Vou detalhar exatamente como construir os loops que executam sozinhos um sistema completo de trading quantitativo.
Vamos direto ao ponto.
Guarde Isto
- Sou Roan, desenvolvedor backend focado em design de sistemas, execução estilo HFT e sistemas de trading quantitativo. Meu trabalho analisa como os mercados de previsão realmente se comportam sob carga. Para sugestões, colaborações criteriosas ou parcerias, DMs estão abertas.
Uma coisa que estou começando hoje.
Se você está construindo um sistema quant, prestes a começar ou apenas pensando nisso, me envie um DM sobre o que está fazendo ou apenas responda abaixo deste artigo e entrarei em contato (pode até me mandar um print da sua arquitetura atual).
Vou revisar pessoalmente os primeiros 20 setups e mostrar a diferença 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 fazem o prompting no Claude. Os loops verificam a saída. Os loops decidem o próximo passo. Os loops continuam rodando depois que o laptop é fechado.
Boris Cherny, chefe do Claude Code na Anthropic, disse isso claramente há duas semanas. "Não faço mais prompting no Claude. Tenho loops rodando que fazem o prompting no Claude e decidem o que fazer. Meu trabalho é escrever loops." Essa única frase reformulou como todo engenheiro de IA sério no mundo 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 diminuir a distância para um fundo com 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 isso desde 1988. A Citadel roda com equipes de engenheiros monitorando cada etapa. Two Sigma, Jane Street, todos eles.
A única diferença é que eles precisam de centenas de humanos sentados dentro do loop. Você não.
Já construí esse loop para mim. Ele puxa dados de mercado em horário definido. 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 o que aprendi sobre engenharia de loops e como conectá-la a um sistema de trading autônomo completo.
Ao final, você saberá:
A diferença exata entre fazer prompting em um agente e projetar um loop.
As seis peças que rodam todo loop funcional em produção.
Como conectar essas seis peças em um sistema de trading quantitativo auto aprimorável do zero.
Vamos nessa.
Parte 1: A Diferença Entre Prompting 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 a seguir.
A engenharia de loops acaba com isso.
Você deixa 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 atingida.
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 por uma. Ele construiu sistemas que enviam as instruções para ele, leem os resultados e decidem o que fazer a seguir.
Para programação, isso muda como o software é entregue.
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 1% 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, 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 Prompting E Engenharia De Loops
Parte 2: As Seis Peças Que Rodam Todo Loop Funcional
Um loop funcional é construído com seis partes. Perde uma e o loop quebra silenciosamente.
1. A automação.
Este é o coração. Um cron schedule, 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 uma cadência independentemente do estado. /goal continua até que uma condição verificável que você escreveu seja realmente verdadeira, com um modelo pequeno separado avaliando se o trabalho está concluído.
Em 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 skill (habilidade).
Uma skill é um manual de procedimentos que o agente lê em vez de receber instruções do zero a cada sessão.
Ela vive em um arquivo SKILL.md. Contém suas convenções, suas regras, seu "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 execuções. O agente esquece. O arquivo não.
O agente o lê no início de cada execução. Escreve de volta o que aconteceu no final.
Parece bobo 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 shop 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 (árvores de trabalho).
No momento em que você roda mais de um agente nos mesmos arquivos, eles começam a colidir.
As Git worktrees dão a cada agente seu próprio diretório de trabalho isolado, apontado para seu próprio branch.
Em trading, isso permite que você execute pesquisa de sinais, backtesting e monitoramento de risco em paralelo, sem nunca interferirem entre si.
6. Os conectores.
Um loop que só consegue ler arquivos é um loop minúsculo.
Conectores construídos no 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. 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 Auto Aprimorável
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- Pular sinais em dias de anúncio do FOMC11- Pular sinais 48 horas antes de divulgações de resultados1213## Lições aprendidas14- 2026-02-14: Perdeu 4,2% durante semana de resultados.15 Nova regra: pular qualquer sinal 48 horas antes de resultados.16- 2026-03-08: Exposição setorial causou drawdown de 6%.17 Nova regra: limitar exposição setorial a 30%.18- 2026-04-22: Sinal de momentum explodiu em dia de FOMC.19 Nova regra: matar todos os sinais de momentum em dias de FOMC.
A skill cresce com o tempo. Cada perda escreve uma nova lição. Cada lição se torna uma nova regra para a próxima execução.
Isto é o que torna o sistema auto aprimorável.
Estágio três. Verificação.
O sinal vai para um agente completamente separado. Modelo diferente. Instruções diferentes. Nenhuma 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 morto. Se passar, segue para a execução.
O verificador nunca vê o que o maker raciocinou. Essa separação é toda a vantagem.
Você também pode usar um modelo mais forte para o verificador do que para o maker. Claude Opus para verificação, Claude Sonnet para geração. Arquiteturas de modelo diferentes capturam diferentes tipos 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 auto permite que ele opere 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 fluem. 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 tudo recomeça.
Como o loop se acumula
Projetei isso uma vez. Não dei prompt 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 fica 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 multijogador com informação imperfeita. Se você perdeu, vai querer lê-lo 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 roda isso. Eles só precisam de centenas de humanos sentados dentro.
A engenharia de loops remove os humanos.
Seis peças fazem todo loop funcional. Automações disparam o batimento cardíaco. 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 auto aprimorável 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 de conhecimento institucional do que qualquer coisa que um único humano poderia lembrar.
Os fundos que construírem isso primeiro vão acumular na próxima década. Os que ainda estiverem fazendo prompting serão deixados para trás.
Então aqui está a questão para refletir.
Se a engenharia de loops é a próxima abstração acima do prompting, 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 tradeia por você enquanto você dorme?
Não há resposta errada, mas há respostas muito reveladoras.
