Mój Bot Giełdowy: C# .NET + Google Gemini. Jak zbudowałem hybrydowy system inwestycyjny?

Czy da się połączyć precyzyjną analizę techniczną z „intuicją” sztucznej inteligencji, żeby skuteczniej inwestować na giełdzie? Odpowiedź brzmi: tak. Ale czy to wystarczy, by zarabiać pieniądze, gdy do gry wchodzą ludzkie emocje?

Większość osób, słysząc hasło „trading bot”, od razu myśli o Pythonie. To standard rynkowy, ale ja postanowiłem pójść pod prąd. Jako programista z wieloletnim doświadczeniem, zbudowałem własny system inwestycyjny od zera w C# .NET.

W tym artykule pokażę Ci „bebechy” mojego projektu – od architektury aplikacji, przez integrację z Google Gemini 3 Pro, aż po brutalną weryfikację na realnym rynku. Pokażę Ci, dlaczego technologia zadziałała bezbłędnie, a zawiódł… czynnik ludzki.

Dlaczego C# .NET, a nie Python?

W świecie Data Science i AI królują skrypty. Są szybkie do napisania, ale często trudne w utrzymaniu przy dużych projektach. Dla mnie, budowa narzędzia inwestycyjnego to nie tylko zabawa danymi, ale tworzenie stabilnego, wydajnego oprogramowania.

Wybór C# i platformy .NET dał mi:

Pełną kontrolę nad typami danych – w finansach precyzja to podstawa.
Wydajność aplikacji desktopowej (WinForms), która przetwarza lata historii w ułamku sekundy.
Łatwą integrację z zewnętrznymi API (w tym przypadku Google Gemini).

To nie jest „czarna skrzynka”, której działania nie rozumiem. To mój kod, moja logika i – co najważniejsze – moje pieniądze na stole.

Jak działa mój hybrydowy system tradingowy?

Mój system opiera się na dwóch filarach: klasycznej matematyce giełdowej i nowoczesnej analizie sentymentu przez AI.

1. Faza pierwsza: Twarda Analiza Techniczna

Każdego ranka moja aplikacja skanuje setki spółek z rynków zagranicznych (NYSE, NASDAQ, LSE). Nie szukam igły w stogu siana na oślep. Algorytm filtruje spółki spełniające konkretne kryteria:

Trend długoterminowy: Analiza średnich kroczących EMA i SMA na interwałach tygodniowych i miesięcznych.
Trend krótkoterminowy: Formacje świecowe i wskaźnik SMI (Stochastic Momentum Index) na interwale dziennym.

Dopiero gdy spółka przejdzie to sito, trafia do drugiego etapu.

2. Faza druga: Ocena przez Google Gemini (AI)

Tutaj dzieje się magia. Wyselekcjonowane spółki są przesyłane do Google Gemini 3 Pro wraz z zestawem precyzyjnie przygotowanych promptów.

AI nie zgaduje ceny. AI analizuje kontekst, którego nie widzi wykres:

Sentyment rynkowy wokół spółki.
Najnowsze wiadomości i raporty.
Potencjał branży.

Model wystawia każdej spółce Score w skali 1-100. Zasada jest prosta: Wynik > 80 pkt = Sygnał KUPNA.

Testy na żywym organizmie: AI vs. Rzeczywistość

Teoria brzmi świetnie, ale jak wyszło w praktyce? Postanowiłem przetestować system na realnym koncie, a nie na demo.

Wyniki po 2 tygodniach: AI okazało się niesamowicie skuteczne. Spółki z wysokim Score (>80) faktycznie rosły. Portfel w szczytowym momencie notował ponad 100 USD zysku (przy niewielkim kapitale testowym).

A jak skończyłem tydzień? Z zyskiem 45 USD.

Gdzie podziała się reszta?

Problem „Białkowego Interfejsu” (czyli ja w XTB)

System wskazał idealne momenty wejścia. Problemem okazało się wyjście z pozycji. Korzystam z brokera XTB, który (na ten moment) nie oferuje prostego API dla inwestorów indywidualnych, które pozwoliłoby mojemu botowi automatycznie zarządzać pozycjami.

Musiałem handlować „z palca”:

Kupowałem akcje ułamkowe ręcznie.
Stop Lossy i Take Profity ustawiałem „częściowo” lub trzymałem w głowie.

Gdy rynek zaczął korygować, zamiast chłodnej kalkulacji, włączyły się emocje: „Jeszcze chwilę, zaraz odbije”. Nie odbiło. Zamiast ucinać straty automatycznie, patrzyłem jak zysk topnieje. To klasyczny błąd, który popełnia 90% początkujących, a jak widać – nawet automatyzacja analityki nie chroni przed błędami egzekucji.

Wnioski i Plany: Pełna Automatyzacja

Ten eksperyment dał mi jedną, kluczową lekcję: W tradingu najsłabszym ogniwem zawsze jest człowiek.

Mój plan naprawczy (Roadmapa):

Sztywny Stop Loss: Testuję podejście ze sztywnym ucięciem straty na poziomie 2% i puszczeniem zysków (Let your profits run).
Pełna Automatyzacja: Szukam brokera z lepszym API (być może Interactive Brokers), aby wyeliminować ręczne klikanie. Mój kod C# musi sam otwierać i zamykać pozycje.
Ekspansja na Krypto: Skoro model działa na akcjach, czas sprawdzić go na bardziej zmiennym rynku kryptowalut.

Zobacz Wideo: Jak wygląda kod i aplikacja?

Jeśli chcesz zobaczyć, jak wygląda interfejs mojej aplikacji, jak dokładnie działają prompty do Gemini i posłuchać szerszego komentarza, przygotowałem o tym szczegółowy materiał wideo:

Zapraszam do oglądania i subskrybowania kanału Zrozumieć Finanse. To dopiero początek mojej drogi z algorytmicznym tradingiem. Jeśli też interesujesz się łączeniem programowania z finansami – daj znać w komentarzu!

Tags: giełda, inwestowanie, c# .net, google gemini, ai trading, bot giełdowy, xtb, analiza techniczna, algorytmy, programowanie