Vou quebrar exatamente como construir os loops que executam um sistema de trading quantitativo inteiro por conta própria.
Vamos direto ao ponto.
Marque Isto
- Sou Roan, desenvolvedor backend trabalhando com design de sistemas, execução estilo HFT e sistemas de trading quantitativo. Meu foco é entender como os mercados de predição realmente se comportam sob carga. Para sugestões, colaborações ou parcerias, meu DM está aberto.
Uma coisa que estou começando hoje.
Se você está construindo um sistema quant, prestes a começar ou apenas pensando nisso, me mande um DM sobre o que está trabalhando ou apenas responda abaixo deste artigo e entrarei em contato com você (pode até me enviar um print da sua arquitetura atual).
Vou analisar pessoalmente os primeiros 20 setups e mostrar a lacuna entre o que você tem e um sistema que realmente gera alpha.
A maioria dos quants ainda usa o Claude digitando prompts. Eles digitam. Esperam. Leem a saída. Digitam de novo.
Os builders mais inteligentes do planeta pararam de fazer isso.
Eles escrevem loops. Os loops dão comandos ao Claude. Os loops verificam a saída. Os loops decidem o que acontece em seguida. Os loops continuam rodando depois que o laptop é fechado.
Boris Cherny, chefe do Claude Code na Anthropic, disse isso claramente há duas semanas. "Eu não uso mais prompts no Claude. Tenho loops rodando que dão comandos ao Claude e decidem o que fazer. Meu trabalho é escrever loops." Essa frase única reformulou como todo engenheiro de IA sério no planeta pensa sobre construção. E combina perfeitamente com trading quantitativo.
A maioria dos quants de varejo vai ler isso e dizer que não se aplica a eles porque são pequenos demais. Estão errados. Quanto menor seu capital, mais isso importa. Um loop autoexecutável é a única maneira de um builder solo fechar a lacuna com um fundo que tem 100 PhDs.
Porque trading quantitativo já é um loop. Puxar dados. Gerar sinais. Fazer backtest. Executar. Monitorar risco. Repetir.
Todo fundo em Wall Street roda esse ciclo exato. A Renaissance roda desde 1988. A Citadel roda com equipes de engenheiros monitorando cada estágio. Two Sigma, Jane Street, todos eles.
A única diferença é que eles precisam de centenas de humanos sentados dentro do loop. Você não.
Eu já construí esse loop para mim. Ele puxa dados de mercado em horários programados. Roda pesquisa de alpha. Verifica cada sinal através de um agente separado. Executa apenas o que passa na verificação. Escreve cada lição de volta na memória.
Este artigo é tudo que aprendi sobre engenharia de loops e como integrá-la em um sistema de trading autônomo completo.
Ao final deste artigo, você saberá:
A diferença exata entre dar um prompt a um agente e projetar um loop.
As seis peças que fazem qualquer loop funcionar em produção.
Como conectar essas seis peças em um sistema de trading quantitativo autoaprimorável do zero.
Vamos nessa.
Parte 1: A Diferença Entre Usar Prompts e Engenharia de Loops
Nos últimos dois anos, trabalhar com IA era assim.
Você digitava um prompt. Lia o que voltava. Digitava o próximo prompt baseado no que viu.
Você era o loop.
O agente era uma ferramenta. Você o segurava o tempo todo. Cada movimento era você sentado no teclado decidindo o que fazer em seguida.
A engenharia de loops acaba com isso.
Você para de ser a coisa dentro do loop. Você se torna o arquiteto que o projeta.
Um loop é um objetivo recursivo. Você define um propósito. O agente itera em direção a ele. O loop continua rodando até que uma condição de parada real seja atendida.
O agente esquece entre as execuções. O loop não.
Esse único fato é toda a arquitetura.
Foi isso que Boris quis dizer quando disse que seu trabalho é escrever loops. Ele parou de digitar instruções uma de cada vez. Ele construiu sistemas que enviam as instruções por ele, leem os resultados e decidem o que acontece em seguida.
Para programação, isso muda como o software é lançado.
Para trading, isso muda tudo.
Porque nenhum quant jamais ganhou dinheiro digitando um prompt e saindo. A vantagem vem de rodar o mesmo ciclo milhares de vezes, melhorando um por cento a cada iteração, e nunca dormindo.
Isso é exatamente o que um loop faz.
Se você ainda está digitando prompts no Claude um trade de cada vez, você está fazendo o que Boris parou de fazer há dois anos. O ponto de alavancagem subiu um andar. Você não está mais escrevendo prompts melhores. Você está escrevendo o sistema que escreve os prompts.
A Diferença Entre Usar Prompts e Engenharia de Loops
Parte 2: As Seis Peças Que Fazem Todo Loop Funcionar
Um loop funcional é construído com seis partes. Falte uma e o loop quebra silenciosamente.
1. A automação.
Esta é o coração. Um agendamento cron, um webhook, um comando /loop ou um hook dentro do Claude Code que dispara sem você digitar.
Existem duas variações que valem a pena conhecer. /loop reexecuta em um ritmo independentemente do estado. /goal continua até que uma condição verificável que você escreveu seja verdadeira, com um modelo pequeno separado avaliando se o trabalho está concluído.
No trading, /loop é sua puxada de dados a cada minuto. /goal é "continue iterando neste sinal até que o Sharpe do backtest esteja acima de 1,5."
2. A habilidade (skill).
Uma skill é um manual de procedimentos que o agente lê em vez de ser instruído do zero a cada sessão.
Ela vive em um arquivo SKILL.md. Contém suas convenções, suas regras, seu "nós não fazemos assim por causa daquele incidente."
Sem skills, cada execução do loop começa do zero. Com skills, a intenção se acumula.
3. O arquivo de estado.
Um arquivo markdown. Geralmente chamado STATE.md ou PROGRESS.md.
Ele sobrevive entre as execuções. O agente esquece. O arquivo não.
O agente o lê no início de cada execução. Ele escreve de volta o que aconteceu no final.
Isso parece idiota demais para importar. Na verdade, é a espinha dorsal de todo loop funcional.
4. O verificador.
O agente que escreveu o código é o pior juiz possível para saber se o código está correto.
Aplique isso ao trading. O agente que gerou o sinal é o pior juiz possível para saber se o sinal é alpha real ou ruído.
Você precisa de um agente separado, com instruções diferentes, idealmente um modelo diferente, cujo único trabalho é verificar o trabalho.
Este é o padrão maker-checker. Toda mesa de prop shops em Wall Street é estruturada assim internamente. Na Jane Street, o trader que propõe uma operação não aprova a operação. Na Citadel, o pesquisador que constrói o modelo não valida o modelo.
5. As worktrees.
No momento em que você roda mais de um agente contra os mesmos arquivos, eles começam a colidir.
As worktrees do Git dão a cada agente seu próprio diretório de trabalho isolado, apontado para seu próprio branch.
No trading, isso permite que você rode pesquisa de sinais, backtesting e monitoramento de risco em paralelo, sem nunca interferir uns nos outros.
6. Os conectores.
Um loop que só consegue ler arquivos é um loop minúsculo.
Conectores construídos sobre o Model Context Protocol permitem que o loop acesse uma API de corretora, consulte um banco de dados, publique no Slack, envie ordens para a bolsa.
Esta é a diferença entre um loop que sugere trades e um loop que realmente os coloca.
Essas seis peças são universais. Elas aparecem no Claude Code. Aparecem no Codex. Aparecem em todo sistema agentico funcional do planeta.
Agora deixe-me mostrar como conectá-las em um sistema de trading completo.
Parte 3: Como Construir Um Loop de Trading Quantitativo Autoaprimorável
O loop de trading quantitativo tem cinco estágios. Cada estágio é seu próprio subloop, com sua própria skill, seu próprio arquivo de estado e seu próprio verificador.
Estágio um. Ingestão de dados.
Uma automação dispara a cada minuto, hora ou dia, dependendo da classe de ativo.
1@loop(interval="1h")2def ingest_data():3 data = fetch_market_data(symbols=universe, lookback="30d")4 state.write("latest_data.parquet", data)
Os dados vão para um arquivo de estado compartilhado que o próximo estágio lê.
Estágio dois. Geração de sinais.
É aqui que a pesquisa de alpha acontece.
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)
O agente de geração de sinais lê de um arquivo SKILL.md que contém suas regras de pesquisa de alpha.
1# alpha_research_skill.md23## Objetivo4Gerar sinais usando regressão linear nos últimos 30 dias5de dados de preço e volume.67## Regras8- Índice Sharpe deve estar acima de 1,5 em 3 dos últimos 5 backtests9- Tamanho da posição limitado a 2% do capital por sinal10- Ignorar sinais em dias de anúncio do FOMC11- Ignorar sinais 48 horas antes de divulgações de resultados1213## Lições aprendidas14- 14/02/2026: Perdeu 4,2% durante semana de resultados.15 Nova regra: ignorar qualquer sinal 48 horas antes de resultados.16- 08/03/2026: Exposição setorial causou um drawdown de 6%.17 Nova regra: limitar exposição setorial a 30%.18- 22/04/2026: Sinal de momentum explodiu em dia de FOMC.19 Nova regra: eliminar todos os sinais de momentum em dias de FOMC.
A skill cresce com o tempo. Cada perda escreve uma nova lição de volta. Cada lição se torna uma nova regra para a próxima execução.
Isso é o que torna o sistema autoaprimorável.
Estágio três. Verificação.
O sinal vai para um agente completamente separado. Modelo diferente. Instruções diferentes. Sem exposição a como o sinal original foi raciocinado.
1@checker2def verify_signal(signal):3 result = claude.invoke(4 skill="backtest_verification_skill.md",5 signal=signal,6 rules=[7 "Índice Sharpe acima de 1,5",8 "Drawdown máximo abaixo de 10%",9 "Estatística t de Newey-West acima de 2,0",10 "Período fora da amostra de pelo menos 2 anos"11 ]12 )13 return result.verdict
Se a verificação falhar, o sinal é eliminado. Se passar, segue para a execução.
O verificador nunca vê o que o gerador raciocinou. Essa separação é toda a vantagem.
Você também pode usar um modelo mais forte para o verificador do que para o gerador. Claude Opus para verificação, Claude Sonnet para geração. Arquiteturas de modelo diferentes capturam tipos diferentes de erros. Esta é a mesma lógica que métodos de ensemble usam em machine learning.
A divisão maker-checker
Estágio quatro. Execução.
Apenas sinais verificados chegam a este estágio.
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)
O conector MCP lida com a API da corretora. O loop nunca pede permissão. O modo automático permite que ele funcione sem intervenção.
Estágio cinco. Monitoramento de risco.
Rodando em uma worktree paralela o tempo todo.
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", "Limite de drawdown atingido. Todas as posições fechadas.")
Este é o interruptor de desligamento. Ele impõe regras sem negociação.
Juntos, esses cinco subloops formam um sistema autoexecutável.
Os dados entram. Os sinais são gerados. Os sinais são verificados. Os sinais verificados são executados. O risco é monitorado. As lições são escritas de volta na memória.
Então o ciclo recomeça.
Como o loop se acumula
Eu projetei isso uma vez. Não usei prompts em nenhuma dessas etapas desde então.
Isso é engenharia de loops. Foi isso que Boris quis dizer quando disse que seu trabalho é escrever loops.
Um aviso. Um loop sem uma condição de parada real falha silenciosamente. O agente emite um sinal de conclusão acreditando que o trabalho meio feito está terminado. O loop sai. O trade ruim permanece aberto.
Suas condições de parada precisam ser verificáveis por algo diferente da própria afirmação do agente. "Sharpe acima de 1,5 nos últimos 30 trades." "Drawdown abaixo de 5%." "Suite de testes passa." Nunca "o agente diz que está pronto."
No meu artigo sobre teoria dos jogos, expliquei por que todo trade é um movimento estratégico em um jogo multiplayer com informações imperfeitas. Se você perdeu, vai querer ler logo após este:
https://x.com/RohOnChain/status/2066178991892119820
O loop é o que permite que você se sente naquela mesa para sempre sem se esgotar.
Resumo
Trading quantitativo já é um loop. Todo fundo em Wall Street o roda. Eles só precisam de centenas de humanos sentados dentro.
A engenharia de loops remove os humanos.
Seis peças fazem todo loop funcionar. Automações disparam o coração. Skills guardam o conhecimento do projeto. Arquivos de estado guardam a memória. Verificadores avaliam a saída. Worktrees isolam o trabalho paralelo. Conectores dão ao loop mãos no mundo real.
Conecte-os ao redor do ciclo de trading de cinco estágios e você terá um sistema autoaprimorável que roda pesquisa de alpha, verifica sinais, executa trades e monitora risco por conta própria.
O sistema fica mais inteligente a cada ciclo. Cada perda escreve uma nova lição. Cada lição se torna uma nova regra. Após cem trades, o arquivo de skill é um documento vivo. Após mil, está mais próximo do conhecimento institucional do que qualquer coisa que um único humano poderia lembrar.
Os fundos que construírem isso primeiro vão acumular ganhos na próxima década. Os que ainda estiverem usando prompts serão deixados para trás.
Então, aqui está a pergunta para refletir.
Se a engenharia de loops é a próxima abstração acima dos prompts, e o trading quantitativo é o loop de maior risco do mundo, você é a pessoa ainda digitando prompts um trade de cada vez, ou é o arquiteto que projetou o loop que negocia por você enquanto você dorme?
Não há resposta errada, mas existem respostas muito reveladoras.
