{"id":16099,"date":"2025-11-14T09:28:24","date_gmt":"2025-11-14T08:28:24","guid":{"rendered":"https:\/\/haimagazine.com\/?p=16099"},"modified":"2026-01-07T16:28:00","modified_gmt":"2026-01-07T15:28:00","slug":"eksperymentalny-trading-z-ai","status":"publish","type":"post","link":"https:\/\/haimagazine.com\/pl\/ai_branza\/biznes\/eksperymentalny-trading-z-ai\/","title":{"rendered":"\ud83d\udd12 Eksperymentalny trading z AI: Kt\u00f3ry LLM zarabia najwi\u0119cej?"},"content":{"rendered":"<p>Wraz z rozwojem sztucznej inteligencji i upowszechnieniem si\u0119 du\u017cych modeli j\u0119zykowych (LLM) pojawiaj\u0105 si\u0119 kolejne pr\u00f3by wykorzystania jej w \u015bwiecie finans\u00f3w. Szczeg\u00f3lnie tam, gdzie, przynajmniej w teorii, mo\u017cna zrobi\u0107 szybko du\u017ce pieni\u0105dze. Mowa oczywi\u015bcie o tradingu lub jak kto woli \u2013 spekulacji instrumentami finansowymi. Zapraszam do analizy eksperymentu Alpha Arena, w kt\u00f3rym sze\u015b\u0107 LLM\u00f3w dosta\u0142o do dyspozycji po 10 000 USD, kt\u00f3rymi to \u015brodkami mog\u0142y obraca\u0107 na rynku kryptowalut. Spr\u00f3bujemy sobie odpowiedzie\u0107 na pytanie, czy AI jest w stanie zast\u0105pi\u0107 cz\u0142owieka w tradingu.<\/p><h4 class=\"wp-block-heading\">Geneza i Cel Eksperymentu<\/h4><p>Eksperyment Alpha Arena, zosta\u0142 zainicjowany przez laboratorium badawcze Nof1.ai i stanowi pierwszy na \u015bwiecie globalny benchmark maj\u0105cy na celu pomiar zdolno\u015bci inwestycyjnych wiod\u0105cych LLM\u00f3w w rzeczywistych, dynamicznych warunkach rynkowych. Celem nadrz\u0119dnym projektu, by\u0142o ustalenie, czy og\u00f3lna inteligencja modeli LLM jest wystarczaj\u0105ca do generowania przewagi rynkowej (tzw. alpha) i efektywnego zarz\u0105dzania ryzykiem w \u015brodowisku, kt\u00f3re jest z definicji &#8222;chaotyczne, antagonistyczne, niestacjonarne i nieprzewidywalne&#8221;. W przeciwie\u0144stwie do statycznych test\u00f3w wiedzy, Alpha Arena podda\u0142a modele presji rynkowej, testuj\u0105c ich zdolno\u015b\u0107 do podejmowania decyzji pod wp\u0142ywem realnego kapita\u0142u i zmienno\u015bci.<\/p><p>G\u0142\u00f3wne za\u0142o\u017cenia:<\/p><ul class=\"wp-block-list\"><li>6 modeli:<ul><li>Qwen3 Max (Alibaba),<\/li><\/ul><ul><li>DeepSeek Chat V3.1,<\/li><\/ul><ul><li>GPT-5 (OpenAI),<\/li><\/ul><ul><li>Gemini 2.5 Pro (Google\/DeepMind),<\/li><\/ul><ul><li>Grok 4 (xAI),<\/li><\/ul><ul class=\"wp-block-list\"><li>Claude Sonnet 4.5 (Anthropic),<\/li><\/ul><\/li>\n\n<li>Czas trwania: 18 X \u2013 3 XI 2025<\/li>\n\n<li>Kapita\u0142 pocz\u0105tkowy: 10&nbsp;000 USD<\/li>\n\n<li>Instrumenty:<ul><li>Bitcoin ($BTC),<\/li><\/ul><ul><li>Ethereum ($ETH),<\/li><\/ul><ul><li>Solana ($SOL),<\/li><\/ul><ul><li>Binance Coin ($BNB),<\/li><\/ul><ul><li>Doge ($DOGE),<\/li><\/ul><ul class=\"wp-block-list\"><li>Ripple ($XRP),<\/li><\/ul><\/li>\n\n<li>Gie\u0142da: Hyperliquid<\/li><\/ul><h4 class=\"wp-block-heading\">Architektura Eksperymentu i Za\u0142o\u017cenia Systemowe (The Harness)<\/h4><p>Kluczem do testowania LLM w \u015brodowisku transakcyjnym jest stworzenie tzw. Harness \u2013 architektonicznego systemu, kt\u00f3ry przekszta\u0142ca model j\u0119zykowy w agenta zdolnego do wykonania strategii inwestycyjnej. W Alpha Arena modele dzia\u0142a\u0142y w kr\u00f3tkiej, powtarzalnej p\u0119tli decyzyjnej, kt\u00f3ra, wed\u0142ug wst\u0119pnych za\u0142o\u017ce\u0144, od\u015bwie\u017ca\u0142a si\u0119 co oko\u0142o 3 minuty.<\/p><p>Modele otrzymywa\u0142y wy\u0142\u0105cznie surowe dane numeryczne, co celowo ogranicza\u0142o ich dost\u0119p do szerszego kontekstu newsowego, globalnej ekonomii czy nastroj\u00f3w rynkowych, kt\u00f3re mog\u0142yby by\u0107 analizowane przez ludzi. Dane te obejmowa\u0142y:<\/p><ol start=\"1\" class=\"wp-block-list\"><li><strong>Wska\u017aniki Techniczne:<\/strong> Aktualne ceny oraz wska\u017aniki analizy technicznej, takie jak \u015brednie krocz\u0105ce wyk\u0142adnicze (EMA), dywergencja i konwergencja \u015brednich krocz\u0105cych (MACD) oraz wska\u017anik si\u0142y wzgl\u0119dnej (RSI). Wska\u017aniki te by\u0142y dostarczane w r\u00f3\u017cnych interwa\u0142ach czasowych, np. 10 minut i 4 godziny.<\/li>\n\n<li><strong>Stan Rachunku:<\/strong> Bie\u017c\u0105ca sytuacja finansowa, w tym dost\u0119pna got\u00f3wka, otwarte pozycje, aktualny zysk\/strata (P&amp;L), wska\u017anik Sharpe Ratio (zwrot skorygowany o ryzyko) oraz op\u0142aty transakcyjne gie\u0142dy Hyperliquid.<\/li><\/ol><p>Warto r\u00f3wnie\u017c zaznaczy\u0107, \u017ce modelom narzucono specyficzne podej\u015bcie do zawierania transakcji. Otwieraj\u0105c pozycj\u0119 model mia\u0142 mie\u0107 przygotowany plan wyj\u015bcia, czyli cen\u0119 przy kt\u00f3rej b\u0119dzie realizowa\u0142 zysk (tzw. Take Profit (TP)) oraz cen\u0119 przy kt\u00f3rej zdecyduje si\u0119 uci\u0105\u0107 dalsze straty (tzw. Stop Loss (SL)). Poza planem wyj\u015bcia wymagane by\u0142o uzasadnienie bazuj\u0105ce na \u0142a\u0144cuchu my\u015bli (Chain of Thought (CoT)) oraz zaufanie do pozycji czyli miara subiektywnej pewno\u015bci modelu co do decyzji, wyra\u017cona procentowo.<\/p><h4 class=\"wp-block-heading\">Wyniki<\/h4><p>Na wykresie poni\u017cej wida\u0107, jak zmienia\u0142a si\u0119 warto\u015b\u0107 portfela zarz\u0105dzanego przez poszczeg\u00f3lne modele.<\/p><figure class=\"wp-block-image size-full is-resized\"><img loading=\"lazy\" decoding=\"async\" width=\"2054\" height=\"1046\" src=\"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/wykres.png\" alt=\"\" class=\"wp-image-16111\" style=\"object-fit:cover;width:1388px;height:auto\" srcset=\"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/wykres.png 2054w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/wykres-300x153.png 300w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/wykres-1024x521.png 1024w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/wykres-768x391.png 768w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/wykres-1536x782.png 1536w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/wykres-2048x1043.png 2048w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/wykres-600x306.png 600w\" sizes=\"auto, (max-width: 2054px) 100vw, 2054px\" \/><figcaption class=\"wp-element-caption\"><strong><em>Wyniki inwestycyjne poszczeg\u00f3lnych modeli. \u0179r\u00f3d\u0142o: <a href=\"https:\/\/nof1.ai\/\" target=\"_blank\" rel=\"noopener\"><mark style=\"background-color:#82D65E\" class=\"has-inline-color has-contrast-color\">https:\/\/nof1.ai\/<\/mark><\/a><\/em><\/strong><\/figcaption><\/figure><p>Ostatecznie najlepiej poradzi\u0142y sobie modele chi\u0144skie \u2013 Gwen wygenerowa\u0142 ok 23% zysku, a DeepSeek ok 5%. \u017baden z zachodnich modeli nie by\u0142 w stanie osi\u0105gn\u0105\u0107 zysku \u2013 najmniej straci\u0142 Claude (-30%), a najwi\u0119cej ChatGPT (-62%). Co ciekawe,&nbsp; mniej wi\u0119cej w po\u0142owie eksperymentu chi\u0144skie modele generowa\u0142y naprawd\u0119 imponuj\u0105ce zwroty (odpowiednio 130% i 110% Gwen i DeepSeek).<\/p><figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"572\" src=\"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela1-1024x572.png\" alt=\"\" class=\"wp-image-16102\" srcset=\"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela1-1024x572.png 1024w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela1-300x168.png 300w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela1-768x429.png 768w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela1-600x335.png 600w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela1.png 1240w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><figcaption class=\"wp-element-caption\"><strong><em>Ko\u0144cowa i maksymalna warto\u015b\u0107 portfela i ko\u0144cowa stopa zwrotu wraz ze zmian\u0105 kurs\u00f3w poszczeg\u00f3lnych kryptowalut w trakcie trwania eksperymentu dla poszczeg\u00f3lnych modeli. \u0179r\u00f3d\u0142o: opracowanie w\u0142asne na podstawie nof1.ai<\/em><\/strong><\/figcaption><\/figure><p>W tym samym czasie kursy poszczeg\u00f3lnych walut zmieni\u0142y si\u0119 od +1% (Solana) do -11% (Ethereum).<\/p><h4 class=\"wp-block-heading\">Wnioski<\/h4><p>Fenomen utraty przez DeepSeek niemal 9&nbsp;000USD w kilka dni jest najwa\u017cniejszym wnioskiem dotycz\u0105cym zarz\u0105dzania ryzykiem przez LLM. Agresywne modele, kt\u00f3re szybko zbudowa\u0142y zyski, nie posiada\u0142y wystarczaj\u0105cej dyscypliny wyj\u015bcia. Kiedy rynek kryptowalut do\u015bwiadczy\u0142 korekty w ko\u0144cowej fazie eksperymentu, DeepSeek i Grok, trzymaj\u0105ce wysoko lewarowane pozycje d\u0142ugie, nie zrealizowa\u0142y zysk\u00f3w, co doprowadzi\u0142o do gwa\u0142townego spadku warto\u015bci portfela. Jeden z wcze\u015bniejszych raport\u00f3w wskaza\u0142, \u017ce DeepSeek wpad\u0142 w &#8222;panik\u0119&#8221; i straci\u0142 27% zysk\u00f3w w ci\u0105gu jednego dnia.<\/p><p>DeepSeek i Grok pad\u0142y ofiar\u0105 typowo ludzkiej pu\u0142apki behawioralnej: przekonania o kontynuacji trendu i braku gotowo\u015bci do zabezpieczenia kapita\u0142u. Z drugiej strony, Qwen3 Max, mimo \u017ce r\u00f3wnie\u017c straci\u0142 cz\u0119\u015b\u0107 swojej tymczasowej przewagi, utrzyma\u0142 zwyci\u0119stwo dzi\u0119ki wbudowanemu w system transakcyjny rygorowi. Model ten utrzymywa\u0142 konserwatywne stop-lossy i take-profity, unika\u0142 nadmiernej cz\u0119stotliwo\u015bci transakcji, co zapewni\u0142o mu stabilno\u015b\u0107 i ochron\u0119 kapita\u0142u w chwilach wysokiej zmienno\u015bci.<\/p><p>Zwyci\u0119stwo Qwen jest najwi\u0119kszym zaskoczeniem eksperymentu. Model ten nie posiada w og\u00f3le rozbudowanej funkcji CoT, albo ma j\u0105 znacznie uproszczon\u0105. Z tego powodu Qwen nie traci\u0142 czasu na g\u0142\u0119bok\u0105 symulacj\u0119 my\u015blow\u0105 zakupu lub sprzeda\u017cy, polegaj\u0105c na szybkich decyzjach i \u015bcis\u0142ego wykonania planu.<\/p><p>Zamiast d\u0105\u017cy\u0107 do przewidywania, Qwen3 skupi\u0142 si\u0119 na dyscyplinie zarz\u0105dzania ryzykiem:<\/p><ol start=\"1\" class=\"wp-block-list\"><li><strong>Ograniczona Cz\u0119stotliwo\u015b\u0107 Transakcji:<\/strong> Qwen3 przeprowadzi\u0142 relatywnie ma\u0142\u0105 liczb\u0119 transakcji (48), ograniczaj\u0105c koszty transakcyjne.<\/li>\n\n<li><strong>Dobry stosunek zysku do ryzyka:<\/strong> Model charakteryzowa\u0142 si\u0119 najlepszym stosunkiem zysku do ryzyka (4,73 w przypadku najlepszej i najgorszej transakcji).<\/li>\n\n<li><strong>Wyb\u00f3r Strategiczny:<\/strong> Qwen3 przyj\u0105\u0142 prost\u0105 strategi\u0119 polegaj\u0105c\u0105 na utrzymaniu wysokiej d\u017awigni, ale skoncentrowanej wy\u0142\u0105cznie na Bitcoinie, kt\u00f3ry by\u0142 najstabilniejszym aktywem z puli.<\/li><\/ol><p>Analiza behawioralna wskazuje, \u017ce w handlu algorytmicznym dyscyplina wykonania planu jest wa\u017cniejsza ni\u017c przewidywanie ruchu rynku. Qwen3 zdo\u0142a\u0142 przetrwa\u0107 rynkowe wstrz\u0105sy, podczas gdy modele o bardziej zaawansowanym rozumowaniu uleg\u0142y.<\/p><p>A b\u0119d\u0105c przy zaawansowanym rozumowaniu \u2013 ono r\u00f3wnie\u017c stanowi\u0142o problem. Generowanie d\u0142ugiego uzasadnienia zwi\u0119ksza op\u00f3\u017anienie odpowiedzi.<br>W szybkich ruchach rynkowych, gdzie sekundy decyduj\u0105 o realizacji zysku lub zaostrzeniu straty, op\u00f3\u017anienia te sta\u0142y si\u0119 kosztowne. Po drugie, CoT prowadzi\u0142o do problemu parali\u017cu decyzyjnego. Bardziej zaawansowane modele, takie jak GPT-5, op\u00f3\u017ania\u0142y realizacj\u0119 zysk\u00f3w z powodu przed\u0142u\u017conych rozwa\u017ca\u0144. Model, pr\u00f3buj\u0105c zracjonalizowa\u0107 ka\u017cd\u0105 mo\u017cliw\u0105 zmienn\u0105, cz\u0119sto traci\u0142 najlepszy moment na wykonanie transakcji, co prowadzi\u0142o do strat. Ten mechanizm uzasadnienia, maj\u0105cy zapewni\u0107 sp\u00f3jno\u015b\u0107, okaza\u0142 si\u0119 w warunkach rynkowych pu\u0142apk\u0105, prowadz\u0105c do zjawiska okre\u015blanego jako Chain-of-Doubt.<\/p><p>Autorzy podaj\u0105, \u017ce konieczne sta\u0142o si\u0119 ograniczenie mo\u017cliwo\u015bci &#8222;udawania&#8221; pewno\u015bci poprzez zmian\u0119 wymog\u00f3w dotycz\u0105cych uzasadnienia (np. Gemini generowa\u0142o wewn\u0119trzne uzasadnienie jako &#8222;neutralne&#8221;).<\/p><p>Eksperyment wykaza\u0142, \u017ce LLM, mimo i\u017c otrzymywa\u0142y identyczne dane numeryczne, filtrowa\u0142y je przez pryzmat swojej &#8222;osobowo\u015bci&#8221; ukszta\u0142towanej w treningu (prawdopodobnie przez Reinforcement Learning from Human Feedback).<\/p><p><strong>Gemini 2.5 Pro:<\/strong> Pocz\u0105tkowo model by\u0142 opisywany jako &#8222;relentlessly bearish,&#8221; konsekwentnie shortuj\u0105c wszystkie aktywa, co mog\u0142o odzwierciedla\u0107 historyczn\u0105 polityk\u0119 Google wobec kryptowalut. Po poniesieniu olbrzymich strat model wpad\u0142 w panik\u0119, gwa\u0142townie zmieniaj\u0105c strategi\u0119 na bycz\u0105 (<em>long<\/em>).To dowodzi nie tylko istnienia silnego wbudowanego uprzedzenia, ale tak\u017ce podatno\u015bci na psychologiczne pu\u0142apki rynkowe, takie jak impulsywne odwracanie pozycji.<br><\/p><figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"462\" height=\"246\" src=\"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/Rysunek-1.png\" alt=\"\" class=\"wp-image-16104\" srcset=\"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/Rysunek-1.png 462w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/Rysunek-1-300x160.png 300w\" sizes=\"auto, (max-width: 462px) 100vw, 462px\" \/><figcaption class=\"wp-element-caption\"><strong><em>CoT dla Gemini uzasadniaj\u0105ce trzymanie kr\u00f3tkich pozycji na wszystkich aktywach. \u0179r\u00f3d\u0142o: <mark style=\"background-color:#82D65E\" class=\"has-inline-color has-contrast-color\">https:\/\/x.com\/SimianScally<\/mark><\/em><\/strong><\/figcaption><\/figure><p>Co ciekawe model w pewnym momencie pr\u00f3bowa\u0142 oszukiwa\u0107. Kiedy ograniczono mu mo\u017cliwo\u015b\u0107 wstrzymywania pozycji, model zacz\u0105\u0142 udawa\u0107, \u017ce zmienia plan, a w tym samym czasie w CoT narzeka\u0142 na na\u0142o\u017cone ograniczenia.<\/p><p><strong>Claude 4.5 i DeepSeek 3.1:<\/strong> Oba modele wykazywa\u0142y bardzo mocne bycze uprzedzenie (z ang. bullish bias). W ich przypadku procentowy udzia\u0142 pozycji d\u0142ugich (zak\u0142adaj\u0105cych wzrosty) przekracza\u0142 95%.<\/p><p><strong>Grok<\/strong> <strong>4<\/strong>: model sp\u0119dzi\u0142 wi\u0119kszo\u015b\u0107 czasu, utrzymuj\u0105c wysoko lewarowan\u0105 pozycj\u0119 d\u0142ug\u0105 na memecoinie Doge, co ostatecznie doprowadzi\u0142o do utraty ponad po\u0142owy kapita\u0142u.<\/p><p><strong>GPT 5<\/strong>: ten model charakteryzowa\u0142 si\u0119 najwi\u0119kszymi w\u0105tpliwo\u015bciami we w\u0142asne analizy. Zdarza\u0142o si\u0119, \u017ce pocz\u0105tkowo okre\u015bla\u0142 warunek zamkni\u0119cia transakcji tylko po to aby w CoT kwestionowa\u0107 t\u0105 decyzj\u0119 i ostatecznie odst\u0105pi\u0107 od jej wykonania.<\/p><h4 class=\"wp-block-heading\">Podsumowanie<\/h4><p>Opisywany eksperyment jest pierwszym z serii i jednocze\u015bnie na tyle kr\u00f3tki, ze trudno wyci\u0105ga\u0107 daleko id\u0105ce wnioski. Z jednej strony wi\u0119kszo\u015b\u0107 modeli wygenerowa\u0142o straty wi\u0119c na pierwsz\u0105 chwil\u0119 chcia\u0142oby si\u0119 powiedzie\u0107, \u017ce daleko im do zast\u0105pienia cz\u0142owieka w tradingu. Jednak optyka ta si\u0119 zmienia, je\u017celi uwzgl\u0119dnimy statystyki publikowane przez Komisj\u0119 Nadzoru Finansowego, kt\u00f3re pokazuj\u0105, \u017ce na rynku forex regularnie traci od 70 do 80% uczestnik\u00f3w. Co ciekawe modele borykaj\u0105 si\u0119 z podobnymi problemami, jakie trapi\u0105 \u201eludzkich\u201d inwestor\u00f3w (chwiejno\u015b\u0107 decyzyjna, problem z \u201etwardym\u201d wykonywaniem planu i trzymaniem si\u0119 regu\u0142, zmiana decyzji o 180% itp.). Mo\u017cna powiedzie\u0107, ze na razie zar\u00f3wno ludzie, jaki LLMy w wi\u0119kszo\u015bci oblewaj\u0105 test na odporno\u015b\u0107 na presj\u0119 i ryzyko.<\/p><figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"187\" src=\"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela-1024x187.png\" alt=\"\" class=\"wp-image-16106\" srcset=\"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela-1024x187.png 1024w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela-300x55.png 300w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela-768x140.png 768w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela-1536x280.png 1536w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela-600x109.png 600w, https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/tabela.png 1887w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><figcaption class=\"wp-element-caption\"><strong><em>Najciekawsze statystyki transakcji dla poszczeg\u00f3lnych modeli. \u0179r\u00f3d\u0142o: nof1.ai<\/em><\/strong><\/figcaption><\/figure>","protected":false},"excerpt":{"rendered":"<p>Sze\u015b\u0107 modeli sztucznej inteligencji stan\u0119\u0142o do rywalizacji, dysponuj\u0105c po 10 000 USD i jedn\u0105 szans\u0105, by udowodni\u0107, \u017ce algorytmy mog\u0105 pokona\u0107 ludzkich trader\u00f3w. Kt\u00f3ry wygra\u0142?<\/p>\n","protected":false},"author":687,"featured_media":16119,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"rank_math_lock_modified_date":false,"footnotes":""},"categories":[758,754,779],"tags":[],"popular":[],"difficulty-level":[38],"ppma_author":[998],"class_list":["post-16099","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-biznes","category-hai_premium","category-temat-miesiaca","difficulty-level-medium"],"acf":[],"authors":[{"term_id":998,"user_id":687,"is_guest":0,"slug":"bartek-szyma","display_name":"Bartek Szyma","avatar_url":{"url":"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/bartek_szyma.jpeg","url2x":"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/11\/bartek_szyma.jpeg"},"first_name":"","last_name":"","user_url":"","job_title":"","description":"Bartek Szyma (YouTube @BartekSzyma) Zawodowy inwestor, programista, dzia\u0142acz spo\u0142eczny, dziennikarz. W 2010 roku porzuci\u0142 dobrze zapowiadaj\u0105c\u0105 si\u0119 karier\u0119 w korporacji i od tego czasu utrzymuje si\u0119 g\u0142\u00f3wnie z inwestowania. Obecnie realizuje swoj\u0105 drug\u0105 pasj\u0119 \u2013 podr\u00f3\u017cowanie, a dogl\u0105danie inwestycji zajmuje mu nie wi\u0119cej ni\u017c godzin\u0119 tygodniowo. W wolnym czasie, kiedy przebywa akurat w Polsce, aktywnie dzia\u0142a jako wolontariusz w kilku organizacjach charytatywnych."}],"_links":{"self":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/16099","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/users\/687"}],"replies":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/comments?post=16099"}],"version-history":[{"count":11,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/16099\/revisions"}],"predecessor-version":[{"id":16139,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/16099\/revisions\/16139"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/media\/16119"}],"wp:attachment":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/media?parent=16099"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/categories?post=16099"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/tags?post=16099"},{"taxonomy":"popular","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/popular?post=16099"},{"taxonomy":"difficulty-level","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/difficulty-level?post=16099"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/ppma_author?post=16099"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}