Tinatanong ng mga tao kung ano ba talaga ang ibig sabihin ng "may AI team na nagsasaliksik ng mga estratehiya," kaya heto ang isang hypothesis na sinundan mula simula hanggang dulo. Ang mahalagang tandaan: ito ay isang funnel na umiiral para magtanggi. Namamatay ang karamihan sa mga ideya. Iyon ang senyales na gumagana ang produkto.
Anong mga tanong ang talagang itinatanong ng mga tao tungkol dito
Sino ang nakakaisip ng mga ideya?
Isang research agent na binabasa kung ano ang kayang suportahan ng data library — funding rates, open interest, mga liquidation tape, options surfaces, sentiment ng balita, Fear & Greed — at sumusulat ng mga hypothesis na may tesis, venue, timeframe at risk profile. Malinaw itong fee-aware: ang ideyang may posibleng edge na mas mababa pa sa round-trip cost ng venue ay depektado na pagdating pa lang. Binabasa rin nito ang libingan. Ang dahilan ng pagkabigo ng bawat inabandonang estratehiya ay naka-embed at nahahanap, kaya ang "funding momentum sa hourly bars, pangatlong subok" ay natatandaan bago pa ito makasayang ng isang cycle.
Sino ang sumusulat ng code, at bakit dapat itong pagkatiwalaan?
Isang developer agent ang nagko-code ng estratehiya laban sa isang nakapirming base template — capital-relative sizing, tahasang stop logic, nakadeklarang pangangailangan sa datos. Ang tiwala ay nagmumula sa pagsubok, hindi sa may-akda. Apat na antas: static analysis (mga AST check para sa mga anti-pattern na naitala na namin); mga synthetic na senaryo (anim na hugis ng merkado na may ginawang supplementary data — ang estratehiyang bumibili papasok sa isang crash scenario na dapat sana ay iniiwasan nito ay namamatay dito); isang sandbox backtest sa totoong datos na kailangang makabuo ng kahit isang trade; at isang QA agent na nagre-review ng code para sa polarity ng signal, mga edge case at viability sa harap ng bayarin. Ang Layer 2 ang humuhuli sa pinakanakakahiyang uri: code na perpektong tumatakbo pero kabaligtaran ang ginagawa sa hypothesis.
Ano ba talaga ang sinisingil ng backtest?
Tunay na maker/taker bawat venue, funding accrual sa mark, square-root market impact, margin at liquidation para sa mga leveraged na aklat, mga session calendar para sa equities. Mark-to-market equity kasama ang unrealized PnL, kaya hindi nakukubli ang mga drawdown sa pagitan ng entry at exit. Kung tunog pangunahing kailangan lang ito, hindi — bawat item ay naidagdag dahil ang kawalan nito ay nagdulot ng isang tiyak na maling promosyon.
Hindi ba't nag-o-overfit lang naman ang optimisasyon?
Sinusubukan nga nito. Ipinagpapalagay iyon ng pipeline: dumadaan muna ang mga parameter sa sensitivity sweep (ang estratehiyang gumagana lamang sa eksaktong lookback=14 ay isang pagkakataon, hindi estratehiya), tapos walk-forward optimization sa tatlong window na may pagsubaybay sa in-sample/out-of-sample, tapos isang huling holdout na minsan lang nakikita ng estratehiya. Ang out-of-sample Sharpe na mas mababa sa kalahati ng in-sample na bilang ay tinatanggihan. Kailangang mapanatili ng holdout ang kahit 70% ng walk-forward out-of-sample Sharpe. Mga gate ito na ipinatutupad ng code, hindi diskresyon ng analyst — puwedeng i-waive ng analyst ang isang soft floor kapag may nakatalang dahilan, pero hindi niya kayang i-waive ang mga tsek sa overfit.
Ano ang pass rate?
Mababa, at dapat lang. Ang pinakakaraniwang kamatayan ay sa pagsusuri ng analyst: totoo ang edge pero wala pang 0.15% kada trade matapos ang mga gastos. Ang pangalawang pinakakaraniwan ay ang sensitivity cliff. Ang mga nakaligtas ay dumadaan sa isang risk officer, tapos sa paper trading, kung saan ang araw-araw na replay-parity check ang nagpapanatiling tapat sa kanila laban sa live na datos nang walang takdang hangganan. Ang tunay na kapital ay nasa likod ng isang hiwalay na gate na kontrolado ng tao.
