איך לבנות AI Trading Bot מאפס — המדריך הטכני המלא לשנת 2026

כדי לבנות AI Trading Bot מאפס צריך לעשות שלושה דברים בסדר הנכון: (1) להגדיר אסטרטגיה ברת-בדיקה עם כניסה, יציאה, ו-Stop Loss ברורים, (2) לכתוב ולבחון את הקוד עם נתונים היסטוריים לפני שמשקיעים שקל אחד, ו-(3) להריץ את הבוט על ענן עם שמירת לוגים. כל השאר — הכלים, ה-AI, הפלטפורמה — הם פרטי יישום. המדריך הזה עובר את כל השלבים, עם קוד שעובד.

---

מה הבוט שלך צריך לדעת לעשות לפני שורת קוד אחת

לפני שפותחים IDE, מגדירים את האסטרטגיה בכתב. בוט ללא אסטרטגיה מוגדרת הוא רק מחולל הפסדים אוטומטי.

תבנית הגדרת אסטרטגיה:

| שדה | תיאור | |-----|--------| | שם האסטרטגיה | Gap and Go / RSI Oversold / MA Crossover | | מכשיר | מניות S&P 500 / ETF / קריפטו | | סיגנל כניסה | תנאי מדויק (דוגמה: RSI < 30 וסגירה מעל MA20) | | סיגנל יציאה | תנאי יציאה (דוגמה: RSI > 60 או +5%) | | Stop Loss | % מקסימלי להפסד (דוגמה: 2%) | | Take Profit | יחס סיכון/רווח (דוגמה: 1:2) | | ניהול פוזיציה | % מהתיק לכל עסקה (דוגמה: 2%) |

שלוש אסטרטגיות מתאימות למתחילים:

1. Gap and Go — מניה שפתחה פער גדול (>3%) עם נפח גבוה, כניסה לונג בראשית המסחר
2. RSI Oversold — RSI מתחת ל-30 + חזרה מעל ה-30, סיגנל לרכישה
3. MA Crossover — חצייה של ממוצע נע קצר (20) מעל ממוצע ארוך (50)

---

כיצד להתקין את כל הכלים בדקה אחת

כל הכלים חינמיים ו-Open Source:

pip install yfinance pandas pandas-ta alpaca-trade-api python-dotenv backtrader

| ספרייה | תפקיד | |--------|--------| | yfinance | נתוני מניות היסטוריים מ-Yahoo Finance | | pandas-ta | אינדיקטורים טכניים (RSI, MACD, MA) | | alpaca-trade-api | ביצוע עסקאות ב-Paper Trading וב-Live | | python-dotenv | שמירת API Keys בצורה בטוחה | | backtrader | Backtesting על נתונים היסטוריים |

שמירת API Keys — אסור לקודד בקוד

# קובץ .env — לא לעלות ל-Git!
ALPACA_API_KEY=your_key_here
ALPACA_SECRET_KEY=your_secret_here
ALPACA_BASE_URL=https://paper-api.alpaca.markets

from dotenv import load_dotenv
import os

load_dotenv()
api_key = os.getenv("ALPACA_API_KEY")
secret_key = os.getenv("ALPACA_SECRET_KEY")
base_url = os.getenv("ALPACA_BASE_URL")

הוסף .env ל-.gitignore לפני ה-commit הראשון.

---

איך לכתוב את הקוד מהר יותר עם AI

Claude ו-ChatGPT יכולים לכתוב 80% מהקוד — אבל צריך לדעת לבקש נכון.

תבנית Prompt לבוט:

"כתוב Python script שמשתמש ב-yfinance לטעינת נתוני AAPL ב-1 Day timeframe, מחשב RSI(14) עם pandas-ta, ומייצר סיגנל קנייה כש-RSI חוצה מתחת ל-30 וחוזר מעל. כלול Stop Loss של 2% ו-Take Profit של 4%. קוד נקי, עם הערות בעברית."

רשימת בדיקה לקוד שה-AI כתב:

• [ ] האם ה-Stop Loss מוגדר כערך מספרי ולא כתנאי לוגי בלבד?
• [ ] האם הקוד מטפל ב-API error ולא קורס שקטות?
• [ ] האם Position Sizing מחושב נכון (תיק * 0.02) / מחיר_כניסה?
• [ ] האם הלוג כולל timestamp, סמל, מחיר, וסיבת כניסה?

---

כיצד לטעון נתונים ולחשב אינדיקטורים

import yfinance as yf
import pandas_ta as ta

# טעינת נתונים היסטוריים
ticker = yf.Ticker("AAPL")
df = ticker.history(period="6mo", interval="1d")

# חישוב אינדיקטורים
df["RSI"] = ta.rsi(df["Close"], length=14)
df["MA20"] = ta.sma(df["Close"], length=20)
df["MA50"] = ta.sma(df["Close"], length=50)

# סיגנל כניסה: RSI חוזר מעל 30 אחרי שהיה מתחתיו
df["signal"] = (df["RSI"] < 30) & (df["RSI"].shift(1) >= 30)

print(df[df["signal"]][["Close", "RSI", "MA20"]].tail(10))

לנתונים בזמן אמת דרך Alpaca WebSocket:

from alpaca_trade_api.stream import Stream

stream = Stream(api_key, secret_key, base_url=base_url, data_feed="iex")

async def on_bar(bar):
    print(f"{bar.symbol}: Close={bar.close}, Volume={bar.volume}")

stream.subscribe_bars(on_bar, "AAPL")
stream.run()

---

Backtesting — כך בודקים את האסטרטגיה על העבר

ראה מדריך מלא: מה זה Backtesting ואיך עושים אותו נכון

import backtrader as bt
import yfinance as yf

class GapStrategy(bt.Strategy):
    def __init__(self):
        self.rsi = bt.indicators.RSI(self.data.close, period=14)

    def next(self):
        if not self.position:
            # כניסה: RSI עולה מתחת ל-30
            if self.rsi[0] < 30 and self.rsi[-1] >= 30:
                size = int((self.broker.cash * 0.02) / self.data.close[0])
                self.buy_bracket(
                    size=size,
                    stopprice=self.data.close[0] * 0.98,   # Stop Loss 2%
                    limitprice=self.data.close[0] * 1.04   # Take Profit 4%
                )

# הרצת Backtest
cerebro = bt.Cerebro()
cerebro.addstrategy(GapStrategy)

data_df = yf.download("AAPL", start="2023-01-01", end="2025-01-01")
feed = bt.feeds.PandasData(dataname=data_df)
cerebro.adddata(feed)

cerebro.broker.setcash(10000)
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name="sharpe")
cerebro.addanalyzer(bt.analyzers.DrawDown, _name="drawdown")

results = cerebro.run()
strat = results[0]

print(f"Sharpe Ratio: {strat.analyzers.sharpe.get_analysis()['sharperatio']:.2f}")
print(f"Max Drawdown: {strat.analyzers.drawdown.get_analysis()['max']['drawdown']:.2f}%")
print(f"Final Value: ${cerebro.broker.getvalue():,.2f}")

מה תוצאות Backtest טובות?

| מדד | מינימום לצלוח | אידיאלי | |-----|--------------|---------| | Sharpe Ratio | > 1.0 | > 1.5 | | Max Drawdown | < 20% | < 10% | | Win Rate | > 45% | > 55% | | Profit Factor | > 1.3 | > 1.8 |

---

Paper Trading — עסקאות אמיתיות בלי כסף אמיתי

לפני שמשקיעים כסף אמיתי — חובה לרוץ Paper Trading לפחות חודש. ראה: כמה כסף צריך להתחיל מסחר אוטומטי

import alpaca_trade_api as tradeapi

api = tradeapi.REST(api_key, secret_key, base_url, api_version="v2")

def execute_trade(symbol, entry_price, qty):
    stop_loss_price = round(entry_price * 0.98, 2)
    take_profit_price = round(entry_price * 1.04, 2)

    order = api.submit_order(
        symbol=symbol,
        qty=qty,
        side="buy",
        type="market",
        time_in_force="day",
        order_class="bracket",
        stop_loss={"stop_price": stop_loss_price},
        take_profit={"limit_price": take_profit_price}
    )
    
    log_trade(symbol, entry_price, qty, stop_loss_price, take_profit_price, order.id)
    return order

def log_trade(symbol, price, qty, sl, tp, order_id):
    import csv
    from datetime import datetime
    
    with open("trades_log.csv", "a", newline="") as f:
        writer = csv.writer(f)
        writer.writerow([
            datetime.now().isoformat(),
            symbol, price, qty, sl, tp, order_id
        ])

Bracket Order שולח Stop Loss ו-Take Profit בפקודה אחת — אם הבוט נפל, ההגנות עדיין פעילות.

---

Deploy לשרת — איך הבוט רץ 24/7

הפתרון הפשוט ביותר: DigitalOcean Droplet ב-$6 לחודש (Ubuntu 22.04, 1GB RAM).

# על השרת
sudo apt update && sudo apt install python3-pip python3-venv -y

mkdir ~/trading_bot && cd ~/trading_bot
python3 -m venv venv
source venv/bin/activate

pip install yfinance pandas pandas-ta alpaca-trade-api python-dotenv backtrader

# העלאת קבצים
scp bot.py .env user@your_server_ip:~/trading_bot/

Systemd Service — הבוט מתחיל מחדש אוטומטית אחרי קריסה:

# /etc/systemd/system/trading_bot.service
[Unit]
Description=AI Trading Bot
After=network.target

[Service]
Type=simple
User=your_username
WorkingDirectory=/home/your_username/trading_bot
ExecStart=/home/your_username/trading_bot/venv/bin/python bot.py
Restart=always
RestartSec=10
StandardOutput=append:/var/log/trading_bot.log
StandardError=append:/var/log/trading_bot_error.log

[Install]
WantedBy=multi-user.target

sudo systemctl enable trading_bot
sudo systemctl start trading_bot
sudo systemctl status trading_bot

---

מתי הבוט מוכן לכסף אמיתי?

7 קריטריונים לפני מעבר ל-Live Trading:

• [ ] הבוט עבר Backtest עם Sharpe > 1.0 ו-Drawdown < 20%
• [ ] רץ Paper Trading חודש מלא ללא קריסות
• [ ] כל עסקה מתועדת בלוג עם timestamp ומחיר
• [ ] Stop Loss פעל נכון לפחות 3 פעמים בפועל
• [ ] Systemd מפעיל מחדש את הבוט אוטומטית
• [ ] יש התראות Telegram/Email על שגיאות קריטיות
• [ ] מבין כל שורת קוד בסקריפט הראשי

תוכנית גדילה הדרגתית:

| שלב | הון | מה מוכיחים | |-----|-----|-----------| | Paper Trading | $0 | האסטרטגיה עובדת | | Live שלב א' | $500–1,000 | הקוד עובד עם כסף אמיתי | | Live שלב ב' | $2,000–5,000 | ניהול פוזיציה ו-Drawdown | | סקייל-אפ | $10,000+ | יציבות לאורך זמן |

אל תדלגו שלבים — כל שלב חושף בעיות שרק כסף אמיתי מגלה.

---

שאלות נפוצות

כמה זמן לוקח לבנות בוט עובד? עם Python בסיסי ו-AI לכתיבת קוד — 2–4 שבועות לבוט ראשון שרץ ב-Paper Trading.

האם צריך לדעת תכנות מתקדם? לא. Python בסיסי (משתנים, לולאות, פונקציות) מספיק — ה-AI כותב את החלקים המורכבים.

מה ההבדל בין Paper Trading ל-Backtesting? Backtesting בוחן על נתוני עבר; Paper Trading מריץ את האסטרטגיה בזמן אמת עם כסף מדומה.

Alpaca מדוייק לישראלים? כן. Alpaca מאפשר פתיחת חשבון לישראלים, ממשק API נוח, ו-Paper Trading חינמי ללא הגבלה.

מה עושים כשהבוט מפסיד ברצף? עוצרים, בוחנים את הלוגים, מגדירים Circuit Breaker — למשל, עצירה אוטומטית אחרי 3 הפסדות רצופות.

האם אפשר להריץ כמה אסטרטגיות במקביל? כן, אבל מתחילים באחת. כל אסטרטגיה דורשת תשומת לב נפרדת בשלב ה-Paper Trading.

---

סיכום: הסדר הנכון לבניית בוט

1. הגדר אסטרטגיה בכתב עם כניסה, יציאה, Stop Loss
2. Backtest על 2+ שנים של נתונים היסטוריים
3. Paper Trading חודש מלא — 7 קריטריוני מוכנות
4. Deploy לשרת עם Systemd ולוגים
5. Live Trading עם $500 ראשונים בלבד

לפרטים על איך בוט מסחר עובד מבפנים, ראה: איך עובד בוט מסחר אוטומטי — הסבר מלא