy byste vy sami chtěli "to jedním obchodem vrátit".
• Blokace vstupů kolem zpráv — zákaz otevírání nových pozic pár minut před a po NFP nebo FOMC, kdy spread umí vyskočit na násobek běžné hodnoty.

Žádná z těchto úloh nevyžaduje předpověď směru. Vyžaduje jen důslednost, kterou má stroj zadarmo a vy draze vykoupenou disciplínou.

Poloautomatizace: vy dáváte kontext, robot řeší management

Na nástrojích jako XAUUSD nebo US100 / NSDQ se v praxi nejlépe osvědčuje dělba práce: bias a kontext určuje trader — kde je struktura, kde leží likvidita, jestli má smysl dneska vůbec hledat long. Exekuci a risk pak přebírá kód. Vy řeknete "tady je zóna zájmu, tady je neplatnost scénáře", robot pak hlídá vstup, breakeven, částečné výstupy a maximální drawdown na obchod. Tahle poloautomatizace kombinuje to nejlepší z obou světů — vaši čtenost trhu a bezchybnost stroje v exekuci.

Kdy má ruční zásah smysl a kdy jím systém jen ničíte

Pravidlo je jednoduché, i když se těžko dodržuje: zasáhnout ručně smíte jen podle scénáře, který jste definovali předem — ne podle pocitu uprostřed obchodu. Pokud jste si řekli "při zveřejnění nečekaných dat centrální banky pozice ručně zavírám", je to legitimní součást systému. Pokud zavíráte pozici, protože vás "bolí" nerealizovaná ztráta na účtu, netestujete systém, který jste postavili — testujete jiný, nahodilý systém, a vaše equity křivka z backtestu s realitou nemá nic společného. Manuální zásah bez pravidla je stejná chyba jako martingale schovaný v kódu — jen ji tentokrát děláte vy, ne robot.

Od nápadu po nasazení: realistický plán na 12 týdnů

Robot, který nemá za sebou 12 týdnů strukturovaného testování, není hotový produkt — je to hypotéza s pěkným equity grafem. Rozdělte vývoj na tři čtyřtýdenní bloky, z nichž každý má jasný výstup a rozhodovací bod: buď strategie splní kritéria a jde dál, nebo ji bez lítosti zahodíte. Emoce patří do tradingu, ne do rozhodování o tom, jestli kód žije nebo umírá.

Týdny 1–4: hypotéza, ruční test, hrubý backtest

Napište hypotézu jednou větou — např. "gold reaguje na pullback k 20 EMA po NFP breakoutu". Pak ji 2 týdny testujte ručně na demu, bez automatizace, abyste odhalili logické díry dřív, než je zakódujete. Teprve poté spusťte hrubý backtest na 3–5 letech dat. Výstup fáze: strategie s profit faktorem nad 1,3 a max drawdownem, který byste unesli psychicky i účetně. Pokud hypotéza padne na ručním testu, nekódujte ji — ušetříte si týdny práce.

Týdny 5–8: walk-forward, Monte Carlo, náklady exekuce

Tady se hraje o poctivost čísel. Walk-forward analýza vám ukáže, jestli parametry fungují i na datech, která robot nikdy neviděl při optimalizaci — pokud výkonnost mimo optimalizační okno spadne o víc než polovinu, přeučili jste model na minulost. Monte Carlo simulace (náhodné přeskládání sekvence obchodů) odhalí, jak moc vaše krásná equity křivka závisí na štěstí s pořadím výher a proher. Do modelu zároveň zapracujte reálný spread, slippage a komisi u vašeho brokera — bez toho porovnáváte backtest vs. live trading jako jablka s hruškami. Výstup fáze: strategie, která přežije walk-forward i realistické náklady exekuce s pozitivní expektancí.

Týdny 9–12: forward test na simulovaném kapitálu a rozhodnutí

Nejdražší chyba celého procesu je přeskočit forward testing strategie a poslat robota rovnou do první challenge s ostrými pravidly. Místo toho pusťte EA čtyři týdny na demo účtu v reálném tržním čase — žádné historické okno, žádná optimalizace zpětně. Sledujte, jestli se chová stejně jako v backtestu, nebo jestli se objeví rozdíly ve fillech, prokluzu při NFP a FOMC, případně chování za nízké likvidity. Teprve pak má smysl nasadit EA v prop firm challenge, protože Trading Challenge od For Traders funguje jako pravidly ohraničený stress test na simulovaném kapitálu — denní limit ztráty a maximální drawdown prověří robota tvrději než jakýkoli backtest, protože jediné porušení limitu evaluaci okamžitě ukončí.

Od prvního dne live provozu si zapisujte alespoň tyto metriky: denní a týdenní drawdown vůči limitu, rozdíl mezi očekávaným a skutečným fillem (slippage), počet manuálních zásahů do systému a poměr R:R u zavřených obchodů. Bez těchto čísel nepoznáte, jestli robot ztrácí kvůli trhu, nebo kvůli vám.

Automatizovaný trading: co reálně získáte a co ztratíte

Výhody

• Bezchybná exekuce plánu — robot nepohne stopem, protože doufá, že se cena vrátí
• Nulové emoce po sérii ztrát a žádný revenge trading po prohraném obchodu
• Možnost pokrýt více instrumentů a sessions, než zvládnete odsedět (XAUUSD, US100, CME futures)
• Měřitelnost: každý parametr lze testovat, každá změna má dohledatelný dopad na expectancy
• Automatické hlídání denního limitu ztráty a maximálního drawdownu, což je v challenge zásadní

Nevýhody / rizika

• Extrémní náchylnost k přeučení — čím víc parametrů ladíte, tím méně bude robot fungovat naostro
• Nulová schopnost rozpoznat změnu režimu trhu, pokud ji do logiky výslovně nezakódujete
• Backtest systematicky nadhodnocuje výsledky, dokud nezahrnete spread, slippage a komise
• Technická rizika: pád VPS, latence, odpojení, rollover futures kontraktu, víkendové gapy
• Iluze pasivního příjmu — 'nastav a zapomeň' neexistuje, robot potřebuje průběžný monitoring a údržbu

Časté otázky