Почему большинство торговых ботов сливают депозит (и как это на самом деле исправить)

Обзор

У автоматических торговых ботов плохая репутация заслужена. Большинство из них теряют деньги, и дело не в том, что «рынок непредсказуем» — это верно для любого трейдера, человека или нет, и объяснением тут не служит. Они проваливаются по конкретным, устранимым архитектурным причинам, и одни и те же причины повторяются раз за разом в розничной торговой автоматизации.

Причина 1: фиксированный размер позиции

Бот, рискующий 2% на сделку на счёте в $200 и 2% на сделку на счёте в $200 000, обращается с двумя совершенно разными задачами по риску так, будто это одна задача. Маленьким счетам нужны более высокие плечо и толерантность к риску просто чтобы преодолеть минимумы биржи. Крупным счетам нужно обратное — чтобы не двигать цену собственными ордерами. Единый захардкоженный процент риска не решает обе задачи одновременно.

Что это исправляет: размер риска, автоматически масштабируемый под баланс счёта, а не фиксированный процент на всех — так одна и та же логика стратегии не становится безрассудным риском на маленьком счёте и излишне осторожным размером на крупном.

Причина 2: нет механизма сомнения в собственном сигнале

У большинства ботов ровно один генератор мнения. Индикатор сработал — сделка ушла. Нет этапа, на котором система реально спорит сама с собой, нет проверки «а согласуется ли это со структурой старшего таймфрейма?» перед тем, как капитал окажется под риском.

Что это исправляет: структурированные дебаты перед исполнением. В SharapovLab Trading Lab (ранее S.A.M.S.) каждая потенциальная сделка обсуждается за и против и завершается вердиктом с указанной оценкой уверенности. Сделка одобряется либо честно отклоняется с причиной, а не берётся просто потому, что сигнал сработал первым.

Причина 3: нет обратной связи по собственной уверенности

Даже боты с «оценкой уверенности» редко проверяют, значит ли эта цифра хоть что-то. Если система заявляет 80% уверенности, а на деле права примерно в половине случаев, и ничто внутри неё этого не замечает, она продолжает рассчитывать размер сделок так, будто действительно права в 80% случаев. Ошибка просто накапливается.

Что это исправляет: слой самокалибровки, сравнивающий заявленную уверенность с реальными результатами во времени и автоматически урезающий размер позиции, как только система была систематически самоуверенной. В итоге система следит за собственным трек-рекордом, а не только за рынком.

Причина 4: нет kill switch

Когда что-то идёт не так — стратегия срывается, сбоит API, агенты ведут себя аномально, — большинство ботов просто продолжают торговать, пока человек случайно не заметит. Серьёзной системе нужен предохранитель, останавливающий торговлю самостоятельно, а не строчка в логе, которую никто не читает в три часа ночи.

Общая закономерность

Все четыре причины провала сводятся к одному корню: автоматизация торговли рассматривается как один скрипт, а не как система со встроенными проверками самой себя. В этом и заключается настоящий аргумент в пользу мультиагентной архитектуры на основе дебатов, а не бота на одном индикаторе. Это не новизна ради новизны. Каждая дополнительная проверка — размер риска, дебаты, калибровка уверенности, kill switch — закрывает конкретный, хорошо задокументированный способ, которым розничные боты теряют деньги.

Читать дальше

Посмотрите, как это устроено в реальном, готовом продукте — на странице проекта Trading Lab (ранее S.A.M.S.). Проектируете риск-архитектуру для собственной автоматической торговой системы? Услуга Trading Systems как раз для этого.