Smart Money Concepts met AI: bouw een CHoCH-, BoS- en fib-bot in gewoon Nederlands

Smart Money Concepts is een van de analytisch meest veeleisende handelsstijlen. Het identificeren van change of character, break of structure, ongemitigateerde order blocks, fair value gaps, liquidity sweeps en Optimal Trade Entry-zones op de 0,618 tot 0,79 fib retracement vereist constant naar charts kijken, de structuur correct intekenen en wachten op een confluente setup die misschien één keer per dag verschijnt. De meeste discretionaire SMC-traders missen setups omdat ze niet op het juiste moment achter het scherm zitten, of nemen de verkeerde setup omdat ze in de hitte van het moment een BoS verwarren met een CHoCH. Een AI-gebouwde SMC-bot lost beide problemen op: hij kijkt naar elke candle, past de regels consistent toe en verwart nooit het ene structuurpatroon met het andere.

Deze gids laat zien hoe een AI-gebouwde Smart Money Concepts-tradingbot daadwerkelijk werkt onder de motorkap — de structuurdetectie, de OTE-entry-logica, de fib retracement-berekening, het scannen van ongemitigateerde order blocks — en toont hoe je er een bouwt in gewone taal op fomoed. We behandelen elk van de zeven SMC-primitieven waartoe de AI toegang heeft, lopen door een complete CHoCH-en-fib-strategie van prompt naar draaiende bot, en leggen uit waarom geautomatiseerde uitvoering doorgaans beter presteert dan discretionair SMC-traden, zelfs voor bekwame chartisten.

Waarom SMC plus AI een force multiplier is

Het moeilijke aan Smart Money Concepts-traden is niet de theorie. De theorie is goed gedocumenteerd en de meeste ervaren traders kunnen een CHoCH of een ongemitigateerd bullish order block identificeren op een schone chart. Het moeilijke deel is de uitvoering: het consistent doen, op de timeframe die je had afgesproken, op elk paar dat je had afgesproken, zonder setups over te slaan omdat je op het verkeerde moment niet keek of omdat de setup om 3 uur 's nachts lokale tijd ontstond.

Twee dingen maken discretionair SMC-traden kapot. De eerste is selectiebias — je herinnert je de setups die werkten en vergeet de setups die niet werkten, wat je beeld van of de strategie eigenlijk winstgevend is, corrumpeert. De tweede is execution drift — je begint de week met de intentie om alleen A-grade setups te traden, en tegen donderdag stap je in B-grade setups omdat je hebt zitten wachten en "iets moet doen". Automatisering lost beide op. De bot heeft geen emotionele staat om naar af te dwalen, en elke trade — winnend of verliezend — wordt vastgelegd in dezelfde database, beschikbaar om te reviewen zonder rooskleurige bias.

Wat recent is veranderd, is dat je de bot niet meer zelf hoeft te schrijven. Een CHoCH algoritmisch detecteren vereist het correct identificeren van swing highs en swing lows, het volgen van de structuur als HH-HL-LH-LL-sequenties, en het detecteren wanneer een close boven de meest recente lower high uitbreekt (in een bearish trend, wat een bullish CHoCH signaleert). Dat is een paar honderd regels zorgvuldige Python. De meeste retail-SMC-traders hebben dat nooit geschreven; ze bleven discretionair traden en hoopten dat ze het visueel konden spotten. Een AI schrijft die detectielaag nu voor je — of beter gezegd, hij componeert tegen een beproefde SMC-bibliotheek die fomoed's custom-strategy engine beschikbaar maakt binnen de sandbox, zodat de AI bij elke generatie niet opnieuw pivot-detectie hoeft uit te vinden.

De zeven SMC-primitieven die de AI kan gebruiken

Wanneer je een SMC-strategie in gewone taal beschrijft, genereert de AI een Python-script dat draait binnen de sandboxed runtime. Het script schrijft zijn eigen pivot-detectie niet; het componeert tegen een gecureerde helper-bibliotheek genaamd fomoed.smc die zeven primitieven blootlegt. Elk komt overeen met een concept dat SMC-traders herkennen:

1. Swings. fomoed.smc.swings(highs, lows, lookback) geeft de swing highs en swing lows in de recente prijsgeschiedenis terug. Een swing high op index i is de hoogste high in een venster van i - lookback tot i + lookback. De lookback staat standaard op 20 candles, wat werkt voor de meeste timeframes. Geeft een dict terug met arrays highs en lows, elk met de index en prijs van elke gedetecteerde pivot.

2. Structure. fomoed.smc.structure(highs, lows, lookback) neemt de swings en labelt ze als HH (higher high), HL (higher low), LH (lower high) of LL (lower low). Geeft de huidige trend (bullish, bearish of neutraal) plus de structuursequentie terug. Een bot kan dit gebruiken om te checken "zit ik in een uptrend?" voordat hij besluit een long setup te nemen.

3. Break of Structure (BoS). fomoed.smc.bos(opens, highs, lows, closes, lookback) detecteert trend-continuatie-breaks. Een bullish BoS is een sterke close boven de meest recente swing high in een bullish trend; een bearish BoS is een sterke close onder de meest recente swing low in een bearish trend. De "sterke" kwalificatie is belangrijk — de helper vereist dat het lichaam van de break-candle minstens 1,5x de rollende 20-bar gemiddelde body is, wat slepende breaks die geen displacement geven uitfiltert.

4. Change of Character (CHoCH). fomoed.smc.choch(highs, lows, closes, lookback) detecteert trendomkering-pivots. Een bullish CHoCH is een close boven de meest recente lower high terwijl de trend bearish was, wat een omkering signaleert. Een bearish CHoCH is een close onder de meest recente higher low terwijl de trend bullish was. Dit is de SMC-primitief die de meeste discretionaire traders verwarren met BoS. De helper maakt het onderscheid algoritmisch.

5. Order Blocks. fomoed.smc.order_blocks(opens, highs, lows, closes) geeft actieve (ongemitigateerde) bullish en bearish order block-zones terug. Een bullish OB is de laatste bearish candle voor een displacement-beweging die een swing high doorbrak; een bearish OB is de spiegel. Zones gebruiken candle BODY (open tot close), niet de volledige range met wicks, conform de ICT-methodologie. Alleen zones die sinds vorming niet zijn aangeraakt, worden teruggegeven — zodra de prijs een OB opnieuw heeft bezocht, wordt deze als gemitigateerd beschouwd en uit de lijst verwijderd.

6. Fair Value Gaps (FVG). fomoed.smc.fvg(opens, highs, lows, closes, min_gap_pct) vindt ongevulde drie-candle imbalance-patronen. Een bullish FVG is de gap tussen de high van candle i-1 en de low van candle i+1, waarbij candle i de displacement-candle ertussen was. De parameter min_gap_pct filtert kleine gaps (standaard 0,2 procent van de prijs). Elke teruggegeven FVG bevat een fill_pct die laat zien hoeveel van de gap is gevuld door latere wicks.

7. Liquidity Sweeps. fomoed.smc.liquidity_sweeps(highs, lows, closes, sweep_depth_pct, reclaim_candles) detecteert stop-hunt-patronen: een wick onder een swing low gevolgd door een reclaim boven het niveau binnen het opgegeven aantal candles (bullish sweep), of de bearish spiegel. De parameter sweep_depth_pct is de minimale penetratie voorbij het niveau die telt als een sweep, wat scheervluchten uitfiltert.

Naast de zeven SMC-primitieven kan de AI fomoed.fib gebruiken voor Fibonacci retracement-berekeningen: fib.retracement(swing_high, swing_low, level) geeft de prijs op een gegeven fib-niveau terug (0,5, 0,618, 0,705, 0,79, 0,886), fib.zones geeft een dict van alle standaardniveaus terug, en fib.in_zone geeft een boolean terug voor "ligt de prijs binnen X procent van de swing-grootte bij dit fib-niveau".

Een CHoCH-en-fib-strategie in gewone taal, van A tot Z

Laten we een echte strategie doorlopen van prompt naar draaiende bot. De strategie: trade omkeringen door te wachten op een bullish CHoCH en vervolgens te entryen op een pullback naar de 0,705 fib retracement van de impuls-swing. Take profit op de volgende swing high boven entry; stop loss op de geveegde low onder de CHoCH.

Je zou deze prompt schrijven in de AI Trading Agent-stap:

"Ga long op een bullish CHoCH gevolgd door een pullback naar het 0,705 fib-niveau van de breakout-swing. Take profit op de volgende swing high boven entry. Stop loss op de meest recente swing low onder de CHoCH. Alleen long — geen short side."

Binnen enkele seconden toont het reviewscherm van de wizard de interpretatie van de AI:

AI-samenvatting: SMC trend-omkeringsplay. Wacht op een bullish CHoCH — prijs die boven de meest recente lower-high sluit terwijl de trend bearish was, wat een omkering signaleert. Houdt vervolgens in de gaten of de prijs terugtrekt naar de 0,705 fib retracement van de impuls-swing (low tot CHoCH-high), die in de OTE-zone ligt. Opent long voor je geconfigureerde positiegrootte wanneer de prijs de zone aanraakt. Take profit op de volgende swing high boven entry; stop loss op de laagste swing low onder de CHoCH (waar stops geveegd zouden worden bij een gefaalde omkering). Alleen long — geen short setups.

Hoe het werkt:

1. Houd in de gaten of er een bullish CHoCH komt — prijs die boven de meest recente lower high sluit terwijl de trend bearish was (signaleert een omkering).

2. Meet na de CHoCH de impuls-swing (low → CHoCH-high) en bereken het 0,705 fib retracement-niveau.

3. Wacht tot de prijs terugtrekt in de 0,705 fib-zone (binnen 0,5 procent van de swing-grootte).

4. Open een long voor je geconfigureerde positiegrootte wanneer de prijs de zone aanraakt.

5. Take profit op de volgende swing high boven entry, of stop out op de laagste swing low (geveegde liquiditeit).

Je ziet meteen of de AI de strategie heeft begrepen. Als er iets niet klopt, pas je de prompt aan en genereer je opnieuw. Zodra het overeenkomt met je intentie, sla je op en start de bot op de volgende candle close.

Wat de AI daadwerkelijk schrijft (achter de schermen)

Voor de bovenstaande CHoCH-en-fib-strategie genereert de AI een Python-script van ongeveer 30 tot 40 regels dat in de sandbox draait op elke candle close. Het ziet er ongeveer zo uit (verkort voor leesbaarheid):

def on_candle(ctx):
    if len(ctx.closes) < 100:
        return None

    # Exit logic if already in a position
    if ctx.position is not None:
        sw = fomoed.smc.swings(ctx.highs, ctx.lows, lookback=20)
        entry = ctx.position.entry_price
        price = ctx.closes[-1]
        # TP at next swing high above entry
        tp = next((s['price'] for s in reversed(sw['highs'])
                   if s['price'] > entry), None)
        # SL at most recent swing low below entry
        sl = next((s['price'] for s in reversed(sw['lows'])
                   if s['price'] < entry), None)
        if tp and price >= tp:
            return {'action': 'close', 'reason': f'TP swing-high {tp:.2f}'}
        if sl and price <= sl:
            return {'action': 'close', 'reason': f'SL swing-low {sl:.2f}'}
        return None

    # Entry logic: bullish CHoCH + fib pullback
    choch = fomoed.smc.choch(ctx.highs, ctx.lows, ctx.closes, lookback=20)
    bull = [c for c in choch if c['type'] == 'bullish_choch']
    if not bull:
        return None
    last = bull[-1]
    idx = last['index']
    if idx < 10:
        return None
    swing_low = float(ctx.lows[max(0, idx - 30):idx].min())
    swing_high = float(ctx.highs[idx:].max())
    if swing_high <= swing_low:
        return None
    price = ctx.closes[-1]
    if fomoed.fib.in_zone(price, swing_high, swing_low, 0.705,
                          tolerance_pct=0.5):
        return {
            'action': 'buy',
            'size_usd': ctx.user.position_size_usd,
            'reason': f"CHoCH @ {last['broken_level']:.2f}, fib 0.705 pullback",
        }
    return None

Eindgebruikers zien deze code nooit — ze zien de AI-samenvatting en de "Hoe het werkt"-stappen. De Python wordt server-side opgeslagen voor audit en draait binnen de sandboxed runtime. Het punt van het hier tonen is om te demystificeren wat de AI eigenlijk produceert: korte, gerichte logica die de moeilijke delen (pivot-detectie, fib-berekening, structuur-tracking) delegeert aan de helper-bibliotheek. De AI vindt SMC-algoritmes niet elke keer dat je een bot genereert opnieuw uit — hij componeert tegen dezelfde beproefde implementaties die de SMC-preset gebruikt.

Waarom geautomatiseerd SMC doorgaans beter presteert dan discretionair

Een bekwame menselijke SMC-trader en een goed gebouwde SMC-bot, kijkend naar dezelfde chart, zullen vaak dezelfde structuur intekenen. Waarom presteert de bot dan over een meerdere maanden venster gemiddeld beter dan de mens?

Consistentie van uitvoering. De bot neemt elke A-grade setup. De mens neemt de meeste ervan. Zelfs één gemiste setup per week, samengesteld over een kwartaal, verandert het rendement materieel. De discretionaire trader is ook eerder geneigd een setup over te slaan die "niet lekker voelt" zonder te kunnen verwoorden waarom — soms is dat goede intuïtie, maar gemiddeld kost het geld.

Geen look-elsewhere bias. Mensen traden onbewust op basis van bredere marktcontext — een setup ziet er slechter uit als BTC net is gedumpt, een setup ziet er beter uit als hun andere posities groen staan. De bot maalt er niet om. Als de regels matchen, neemt hij de trade.

Geduld onder verveling. SMC-traders die handmatig handelen, beginnen tijdens trage weken vaak hun criteria te verbreden ("ik neem deze B-grade setup, ik heb al 4 dagen niet getraded"). De bot wordt niet verveeld. Als er een week lang geen A-grade setup ontstaat, blijft hij een week flat. Dat geduld is wat de strategie op de lange termijn daadwerkelijk winstgevend maakt.

24/7 monitoring. Setups vormen zich niet binnen jouw handelsuren. De beste CHoCH van deze maand op de 4-uurs chart vuurt misschien om 3 uur 's nachts lokale tijd. De bot is wakker. Jij niet.

De afweging is dat geautomatiseerd SMC het contextoordeel mist dat een bekwame mens meebrengt. Als de bredere markt zich in een duidelijk bull-regime bevindt, kan een menselijke discretionaire trader zijn drempel voor bearish setups verhogen. De bot volgt de regels ongeacht. De manier om dit in een geautomatiseerd systeem aan te pakken is door regime-detectie in de prompt zelf in te bakken — bijvoorbeeld "neem alleen long CHoCH-setups wanneer BTC boven zijn 200-daagse EMA op de daily chart staat". Als je het regime-filter kunt verwoorden, kan de AI het implementeren.

Risicobeheer is ingebouwd

Een zorg die mensen opperen over AI-gegenereerde tradingbots is "wat als de AI onredelijk groot probeert te sizen of een hoop orders probeert te plaatsen?" Fomoed handelt dit af door kapitaalbeslissingen te scheiden van strategiebeslissingen. Je stelt je positiegrootte, leverage en handelsmodus (live of paper) in de Money-stap van de wizard in VOORDAT je je prompt schrijft. Aan de AI worden deze waarden meegegeven als constraints, niet als variabelen die hij kan aanpassen.

Wanneer het AI-gegenereerde script een actie retourneert zoals {'action': 'buy', 'size_usd': 100, ...}, klemt de sandbox-supervisor de gevraagde grootte op de waarde die je in de wizard hebt gekozen. Als je $50 instelt in de Money-stap maar de AI probeert $200 te vragen, sizet het platform de order op $50 en logt de clamp. De daadwerkelijke execute_entry-aanroep gebruikt jouw geconfigureerde positiegrootte, niet de door het script gevraagde waarde. De AI kan je kapitaallimiet niet overrulen, zelfs als hij dat zou willen.

Dezelfde bescherming geldt voor take profit en stop loss. De TP- en SL-instellingen van de wizard sturen de standaard exit-pipeline van het platform aan; de "close"-actie van de AI is aanvullend. Als je een 2 procent stop loss instelt in de wizard, vuurt die stop bij een daling van 2 procent, ongeacht wat het AI-script zegt. De rol van de AI is entry-intelligentie toevoegen, niet je risicoregels overrulen.

Deze scheiding is wat AI Trading Agent veilig maakt om met echt geld te draaien. De strategielogica is AI-gegenereerd; het risicobeheer is wizard-geconfigureerd en platform-afgedwongen. De twee zijn expliciet ontkoppeld.

Veelgestelde vragen

Kan AI CHoCH en BoS automatisch detecteren?

Ja. De fomoed.smc.choch- en fomoed.smc.bos-helpers detecteren deze algoritmisch met dezelfde structuur-tracking-logica die de speciale SMC-preset gebruikt. De AI vindt de detectie niet opnieuw uit — hij componeert tegen de bestaande implementatie. Dit betekent dat de detectiekwaliteit consistent is tussen AI-gegenereerde bots en platform-gebouwde SMC-bots.

Is AI beter dan menselijke SMC-traders?

Op regeluitvoering: ja. Op contextoordeel: nog niet. De bot is consistenter op de mechanische delen van SMC-traden — structuur correct intekenen, ongemitigateerde order blocks identificeren, fib retracement-niveaus berekenen, elke kwalificerende setup nemen. De bot is slechter in het integreren van bredere regime-context, tenzij die context expliciet in de prompt is ingebouwd. De hybride aanpak (laat de AI de setup-detectie afhandelen, jij beslist of je hem deze week agressief laat traden) presteert doorgaans beter dan pure automatisering of pure discretie.

Hoe handelt AI fib retracement-entries af?

De fomoed.fib-module biedt retracement-berekeningen: gegeven een swing high en swing low berekent hij de prijs op elk fib-niveau (0,5, 0,618, 0,705, 0,79, 0,886). De in_zone-helper neemt een tolerantiepercentage en retourneert of de huidige prijs binnen die tolerantie van een fib-niveau ligt. AI-gegenereerde bots wachten doorgaans tot de prijs een specifiek fib-niveau aanraakt (meestal de 0,705 of 0,79 — de OTE-zone) voordat ze entryen. Meerdere fib-niveaus kunnen tegelijkertijd worden gecheckt; de AI produceert de juiste logica op basis van je beschrijving.

Kan ik een AI SMC-strategie backtesten?

Ja. Paper trading draait hetzelfde AI-gegenereerde script tegen live marktdata met gesimuleerde uitvoering — geen kapitaal in risico. Dit is de aanbevolen manier om een nieuwe SMC-strategie te valideren voordat je live gaat, vooral omdat SMC-setups timeframe-gevoelig kunnen zijn (een strategie die werkt op de 1-uurs chart werkt mogelijk niet op de 5-minuten). De fomoed backtest-sandbox draait strategieën daarnaast tegen historische data voor snellere iteratie.

Wat met Order Blocks en Fair Value Gaps?

Beide worden blootgesteld via fomoed.smc.order_blocks en fomoed.smc.fvg. Order blocks geven ongemitigateerde zones terug met body-gebaseerde grenzen; de helper laat zones automatisch vallen zodra de prijs ze heeft aangeraakt. FVG's geven ongevulde drie-candle gaps terug met een fill_pct-attribuut zodat het AI-gegenereerde script kan beslissen of een gedeeltelijk gevulde gap nog steeds telt. Beide helpers gebruiken dezelfde detectielogica als de SMC-preset, dus gedrag is consistent over het hele platform.

Kan ik SMC combineren met andere strategieën?

Ja — dat is waar AI Trading Agent uitblinkt vergeleken met vaste presets. Een typische confluentiestrategie zou kunnen combineren: "bullish CHoCH plus RSI niet overbought plus prijs in een ongemitigateerd bullish order block plus geen recente bearish FVG boven de huidige prijs". De AI vertaalt die confluentie naar de juiste aanroepen (fomoed.smc.choch, ctx.indicators.rsi, fomoed.smc.order_blocks, fomoed.smc.fvg) en componeert ze in de entry-conditie. De SMC-preset alleen kan dit soort cross-domain confluentie niet eenvoudig doen; AI Trading Agent is daar speciaal voor gebouwd.

Hoe handelt de bot een CHoCH af die wordt geïnvalideerd voor de fib-pullback?

Het AI-gegenereerde script herevalueert de entry-condities op elke candle close. Als een bullish CHoCH vuurt maar de prijs nooit terugtrekt naar het 0,705 fib-niveau — in plaats daarvan rent hij hoger — entryt de bot niet. Als de CHoCH wordt geïnvalideerd (prijs sluit terug onder het doorbroken niveau), zal de volgende aanroep van fomoed.smc.choch dat weerspiegelen en zal de bot niet handelen op een verouderd signaal. De staat wordt elke tick herberekend uit de huidige marktdata, niet stateful over ticks heen aangehouden.

Bouw je eerste SMC-bot

De snelste manier om te begrijpen hoe AI Trading Agent SMC afhandelt, is een account aanmaken, AI Trading Agent selecteren als je strategie in de wizard, en een prompt plakken zoals die in deze gids. Gebruik paper trading-modus voor je eerste bot — de strategie draait tegen live marktdata zonder dat er echt kapitaal wordt besteed, zodat je kunt observeren hoe vaak de setups daadwerkelijk vuren op je gekozen paar en timeframe.

Voor bredere context over wat AI Trading Agent verder kan doen buiten SMC, zie onze pillar-gids over AI-gebouwde tradingbots. Voor een vergelijking van welke strategie-preset te kiezen voor welke marktomstandigheden, behandelt de strategievergelijkingsgids het volledige aanbod.

Gerelateerde bronnen

• Start gratis met traden
• Een tradingbot bouwen met AI in gewone taal
• Paper trading: test je SMC-strategie risicovrij
• Beste crypto-botstrategie 2026