← Tillbaka

    Koppla din analys till riktig data i stället för skärmdumpar

    Verktygen · 19 november 2026 · 6 min läsning

    Du har en setup du tror på. Varje kväll öppnar du charten, tar en skärmdump, klistrar in den i anteckningarna och skriver några rader om vad du såg. Efter ett par månader har du en mapp full av bilder och en känsla av att du borde kunna lära dig något av dem, men det enda du kan göra är att bläddra. Du kan inte fråga mappen hur ofta det där läget faktiskt höll, vilken tid på dygnet dina bästa affärer låg eller hur mycket marknaden rörde sig de dagar du blev otålig. En skärmdump är en bild av ett enda ögonblick, och analys kräver att du kan ställa en fråga till många ögonblick på en gång.

    Där kommer ett tradingdata api in. Ett api är ett sätt för ditt eget program att be en tjänst om kurser och få tillbaka siffror i stället för pixlar. När du har siffrorna kan du räkna, sortera, rita om och jämföra mot det du själv gjorde. Jag har jobbat så i tjugo år på institutionell nivå, och det första jag lärde mig var att en analys aldrig blir bättre än sitt underlag. Därför handlar den här texten om hur du kopplar upp dig, vilka källor som går att lita på och var det brukar gå snett.

    Var datan kommer ifrån

    Källorna går grovt att dela in i tre grupper. Den första är börsernas och mäklarnas egna flöden. Krypto är enklast, eftersom de stora handelsplatserna har öppna gränssnitt för både historik och livepriser som du når utan kostnad. Aktier och terminer är mer slutna. Realtidsdata är där i regel licensierad och kostar pengar, medan fördröjd data oftast går att få gratis. Har du ett konto hos en mäklare finns ofta ett eget api som ger dig kurser och dessutom dina egna ordrar och affärer, vilket blir användbart längre ner.

    Den andra gruppen är specialiserade dataleverantörer som lever på att sälja just detta. De har dokumentation, versionerade gränssnitt och någon att vända sig till när något är fel. Många har en gratisnivå för att prova och betalda nivåer när du behöver längre historik eller tätare uppdatering. Jag nämner inga priser, eftersom de ändras och du bör läsa dem hos leverantören den dag du faktiskt behöver dem.

    Den tredje gruppen är öppna institutionella källor för makrodata. Federal Reserve Bank of St. Louis driver till exempel en välskött databas för ränte- och ekonomiserier som är gratis att använda. Den uppdateras i takt med att rapporterna publiceras, så den passar när du vill lägga ränteläget eller inflationen bredvid din chart, men den säger ingenting om vad som hände klockan 15:35 i går.

    Vid sidan av de tre grupperna finns de inofficiella flödena, där ett bibliotek hämtar kurser från en webbsida som aldrig lovat att finnas kvar i samma form. Många börjar där eftersom det går snabbt, och det fungerar fint ända tills det slutar. Ändras sidan en tisdagsmorgon kan ditt skript fortsätta köra men sluta uppdatera, och du märker det först när något ser konstigt ut. Använd sådana källor för att leka och lära, men bygg inget du litar på ovanpå dem.

    Vad som går snett med gratisdata

    De flesta fel är tysta. Programmet kraschar inte, siffrorna ser rimliga ut, och slutsatserna blir fel ändå. Tidszoner är det vanligaste. En stapel märkt 09:30 kan avse tiden i New York, UTC eller din lokala tid, och eftersom USA och Europa ställer om klockan olika veckor skiljer sig avståndet till Sverige några veckor varje år från det du är van vid. Har du byggt en regel kring öppningen och datan är förskjuten en timme, testar du fel period utan att veta om det.

    Justerade priser är nästa fälla. Aktiehistorik räknas ofta om för utdelningar och splittar, vilket betyder att gamla kurser i filen inte är de som stod på skärmen när du satt där. För terminer får du ofta en kontinuerlig serie som sammanfogar flera kontrakt, och vid varje rullning uppstår ett glapp som aldrig gick att handla. Om du mäter hur stora rörelserna var kan ett sådant glapp se ut som en rörelse som aldrig fanns.

    Sedan finns luckorna. I lugna marknader eller på små instrument sker ibland inga affärer under en viss minut, och en del källor hoppar då över stapeln i stället för att fylla i den. Din kod kanske räknar tio staplar och tror att det rör sig om tio minuter. Volymen har sin egen historia, eftersom siffran ofta gäller en enda handelsplats och inte hela marknaden, så den ger en annan bild än volymen i din plattform. Fördröjning hör till samma familj. Gratisdata ligger ofta minuter efter, vilket gör den lämplig för att studera i efterhand och olämplig för att fatta beslut i stunden.

    Till sist kommer gränserna för hur ofta du får fråga. Hämtar du för ivrigt blir du tillfälligt blockerad, och skriptet som skulle hämta kvällens data stannar mitt i natten. Bygg in paus mellan anropen och spara allt du hämtat lokalt, så att du aldrig behöver hämta samma sak två gånger.

    Det finns en sida av detta som rör beteende. Riktig data är obarmhärtigt ärlig. En trader som tycker sig vara tålmodig kan lägga sina egna affärer mot minutdata och se att en stor del av dem lades inom några minuter efter en förlust. En annan ser att de sämsta dagarna ligger efter korta nätter. Det syns inte på en skärmdump, men det syns så fort tidsstämplarna i din logg och i kursfilen ligger i samma kolumn.

    Så bygger du det i liten skala

    Börja med ett instrument och en tidsram, så att du kan kontrollera allt med ögonen. Hämta historiken via leverantörens gränssnitt och spara den exakt som den kom, i en vanlig textfil eller i en liten SQLite-databas. Rör aldrig rådatan. Justeringar, omräkning till din tidszon och borttagning av konstiga staplar görs i ett separat steg, så att du alltid kan gå tillbaka till originalet när något inte stämmer. Spara tidsstämplarna i UTC och konvertera först när du visar något för dig själv, eftersom det tar bort hela tidszonsproblemet på ett ställe.

    Kontrollera sedan mot det du ser i din vanliga plattform. Välj en enda dag, titta på en enda stapel och jämför öppning, högsta, lägsta och stängning. Stämmer de vet du att tidszon, justering och handelsplats är rätt hanterade. Stämmer de inte har du hittat felet innan det hann färga några slutsatser, vilket är den billigaste tidpunkten att hitta det på. Skriv ner tre saker om källan, nämligen vilken tidszon den använder, om priserna är justerade och vilken handelsplats volymen gäller. Det tar fem minuter och sparar många timmar senare.

    När kursfilen stämmer är det dags för det som gör hela övningen värd mödan, nämligen dina egna affärer. De flesta mäklare låter dig exportera historiken med tidsstämplar. Lägg den bredvid kursfilen och titta på vad marknaden gjorde de fem minuterna före varje ingång och efter varje utgång. Lägg gärna till två kolumner för hur du sov och om du hade ätit. Det låter småskaligt, men i mina egna loggar har det sagt mer om exekveringen än något ramverk. Charten är platsen där bristerna blir mätbara, och riktig data gör mätningen möjlig utan att du behöver fråga någon annan om hur det såg ut.

    Gör följande den här veckan. Välj ett instrument du redan följer, hitta en källa med öppet gränssnitt och hämta fem handelsdagar i en tidsram du brukar titta på. Spara filen orörd, jämför en enda stapel mot din plattform och skriv ner tidszonen. När du har gjort det en gång, exportera dina senaste tio affärer och lägg dem bredvid kursfilen. Titta bara på vad som hände före varje ingång innan du drar några slutsatser.

    Nästa steg

    Läs inte bara. Gå med.

    Det som står här är samma resonemang som förs varje dag i kanalerna, fast efterhand. I communityt sker det medan marknaden är öppen.

    Gå med i communityt
    Läs vidare
    Kunskapen

    DXY, räntor och guld, hur marknaderna hänger ihop

    Dollarn, tioårsräntan och guld berättar tillsammans varför ett index rör sig, men sambanden byter tecken när marknadens oro byter karaktär. Här får du lära dig läsa dem, se när de slutar gälla och bygga en enkel morgonrutin för att öva.

    Läs →
    Kroppen

    Rutinen före öppning, femton minuter som avgör dagen

    En fungerande trading rutin börjar med kroppen och går via kalender och nivåer till skrivna gränser. Här får du ordningen, skälen bakom den och en övning du kan göra redan i morgon.

    Läs →
    Psykologin

    Overtrading, symptomet på en plan som saknas

    När tilliten till setupen sjunker försöker många hitta bekräftelse genom att handla oftare, och det är så overtrading uppstår. En skriven plan gör mönstret synligt och ger dig något att mäta varje trade mot.

    Läs →