2025 年、ある AI が 56 年ぶりの数学記録を 1 つのループで破りました。生成、テスト、スコアリング、繰り返し。クオンツはこれを戦略に適用しています。
早速本題に入りましょう。
ブックマーク推奨
私たちは、初のエージェンティック取引プラットフォーム Horizon のチームです。あなたが取引戦略を平易な英語で入力すると、数分でバックテストし、ブローカーにライブ配信します。この記事では、エージェンティック戦略構築の背後にある改善ループのフレームワークを解説します。現在はクローズドベータ版で、7 月 15 日に公開開始予定です。ウェイトリストへの参加は
horizon.trade または DM
@horizon_trade_x まで。早期アクセスをご案内します。
完全なフレームワークはこちら：
- 「自己改善」の実際の意味（そしてそうでないもの）
- 適応度シグナル：エージェントが最適化する唯一の数値
- メモリ：失敗、調査、抽出、参照
- 検証者：なぜエージェントが自分の仕事を評価しないのか
- Horizon が現在このループを実行している場所
「自己改善」の実際の意味
まず、正直なバージョンをお伝えします。自己改善エージェントはモデルを再トレーニングしません。本番システムではそんなことは行われません。モデルの重みは凍結されたままです。
複合的に改善されるのは、モデルを取り巻くすべての要素です。テストされたバリアントのログ、スコアリングルール、抽出された教訓。エージェントは 3 つの部分からなるフィードバックループです。ジェネレーターが戦略バリアントを提案します。評価者が履歴データでスコアリングします。セレクターが勝者を保持し、ジェネレーターにフィードバックします。
これは古い仕組みです。進化的探索は 1990 年代からクオンツ研究で使用されてきました。変わったのはジェネレーターです。LLM がコードと平易な英語でバリアントを提案するようになり、人間が各ステップを操作しなくても、このループを何時間も実行できるようになりました。2025 年、DeepMind の AlphaEvolve は、まさにこの生成-評価-選択ループを使用して、より高速な行列乗算アルゴリズムを発見し、1969 年以来の記録を破りました。
適応度シグナル
エージェントは、あなたがスコアリングするものに基づいて改善します。生のリターンをスコアリングすると、データセット内で最も過学習された曲線を見つけ出します。真剣なトレーディングデスクは複合スコアをスコアリングします。リスク調整後リターン、ドローダウン、取引回数、時間枠間の安定性です。
スコアリングルールが戦略です。その後のすべては単なる検索です。
メモリ：失敗、調査、抽出、参照
人間の研究者はイテレーション 4 を忘れます。適切に構築されたエージェントは、すべての失敗を 4 つの段階で処理します。
失敗したバックテストを文書化します。なぜバリアントが失敗したのかを調査します。間違ったレジーム、取引コスト、曲線フィッティング。診断を一般的なルールに抽出します。そして次の実行時に、そのルールを参照して、ゼロから失敗を再発見することを防ぎます。
ここで、ほとんどの自作ループが破綻します。この進行がなければ、エージェントはすでに拒否したバリアントを再提案し、計算リソースを無駄に消費します。これがあれば、拒否されたバリアントはすべて検索空間内のデッドゾーンを示し、各世代は前の世代が学んだすべてからスタートします。
検証者：なぜエージェントが自分の仕事を評価しないのか
自分の出力を評価するエージェントは、自分の推論を見て、自分がすでに構築したものと一致する結論を好みます。取引において、この障害モードには代償が伴います。1 つのデータセットを記憶するループは、チャート上では改善のように見え、実際の運用ではコインフリップのような振る舞いをします。
修正には 2 つの部分があります。評価ルールはジェネレーターから分離されており、バリアントを提案したプロセスが自分でスコアリングすることはありません。そして最終評価は、ジェネレーターが一度も見たことのないデータ、つまりアウトオブサンプルゲートから行われます。バリアントは、両方のスライスで勝利した場合にのみ生き残ります。McLean と Pontiff は、公開された戦略は、データが知られるようになると、その優位性の大部分を失う傾向があることを示しました。あなたのエージェントのトレーニングウィンドウも同じように機能します。
Horizon がこのループを実行している場所
生成、バックテスト、スコアリング、選択のループは、Horizon の中核的なメカニズムです。あなたは戦略を平易な英語で説明します。エージェントがそれを構築し、バックテストし、スコアリングし、2 ～ 3 つの改良されたバリアントをスコアと共に提示します。これにより、パラメータを手動で調整する代わりに、改善された候補から選択できます。
すべてのバックテストが次の提案にフィードされます。エージェントが反復処理を行い、あなたが判断を下します。
スコア付きバックテストレポート
トレーダーがよく間違える点
単一の指標を最適化する。 エージェントは史上最高のシャープレシオを見つけ出しますが、最初のライブ月で崩壊します。複合スコアには理由があって存在します。
作成者に自分の仕事を評価させる。 インナーサンプルデータでの自己承認された「改善」の 10 世代は、10 世代の記憶化に過ぎません。
人間を排除する。 エージェントは戦略空間上の検索エンジンです。候補をランク付けします。実際の資金で何を展開するかは、人間の判断に委ねられます。
反復回数と進歩を混同する。 悪い適応度シグナルに対してスコアリングされた 1000 のバリアントは、間違った方向への 1000 歩です。
お読みいただきありがとうございます。
お立ち寄りの前に
私たちは、初のエージェンティック取引プラットフォーム Horizon のチームです。あなたが取引戦略を平易な英語で入力すると、数分でバックテストし、ブローカーにライブ配信します。この記事で紹介した生成、バックテスト、スコアリング、選択のループは、現在製品で稼働しています。現在はクローズドベータ版で、7 月 15 日に公開開始予定です。ウェイトリストへの参加は
horizon.trade または DM
@horizon_trade_x まで。早期アクセスをご案内します。
