A kisbefektető legnagyobb költsége nem a jutalék, hanem az információs szakadék

Számoltad már össze? A profi tőzsdei terminálok évi több százezer forintba kerülnek, az igazán komoly adatszolgáltatók meg milliós nagyságrendben számláznak – te pedig a funkcióknak alig a töredékét használod: szűrés, figyelés, backtest. Ráadásul az adat az ő szerverükön él: a stratégiáid, a naplóid mind az ő fiókodba vannak zárva. Nem fizetsz, minden eltűnik.

Ismerek egy rövid távú kereskedőt, aki zárás után minden nap két órát töltött kézi adatgyűjtéssel, hétvégén meg fél napot az összefoglalóval. Három évig csinálta – gyakorlatilag emberi testben végezte a gép munkáját. Aztán áttette az egész folyamatot egy nyílt forrású panelba: zárás után tíz perc az eredmény, a felszabaduló időből pedig elemzéseket írt, és közben felépített egy húszezres követőbázist.

Erről szól a mai lehetőség: egy self-hosted, nyílt forrású kvant munkaasztallal a „kutatási képességet” „beváltható eszközzé” alakítod.

Tisztázzuk az elején: ez a cikk azoknak szól, akiknek van legalább egy év tőzsdei tapasztalatuk, és munka után tartalmi mellékállást építenének. Kezdőként is végigkövetheted a telepítést, de a bevételszerzéshez kell alaptudás – vagy maradj a tiszta adatfeldolgozós tartalomnál, ne erőltesd a stratégia-értelmezést.

Hol a lehetőség: az eszköz ingyenes, az érték az, amit kihozol belőle

A GitHubon van egy projekt, a tick-stock-panel (repo: https://github.com/shy3130/tick-stock-panel ), a README szerint 5000+ csillaggal, MIT licenccel, egy fejlesztő karbantartásában. A hivatalos pozicionálás: „self-hosted, nulla üzemeltetési igényű részvényszűrő + monitoring + backtest munkaasztal”. Egyetlen Docker konténer, az adatok helyi Parquet fájlokban, semmilyen felhős fiók nem kell hozzá.

18 beépített szűrési stratégia van benne, a klasszikus indikátorok (MA, MACD, RSI, KDJ) egy pipeline-ban, egyetlen lefutással kiszámolódnak. A teljes piac – több ezer részvény – átfutása másodpercek kérdése, és minden a te gépeden marad. A backtest modul beleszámolja a T+1-et, a jutalékot, a csúszást és a stop-loss-t – ez kritikus pont, mert a piacon hemzsegő „backtest csodák” ezeket figyelmen kívül hagyják: a görbe gyönyörű, az éles számla meg elsüllyed. Zárás után automatikusan kihúzza a nap ranglistáit és szektorrotációs adatait, és AI-alapú, párbeszédes összefoglalót is tud. A forrásbejegyzés szerint a napi gyertyaadatok API-kulcs nélkül is működnek, az AI-hoz DeepSeek, Qwen vagy Ollama csatlakoztatható – ezt nem teszteltem személyesen, szóval telepítés után ez legyen az első dolgod.

A fejlesztő maga is világosan kimondja: ez nem befektetési szoftver, nem ad AI-s tippet, tanulmányi célú. Ez pedig jó hír – az eszköz nem lép át semmilyen határt, a te módszertanod és tartalmad viszont szabadon bevételre váltható.

1. lépés: indítsd el a panelt – tíz perc az egész

A telepítési küszöb nevetségesen alacsony. Először telepítsd a Dockert (ha nincs fent: Docker Desktop a hivatalos oldalról, Windowson és Macen is végig „Next”; utána a terminálban a docker -v parancsnak verziószámot kell adnia), aztán húzd le a hivatalos image-et:

1

docker pull ghcr.io/shy3130/tickflow-stock-panel

A konténer indításának pontos parancsát (port, adatkötet, időzóna) a repo README-jének gyorsindító fejezete adja – egy tipikus változat így néz ki, tájékoztató jelleggel:

1
2
3
4
5
6

docker run -d \
  --name tsp \
  -p 8000:8000 \
  -v tsp-data:/app/data \
  -e TZ=Europe/Budapest \
  ghcr.io/shy3130/tickflow-stock-panel

Nyisd meg a böngészőben a helyi portot, és ott a komplett kvant munkaasztal: piaci dashboard, watchlist-csoportok, stratégiaszkenner, backtest kutató, monitoring központ – minden egy panelen. Az adat helyben él; gépcsere esetén átkötöd a kötetet, és kész. Nincs „lejárt az előfizetés, törlődött minden” sztori.

Ha a Dockerhez se akarsz hozzányúlni, bérelj egy évi 30-40 ezer forintos mini VPS-t, telepítsd oda, és mobilon is látod az értesítéseket – push-üzenetben jön a napközbeni anomália, nem kell a képernyőt bámulnod.

2. lépés: a backtest váltsa „érzést” „bizonyítékra”

A legtöbb kisbefektető stratégiája a „szerintem” szintjén áll. Ennek a panelnak az az értéke, hogy kényszerít az ellenőrizhetőségre: a beépített stratégiák egy kattintással végigfutnak a teljes piacon, egyedi jelzéseket feltételekből kombinálsz, a backtest riport pedig egyből adja a három legfontosabb számot – nettó értékgörbe, maximális visszaesés, nyerési arány – plusz egy rakat haladó metrikát.

Ne riasszanak a kifejezések, fordítom emberi nyelvre:

• Sharpe-mutató: egységnyi kockázatra mennyi extra hozam jut. Alacsony érték = az életed kockáztatod aprópénzért.
• Monte Carlo visszaesés: véletlenszerűen összeállított rossz piaci sorozatokkal bombázza a stratégiát, hogy lásd a legrosszabb esetet.
• IC/IR: megmutatja, hogy az adott faktor tényleg jósol-e valamit. Ha nem, megy a kukába.
• Paraméterérzékenység / gördülő out-of-sample teszt: más időszakon, kicsit módosított paraméterekkel újrafuttatja – kiderül, hogy a stratégia csak véletlenül működött-e egy konkrét múltbeli szakaszon.

Konkrét munkafolyamat: azt hiszed, hogy a „csökkenő forgalom melletti visszateszt a 20 napos mozgóátlaghoz” oldalazó piacon működik. Beállítod a feltételeket, először faktor-teszttel kiszűröd a hasztalan indikátorokat, aztán stratégia-backtest az elmúlt három évre, végül paraméterérzékenység – ha egy apró módosításra összeomlik a hozam, az túlillesztett szerencse volt, kukázd. Az eredmény CSV-be exportálható, archiválható, egy kattintással újratölthető.

Ha ez a folyamat megvan, a kezedben van valami, ami másnak nincs: dokumentált adatforrással és attribúciós elemzéssel ellátott stratégiai kutatási napló.

3. lépés: a kutatási naplóból legyen cash flow

Az eszköz maga nem termel pénzt – a pénz három származékos útvonalban van. Előbb hideg zuhany: ezeken az utakon kevesen jutnak el a végére, a fő költség az időd, a beindulás hónapokat vehet igénybe, és a kvant-tartalmi niche már most zsúfolt. Az alábbi számok a környezetemben látott jellemző ársávok, nem bevételi ígéret.

Első út: tartalmi bevétel. A zárás utáni AI-összefoglaló és a szektorrotációs adatok kész tartalmi alapanyagok. Naponta húsz perc alatt összeáll egy „mai hangulat + ranglista-struktúra + holnapi figyelendők” jellegű összefoglaló, ami megy Substackre, X-re vagy egy saját hírlevélbe. Az ilyen tartalom a befektetői közegben keményvaluta: a tapasztalatom szerint egy működő, pár ezer feliratkozós hírlevél hirdetésekből és közösségből havi pár százezer forintot hozhat – ha sikerül beindítani. A legtöbb fiók pont a hidegindításnál hal el.

Második út: szolgáltatás. Aki tud telepíteni, stratégiát konfigurálni és backtest riportot értelmezni, az ritka készséggel bír. A Vinted- és Facebook Marketplace-szerű platformokon, illetve szabadúszó oldalakon a „backtest megcsinálom helyetted” típusú megbízások jellemzően 20 000–150 000 Ft között mozognak, a megrendelők többnyire elfoglalt alkalmazottak, akik részvényeznek, de nincs idejük babrálni. A leadandó: a panelből exportált riport plusz egy oldalas értelmezés.

Harmadik út: a folyamatot add el, ne a kódot. Csomagold a „Docker telepítés + adatforrás-beállítás + stratégiasablonok + összefoglaló-sablonok” egészét egy fizetős tananyagba vagy előfizetéses közösségbe. Az eszköz MIT licenccel ingyenes – te azt a több tíz órányi elkerült bukdácsolást adod el.

⚠️ A megfelelőségi határvonal, külön kiemelve:
Csak adat-összefoglalót és hangulatelemzést csinálj, sosem adsz konkrét vételi javaslatot. A „ezt jegyeztem fel ma” és a „ezt vedd meg” két külön világ – az utóbbi engedélyköteles befektetési tanácsadás, az egyetlen vörös vonal, amin ezen a mellékálláson elhasalhatsz. Ne adj konkrét eladási-vételi tanácsot, ne posztolj „aki követett, az nyert” screenshotokat, ne ígérj hozamot tagsági díjért cserébe. Amit eladsz, az a kutatási módszer és az információrendszerezés – nem részvényszimbólumok.

Esettanulmány: hogyan indult be egy esti kvant-tartalmi projekt

A fent említett ismerősöm tényleges útja így nézett ki: első héten telepítette a panelt és végigfuttatta a 18 beépített stratégiát; a másodiktól minden nap írt egy 800 szavas zárás utáni összefoglalót, fix rovattal, két platformon; a harmadik hónapra ötezer követő felett járt, és indított egy évi 35 000 Ft-os zárt közösséget, ahova naponta kimentek a panel által generált ranglisták és anomália-figyelések. Fél év alatt a közösség 400 fő fölé nőtt, a hirdetési bevételekkel és két backtest-megbízással együtt – saját elmondása szerint – havi 600-700 ezer Ft körül stabilizálódott a mellékjövedelme. Ahogy ő fogalmazott: „A részvényekkel nem kerestem sokkal többet, de maga a részvénykutatás kezdett pénzt hozni.”

Fontos hozzátenni: ez egyetlen minta a környezetemből, a számok az ő elmondásából származnak, nem garantáltan reprodukálhatók. A siker fele fegyelem, fele meg az volt, hogy akkor lépett be, amikor a mezőny még nem volt ennyire tömött. Az igazi védőárk itt nem a technológia, hanem a „minden zárás után kimegy egy poszt” fegyelem – a panel pont a termelési költséget nyomja le húsz percre. A többi rajtad múlik: bírsz-e fél évig kihagyás nélkül publikálni.

Ma este megteheted

Nyisd meg a https://github.com/shy3130/tick-stock-panel oldalt, dobj rá egy Star-t, húzd le az image-et, indítsd el a konténert. Ne a pénzen járjon az eszed: egy hétig futtasd végig mind a 18 beépített stratégiát backtesten, és nézd meg, milyen a valós adat – azonnal megérted, miért bukik el a „tuti stratégiák” 90%-a a csúszás és a jutalék vizsgálatán. Aki ezt megérti, már megelőzte az érzésből kereskedő többséget. Az eszköz ingyenes – az egyetlen küszöb, hogy ma este hozzáfogsz-e.