意思決定者の頭の中には銘柄選定のロジックがありますが、「口頭のルール」から「毎日走るモデル」までは、従来、要件ドキュメント、スケジュール、開発、結合テストを経る必要があり、思いつきは途中で死にがちです。
自然言語で直接、戦略を反復します。意思決定者が銘柄選定ルールを口述すると、Agent が即座に全市場を走らせ直し、通過リストと分布を出し、人が結果を見てさらに直します。数巡の反復のあと、当日には毎日のスキャンに組み込みます。新しいモデルは立ち上げ前に必ず過去実証を通します——基準に達しなければ正直に格下げし、決して誇張しません。
口述ルールを実行可能な絞り込みに翻訳し、10 分単位で全市場を走らせ直し、各版で通過リストと分布を出します。
新しいモデルに過去監査を走らせ、結果で位置づけます。本番シグナル、執行 gate、それとも観察層か。
意思決定者が自然言語で銘柄選定の条件を出します。移動平均の構造、トレンドの持続性、形状の特徴。
@クオンツエンジニア が 10 分単位で全市場を走らせ直し、通過リスト、業種分布、境界ケースを報告します。
人が結果を見てさらに直します。1 日のうちに 5 巡の口頭反復で、ルールが徐々に収束します。
新しいモデルは当日に毎日のスキャン cron に組み込まれ、翌日から引け後パイプラインとともに自動で生成されます。
@CIO が過去監査を後追いします。ある古典的な強勢株の手法で作った候補モデルは、過去のトリガーでプラスリターンの比率が低すぎると監査され——それまでの「高確信」の注記を公開で撤回し、観察シグナルへ格下げしました。別の買い場研究はバックテストで反証され、執行 gate に格下げしました。
立ち上げたモデルが引け後パイプラインとともに毎日走り直し、増分を報告します。
採択銘柄を T+1／T+3／T+5／T+10 で追跡し、以降の値動きをデータでルールを検証します。
各モデルのバージョン、実証結果、現在の位置づけが検索可能。
各モデルに「位置づけタグ」を作る。本番 / gate / 観察を、実証結果に応じて流動させる。
ヒット追跡が十分なサンプルを積んだら、ルールの中で最も貢献の低い条件を刈り込む。
新しいアイデアはまず観察層で実際の相場をしばらく走らせてから、本番入りを話す。