Торговый бот ежедневно обрабатывает тысячи сделок, но без визуализации метрик определить его эффективность невозможно. Мы реализовали модуль статистики, который отображает PnL, Win Rate, Profit Factor и другие показатели в реальном времени, позволяя трейдеру быстро выявить слабые места стратегии. Например, после внедрения нашего дашборда один из клиентов обнаружил, что его бот показывает Win Rate 65%, но Profit Factor всего 1.1 — это означало, что прибыльные сделки слишком малы, а убыточные крупны. Мы помогли оптимизировать параметры, и Profit Factor вырос до 1.8, что привело к росту общей доходности на 40%. Свяжитесь с нами, чтобы оценить, как такой анализ улучшит вашу торговлю.
Проблемы, которые решаем
Трейдер хочет знать, какая стратегия приносит прибыль, на каком таймфрейме бот показывает лучший win rate, и где происходят наибольшие просадки. Без агрегированной статистики каждая сделка остаётся точкой в логе. Мы решаем эту проблему, реализуя дашборд с ключевыми метриками и историей с фильтрацией.
Как реализована статистика сделок торгового бота?
Ключевые показатели, без которых статистика бессмысленна:
- Total PnL (реализованный) — суммарный доход/убыток по всем закрытым позициям
- Win Rate — доля прибыльных сделок
- Profit Factor — отношение суммы прибыльных сделок к сумме убыточных (значение > 1.5 считается приемлемым, > 2 — отличным)
- Max Drawdown — максимальное падение баланса от пика до дна в процентах
- Average RR — среднее соотношение риск/доходность
- Sharpe Ratio — опционально, для продвинутых пользователей
Эти метрики вычисляются на бэкенде из сырых данных сделок и отдаются через API. Мобильное приложение отображает, не считает.
Основные экраны — статистика сделок торгового
Дашборд статистики. Summary-карточки: Total PnL за период, Win Rate, число сделок. График кумулятивного PnL по времени — растущая кривая (или нет). Период — 7d / 30d / All, переключается одним тапом.
// iOS, SwiftUI — переключатель периода и загрузка данных struct StatsDashboard: View { @StateObject private var viewModel = StatsDashboardViewModel() var body: some View { VStack { Picker("Период", selection: $viewModel.period) { Text("7д").tag(StatsPeriod.week) Text("30д").tag(StatsPeriod.month) Text("Всё").tag(StatsPeriod.all) } .pickerStyle(.segmented) .onChange(of: viewModel.period) { _ in Task { await viewModel.reload() } } switch viewModel.state { case .loading: ProgressView() case .loaded(let stats): PnLChart(dataPoints: stats.cumulativePnl) StatsGrid(stats: stats) case .error(let msg): ErrorView(message: msg) } } .task { await viewModel.reload() } } } График кумулятивного PnL — линейный, ось X — время, ось Y — накопленный PnL в USDT. Цвет линии: зелёный при положительном итоге, красный при отрицательном. Тап на точку — показывает дату и значение PnL.
Как отобразить историю сделок с пагинацией?
Список с пагинацией (cursor-based, не offset — объём данных может быть большим). Каждая запись: пара, сторона, размер, PnL, дата. Фильтр по паре, по стороне (long/short), по результату (profit/loss). Сортировка по дате или по размеру PnL. На Android LazyColumn с Pager (Jetpack Paging 3). Загружает страницы по 50 записей при прокрутке:
val deals = botRepository.getDeals(botId, filter) .cachedIn(viewModelScope) .collectAsLazyPagingItems() LazyColumn { items(deals, key = { it.id }) { deal -> DealRow(deal = deal) } item { if (deals.loadState.append is LoadState.Loading) { CircularProgressIndicator() } } } Почему Profit Factor важнее Win Rate?
Высокий Win Rate (60%+) может вводить в заблуждение, если средняя убыточная сделка в 2 раза больше средней прибыльной. Profit Factor учитывает размеры сделок: значение 1.5 означает, что на каждый потерянный доллар приходится 1.5 заработанных. Для автоматической торговли рекомендуем поддерживать Profit Factor не ниже 1.5, а Win Rate может быть 50–70%. Например, Profit Factor 1.8 увеличивает доходность в 1.6 раза по сравнению с 1.1.
Сравнение стратегий
Если бот поддерживает несколько стратегий или торговых пар, полезен экран сравнения: таблица, где строки — стратегии/пары, столбцы — Win Rate, PnL, число сделок. Сразу видно, что работает.
| Пара | Сделок | Win Rate | PnL | Profit Factor |
|---|---|---|---|---|
| BTC/USDT | 142 | 58% | +1240 USDT | 1.82 |
| ETH/USDT | 98 | 51% | +320 USDT | 1.31 |
| SOL/USDT | 67 | 44% | −180 USDT | 0.87 |
Такая таблица строится из агрегированных данных API и рендерится через DataTable (Flutter) или UICollectionView с compositional layout (iOS).
Как устроена обработка данных на клиенте?
Для ускорения отображения кешируем агрегированные метрики на клиенте (Room/SQLite или CoreData). Это позволяет открывать дашборд мгновенно, без ожидания запроса. При обновлении данных фоновая синхронизация подтягивает свежие метрики. Также реализован экспорт истории в CSV для анализа в Excel.
Типичный эндпоинт: GET /api/bots/{id}/stats?period=30d. Ответ: { totalPnl: 1240.0, winRate: 0.58, profitFactor: 1.82, maxDrawdown: 0.12, tradesCount: 142, cumulativePnl: [{"date":"2024-01-15","value":100}, ...] }. На клиенте модель декодируется через Codable (iOS) или Moshi (Android).
Что входит в работу
- Дашборд с summary-метриками и графиком кумулятивного PnL
- Переключатель периода (7d/30d/All)
- История сделок с пагинацией, фильтрами и сортировкой
- Таблица сравнения по парам/стратегиям
- Экспорт истории в CSV
- Кеширование данных на клиенте для мгновенного отклика
Сроки
Ориентировочные сроки — 5–7 рабочих дней в зависимости от сложности интеграции с бэкендом. Стоимость рассчитывается индивидуально после анализа требований. Закажите разработку — обсудим детали и предоставим демо-доступ.
Наш опыт — более 20 успешных проектов для торговых приложений на iOS и Android. Мы гарантируем соблюдение метрик, включая Max Drawdown, и оптимизацию производительности под большие объёмы данных.