Protokół NeuPortal

Tło: kim jesteśmy i od czego zaczęliśmy

Nie zaczynaliśmy od sztucznej inteligencji – zaczynaliśmy od surowych danych rynkowych. Platformy kryptowalutowe, rynki predykcyjne, zakłady sportowe: trzy zasadniczo różne środowiska, w których przez lata sami zapewnialiśmy płynność, handlowaliśmy ręcznie i pisaliśmy własne oprogramowanie.

To była klasyczna era „głupich” botów: sztywnych algorytmów liniowych, skryptów automatyzujących i parserów danych. Miały bezkompromisowe reguły wejścia i wyjścia, stałe liczbowe progi sygnałów i ścisły harmonogram. Taki kod robi dokładnie to, co w nim zapisano – i absolutnie nic ponad to.

Problem nie polegał na tym, że te algorytmy nie działały. Dawały wyniki – ale tylko do pierwszej zmiany reżimu rynkowego. Strategia zbudowana i przetestowana na spokojnej, cyklicznej zmienności rozpadała się, gdy ruch stawał się poszarpany i impulsywny. Zwykły szum rynkowy raz po raz przebijał statyczne progi ustawione ręcznie w plikach konfiguracyjnych. A każda taka zmiana makro lub wywołana wydarzeniem oznaczała dla nas to samo: zatrzymać oprogramowanie, usiąść do kodu i ręcznie przestroić parametry. Wciąż od nowa.

Punkt zwrotny: technologiczny ślepy zaułek

Potrzebowaliśmy pół roku twardych, nieprzerwanych testów na prawdziwej mikrostrukturze rynku, na trzech różnych rynkach, by trafić na technologiczny ślepy zaułek.

To była klasyczna historia jednego dużego błędu inżynierskiego. Próbowaliśmy zbudować absolutnie uniwersalny algorytm – jeden abstrakcyjny zestaw reguł matematycznych, który miał działać równie dobrze na każdej platformie. Na danych historycznych rysował nienaganną, gładką krzywą kapitału bez głębokich obsunięć. W testach forward na żywo systematycznie tracił pieniądze. Czas zespołu i znaczna część kapitału testowego przepadły bezpowrotnie w arkuszu zleceń. Rzeczywisty poślizg cenowy zjadł całą wyliczoną przewagę, a rozproszona płynność zamieniała zaplanowaną przez model cenę wejścia na zupełnie inną, niekorzystną.

Wniosek, który kupiliśmy za te miesiące i zasoby, był fundamentalny: rynki różnią się nie kosmetycznymi ustawieniami parametrów, lecz wewnętrzną konstrukcją.

• Na Binance cena rodzi się w dynamicznym arkuszu zleceń, gdzie o wszystkim decydują bieżąca głębokość, szybkość egzekucji i płynność.
• Na Polymarket cena kontraktu odzwierciedla jedynie zbiorową ocenę prawdopodobieństwa, a wynik końcowy i wypłaty rozstrzyga niezmienna zdecentralizowana wyrocznia.
• Na giełdzie zakładów sportowych mechanika opiera się na czystym wyniku meczu i ruchach linii o wysokiej częstotliwości przed jego rozpoczęciem.

Dla tych trzech przeciwstawnych mechanik nie istnieje uniwersalny kod liniowy.

Co zbudowaliśmy: AI z mózgiem

Gdy zrozumieliśmy, że to ślepy zaułek, całkowicie porzuciliśmy sztywny kod algorytmiczny i przeszliśmy na elastyczną architekturę sieci neuronowych.

Kluczowa różnica polega na tym, co system robi w ułamku sekundy, zanim zlecenie trafi na rynek. Stary bot liniowy na ślepo porównywał bieżącą cenę ze stałym progiem. Nasz agent AI w milisekundy wykonuje pracę, która zespołowi analityków zajmowała godziny: pełną wieloczynnikową analizę struktury rynku, ukrytych wzorców historycznych, zewnętrznych indeksów i głębokości arkusza zleceń – jednocześnie dla każdego instrumentu i pary na swojej platformie.

Ale sama sieć neuronowa nie potrafi handlować bezpiecznie ani systematycznie. Dlatego połączyliśmy jej obliczeniowy „mózg” z fundamentem, który już mieliśmy: własnymi strategiami matematycznymi i twardymi formułami zarządzania ryzykiem, wykrystalizowanymi przez lata ręcznego handlu. W tym połączeniu AI odpowiada za błyskawiczną predykcyjną ocenę sytuacji, a matematyka – za wielkość pozycji, limity ekspozycji i twarde granice ryzyka. Razem tworzą maszynę predykcyjną, która decyduje o wejściu natychmiast i ściśle w granicach bezpieczeństwa.

Problem – dlaczego raporty handlowe są rysowane, a nie udowadniane

Pomysł naszej weryfikacji wyrósł ze zwykłej kłótni o cudzy raport handlowy. Ładna tabela, idealnie gładka krzywa kapitału, zadowolony autor – i ani jednej linijki, którą ktokolwiek mógłby niezależnie sprawdzić.

Zrzut ekranu, tabela, stwierdzenie w stylu „mój wynik za miesiąc” – to deklaracje, za którymi nie stoi nic poza słowem autora.

Postawiliśmy problem inżynierski odwrotnie: zbudować system, w którym nie ma już czego deklarować. Gdzie wynik końcowy nie jest ogłaszany, lecz obliczany automatycznie z surowych danych samej platformy handlowej i od razu zapisywany w rejestrze, którego nie da się przepisać po fakcie. Jeśli to działa, zaufanie przestaje opierać się na obietnicach marketingowych i zaczyna opierać się na tym, jak zbudowana jest platforma.

Dotychczasowy rozwój w liczbach

Wdrożenie i praktyczne lekcje

Kryptowaluty: gdzie musieliśmy się wycofać

Kryptowaluty były pierwszym kierunkiem, który wdrożyliśmy. Jest tam ogromny, gęsty zbiór danych historycznych, więc hipotezy dało się testować najszybciej. Efektem tej pracy jest moduł B-Scalper: scalping wysokiej częstotliwości na Binance, z wejściem przy zbieżności kilku niezależnych czynników rynkowych oraz take profit i stop loss obliczanymi dynamicznie według bieżącej zmienności.

Musieliśmy wyciąć handel niepłynnymi parami. Na danych historycznych dawały znakomite stopy zwrotu. W egzekucji na żywo cała potencjalna przewaga szła na poślizg cenowy i koszty finansowania. Strategia stabilnie zarabiała na papierze i traciła prawdziwe pieniądze w arkuszu zleceń.

Rynki predykcyjne: problem okazał się inny

Zadaniem algorytmu nie jest przewidzenie wyniku, lecz znalezienie chwilowej nieefektywności. Rynek predykcyjny agreguje wiedzę tysięcy poinformowanych uczestników, a próba pokonania go w zgadywaniu przyszłości wprost to z założenia przegrana pozycja. Cena kontraktu binarnego to bieżąca rynkowa ocena prawdopodobieństwa. Gdy nie nadąża za bazowym rynkiem referencyjnym, otwiera się spread – i ta strukturalna rozbieżność jest wyzwalaczem.

Rynek predykcyjny to nie jedno środowisko, lecz pięć niezależnych obszarów tematycznych, z których każdy wymaga własnej infrastruktury i własnych surowych danych:

• Kontrakty kryptowalutowe – CPM Terminal. Moduł handluje kontraktami Up/Down na Polymarket na sześciu aktywach bazowych, jednocześnie na horyzontach od 5 minut do 4 godzin. Punktem odniesienia jest kanał spot Binance: arkusz zleceń Polymarket jest stale synchronizowany ze spotem, a opóźnienie w przeszacowaniu prawdopodobieństwa tworzy sygnał.
• Pogoda i makro – CPM Terminal. Na rynkach pogodowych moduł zestawia zespół niezależnych modeli prognostycznych z bieżącym konsensusem rynku. Na kontraktach makro pracuje według opublikowanego kalendarza statystyk rządowych (CPI, Non-Farm Payrolls i inne) i przetwarza natychmiastową reakcję płynności na odczyt odbiegający od prognozy.
• E-sport – Cyber P-Term. Moduł obejmuje Dota 2, LoL, CS2 i inne dyscypliny: pełne parsowanie rankingów drużyn, automatyczny monitoring wiadomości o zmianach składów, w połączeniu z sygnałami z arkusza zleceń i ruchem kursów na żywo.
• Polityka – zintegrowana w Max K-Term. Nie zbudowaliśmy osobnego terminala dla wyników politycznych. Na Kalshi polityka jest ściśle powiązana z kontraktami na wydarzenia makro. Algorytm przetwarza dane z modeli wyborczych, exit polli i wyzwalaczy legislacyjnych, przeszacowując kandydatów szybciej, niż uczestnicy detaliczni zdążą przesunąć swoje zlecenia.
• Kontrakty na wydarzenia – Max K-Term (Kalshi). Tu problem inżynierski zmienia się całkowicie: to nie polowanie na rozbieżności, lecz czysta animacja rynku (market making). Specyfiką Kalshi są kontrakty w okolicach 50 centów, przy których standardowa opłata takera zjada całą marżę. Moduł działa wyłącznie przez zlecenia z limitem (tylko maker) jako pasywny dostawca płynności, zarabiając na spreadzie i rabatach.

Giełda zakładów sportowych: moduł SXB Pro

SX to nie klasyczny bukmacher, lecz zdecentralizowana giełda peer-to-peer: uczestnicy kwotują sobie nawzajem zleceniami z limitem, a rdzeń platformy je kojarzy. Nasza infrastruktura czyta arkusz zleceń mainnetu bezpośrednio przez otwarte protokoły, bez autoryzacji i bez podpisywania – każde strumieniowane notowanie jest publiczne.

Moduł obejmuje 18 dyscyplin, a roboczą trójką są piłka nożna, tenis i koszykówka. W piłce nożnej algorytm handluje trzema rodzinami rynków:

• Wynik meczu (MATCH_ODDS)
• Powyżej/poniżej (OVER_UNDER)
• Zakład bez remisu (DRAW_NO_BET)

W tenisie i koszykówce płynność skupia się wyłącznie na rynku moneyline. Algorytmy liczą bez przerwy w obu fazach: na linii przedmeczowej i w grze na żywo.

Problem inżynierski znów zmienia się zasadniczo. To nie prognozowanie wyniku końcowego i nie szukanie rozbieżności z zewnętrznym rynkiem referencyjnym – unikatowe wydarzenie sportowe nie ma jednego kanału spot. Moduł znajduje matematyczne błędy w wycenie sąsiednich selekcji w jednym arkuszu zleceń. Na platformie peer-to-peer ceny przeciwnych wyników tego samego wydarzenia kwotują niezależni kontrahenci, co tworzy strukturalną niespójność kursów w arkuszu – fizycznie niemożliwą przy scentralizowanym animatorze rynku.

Do monetyzacji tych anomalii równolegle wdrożono dwie niezależne strategie:

1. Wyszukiwanie odchylenia między obliczoną ceną godziwą a bieżącym notowaniem rynkowym.
2. Moduł scalpingowy grający na powrót ceny do matematycznej średniej.

Stos jest dostrojony do mikrostruktury peer-to-peer: głębokość arkusza jest odpytywana co 5 sekund, a pula dostępnych rynków odświeżana co 30.

Twarde filtrowanie płynności: dlaczego większość rynków jest odrzucana

Platforma celowo ignoruje większość dostępnych notowań na podstawie czterech filtrów systemowych:

• Szerokość spreadu. Na platformach peer-to-peer spread zawsze był szerszy niż na tradycyjnych giełdach spot, dlatego progi są skalibrowane pod płynność peer-to-peer.
• Minimalna głębokość. Notowanie wsparte wolumenem jednego odosobnionego portfela nie jest brane pod uwagę – nie reprezentuje rynku.
• Walidacja anomalii. Pojedyncze zlecenia z limitem po nieprawdopodobnych, ewidentnie błędnych kursach (zlecenia typu fat finger) są odrzucane przed jakimikolwiek obliczeniami.
• Wyłącznie czas regulaminowy. Dogrywki i serie rzutów karnych z zasady nie są przedmiotem handlu. Agent działa ściśle w czasie regulaminowym: poza nim cena przestaje odzwierciedlać czyste prawdopodobieństwo, dlatego każda otwarta ekspozycja jest przymusowo zamykana przed jego końcem.

Wielkość zlecenia jest obliczana dynamicznie w trakcie sesji i zależy od bieżącej głębokości arkusza oraz wielkości obserwowanego spreadu. Twarda granica kapitału jest stała i wspólna dla całego silnika: przy lokalnym limicie straty 20% handel na platformie zostaje natychmiast zamrożony.

Infrastruktura egzekucji: jak modele trafiają do terminali handlowych

Odizolowany model matematyczny, który generuje sygnały, nie jest jeszcze agentem handlowym. Staje się nim dopiero po integracji z odpornym na awarie środowiskiem produkcyjnym, które zapewnia połączenie z platformą o niskim opóźnieniu, egzekucję zleceń, pełne rozliczanie pozycji i pełną obserwowalność.

Bezpieczeństwo kapitału jest zapewnione na poziomie architektury: każdy agent komunikuje się z rdzeniem giełdy przez dedykowany klucz API z rozdzielonymi uprawnieniami. Dozwolone są wyłącznie operacje handlowe; wszelkie prawa do wypłat są całkowicie zablokowane. Jeśli weryfikacja klucza wykryje dostęp do wypłat, warstwa bezpieczeństwa unieważnia sesję i odmawia połączenia. Algorytmy handlowe w żadnym scenariuszu nie mają fizycznego dostępu do portfeli ani sald użytkowników.

Uczyniliśmy też opóźnienie danych centralnym elementem interfejsu monitoringu. Ta decyzja była skutkiem incydentu, w którym opóźnienie na jednym tickerze wykryto dopiero po fakcie, podczas analizy nietypowych transakcji. Teraz monitoring wychwytuje najmniejsze opóźnienie, zanim zdąży ono odbić się na zrealizowanych zleceniach.

Walidacja algorytmów: jak sprawdzamy samych siebie – i gdzie przegrywamy z rynkiem

Aby wykluczyć czynnik subiektywny i jakiekolwiek słowne deklaracje stóp zwrotu, prowadzimy otwarty, publicznie weryfikowalny dziennik prognoz. W chwili, gdy rdzeń AI oblicza własną ocenę prawdopodobieństwa wyniku, system ją publikuje. W tej samej milisekundzie log zapisuje bieżące notowanie rynku – konsensus rynkowy. Obie wartości są zamrażane i czekają na rozstrzygnięcie wydarzenia.

Jakość prognoz mierzymy rygorystyczną miarą akademicką – wynikiem Briera (Brier score). Im niższa wartość, tym lepsza kalibracja prawdopodobieństw modelu: tym mniejszy błąd średniokwadratowy.

Co to oznacza dla Ciebie