Trading=70% mind+30% strategy. I study the neurobiology of the click. Transparent log of biological data and the pursuit of State 0. Not financial advice.
Joined October 2025
- Tweets500
- Following81
- Followers474
- Likes123
Pinned Tweet
@lucas_michalek wzywa influencerów, żeby pokazali publiczne wallety zamiast screenów z painta. Sam pokazuje wallet z zyskiem 10 mln $.
Słusznie. Dlatego sprawdziłem też jego wallet. Całe przeliczenie zrobiłem 29.09.2026 (pracowałem nad projektem związanym z portfelami HL, nie chciało mi się pobierać wszystkiego drugi raz dzisiaj). Wszystkie liczby są na ten dzień.
Zysk 10,1 mln $ na wallecie 0xb798…4fbf jest prawdziwy, zgadza się z transakcjami co do 0,1%. Ale:
– na wallecie jest 10,1 mln, nie „11” i nie „15 z Bybitem”. Reszty nie zweryfikuje nikt, więc to ten sam excel, z którego się śmieje;
– cały zysk był gotowy już 10 czerwca. Potem wypłacił 14,5 mln $ i konto 7 tygodni stało puste;
– 22.09 wpłynęło 10 mln $ z innego adresu. Te 10,8 mln, które dziś widać na koncie, to głównie świeże pieniądze. 🧵
#bitcoin #kryptowaluty #trading
1/4
Audyt portfela Hyperliquid #3
Przed dużym przelewem wysyła się na próbę drobną kwotę, żeby sprawdzić, czy numer konta się zgadza. Tak zaczęło się konto 0x2d99…a351: 999 $ na próbę, a 14 minut później 1,5 mln $.
Dziś na zamkniętych pozycjach jest tam +9,9 mln $. 14 z 15 miesięcy na plusie. Na papierze wygląda to jak powtarzalność, której szukam od Audytu #1. Zacznijmy od ogółu ↓
#trading #algotrading #backtesting #krypto #bitcoin #hyperliquid
3/4
Jak handluje? To nie jest portfel jednego tokena. Najwięcej zarobił na ASTER (3,4 mln $), potem BTC (2,6 mln $), HYPE (1,9 mln $), BNB (1,4 mln $) i ZEC (1,2 mln $).
Kontra czy trend following? Wygląda na kontrę. Porównuję z losowym momentem tego samego tokena z tych samych miesięcy. Ok. 8 na 10 wejść jest przeciw ruchowi z ostatniej doby, losowo byłoby ok. 5 na 10. W horyzoncie miesiąca różnica prawie znika. Mam jednak ceny tylko dla 44 z 59 wejść (dla reszty brak notowań), więc to wskazówka, nie dowód.
Odciski palców: wchodzi blisko ekstremum z ostatnich 3 dni (long przy dołku, short przy szczycie) w 76% wejść, losowo byłoby ok. 33%. Do tego w wysokiej zmienności (65%) i gdy ruch przeciw pozycji jeszcze trwa (68%). Ponad połowa wejść wypada na sesję azjatycką (51% wobec 29% losowo).
Jak długo? Zależy od tokena. Na ASTER 8 transakcji, 6 z nich krócej niż doba (mediana ok. 50 minut), ale największą pozycję (ok. 10 mln $) budował na raty: 63 zlecenia, które giełda rozbiła na ponad 3,5 tys. wypełnień. Na HYPE mediana ok. 3 tygodni. Na BTC ok. tygodnia.
Pamiętny wieczór 10.10.2025, który zakończył tamtą hossę. Longuje ASTER w czasie gwałtownego spadku i w kilka godzin zarabia ok. 1,7 mln $. Tego samego wieczoru ląduje likwidacja longa na LTC: −1,2 mln $, czyli ok. 1/7 konta. Cały ten tydzień (10–13.10) to jednak tylko ok. 0,6 mln $ netto. Wynik nie wziął się z jednego dnia. No i trzeba przyznać - wyjść na plus z tak szalonej nocy to może być oznaka chłodnej głowy i równie zimnej krwi.
#trading #algotrading #backtesting #krypto #bitcoin #hyperliquid
1
4
210
4/4
Czy za zyskiem stoi proces, którego szukałem? Częściowo.
Pierwsze 5 miesięcy (IX 2025 – I 2026) dało ok. 7 na 10 dolarów zysku. Od marca 2026 jest to łącznie ok. 2,3 mln $, a w lipcu, sierpniu i wrześniu prawie zero (handlował wtedy kilkanaście razy rzadziej niż jesienią 2025). Typowa pozycja to ok. 1,5x konta, w kilku dniach do ok. 4x.
Kapitał też nie jest tak prosty, jak sugeruje 999 $. Łącznie wpłacono ok. 12 mln $, wypłacono ok. 10,6 mln $, a część środków trafiła jeszcze na inny adres. Na 3.11 portfel trzyma longa na HYPE za ok. 4 mln $ (ok. −150 tys. $ niezrealizowane), którego w tych liczbach nie ma.
Na ten moment: duży, aktywny, wielotokenowy trader, który w ciągu roku zarobił sporo, ale większość w krótkim oknie i na 10 transakcjach. Mogę nie mieć racji, bo to tylko 59 transakcji.
Jak to wykorzystać we własnym backtestingu?
— Mierzyć zysk bez 3 najlepszych miesięcy i bez 5 oraz 10 najlepszych transakcji. Im szybciej wynik spada do zera, tym większe prawdopodobieństwo, że to kilka strzałów.
— Porównywać wynik z kapitałem wpłacanym w czasie, a nie z pierwszą wpłatą (tu 999 $ wobec ok. 12 mln $).
— Sprawdzać, jak wynik rozkłada się w czasie. Jeśli większość pochodzi z kilku pierwszych miesięcy, kolejne okresy mogą wyglądać inaczej.
To nie jest porada inwestycyjna.
#trading #algotrading #backtesting #krypto #bitcoin #hyperliquid
5
126
1/4
Audyt portfela Hyperliquid #2
Zysk końcowy jest trochę jak historyczne zdjęcie. Widzisz efekt, widzisz osobę, ale nie widzisz historii, która za nimi stoi. W długoterminowym tradingu chodzi jednak przede wszystkim o proces. A proces to historia.
Przeglądałem kolejne portfele z leaderboardu Hyperliquid w poszukiwaniu kogoś, kto zarabia powtarzalnie, systematycznie. Znalazłem 0x054a…db2f. +1,37 mln $ na zamkniętych pozycjach w niecałe 2 lata. 18 z 22 miesięcy na plusie.
Na papierze wzór do naśladowania. Ale po kolei ↓
#trading #algotrading #backtesting #krypto
1
3
694
3/4
Jak handluje? Zacznijmy od ogółu, bo wskaźniki bez kontekstu niewiele mówią. 3/4 obrotu to BTC, więc patrzę na BTC. Każde porównanie robię z losowym momentem z tych samych miesięcy.
Trend following? Nie. Shortował szczyty hossy w 2025, longował dołki w 2026. W horyzoncie tygodni i miesięcy wchodzi z trendem tak samo często jak losowo. Za to w horyzoncie doby wchodzi pod prąd: 7 na 10 wejść jest przeciw ruchowi z ostatnich 24 godzin. Losowo byłoby ok. 5 na 10.
Impuls? Nie wskakuje do jadącego pociągu. Longuje po dniu spadków, shortuje po dniu wzrostów, zwykle gdy ruch przeciw niemu jeszcze trwa. Czy to korekta w większym trendzie, czy jego koniec – dla niego bez znaczenia.
Dokładki? Na cofnięciach i w nerwowych momentach: blisko lokalnego dołka (przy longu) albo szczytu (przy shorcie), przy wysokim wolumenie i dużej zmienności.
Kiedy? Najczęściej w sesji USA – połowa wejść, a losowo byłaby to 1/3. Europę prawie omija.
Wyjście? Wcześnie. W 7 na 10 transakcji cena szła dalej w jego stronę już po tym, jak zamknął. Zjada ruch po kawałku, nie próbuje zjeść całego tortu.
Wskaźniki pasują częściowo do tego obrazu. Przy jego wejściach RSI 1h był w strefie wyprzedania (long) albo wykupienia (short) 4x częściej niż losowo. Cena za wstęgą Bollingera 1h – też 4x częściej. Czy rynek był w konsolidacji, czy w impulsie – bez znaczenia.
Typ: kontrarianin. Kupuje strach, sprzedaje euforię. 34 transakcje to za mało, żeby nazwać to dowodem metody, ale styl jest wyraźny.
#trading #algotrading #backtesting #krypto
1
158
4/4
Czy za zyskiem stoi proces, którego szukałem? Częściowo.
Lipiec 2025. Short na BTC dokładany do ok. 6,8 mln $ przy koncie ok. 175 tys. $. Prawie 40x. Dwie straty, dwie dopłaty do konta. Sierpień: short BTC i long ETH, po 5–7x konta. +291 tys. $ w miesiąc. Na tym kapitale stoi cała reszta historii.
Od października 2025 to inny trader. Typowa pozycja to ok. 10% wartości konta. Tyle że co trzeci dolar zysku pochodzi z jednej transakcji: longa BTC od lipca do października 2026, +426 tys. $. Dokładał do niego 237 razy, ale tylko wtedy, gdy był na plusie.
A czego nie widać w wyniku? Od lutego trzyma short na HYPE. Na 3.11 było ok. −51 tys. $ straty, której jeszcze nie zamknął.
Na ten moment to jeden z najrówniej zarabiających portfeli z leaderboardu HL. Ma rozpoznawalny styl: kontra od skrajnych ruchów, dokładki na cofnięciach, szybkie realizacje. Ale fundament zbudowała dźwignia, której dziś już nie używa.
Jak to wykorzystać we własnym backtestingu?
— Mierzyć zysk bez 3-5 najlepszych transakcji. Jeśli wynik spada pod zero, rośnie prawdopodobieństwo, że to tylko strzały.
— Sprawdzić, jak duże były pozycje w każdym okresie. Te same wejścia przy 0,1x i przy 40x to dwie różne strategie.
— Oddzielić (założone) dokładanie do zysku od (niezaplanowanego) dokładania do straty. Pierwsze to plan, drugie to nadzieja.
To nie jest porada inwestycyjna.
#trading #algotrading #backtesting #krypto
2
109
1/8
@Zsuirad_Nezrok zrobił test strategii @MastermindZX: +29,8% na złocie M30 w 2026, na BTC - brak przewagi. Rozwinąłem te badania, odtworzyłem system z codzienną optymalizacją i puściłem go na 12 latach złota i 8 latach bitcoina. Z kosztami i kontrolami.
#bitcoin #trading #algotrading #backtesting
Model MMS statystyczny według @MastermindZX pod lupą.
TMA EA — wyniki testów (styczeń–październik 2026) Algorytm mean reversion oparty na strategii MMS (@MastermindZX ). Pozycja bazowa otwiera się od wstęgi Bollingera po świecy reakcyjnej. Stop loss jest procentowy, a po stracie wielkość pozycji spada do x0,1. Parametry wstęg i SL algorytm wyznacza sam, codziennie, na podstawie ostatnich dni (średnia najlepszych ustawień z każdego dnia). Warunki testu: MetaTrader 5, rachunek CFD, kapitał początkowy 100 000 USD, wielkość x1 (ruch ceny o 1% = 1% kapitału).
XAUUSD (złoto), M30: wynik dodatni
- Prawdziwe ticki: +29,8%, maksymalne obsunięcie 12,5%, współczynnik zysku (PF) 1,21, Sharpe 1,80, 648 transakcji.
- Model 1 Minute OHLC: +31,9% przy obsunięciu 11,4%.
- Wynik prawie taki sam jak na tickach. Wynik jest stabilny. Zysk wychodzi dla 6 z 7 długości okna optymalizacji (od 6 do 21 dni, od +9% do +20% w wersji 1.20, czyli przed poprawką spreadu).
- Korekta kapitału w kwietniu–lipcu, potem nowe szczyty.
- Na interwale M15 złoto nie dało przewagi: najlepszy wariant −4%.
BTCUSD (bitcoin), M15 i M30: brak przewagi
- Na stałych parametrach strategia zarabia na miesiącu, na którym ją zoptymalizowano: czerwiec 2026, +18%, PF 2,67. Na pozostałych miesiącach traci, cały okres od −19% do −31%.
- Z codzienną optymalizacją: na M15 najlepszy wariant +2,5% przy obsunięciu 19,6%, na M30 wszystkie warianty na minusie.
- Prawdopodobna przyczyna to koszty spreadu na CFD przy ponad 1 000 transakcjach rocznie. Autor strategii zaleca rynki spot i P2P zamiast CFD.
Wnioski i dalsze kroki Strategia ma przewagę na złocie (M30) dzięki codziennej adaptacji parametrów w trybie automatycznej którą wprowadziłem.
Na bitcoinie w obecnych warunkach kosztowych tej przewagi nie ma. Sprawdzę jeszcze jednego niezależnego brokera i propa w celu utwierdzenia się w otrzymanych wnioskach.
Dalej w planie: filtr trendu H4/D1, testy XAU na M20 oraz indeks US100 który może pomóc ale tym samym zmiejszyć ilość transakcji.
Wyniki pochodzą z testów historycznych i nie gwarantują przyszłych rezultatów. Treść nie jest rekomendacją inwestycyjną.
7/8
A z podziałem na hossę i bessę? Jedna wyraźna różnica: w bessie BTC po spadkowym poniedziałku reszta tygodnia rosła w 66% tygodni, po wzrostowym w 48%.
Tyle że to 1 z 12 testów. Po korekcie na wielokrotne testy nic nie zostaje. Kontra od wtorku po kosztach na BTC nie odróżnia się od losowego kierunku (73. percentyl). Podobny wzór na Nasdaqu znika przy innej definicji bessy.
#bitcoin #trading #algotrading #backtesting
1
2
864
8/8
Werdykt: MMS w tej formie nie ma przewagi po kosztach. Rok 2026 na złocie to reżim, nie dowód. „Fejkowy poniedziałek” mówi więcej o definicji niż o rynku.
Co ja o tym myślę - obserwuję @MastermindZX od lat. Wiem, że ta strategia służyła jako przykład do własnego rozwoju i za to doceniam. Od tego zaczęła się cała moja przygoda z algotradingiem.
Niemniej, markowanie interwałów i fejkowy poniedziałek nie są w czystej formie przewagą. Są bliższe losowemu zachowaniu ceny, niż faktycznej przewadze. Autor zapewne przykłada znacznie więcej uwagi do metodyki zajmowania pozycji, niż prosty "poniedziałek na fejku" :).
Jak to wykorzystać we własnym backtestingu?
1. Zanim uwierzysz w świetny rok, puść ten sam system na 5-10 latach. Jeden rok to próbka reżimu.
2. Każdą regułę sprawdź na innym dniu albo na losowym wejściu. Jeśli wtorek „fejkuje” tak samo jak poniedziałek, reguła nic nie mówi o poniedziałku.
3. Licz koszty od pierwszego testu. Na M15 zamieniły +60% (przy korzystnych ustawieniach) w −100%.
To nie jest porada inwestycyjna.
#bitcoin #trading #algotrading #backtesting
6
10
1,030
1/5
Strategia z TradingView, 10,9 tys. użyć. W opisie: „Machine Learning”, „każdy parametr hyper-zoptymalizowany”, Sharpe 7,5.
Rok przed publikacją: PF 1,67. Wszystko po nim: PF 0,91, czyli strata po prowizjach.
Przepisałem kod linia po linii i puściłem na 9 latach BTC (stan na 28.10.2026). Co pokazuje ten backtest, a czego nie 🧵
#bitcoin #algotrading #trading #krypto
1
1
297
4/5
Przeuczenie. Sprawdziłem 189 sąsiednich ustawień tych samych reguł. Wszystkie zarabiają po kosztach. To wygląda na efekt rosnącego BTC, a nie trafionych parametrów. „Zoptymalizowane” ustawienia są dopiero 130. na 189. Prawdopodobieństwo przeuczenia (PBO): 0,63.
Koszty: strategia wychodzi na zero przy 0,07% na stronę. Taker na kontraktach BTC to ok. 0,05%, więc zostaje 0,02%. Sam funding przy typowej stawce zjada mniej więcej tyle, a jest jeszcze poślizg. TradingView domyślnie liczy prowizję 0.
I jeszcze jedno: skrypt gra za 100% kapitału. Po roku optymalizacji te same 1222 transakcje dają +17% jako suma, a −33% z procentem składanym (jeszcze przed prowizją). Te same transakcje, odwrotny znak.
#bitcoin #algotrading #trading #krypto
1
1
47
5/5
Werdykt: brak dowodu przewagi. To ekspozycja long na BTC z filtrem, który nic nie dodaje. W latach mocnych wzrostów zarabia, w pozostałych oddaje.
Dlatego, zanim zaufasz backtestowi z TradingView:
1. Sprawdź wynik po dacie publikacji, nie przed nią. Dla większości skryptów to jedyny prawdziwy test poza próbą.
2. Porównuj z losowymi wejściami w tę samą stronę, a nie z zerem. Na rosnącym BTC losowy long też „zarabia”.
3. Ustaw prowizję (min. 0,05% na stronę) i stałą wielkość pozycji. Domyślne 0% prowizji i 100% kapitału to nie jest wynik, który osiągniesz.
W poniedziałek Audyt #2 z Hyperliquid, na świeżych danych. Masz skrypt z TradingView do sprawdzenia? Wrzuć link (tylko otwarty kod).
To nie jest porada inwestycyjna.
#bitcoin #algotrading #trading #krypto
1
52