Mensen vragen ons wat "een AI-team doet research naar strategieën" nu concreet betekent, dus hier volgt één hypothese van begin tot eind. Het belangrijkste om vast te houden: dit is een trechter die bestaat om te verwerpen. De meeste ideeën sneuvelen. Dat is het product dat werkt.
Welke vragen mensen er echt over stellen
Wie bedenkt de ideeën?
Een researchagent die leest wat de databibliotheek kan ondersteunen — funding rates, open interest, liquidatietapes, optieoppervlakken, nieuwssentiment, Fear & Greed — en hypotheses schrijft met een these, een venue, een timeframe en een risicoprofiel. Hij is expliciet fee-bewust: een idee waarvan de plausibele edge onder de round-tripkosten van de venue ligt, komt al misvormd binnen. Hij leest ook het kerkhof. Van elke verlaten strategie is de faalreden geëmbed en doorzoekbaar, dus "funding momentum op uurbars, derde poging" wordt gemarkeerd voordat het een cyclus verspilt.
Wie schrijft de code, en waarom zou iemand die vertrouwen?
Een developeragent codeert de strategie tegen een vast basistemplate — kapitaalrelatieve sizing, expliciete stoplogica, gedeclareerde databehoeften. Het vertrouwen komt van het spitsroedenlopen, niet van de auteur. Vier lagen: statische analyse (AST-checks op de antipatronen die we in kaart hebben gebracht); synthetische scenario's (zes marktvormen met gefabriceerde aanvullende data — een strategie die inkoopt in een crashscenario dat ze juist moest vermijden, sneuvelt hier); een sandbox-backtest op echte data die minstens één trade moet opleveren; en een QA-agent die codereview doet op signaalpolariteit, randgevallen en fee-haalbaarheid. Laag 2 vangt de meest gênante categorie: code die feilloos draait en precies het tegenovergestelde doet van de hypothese.
Wat rekent de backtest eigenlijk aan?
Echte maker/taker per venue, funding-opbouw op de mark, marktimpact volgens de wortelwet, margin en liquidatie voor books met hefboom, sessiekalenders voor aandelen. Mark-to-market-vermogen inclusief ongerealiseerde PnL, zodat drawdowns niet verstopt blijven tussen entry en exit. Als dat als vanzelfsprekend klinkt: dat is het niet — elk onderdeel is toegevoegd omdat de afwezigheid ervan een specifieke onterechte promotie opleverde.
Zorgt optimalisatie niet gewoon voor overfitting?
Dat probeert ze wel. De pijplijn gaat daar ook van uit: parameters krijgen eerst een gevoeligheidssweep (een strategie die alleen werkt bij precies lookback=14 is toeval, geen strategie), daarna walk-forward-optimalisatie over drie vensters met in-sample/out-of-sample-tracking, en tot slot een holdout die de strategie exact één keer ziet. Een out-of-sample Sharpe onder de helft van het in-sample-cijfer betekent afwijzing. De holdout moet minstens 70% van de walk-forward out-of-sample Sharpe vasthouden. Dit zijn in code afgedwongen poorten, geen keuze van de analist — de analist mag een zachte ondergrens laten vieren met een gelogde reden, maar de overfit-checks niet.
Wat is het slagingspercentage?
Laag, en dat hoort ook zo. De meest voorkomende doodsoorzaak zit bij de analistenreview: de edge is echt, maar blijft na kosten onder 0.15% per trade. De op één na meest voorkomende is de gevoeligheidsklif. Overlevers gaan naar een risk officer en daarna naar paper trading, waar een dagelijkse replay-pariteitscheck ze onbeperkt eerlijk houdt tegenover live data. Echt kapitaal zit achter een aparte, door mensen bediende poort.
