Dashboard handlu algorytmicznego na HTML i LLM bez kodu

Dashboard do analizy algorytmicznego handlu w HTML i LLM: praktyczny przypadek bez kodu

Algotrader Dymitr Owczynnikow poradził sobie z ograniczeniami Excela — 400 000 wierszy danych spowalniało analizę 100+ strategii. Dzięki LLM uzyskał dashboard w HTML: dynamiczna historia P&L, zarządzanie kapitałem, wizualizacja w przeglądarce. Prototyp stworzony w jeden dzień bez pisania kodu.

Problemy analizy w Excelu i MetaTraderze

Dane z MetaTradera eksportowano do CSV, przetwarzano makrami VBA. System działał, ale bez historii: pominięty eksport dnia — utracone dane na zawsze. Objętość sięgała 400 000 wierszy przez miesiące, powodując opóźnienia nawet na mocnych komputerach.

Raporty MetaTradera są nieprecyzyjne: zniekształcają marżę, nie uwzględniają jednolitej pozycji pieniężnej. Brak zewnętrznych usług dla pełnego pokrycia potrzeb.

Kluczowe bolączki:

• Brak dynamicznej historii transakcji.
• Trudności z obliczeniem otwartych pozycji.
• Brak operacyjnego przeglądu kapitału według algorytmów i instrumentów.

Cele dashboardu: śledzenie alokacji środków, statusu strategii, dziennego P&L od początku handlu.

Wymagania dla dashboardu algotradera

Narzędzie musi zapewniać operacyjne i analityczne zarządzanie:

Operacyjne:

• Gdzie są pieniądze: według algorytmów, instrumentów.
• Status strategii (aktywne/wyłączone).

Analityczne:

• Analiza P&L według dni/godzin.
• Ocena efektywności strategii.
• Realokacja kapitału.
• Identyfikacja słabych punktów.

Obliczanie wyniku dla pary algorytm+instrument obejmuje:

• Zamknięte transakcje (bezpośrednie obliczenie zysku).
• Otwarte pozycje (przekrój czasowy na każdy dzień).

Dashboard przelicza pełną historię z pliku CSV przy każdym załadowaniu, w przeciwieństwie do starych skryptów MQL z migawkowymi przekrojami.

Tworzenie prototypu z LLM

Dymitr opisał zadania LLM (Claude): ładowanie CSV z MetaTradera, przetwarzanie JS w przeglądarce, wizualizacja. Bez specyfikacji — iteracyjnie przez zrzuty ekranu i przykłady.

Wynik: pojedynczy plik HTML z danymi, logiką JS, wykresami. Działa na komputerach i urządzeniach mobilnych bez instalacji.

Proces:

• Ładowanie CSV → parsowanie transakcji.
• Grupowanie według algorytmów/instrumentów.
• Obliczanie dziennego P&L (zamknięte + floating P&L).
• Wizualizacja: wykresy, tabele, filtry.

Problemy i rozwiązania:

• Poprawny floating P&L: kilka iteracji, analiza aktualnego HTML.
• Zmiana czatu przy limicie kontekstu: model czytał plik, odtwarzał logikę.

Porównanie LLM:

| Model | Wynik |

|----------|----------------------------|

| Claude | 1–3 iteracje, precyzyjny kod |

| DeepSeek| Traci kontekst |

| Gemini | Niszczy strukturę |

| ChatGPT | Długa dyskusja specyfikacji |

Prototyp gotowy w dzień, ulepszenia — iteracyjnie.

Funkcjonalność i zalety

Dashboard daje pełny obraz:

• Tabele alokacji kapitału.
• Wykresy dynamiki P&L według strategii.
• Filtry według dat, instrumentów.
• Status algorytmów (wykrywanie wyłączonych).

Zmiany dla użytkownika:

• Szybkie decyzje dotyczące kapitału.
• Reakcja na awarie strategii (wcześniej — po miesiącach).
• Przejście z Excel+VBA na LLM→HTML.

Podejście uniwersalne: zastosowanie w sprzedaży, finansach osobistych — gdzie potrzebne dashboardy z danych tabelarycznych.

Co ważne:

• Dynamiczne obliczanie P&L z floating pozycjami na każdy dzień.
• Pojedynczy plik HTML: przenośność, aktualizacja CSV.
• Iteracyjny rozwój przez LLM bez kodu.
• Skala: 400k+ wierszy, 100+ strategii.
• Oszczędność czasu: prototyp w dzień.

Dalszy rozwój

Obecny dashboard pokrywa podstawową analizę. Możliwe rozszerzenia:

• Metryki ryzyka (VaR, drawdown według strategii).
• Heatmapa wydajności według instrumentów.
• Analiza według pory dnia.
• Korelacje między strategiami.
• Integracja w czasie rzeczywistym (WebSocket z brokerem).

— Editorial Team