Je vais décomposer comment construire l'essaim d'agents IA qui remplace une équipe entière de recherche quantitative.
Allons droit au but.
À Conserver
- Je suis Roan, développeur backend spécialisé dans la conception de systèmes, l'exécution de type HFT et les systèmes de trading quantitatif. Mon travail se concentre sur le comportement réel des marchés de prédiction sous charge. Pour toute suggestion, collaboration réfléchie ou partenariat, mes DM sont ouverts.
Dans mon dernier article, j'ai dit que j'accompagnerais personnellement les 20 premières configurations de toute personne construisant un système quantitatif IA. Je le pensais.
Quatre développeurs sont déjà en plein processus avec moi. L'un d'eux exécute la boucle complète du fonds spéculatif auto-améliorant en ce moment même.
L'offre est toujours valable.
Si vous construisez un système de recherche alpha, sur le point de commencer, ou même si vous y pensez, répondez sous cet article ou envoyez-moi votre configuration actuelle en DM. Je parcourrai personnellement votre architecture et vous montrerai l'écart entre ce que vous avez et un essaim qui chasse l'alpha par lui-même.
Si je ne réponds pas, vous n'étiez pas dans les 20 premiers. Agissez vite.
La plupart des quants chassent encore l'alpha de la même manière qu'il y a dix ans.
Ils lisent un article. Ils ouvrent un notebook Jupyter. Ils conçoivent quelques caractéristiques. Ils exécutent un backtest. Ils plissent les yeux devant le ratio de Sharpe. Ils passent à l'idée suivante.
Ils sont le pipeline.
Chaque étape de la recherche, c'est eux, assis devant un écran, testant une hypothèse à la fois.
Les développeurs quantiques les plus intelligents de la planète ont arrêté de faire cela.
Ils construisent des essaims. Chaque agent de l'essaim possède une étape de la recherche. Les agents travaillent en parallèle. L'essaim fonctionne en continu. Un nouvel alpha apparaît chaque matin pendant qu'ils dorment.
Boris Cherny, le responsable de Claude Code chez Anthropic, l'a dit il y a deux semaines. « Je ne sollicite plus Claude. J'ai des boucles qui sollicitent Claude et déterminent quoi faire. Mon travail est d'écrire des boucles. »
Cette seule phrase a recadré la façon dont tous les développeurs sérieux de la planète pensent à l'IA.
Pour la recherche quantitative, cela change tout.
Parce que la recherche alpha est déjà un pipeline. Lire l'article. Extraire l'hypothèse. Concevoir les caractéristiques. Backtester sur 20 ans de données. Vérifier la significativité. Vérifier si le signal survit à travers les régimes. Décomposer par rapport à chaque facteur connu.
Chaque fonds sérieux de Wall Street exécute ce pipeline exact. Renaissance l'exécute avec 100 PhD. Two Sigma l'exécute avec 200. Citadel l'exécute avec plus.
La seule différence est qu'ils ont besoin de centaines d'humains assis à l'intérieur du pipeline. Vous, non.
Un essaim d'agents IA peut exécuter chaque étape de ce pipeline pour vous. Chaque agent spécialisé. Chaque agent fonctionnant sur le modèle qui correspond à sa complexité. Tous fonctionnant 24h/24 et 7j/7 en parallèle.
Je construis cet essaim depuis quelques jours.
Il lit les nouveaux articles de recherche pendant la nuit. Il étudie les mathématiques à l'intérieur. Il extrait l'hypothèse exacte qui est avancée. Il conçoit les caractéristiques requises. Il backteste le signal sur 20 ans d'historique. Il exécute la rigueur statistique. Il vérifie le surapprentissage. Il signale tout ce qui ne fonctionne que dans un seul régime de marché.
À la fin de cet article, vous connaîtrez l'architecture exacte d'un essaim de recherche alpha à six agents.
Vous connaîtrez l'outil qui vous permet de le construire en un week-end sans écrire votre propre framework d'agents à partir de zéro.
Et vous connaîtrez les cinq modes d'échec qui tuent 90 pour cent des tentatives des particuliers.
Entrons dans le vif du sujet.
Partie 1 : Ce qu'est réellement un Essaim
Une invite est une question. Vous demandez, le modèle répond une fois, et il s'arrête.
Une boucle est un travail. L'agent continue de travailler, vérifie sa propre progression et continue jusqu'à ce que la tâche soit réellement terminée.
Un essaim, ce sont plusieurs boucles fonctionnant en parallèle. Chaque boucle est un spécialiste. Chaque spécialiste possède une étape du pipeline. La sortie de l'une alimente l'entrée de la suivante.
C'est tout le modèle mental.
Si vous avez utilisé Claude Code, Cursor ou Codex, vous avez utilisé une boucle sans le savoir. L'agent appelle un modèle, le modèle choisit une action, l'action s'exécute, le résultat revient au modèle, et cela se répète jusqu'à ce que l'objectif soit atteint.
La boucle est ce qui fait d'un agent un agent plutôt qu'une simple réponse unique.
Un essaim est ce qui fait d'une équipe de recherche une équipe de recherche plutôt qu'un seul chercheur qui tape.
Partie 2 : L'Outil Qui Fait Fonctionner l'Essaim
Vous pourriez essayer de construire cela vous-même avec des scripts Python qui lancent différentes API.
J'ai essayé. Cela casse dès qu'un agent doit attendre un autre. Cela casse dès que vous avez besoin que l'état persiste entre les cycles. Cela casse dès que vous voulez exécuter six boucles en parallèle sur différents modèles.
Vous finissez par construire votre propre framework d'agents à partir de zéro au lieu de faire de la recherche.
Puis j'ai trouvé Slate.
Slate est un harnais de codage IA construit par @wearerandomlabs. Il fonctionne dans votre terminal. Il répartit n'importe quelle tâche en un essaim de sous-agents à travers votre codebase. Il choisit n'importe quel modèle que vous voulez à n'importe quelle étape. Votre abonnement existant fonctionne.
La raison pour laquelle je l'utilise pour cet essaim est une capacité qu'ils viennent de lancer appelée Programs.
Un Program est une boucle écrite en JavaScript que Slate exécute pour vous.
Une invite s'exécute une fois et s'arrête. Un Program est une boucle conçue. Elle s'exécute en continu. Elle conserve l'état entre les exécutions. Elle continue jusqu'à ce que la tâche soit terminée.
Vous décidez ce qui se passe à chaque étape. Quel modèle gère quelle étape. Ce que la boucle vérifie avant de continuer. Quand elle s'arrête.
Vous n'écrivez pas le Program seul. Vous dites à Slate ce que vous voulez et il rédige la boucle avec vous, étape par étape. Il sauvegarde la boucle. Il l'exécute. Il continue de l'exécuter.
Parce que la boucle est du code, elle peut conserver l'état, interagir avec votre codebase, atteindre des API externes, publier sur Slack et orchestrer plusieurs sous-agents en parallèle sur n'importe quelle combinaison de modèles que vous choisissez. Un modèle open-weight bon marché pour le travail facile. Un modèle de pointe pour le raisonnement difficile. Tout ce qui correspond à l'étape.
Pour un essaim de recherche à six agents, c'est exactement la couche qui manquait auparavant.
Vous pouvez trouver Slate sur https://randomlabs.aihttps://randomlabs.ai/). Il est disponible aujourd'hui.
Maintenant, laissez-moi vous montrer l'essaim.
Partie 3 : Les Six Agents
Chaque fonds quantitatif sérieux exécute les mêmes six étapes de recherche.
Voici l'essaim qui les remplace.
Agent 1 : Le Générateur d'Idées.
Lit les nouveaux articles de recherche d'arXiv q-fin, SSRN et des revues financières chaque nuit.
Étudie le modèle mathématique que chaque article propose. Extrait l'hypothèse exacte qui est avancée, les données requises et la direction du signal prédit.
Écrit chaque hypothèse comme un ticket de recherche structuré que le prochain agent peut prendre en charge.
Fonctionne sur un modèle rapide et économique car la tâche est une extraction structurée à volume élevé.
Agent 2 : L'Ingénieur de Caractéristiques.
Prend un ticket d'hypothèse. Récupère les données requises de la base de données de prix ou de la base de données fondamentales.
Construit le vecteur de caractéristiques. Standardise sur l'ensemble de la coupe transversale. Gère les observations manquantes, les valeurs aberrantes au-delà de trois écarts types et le biais de regard vers l'avant.
Produit un dataframe propre prêt pour le backtesting.
Agent 3 : Le Backtesteur.
Prend le vecteur de caractéristiques. Construit les règles de construction du portefeuille. Exécute le backtest historique sur 20 ans de données avec des coûts de transaction réalistes, des coûts d'emprunt sur le côté court et du slippage.
Produit le ratio de Sharpe, le drawdown maximum, le turnover et les estimations de capacité.
Agent 4 : Le Validateur.
C'est là que réside la rigueur.
Prend le résultat du backtest. Exécute les statistiques t ajustées de Newey-West pour corriger l'autocorrélation dans la série de rendements. Exécute le rééchantillonnage bootstrap avec 10 000 itérations pour vérifier si le Sharpe est réel ou un artefact d'échantillon.
Signale tout signal qui échoue aux seuils de significativité. Tue tout ce qui a une dégradation in-sample vs out-of-sample supérieure à 30 pour cent, car c'est du surapprentissage.
Fonctionne sur un modèle de raisonnement plus fort. Le créateur ne valide jamais son propre travail. Jamais.
Agent 5 : L'Auditeur de Régime.
Prend les signaux qui ont passé la validation. Segmente l'historique de 20 ans par régime (identifié via un modèle de Markov caché sur la volatilité et les rendements).
Recalcule le Sharpe, le drawdown et le taux de réussite à l'intérieur de chaque régime. Tue tout ce qui ne fonctionne que dans un seul régime, car c'est du timing de régime déguisé en alpha.
Agent 6 : Le Décomposeur de Facteurs.
Prend les signaux robustes aux régimes. Les régresse contre le modèle à cinq facteurs de Fama-French plus le momentum de Carhart plus un facteur de faible volatilité.
Rapporte l'alpha résiduel (l'interception de la régression) et sa statistique t.
Seuls les signaux où l'alpha résiduel survit à la décomposition factorielle sont un véritable nouvel alpha. Tout le reste est du momentum ou de la valeur reconditionnés avec des étapes supplémentaires.
Six agents. Chacun possède une étape. Ils transmettent leurs sorties le long de la chaîne.
un Program Slate. six agents spécialisés. s'exécute toutes les 24 heures.
L'essaim entier fonctionne sur un Program Slate qui se déclenche toutes les 24 heures.
Partie 4 : Comment le Construire Étape par Étape
Voici la construction exacte. Suivez et vous aurez l'essaim opérationnel d'ici la fin de la journée.
Étape 1 : Installer Slate
Ouvrez votre terminal et exécutez :
1npm install -g @randomlabs/slate
Slate s'installe en tant que CLI global en moins de 30 secondes.
Créez ensuite le répertoire du projet :
1mkdir alpha-swarm2cd alpha-swarm3slate init
slate init prépare le projet avec les dossiers nécessaires pour l'état, les Programs et les fournisseurs.
Étape 2 : Connecter Vos Modèles
Exécutez :
1slate /providers
Cela ouvre l'écran de configuration des fournisseurs dans le CLI Slate. Connectez les modèles que vous souhaitez utiliser.
Pour cet essaim, j'utilise Sonnet sur les agents rapides (génération d'idées, ingénierie des caractéristiques, backtesting, audit de régime) et Opus sur les agents à fort raisonnement (validation et décomposition factorielle).
Étape 3 : Rédiger le Program
Démarrez Slate :
1slate
Ensuite, dans le CLI Slate, tapez :
rédige-moi un program qui exécute six agents de recherche en séquence : générateur d'idées, ingénieur de caractéristiques, backtesteur, validateur, auditeur de régime, décomposeur de facteurs. exécute-le toutes les 24 heures. utilise sonnet pour les agents rapides et opus pour la validation et la décomposition factorielle.
Slate rédige le Program avec vous. Il pose des questions de clarification. Quelle source de données. Quelle fenêtre de backtest. Quel seuil de Sharpe. Quel classifieur de régime. Vous répondez en langage naturel. Slate écrit le JavaScript.
Voici à quoi ressemble la boucle une fois écrite :
1export default async function alphaSwarm(slate) {2 while (true) {3 // Étape 1 : lire les articles, extraire les hypothèses4 const hypotheses = await slate.agent('idea-generator', {5 model: 'sonnet',6 task: 'Lis arXiv q-fin et SSRN des dernières 24 heures. Extrais 10 hypothèses alpha avec la direction revendiquée, les données requises et la référence de l\'article.',7 state: slate.state.get('tested-hypotheses')8 });910 // Étape 2 : ingénierie des caractéristiques, en parallèle par hypothèse11 const features = await Promise.all(12 hypotheses.map(h => slate.agent('feature-engineer', {13 model: 'sonnet',14 task: `Construis le vecteur de caractéristiques pour : ${h.claim}. Standardise la coupe transversale. Gère le regard vers l'avant.`,15 data: slate.tools.priceData()16 }))17 );1819 // Étape 3 : backtest sur 20 ans avec coûts réalistes20 const backtests = await Promise.all(21 features.map(f => slate.agent('backtester', {22 model: 'sonnet',23 task: 'Exécute un backtest sur 20 ans. Inclus des coûts de transaction de 5bps par transaction et des coûts de vente à découvert.',24 features: f25 }))26 );2728 // Étape 4 : validation statistique sur le modèle de raisonnement29 const validated = await Promise.all(30 backtests.map(b => slate.agent('validator', {31 model: 'opus',32 task: 'Statistique t de Newey-West supérieure à 2.5. Bootstrap 10k. Rejette si le Sharpe IS/OOS se dégrade de plus de 30 pour cent.',33 backtest: b34 }))35 );3637 // Étape 5 : segmentation des régimes via HMM38 const regimeChecked = await Promise.all(39 validated40 .filter(v => v.passed)41 .map(v => slate.agent('regime-auditor', {42 model: 'sonnet',43 task: 'Ajuste un HMM à 3 états sur la volatilité et les rendements. Recalcule le Sharpe par régime. Rejette si un seul régime fonctionne.',44 result: v45 }))46 );4748 // Étape 6 : décomposition factorielle pour isoler l'alpha résiduel49 const finalSignals = await Promise.all(50 regimeChecked51 .filter(r => r.passed)52 .map(r => slate.agent('factor-decomposer', {53 model: 'opus',54 task: 'Régresse contre Fama-French 5 + momentum Carhart + faible volatilité. Rapporte l\'alpha résiduel et la statistique t.',55 result: r56 }))57 );5859 // Persiste, notifie, dort60 await slate.state.set('final-signals', finalSignals);61 await slate.state.append('tested-hypotheses', hypotheses);62 await slate.notify.slack('research', `${finalSignals.length} nouveaux signaux ont survécu aux six étapes aujourd'hui.`);63 await slate.sleep('24h');64 }65}
C'est tout l'essaim. Un fichier. Six agents. Fonctionne pour toujours.
Étape 4 : Exécuter l'Essaim
Sauvegardez le fichier et exécutez :
1slate run alpha-swarm.js
Au moment où vous appuyez sur Entrée, Slate démarre la boucle. Les six agents se déclenchent en séquence.
L'ingénierie des caractéristiques s'exécute en parallèle pour chaque hypothèse. Les backtests s'exécutent en parallèle. La validation s'exécute sur le modèle le plus fort.
Vous pouvez regarder chaque agent travailler depuis le CLI Slate en temps réel. Chaque agent montre son état, sa tâche actuelle et sa progression.
[Capture d'écran 4 : Terminal montrant l'essaim en cours d'exécution avec plusieurs agents actifs en parallèle, indicateurs de progression visibles pour chaque étape.]
Le premier cycle prend 20 à 40 minutes selon le nombre d'hypothèses produites par l'étape un.
À la fin, Slate publie les survivants sur votre canal Slack avec leurs ratios de Sharpe, drawdowns et alpha résiduel. Puis il dort jusqu'au lendemain.
Étape 5 : Itérer
La première version de la boucle n'est jamais la version finale.
Le générateur d'idées produira des doublons. Tapez dans Slate :
ajoute une vérification par rapport à l'historique d'état pour qu'il ne propose que des hypothèses que nous n'avons pas testées au cours des 30 derniers jours.
Le validateur rejettera des signaux que vous pensez devoir passer. Tapez :
assouplis le seuil de Sharpe à 1.2 mais resserre le seuil de drawdown maximum à 8 pour cent.
Slate met à jour le Program pour vous. Le cycle suivant utilise la nouvelle logique. Chaque amélioration se cumule dans le fichier d'état, et avec le temps, l'essaim devient plus précis car il se souvient de tout ce qu'il a déjà testé et de tout ce qu'il a déjà rejeté.
Partie 5 : Comment Cela Remplace Réellement une Équipe de Recherche
Trois modèles couvrent tous les déploiements réels.
Modèle 1 : Découverte nocturne.
L'essaim fonctionne de 20h à 8h. Chaque matin, vous vous réveillez avec deux ou trois signaux qui ont survécu aux six étapes.
Votre travail devient l'examen des survivants au lieu d'exécuter le pipeline vous-même.
Modèle 2 : Mode rafale d'hypothèses.
Nouvel article publié. Nouvelle source de données disponible. Vous déclenchez l'essaim à la demande et obtenez 100 hypothèses testées cet après-midi-là.
Un chercheur humain en teste deux dans le même temps.
Modèle 3 : Surveillance de la dégradation de l'alpha.
L'essaim réexécute les signaux validés chaque semaine sur des données fraîches. Dès que le Sharpe d'un signal tombe en dessous du seuil, il signale la dégradation.
Vous réduisez l'exposition avant que le drawdown ne s'accumule.
Chaque modèle remplace une fonction spécifique qui nécessitait auparavant un PhD. Ensemble, ils remplacent la majeure partie de ce qu'une équipe de recherche fait réellement au quotidien.
Partie 6 : Cinq Modes d'Échec Qui Tuent 90 Pour Cent des Tentatives des Particuliers
Échec 1 : Sauter le validateur.
Vous obtiendrez 100 signaux avec de beaux ratios de Sharpe et aucune rigueur. Chacun est du data snooping déguisé.
Le validateur est non négociable. Utilisez votre modèle le plus fort. Définissez des seuils de rejet stricts. Ne laissez jamais le créateur valider son propre travail.
Échec 2 : Pas de persistance d'état.
Un essaim sans mémoire teste la même hypothèse échouée chaque jour.
Chaque signal rejeté doit être enregistré avec la raison exacte du rejet afin qu'aucun agent ne gaspille jamais de tokens sur le même échec deux fois.
Échec 3 : Pas de séparation créateur/vérificateur.
L'agent qui a généré l'hypothèse est le pire juge possible pour savoir s'il s'agit d'un véritable alpha.
Séparez le créateur et le vérificateur entre différents agents sur différents modèles. Renaissance fait cela. Two Sigma fait cela. Citadel fait cela. Votre essaim devrait aussi.
Échec 4 : Un seul agent qui fait tout.
Dès que vous essayez de faire générer, concevoir, backtester et valider par un seul agent, la qualité s'effondre.
La spécialisation est ce qui fait fonctionner l'essaim. Chaque agent fait une chose parfaitement.
Échec 5 : Pas de condition d'arrêt sur la boucle.
Une boucle sans véritable arrêt échoue en silence. L'agent émet un signal d'achèvement croyant que le travail est fait. Les mauvais résultats restent non corrigés.
Chaque condition d'arrêt doit être vérifiable par autre chose que la propre affirmation de l'agent. « Sharpe supérieur à 1.5 sur les 30 dernières transactions hors échantillon. » « Drawdown inférieur à 5 pour cent. » Jamais « l'agent dit que c'est fait. »
Respectez ces cinq règles et l'essaim produira des résultats de recherche de qualité institutionnelle.
Résumé
La recherche alpha est déjà un pipeline. Six étapes. Lire des articles. Concevoir des caractéristiques. Backtester. Valider. Vérifier les régimes. Décomposer par rapport aux facteurs.
Chaque fonds sérieux l'exécute avec 100 PhD.
Un essaim de six agents IA spécialisés exécute chaque étape pour vous. Chaque agent choisit le modèle qui correspond à sa complexité. L'essaim entier fonctionne sur un Program Slate qui se déclenche toutes les 24 heures.
Les Programs de Slate sont la couche qui rend cela réellement livrable en un week-end au lieu de six mois.
Il rédige la boucle avec vous. Il sauvegarde la boucle. Il exécute la boucle. Il l'exécute pour toujours.
Vous cessez d'être le pipeline. Vous devenez l'architecte.
Le fossé d'infrastructure est réel. Le fossé de recherche est mort.
C'est là le point.
Si vous voulez l'essayer, inscrivez-vous sur
https://randomlabs.ai et suivez
@wearerandomlabs pour le lancement.
Dans mon article précédent sur l'ingénierie des boucles, j'ai décomposé comment la même architecture se connecte à un système de trading auto-améliorant complet qui exécute des transactions par lui-même. Si vous ne l'avez pas encore lu, lisez-le juste après celui-ci.
Cet essaim est la moitié recherche de ce système.
https://x.com/RohOnChain/status/2069056530960490835
Les fonds qui construiront cela en premier cumuleront leurs gains pour la prochaine décennie.
Ceux qui testent encore une hypothèse à la fois seront laissés pour compte.
Alors, voici la question à méditer.
Êtes-vous le chercheur qui teste encore une hypothèse par semaine, ou êtes-vous l'architecte qui a construit l'essaim qui en teste cent chaque nuit pendant que vous dormez ?
Il n'y a pas de mauvaise réponse. Mais il y en a de très révélatrices.
