๐ Membangun bot trading algoritmik dari nol
Saya sudah mengembangkan selama beberapa minggu terakhir sebuah sistem modular untuk trading kuantitatif di Python, dengan fokus awal pada BTC/USD dan ETH/USD.
Proyek ini sudah mencakup analisis teknikal, manajemen risiko, position sizing, LONG/SHORT, backtesting, simulasi fees/spread/slippage, paper trading secara real-time, persistensi posisi, metrik performa, dan analisis statistik.
Saat ini kami berada di tahap kunci: paper trading yang diperpanjang dan validasi dengan data pasar yang nyata, tetapi tanpa menggunakan uang sungguhan.
Checkpoint pertama: 37 operasi yang sudah ditutup.
๐ Hasil awal dari baseline:
Win rate: 13.51%
PnL: -2.70%
Max drawdown: 2.70%
Profit factor: 0.078
Angka-angkanya belum bagus, dan justru di situlah yang menarik: daripada mengubah strategi sampai backtest โterlihat bagusโ, kami sedang mempelajari mengapa ia rugi, seberapa besar pengaruh komisi, apa yang terjadi di BTC vs ETH, LONG vs SHORT, dan bagaimana efek durasi operasi.
Satu observasi awal: biaya eksekusi sedang memberikan dampak yang sangat besar, terutama pada operasi berdurasi singkat.
Tujuan berikutnya adalah mencapai 100 trade yang ditutup tanpa mengubah baseline, untuk mendapatkan sampel yang lebih representatif sebelum mengoptimasi apa pun.
Bagi saya, membangun sebuah bot bukanlah mencari strategi yang selalu menang. Melainkan menciptakan sistem yang bisa diukur, dipertanyakan, gagal secara terkontrol, dan ditingkatkan dengan bukti.
Kita terus membangun. ๐๐ค
#AlgorithmicTrading #TradingBot #Python #BTC #ETH $ #CryptoTrading #QuantTrading #PaperTrading #RiskManagement #BinanceSquare
Saya sudah mengembangkan selama beberapa minggu terakhir sebuah sistem modular untuk trading kuantitatif di Python, dengan fokus awal pada BTC/USD dan ETH/USD.
Proyek ini sudah mencakup analisis teknikal, manajemen risiko, position sizing, LONG/SHORT, backtesting, simulasi fees/spread/slippage, paper trading secara real-time, persistensi posisi, metrik performa, dan analisis statistik.
Saat ini kami berada di tahap kunci: paper trading yang diperpanjang dan validasi dengan data pasar yang nyata, tetapi tanpa menggunakan uang sungguhan.
Checkpoint pertama: 37 operasi yang sudah ditutup.
๐ Hasil awal dari baseline:
Win rate: 13.51%
PnL: -2.70%
Max drawdown: 2.70%
Profit factor: 0.078
Angka-angkanya belum bagus, dan justru di situlah yang menarik: daripada mengubah strategi sampai backtest โterlihat bagusโ, kami sedang mempelajari mengapa ia rugi, seberapa besar pengaruh komisi, apa yang terjadi di BTC vs ETH, LONG vs SHORT, dan bagaimana efek durasi operasi.
Satu observasi awal: biaya eksekusi sedang memberikan dampak yang sangat besar, terutama pada operasi berdurasi singkat.
Tujuan berikutnya adalah mencapai 100 trade yang ditutup tanpa mengubah baseline, untuk mendapatkan sampel yang lebih representatif sebelum mengoptimasi apa pun.
Bagi saya, membangun sebuah bot bukanlah mencari strategi yang selalu menang. Melainkan menciptakan sistem yang bisa diukur, dipertanyakan, gagal secara terkontrol, dan ditingkatkan dengan bukti.
Kita terus membangun. ๐๐ค
#AlgorithmicTrading #TradingBot #Python #BTC #ETH $ #CryptoTrading #QuantTrading #PaperTrading #RiskManagement #BinanceSquare
