Odcinek kanału YouTube
Od zera do etykiet: BTC 4h, progi alfa/beta i dane | Tradingbot #3
12.10.2025Jak przygotować dane dla bota tradingowego? Implementujemy strategię etykietowania (Buy/Sell/Hold) opartą na progach alfa i beta oraz analizujemy dane z Binance.
YouTube
Film ładuje się dopiero po kliknięciu — bez ciasteczek YouTube przed odtworzeniem.
Notatki do odcinka
Streszczenie i rozwinięcie filmu — dla osób, które wolą najpierw przeskanować temat, zamiast oglądać całość.
Czy da się zarobić na krypto automatem? W tym odcinku nie próbuję jeszcze odpowiadać na to pytanie wynikiem z gotowego bota. Wracam do wcześniejszego, bardziej podstawowego etapu: przygotowania danych i opisania ruchu ceny etykietami BUY, HOLD oraz SELL. Zamiast przewidywać konkretną cenę, klasyfikuję kierunek i siłę przyszłego ruchu.
Punktem odniesienia jest praca „A Profitable Trading Algorithm for Cryptocurrencies Using a Neural Network Model”. Opis odcinka wspomina raportowaną w tej pracy trafność około 66% oraz okresy z wysokim ROI, ale tutaj odtwarzam pierwszy krok workflow. Interesuje mnie to, czy dane wejściowe da się pobrać, zapisać, sprawdzić i przygotować do dalszego skalowania.
Co zobaczysz
Najpierw wyjaśniam, po co w ogóle potrzebne są dwa progi. Alfa opisuje granicę szumu, a beta wyznacza bardziej skrajne ruchy. Pomiędzy tymi poziomami znajduje się obszar, w którym zmiana nie daje wystarczającego powodu do przypisania silnego sygnału. Dzięki temu etykieta HOLD nie oznacza braku danych, tylko świadome odłożenie decyzji, gdy ruch mieści się w strefie szumu.
Potem przechodzę przez pierwszy wariant workflow: czterygodzinowe świece dla BTC/USDT pobrane z oficjalnego API Binance, oczyszczenie danych i zapis do Parquet. Ten format jest częścią powtarzalnego procesu, a nie końcowym rezultatem analizy. Zapisany zbiór można później ponownie wykorzystać przy następnych krokach i kolejnych parach.
Ważnym elementem jest kontrola jakości. Sprawdzam, czy w szeregu nie brakuje świec, bo pojedyncza luka może zmienić interpretację okna czasowego i późniejszych etykiet. Porównuję też USDT i USDC. Nie traktuję tych par jako automatycznie równoważnych: w materiale pojawiają się różnice stabilności oraz braki danych, które trzeba rozumieć przed rozszerzeniem zbioru.
Kluczowe wnioski
Najważniejszy wniosek dotyczy kolejności pracy. Model uczenia maszynowego może powstać dopiero wtedy, gdy wiadomo, co dokładnie oznacza każda etykieta i z jakich obserwacji ją wyprowadzono. Sama nazwa BUY albo SELL nie jest jeszcze sygnałem jakości. Za nią stoją progi alfa i beta, historyczne zwroty oraz wybrany horyzont.
Drugi wniosek wynika z porównania ForW1, ForW2 i ForW3. Horyzont zmienia sposób, w jaki patrzymy na przyszły ruch, więc zmienia także liczbę i rozkład sygnałów. W opisie workflow beta jest skalowana wraz z horyzontem: dla kolejnego kroku używany jest wzrost o 10%. To pokazuje, że parametr nie powinien być oderwany od czasu, na jaki etykieta ma opisywać rynek.
Trzeci wniosek dotyczy danych. Brakująca świeca nie jest kosmetycznym problemem w tabeli. Może oznaczać nieciągłość, utrudnić porównanie kolejnych obserwacji i sprawić, że późniejszy model nauczy się artefaktu zamiast wzorca. Dlatego kontrola jakości jest częścią etapu etykietowania, a nie czynnością zostawianą na koniec.
Jak to odtworzyć
W odcinku odtwarzam kolejność: pobranie czterogodzinnych danych BTC/USDT z oficjalnego API Binance, zapis do Parquet, kontrola brakujących świec, przypisanie etykiet BUY/HOLD/SELL oraz porównanie okien ForW1, ForW2 i ForW3. Następnie sprawdzam różnice między USDT i USDC i zapisuję obserwacje, które będą potrzebne przy przejściu do wielu aktywów. Źródło nie podaje gotowych komend instalacyjnych ani pełnej instrukcji uruchomienia, więc nie dopisuję ich tutaj.
Najczęstsze pytania
Czy HOLD oznacza błąd algorytmu? Nie. W tym workflow HOLD opisuje ruch należący do strefy szumu, czyli taki, który nie przekracza ustalonych progów.
Po co sprawdzać brakujące świece? Żeby nie budować etykiet na nieciągłym szeregu czasowym. Jakość danych wejściowych wpływa na wiarygodność kolejnych etapów.
Czy to już gotowy system inwestycyjny? Nie. To pierwszy krok przygotowania danych pod dalszy workflow i przyszły model. Materiał ma charakter edukacyjny, a trading wiąże się z ryzykiem utraty kapitału.