Ti spiegherò esattamente come costruire i loop che fanno funzionare da soli un intero sistema di trading quantitativo.
Andiamo dritti al punto.
Segna Questo
- Sono Roan, uno sviluppatore backend che lavora su system design, esecuzione in stile HFT e sistemi di trading quantitativo. Il mio lavoro si concentra su come i mercati di previsione si comportano effettivamente sotto carico. Per suggerimenti, collaborazioni ponderate o partnership, i DM sono aperti.
Una cosa che comincio da oggi.
Se stai costruendo un sistema quant, stai per iniziare o ci stai solo pensando, mandami un DM con quello su cui stai lavorando o semplicemente rispondi sotto questo articolo e ti contatterò (puoi anche solo inviarmi lo screenshot della tua architettura attuale).
Analizzerò personalmente i primi 20 setup, mostrandoti la differenza tra quello che hai e un sistema che produce realmente alpha.
La maggior parte dei quant fa ancora prompt a Claude. Scrivono. Aspettano. Leggono l'output. Scrivono di nuovo.
I costruttori più intelligenti del pianeta hanno smesso di farlo.
Scrivono loop. I loop fanno prompt a Claude. I loop verificano l'output. I loop decidono cosa fare dopo. I loop continuano a funzionare anche dopo che il laptop è chiuso.
Boris Cherny, il capo di Claude Code da Anthropic, lo ha detto chiaramente due settimane fa. "Non faccio più prompt a Claude. Ho loop che fanno prompt a Claude e decidono cosa fare. Il mio lavoro è scrivere loop." Quella singola frase ha ridefinito il modo in cui ogni ingegnere AI serio sulla terra pensa a costruire. E si abbina perfettamente al trading quantitativo.
La maggior parte dei quant retail leggerà questo e dirà che non si applica a loro perché sono troppo piccoli. Si sbagliano. Più piccolo è il tuo capitale, più questo è importante. Un loop auto-eseguente è l'unico modo in cui un costruttore solitario può colmare il divario con un fondo che impiega 100 dottorati.
Perché il trading quantitativo è già un loop. Preleva dati. Genera segnali. Fa backtest. Esegue. Monitora il rischio. Ripeti.
Ogni fondo a Wall Street esegue esattamente questo ciclo. Renaissance lo esegue dal 1988. Citadel lo esegue con team di ingegneri che monitorano ogni fase. Two Sigma, Jane Street, tutti loro.
L'unica differenza è che loro hanno bisogno di centinaia di umani seduti all'interno del loop. Tu no.
Ho già costruito questo loop per me stesso. Preleva dati di mercato in modo programmato. Esegue ricerca alpha. Verifica ogni segnale tramite un agente separato. Esegue solo ciò che supera la verifica. Scrive ogni lezione nella memoria.
Questo articolo è tutto ciò che ho imparato sull'ingegneria dei loop e su come integrarla in un sistema di trading autonomo completo.
Alla fine di questo, saprai:
La differenza esatta tra fare prompt a un agente e progettare un loop.
I sei elementi che fanno funzionare ogni loop in produzione.
Come collegare questi sei elementi in un sistema di trading quantitativo auto-migliorante da zero.
Iniziamo.
Parte 1: La Differenza Tra Fare Prompt E Ingegneria Dei Loop
Negli ultimi due anni, lavorare con l'AI assomigliava a questo.
Scrivevi un prompt. Leggevi cosa tornava. Scrivevi il prompt successivo basandoti su ciò che avevi visto.
Tu eri il loop.
L'agente era uno strumento. Lo tenevi tu per tutto il tempo. Ogni mossa eri tu seduto alla tastiera a decidere cosa fare dopo.
L'ingegneria dei loop pone fine a questo.
Smetterai di essere la cosa all'interno del loop. Diventerai l'architetto che lo progetta.
Un loop è un obiettivo ricorsivo. Definisci uno scopo. L'agente itera verso di esso. Il loop continua a funzionare finché non viene soddisfatta una vera condizione di arresto.
L'agente dimentica tra un'esecuzione e l'altra. Il loop no.
Questo singolo fatto è l'intera architettura.
Questo è ciò che Boris intendeva quando ha detto che il suo lavoro è scrivere loop. Ha smesso di digitare istruzioni una alla volta. Ha costruito sistemi che inviano le istruzioni per lui, leggono i risultati e decidono cosa fare dopo.
Per la programmazione, questo cambia il modo in cui il software viene distribuito.
Per il trading, questo cambia tutto.
Perché nessun quant ha mai fatto soldi scrivendo un prompt e allontanandosi. Il vantaggio deriva dall'eseguire lo stesso ciclo migliaia di volte, migliorando dell'uno per cento a ogni iterazione, e senza mai dormire.
Questo è esattamente ciò che fa un loop.
Se stai ancora scrivendo prompt in Claude un trade alla volta, stai facendo ciò che Boris ha smesso di fare due anni fa. Il punto di leva si è spostato di un piano più in alto. Non stai più scrivendo prompt migliori. Stai scrivendo il sistema che scrive i prompt.
La Differenza Tra Fare Prompt E Ingegneria Dei Loop
Parte 2: I Sei Elementi Che Fanno Funzionare Ogni Loop
Un loop funzionante è costruito con sei parti. Se ne manca una, il loop si rompe silenziosamente.
1. L'automazione.
Questo è il battito cardiaco. Una pianificazione cron, un webhook, un comando /loop o un hook all'interno di Claude Code che si attiva senza che tu debba digitare.
Ci sono due varianti che vale la pena conoscere. /loop riesegue con una cadenza indipendentemente dallo stato. /goal continua finché una condizione verificabile che hai scritto non è effettivamente vera, con un modello piccolo separato che valuta se il lavoro è completato.
Nel trading, /loop è il tuo prelievo di dati ogni minuto. /goal è "continua a iterare su questo segnale finché lo Sharpe del backtest non è superiore a 1,5."
2. La skill.
Una skill è un manuale di procedure che l'agente legge invece di ricevere istruzioni da zero ogni sessione.
Risiede in un file SKILL.md. Contiene le tue convenzioni, le tue regole, i tuoi "non lo facciamo così per via di quell'incidente."
Senza le skill, ogni esecuzione del loop parte da zero. Con le skill, l'intento si accumula.
3. Il file di stato.
Un file markdown. Di solito chiamato STATE.md o PROGRESS.md.
Sopravvive tra un'esecuzione e l'altra. L'agente dimentica. Il file no.
L'agente lo legge all'inizio di ogni esecuzione. Alla fine scrive cosa è successo.
Sembra troppo stupido per essere importante. In realtà è la spina dorsale di ogni loop funzionante.
4. Il verificatore.
L'agente che ha scritto il codice è il peggior giudice possibile della correttezza del codice.
Applica questo al trading. L'agente che ha generato il segnale è il peggior giudice possibile per capire se il segnale è vero alpha o rumore.
Hai bisogno di un agente separato, con istruzioni diverse, idealmente un modello diverso, il cui unico compito è verificare il lavoro.
Questo è il pattern maker-checker. Ogni prop shop a Wall Street è strutturato internamente in questo modo. A Jane Street, il trader che propone un'operazione non approva l'operazione. A Citadel, il ricercatore che costruisce il modello non convalida il modello.
5. I worktree.
Nel momento in cui esegui più di un agente sugli stessi file, iniziano a scontrarsi.
I git worktree danno a ogni agente la propria directory di lavoro isolata, puntata al proprio branch.
Nel trading, questo ti permette di eseguire ricerca sui segnali, backtesting e monitoraggio del rischio in parallelo, senza mai interferire tra loro.
6. I connettori.
Un loop che può solo leggere file è un loop minuscolo.
I connettori basati sul Model Context Protocol permettono al loop di contattare un'API di un broker, interrogare un database, pubblicare su Slack, inviare ordini allo scambio.
Questa è la differenza tra un loop che suggerisce operazioni e un loop che le esegue effettivamente.
Questi sei elementi sono universali. Appaiono in Claude Code. Appaiono in Codex. Appaiono in ogni sistema agente funzionante sul pianeta.
Ora lascia che ti mostri come collegarli insieme in un sistema di trading completo.
Parte 3: Come Costruire Un Loop Di Trading Quantitativo Auto-Migliorante
Il loop di trading quantitativo ha cinque fasi. Ogni fase è un proprio sotto-loop, con la propria skill, il proprio file di stato e il proprio verificatore.
Fase uno. Acquisizione dati.
Un'automazione si attiva ogni minuto, ogni ora o ogni giorno a seconda della classe di attività.
1@loop(interval="1h")2def ingest_data():3 data = fetch_market_data(symbols=universe, lookback="30d")4 state.write("latest_data.parquet", data)
I dati vanno in un file di stato condiviso che la fase successiva legge.
Fase due. Generazione del segnale.
Qui è dove avviene la ricerca alpha.
1@loop(trigger="data_updated")2def generate_signal():3 data = state.read("latest_data.parquet")4 signal = claude.run_skill("alpha_research", data)5 state.write("pending_signal.json", signal)
L'agente di generazione del segnale legge da un file SKILL.md che contiene le tue regole di ricerca alpha.
1# alpha_research_skill.md23## Obiettivo4Generare segnali utilizzando la regressione lineare sugli ultimi 30 giorni5di dati di prezzo e volume.67## Regole8- Lo Sharpe ratio deve essere superiore a 1,5 in 3 degli ultimi 5 backtest9- La dimensione della posizione è limitata al 2 percento del capitale per segnale10- Salta i segnali nei giorni degli annunci FOMC11- Salta i segnali 48 ore prima delle pubblicazioni degli utili1213## Lezioni apprese14- 2026-02-14: Perso il 4,2 percento durante la settimana degli utili.15 Nuova regola: salta qualsiasi segnale 48 ore prima degli utili.16- 2026-03-08: Una violazione dell'esposizione settoriale ha causato un drawdown del 6 percento.17 Nuova regola: limitare l'esposizione settoriale al 30 percento.18- 2026-04-22: Un segnale di momentum è esploso in un giorno FOMC.19 Nuova regola: eliminare tutti i segnali di momentum nei giorni FOMC.
La skill cresce nel tempo. Ogni perdita scrive una nuova lezione. Ogni lezione diventa una nuova regola per l'esecuzione successiva.
Questo è ciò che rende il sistema auto-migliorante.
Fase tre. Verifica.
Il segnale va a un agente completamente separato. Modello diverso. Istruzioni diverse. Nessuna esposizione a come è stato ragionato il segnale originale.
1@checker2def verify_signal(signal):3 result = claude.invoke(4 skill="backtest_verification_skill.md",5 signal=signal,6 rules=[7 "Sharpe ratio above 1.5",8 "Max drawdown below 10 percent",9 "Newey-West t-stat above 2.0",10 "Out of sample period at least 2 years"11 ]12 )13 return result.verdict
Se la verifica fallisce, il segnale viene eliminato. Se supera, passa all'esecuzione.
Il verificatore non vede mai cosa ha ragionato il creatore. Quella separazione è l'intero vantaggio.
Puoi anche usare un modello più forte per il checker rispetto al maker. Claude Opus per la verifica, Claude Sonnet per la generazione. Diverse architetture di modello catturano diversi tipi di errori. Questa è la stessa logica che i metodi ensemble usano nell'apprendimento automatico.
La separazione maker-checker
Fase quattro. Esecuzione.
Solo i segnali verificati raggiungono questa fase.
1@auto_mode2def execute(signal):3 if verify_signal(signal):4 broker.send_orders(signal, max_position=0.02)5 state.write("active_trades", signal)
Il connettore MCP gestisce l'API del broker. Il loop non chiede mai il permesso. La modalità automatica gli permette di funzionare senza intervento.
Fase cinque. Monitoraggio del rischio.
Esegue in un worktree parallelo per tutto il tempo.
1@loop(interval="1m")2def monitor_risk():3 positions = broker.get_positions()4 if drawdown(positions) > 0.05:5 broker.close_all()6 state.append("STATE.md", "Drawdown trigger hit. All positions closed.")
Questo è l'interruttore di spegnimento. Impone le regole senza negoziazione.
Insieme, questi cinque sotto-loop formano un unico sistema auto-eseguente.
I dati entrano. I segnali vengono generati. I segnali vengono verificati. I segnali verificati vengono eseguiti. Il rischio viene monitorato. Le lezioni vengono riscritte nella memoria.
Poi ricomincia.
Come il loop si accumula
L'ho progettato una volta. Da allora non ho più scritto prompt per nessuno di questi passaggi.
Questa è l'ingegneria dei loop. Questo è ciò che Boris intendeva quando ha detto che il suo lavoro è scrivere loop.
Un avvertimento. Un loop senza una vera condizione di arresto fallisce silenziosamente. L'agente emette un segnale di completamento credendo che il lavoro a metà sia finito. Il loop esce. L'operazione sbagliata rimane aperta.
Le tue condizioni di arresto devono essere verificabili da qualcosa di diverso dalla semplice affermazione dell'agente. "Sharpe superiore a 1,5 negli ultimi 30 trade." "Drawdown inferiore al 5 percento." "La suite di test passa." Mai "l'agente dice che è finito."
Nel mio articolo sulla teoria dei giochi ho spiegato perché ogni trade è una mossa strategica in un gioco multi-player con informazioni imperfette. Se te lo sei perso, vorrai leggerlo subito dopo questo:
https://x.com/RohOnChain/status/2066178991892119820
Il loop è ciò che ti permette di sederti a quel tavolo per sempre senza esaurirti.
Riepilogo
Il trading quantitativo è già un loop. Ogni fondo a Wall Street lo esegue. Solo che hanno bisogno di centinaia di umani seduti all'interno.
L'ingegneria dei loop rimuove gli umani.
Sei elementi compongono ogni loop funzionante. Le automazioni accendono il battito cardiaco. Le skill contengono la conoscenza del progetto. I file di stato contengono la memoria. I verificatori valutano l'output. I worktree isolano il lavoro parallelo. I connettori danno al loop mani nel mondo reale.
Collegali attorno al ciclo di trading in cinque fasi e avrai un sistema auto-migliorante che esegue ricerca alpha, verifica segnali, esegue operazioni e monitora il rischio da solo.
Il sistema diventa più intelligente a ogni ciclo. Ogni perdita scrive una nuova lezione. Ogni lezione diventa una nuova regola. Dopo cento trade, il file skill è un documento vivente. Dopo mille, è più vicino alla conoscenza istituzionale di quanto un singolo umano potrebbe mai ricordare.
I fondi che costruiranno questo per primi si accumuleranno per il prossimo decennio. Quelli che ancora fanno prompt rimarranno indietro.
Quindi ecco la domanda su cui riflettere.
Se l'ingegneria dei loop è la prossima astrazione dopo il prompting, e il trading quantitativo è il loop con la posta in gioco più alta al mondo, sei la persona che sta ancora scrivendo prompt un trade alla volta, o sei l'architetto che ha progettato il loop che fa trading per te mentre dormi?
Non c'è una risposta sbagliata, ma ce ne sono di molto rivelatrici.
