Folk spør hva «et AI-team researcher strategier» betyr i praksis, så her er én hypotese fulgt hele veien. Det viktigste å huske: Dette er en trakt som finnes for å avvise. De fleste ideer dør. Det betyr at produktet fungerer.
Spørsmålene folk faktisk stiller om dette
Hvem finner på ideene?
En research-agent som leser seg opp på hva datalibraryet kan støtte — fundingrater, open interest, likvidasjonsstrømmer, opsjonsflater, nyhetssentiment, Fear & Greed — og formulerer hypoteser med en tese, en handelsplass, en tidsramme og en risikoprofil. Den tar eksplisitt hensyn til gebyrer: En idé der den plausible edge-en er lavere enn handelsplassens kostnad for en tur-retur-handel, er feilutformet fra start. Agenten leser også gravplassen. Årsaken til at hver forkastede strategi mislyktes, er lagret som søkbar tekst, så «funding momentum på timediagrammer, tredje forsøk» blir flagget før det sløser bort en kjøring.
Hvem skriver koden, og hvorfor skal noen stole på den?
En utvikleragent koder strategien etter en fast basismal — posisjonsstørrelse relativ til kapitalen, eksplisitt stopplogikk og deklarerte databehov. Tilliten kommer fra prøvelsene, ikke fra forfatteren. 4 lag: statisk analyse (AST-kontroller for antimønstrene vi har katalogisert); syntetiske scenarioer (6 markedsformer med konstruerte tilleggsdata — en strategi som kjøper i et krakk den er laget for å unngå, dør her); en sandbox-backtest på reelle data som må gi minst 1 handel; og en QA-agent som gjennomgår koden med tanke på signalretning, grensetilfeller og om den tåler gebyrene. Lag 2 fanger den mest pinlige feiltypen: kode som kjører helt fint, men gjør det motsatte av hypotesen.
Hva belaster backtesten faktisk strategien for?
Reelle maker- og takergebyrer for hver handelsplass, funding som løper på markprisen, kvadratrotsbasert markedspåvirkning, margin og likvidering for belånte porteføljer og handelskalendere for aksjer. Egenkapitalen beregnes til markedsverdi, inkludert urealisert PnL, så drawdowns ikke skjules mellom inngang og utgang. Hvis det høres ut som grunnleggende ting, er det ikke det; hvert punkt ble lagt til fordi fraværet førte til en konkret feilaktig godkjenning.
Fører ikke optimalisering bare til overtilpasning?
Jo, det prøver den på. Pipelinen tar høyde for det: Først kjøres en sensitivitetsanalyse av parameterne (en strategi som bare fungerer med lookback=14 er et sammentreff, ikke en strategi), deretter walk-forward-optimalisering over 3 vinduer med sporing av in-sample- og out-of-sample-resultater, og til slutt en holdout som strategien får se nøyaktig 1 gang. En Sharpe for out-of-sample under halvparten av in-sample-tallet fører til avvisning. Holdouten må beholde minst 70% av Sharpe for walk-forward out-of-sample. Dette er kontroller håndhevet av kode, ikke rom for analytikervurderinger — analytikeren kan gjøre unntak fra en myk nedre grense med en loggført begrunnelse, men ikke fra kontrollene mot overtilpasning.
Hvor stor andel består?
Lav, og det bør den være. Oftest ryker strategien i analytikergjennomgangen: Edgen er reell, men under 0.15% per handel etter kostnader. Den nest vanligste årsaken er et stup i sensitivitetsanalysen. Strategiene som består, går videre til en risikoansvarlig og deretter til paper trading, der en daglig kontroll av samsvar mellom avspilling og live-data holder dem ærlige på ubestemt tid. Live-kapital ligger bak en separat kontroll som styres av mennesker.