Ci chiedono spesso cosa significhi concretamente "un team di AI fa ricerca sulle strategie", quindi ecco un'ipotesi seguita dall'inizio alla fine. La cosa importante da tenere a mente: questo è un imbuto che esiste per rifiutare. La maggior parte delle idee muore. È il prodotto che funziona.
Le domande che la gente ci fa davvero
Chi inventa le idee?
Un agente di ricerca che legge ciò che la libreria dati può supportare — funding rate, open interest, flussi di liquidazioni, superfici di opzioni, sentiment delle notizie, Fear & Greed — e scrive ipotesi con una tesi, una venue, un timeframe e un profilo di rischio. È esplicitamente consapevole delle commissioni: un'idea il cui edge plausibile è inferiore al costo di andata e ritorno della venue è malformata in partenza. Legge anche il cimitero. La motivazione di fallimento di ogni strategia abbandonata viene indicizzata come embedding e resa ricercabile, così "funding momentum su barre orarie, terzo tentativo" viene segnalato prima di sprecare un ciclo.
Chi scrive il codice, e perché qualcuno dovrebbe fidarsi?
Un agente sviluppatore codifica la strategia su un template base fisso — dimensionamento relativo al capitale, logica di stop esplicita, esigenze dati dichiarate. La fiducia nasce dal percorso a ostacoli, non dall'autore. Quattro livelli: analisi statica (controlli AST per gli anti-pattern che abbiamo catalogato); scenari sintetici (sei configurazioni di mercato con dati supplementari fabbricati — una strategia che compra proprio nello scenario di crollo che doveva evitare muore qui); un backtest in sandbox su dati reali che deve produrre almeno un trade; e un agente QA che fa code review su polarità del segnale, casi limite e sostenibilità rispetto alle commissioni. Il livello 2 intercetta la categoria più imbarazzante: codice che gira perfettamente e fa l'opposto dell'ipotesi.
Cosa addebita davvero il backtest?
Commissioni maker/taker reali per ogni venue, accrual del funding sul mark price, impatto di mercato a radice quadrata, margine e liquidazione per i book a leva, calendari di sessione per le azioni. Equity mark-to-market che include il PnL non realizzato, così i drawdown non restano nascosti tra ingresso e uscita. Se sembra il minimo sindacale, non lo è: ogni voce è stata aggiunta perché la sua assenza aveva prodotto una specifica promozione sbagliata.
L'ottimizzazione non finisce semplicemente per fare overfitting?
Ci prova. La pipeline lo dà per scontato: i parametri passano prima da uno sweep di sensibilità (una strategia che funziona solo esattamente con lookback=14 è una coincidenza, non una strategia), poi da un'ottimizzazione walk-forward su tre finestre con tracciamento IS/OOS, e infine da un holdout finale che la strategia vede esattamente una volta. Uno Sharpe out-of-sample sotto la metà di quello in-sample è un rifiuto. L'holdout deve conservare almeno il 70% dello Sharpe out-of-sample del walk-forward. Sono soglie applicate dal codice, non discrezionalità dell'analista — l'analista può derogare a un limite soft con una motivazione registrata, ma non può derogare ai controlli di overfitting.
Qual è il tasso di superamento?
Basso, ed è giusto così. La morte più frequente arriva alla revisione dell'analista: l'edge è reale ma sotto lo 0.15% per trade al netto dei costi. La seconda causa più comune è il precipizio di sensibilità. I sopravvissuti passano a un risk officer, poi al paper trading, dove un controllo giornaliero di parità con il replay li tiene onesti rispetto ai dati live a tempo indefinito. Il capitale reale sta dietro un gate separato, controllato da un essere umano.
