Opis projektu
Buduję EchoTrade jako osobisty system do świadomego zarządzania portfelem inwestycyjnym z pomocą AI. Nie próbuję stworzyć magicznego bota tradingowego. Chcę narzędzia, które pomaga mi porządkować dane o portfelu, rozumieć kontekst rynkowy, analizować ryzyko i podejmować lepsze decyzje, zanim zacznę automatyzować jakiekolwiek działania.
Projekt zaczął się od prostej potrzeby: chciałem mieć jedno miejsce, w którym mogę śledzić pozycje, sprawdzać stan portfela i stopniowo dodawać bardziej inteligentną analizę. Z czasem rozwinęło się to w większy system łączący dziennik decyzji inwestycyjnych, raportowanie, kontekst rynkowy i analizę wspieraną przez AI.
Dlaczego to zbudowałem
Zbudowałem EchoTrade, bo interesuję się tradingiem i chciałem sprawdzić, jak może wyglądać taki system, jeśli stworzy się go od zera — nie jako gotowego bota, tylko jako własne środowisko do analizy, monitorowania i podejmowania decyzji.
Dużą motywacją było też to, że nie mam czasu ani ochoty codziennie sprawdzać wielu portali, newsów, raportów i innych źródeł informacji. Chcę być na bieżąco z ważnymi wydarzeniami rynkowymi, ale niekoniecznie samemu ich ciągle szukać. EchoTrade ma pomagać mi wyłapywać istotny kontekst, nowe okazje, potencjalne ryzyka oraz sytuacje, które mogą wpłynąć na moje pozycje.
Zależy mi szczególnie na tym, żeby system potrafił wcześniej sygnalizować, że wokół danej pozycji zaczyna dziać się coś ważnego — na przykład zbliża się większa zmienność, pojawia się negatywny sentyment, istotne wydarzenie makroekonomiczne albo ryzyko, które powinienem świadomie przeanalizować.
Frontend powstawał mocno iteracyjnie i był dość mocno vibe-code’owany, ale całość dobrze spełnia swoją rolę: daje mi jedno miejsce do przeglądania portfela, kontekstu, raportów i sygnałów bez konieczności ręcznego przekopywania się przez różne źródła każdego dnia.
Co zbudowałem
Zaprojektowałem EchoTrade jako zestaw wyspecjalizowanych modułów, które współpracują ze sobą, zamiast tworzyć jedną dużą, monolityczną aplikację.
W centrum systemu znajduje się backend w FastAPI, który obsługuje logikę portfela, API, uwierzytelnianie, procesy przeglądu decyzji i koordynację działania całego systemu. Na tym zbudowałem dashboard w Vike + React, który służy jako główny interfejs do przeglądania pozycji, alokacji portfela, snapshotów i wyników analiz.
Wokół tego dodałem usługi wspierające:
- generowanie sygnałów z pomocą AI
- ocenę ryzyka i sprawdzanie reguł bezpieczeństwa
- prowadzenie dziennika decyzji inwestycyjnych
- analizę decyzji po wykonanej transakcji
- automatyczne zbieranie kontekstu rynkowego z użyciem Playwright
- powiadomienia i procesy automatyzacji
Lokalnie projekt działa na dość rozbudowanym stacku z PostgreSQL, RabbitMQ, Redis, MongoDB, n8n i usługami mailowymi. W produkcji podzieliłem go między backend hostowany na VPS i frontend na Cloudflare Pages, dzięki czemu architektura pozostaje prosta i praktyczna.
Dlaczego zbudowałem to w ten sposób
Najważniejszą decyzją projektową w EchoTrade jest model bezpieczeństwa.
Celowo nie buduję systemu, w którym LLM może bezpośrednio składać zlecenia. Zamiast tego oddzielam analizę, walidację i wykonanie transakcji na osobne warstwy. Model może wygenerować pomysł, ale ten pomysł nadal musi przejść przez uporządkowany proces przeglądu, ograniczenia ryzyka i logikę możliwą do późniejszego audytu.
Ta separacja jest dla mnie ważna, ponieważ chcę, żeby system był godny zaufania, zrozumiały i możliwy do sprawdzenia. Dużo bardziej interesuje mnie budowanie zdyscyplinowanego środowiska do podejmowania decyzji niż pogoń za szybką automatyzacją.
Co czyni projekt ciekawym
EchoTrade jest dla mnie ciekawy, bo traktuje AI jako część procesu inwestycyjnego, a nie jako skrót, który ma ten proces zastąpić.
Zamiast prosić model, żeby „handlował za mnie”, używam AI tam, gdzie faktycznie ma sens: do podsumowywania kontekstu, wychwytywania wzorców, wspierania przeglądu decyzji, generowania potencjalnych pomysłów i pomagania mi w bardziej konsekwentnej analizie portfela. Ten projekt jest mniej o autonomicznym działaniu, a bardziej o budowaniu lepszej infrastruktury do podejmowania decyzji.
To oznacza też, że techniczne wyzwanie nie kończy się na integracji modelu. Chodzi o zaprojektowanie systemu, w którym przepływy danych, procesy przeglądu, reguły bezpieczeństwa, interfejs użytkownika i narzędzia operacyjne wzajemnie się wspierają.
Podsumowanie
EchoTrade to moja próba zbudowania inwestycyjnego workspace’u wspieranego przez AI, który pozostaje użyteczny jeszcze zanim pojawi się pełna automatyzacja. Chcę, żeby pomagał mi myśleć klarowniej, uczciwiej oceniać decyzje i działać ostrożnie, gdy w grę wchodzi realny kapitał.
Dla mnie to jest prawdziwy cel tego projektu: nie automatyzować inwestowania tak szybko, jak to możliwe, tylko zbudować system, który krok po kroku zasługuje na zaufanie.