EVOQUANT: Self-Evolving Verifier-Guided Strategy Optimization for Robust Quantitative Trading
EVOQUANT is een zelfevoluerend, door verifiers gestuurd framework dat grote taalmodellen benut om de diagnose, het bewerken en de verificatie van kwantitatieve handelsstrategieën te automatiseren, waardoor hun prestaties en robuustheid aanzienlijk worden verbeterd terwijl handmatige trial-and-error-processen worden geëlimineerd.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je probeert een heel oud, heel ingewikkeld recept voor een taart te verbeteren, een taart die bedoeld is om een bakwedstrijjd te winnen. Normaal gesproken moet een menselijke chef de taart proeven, raden waarom hij droog is, de oventemperatuur aanpassen, de taart opnieuw proeven en hopen dat hij niet per ongeluk zout in plaats van suiker heeft toegevoegd. Dit is traag, vermoeiend en leidt er vaak toe dat de chef steeds dezelfde fout maakt.
Stel je nu voor dat je een superintelligente robotchef (een Large Language Model) inhuurt om te helpen. Het probleem is echter dat als je de robot alleen zegt: "Maak deze taart beter," de robot misschien te enthousiast wordt. Hij zou een nieuw ingrediënt kunnen hallucineren dat niet bestaat, of hij zou het recept zo drastisch kunnen veranderen dat de taart verandert in een baksteen. Hij zou zichzelf zelfs kunnen bedriegen door de taart alleen te testen op een klein, gelukkig stukje van de dag, waardoor het perfect lijkt terwijl het in de echte wereld eigenlijk zou falen.
Dit is precies het probleem dat het papier EVOQUANT probeert op te lossen. De auteurs stellen voor dat in plaats van de robotchef ongecontroleerd zijn gang te laten gaan, we een strikte proever-toezichthouder (een "Verifier") nodig hebben die elke wijziging die de robot aanbrengt, nauwlettend in de gaten houdt.
Het Magische Receptenboek: De "Strategy Genome"
Eerst zet het systeem de oorspronkelijke handelsstrategie (het recept) om in een speciale, gestructureerde "genoom". Denk hierbij aan een LEGO-instructieboekje waarbij elke steen gelabeld is. Je kunt het niet zomaar in stukken slaan; je moet specifieke blokjes vervangen (zoals een "koop"-signaal of een "stop-loss"-regel) op een manier die de structuur intact houdt. Dit zorgt ervoor dat de robot niet zomaar wat gokt, maar gecontroleerde, logische wijzigingen aanbrengt.
De Detective en de Editor
Het systeem werkt in een lus, als een detective die een mysterie oplost:
- De Diagnose: De robot werkt als een detective die kijkt naar de "plaats van het misdrijf" (de historische prestatiegegevens). Hij vraagt zich af: "Waarom maakte deze strategie verlies? Was het te risicovol? Stopte het met handelen toen de markt veranderde?" Hij zegt niet alleen "het is mislukt"; hij vindt de specifieke foutmodus.
- De Gecontroleerde Wijziging: Op basis van die diagnose stelt de robot een oplossing voor. Maar hier komt de crux: hij kan niet zomaar elke oplossing voorstellen. Hij moet zich aan een plan houden. Als het probleem is dat de strategie te gevoelig is voor kleine marktschommelingen, krijgt de robot de opdracht om de strategie stabieler te maken, niet om meer complexe regels toe te voegen.
- De Strikte Proever (De Verifier): Dit is het belangrijkste deel. Voordat het nieuwe recept mag worden gebruikt, ondergaat het een strenge "proeverij" op gegevens die de robot nog nooit eerder heeft gezien (out-of-sample data).
- Als het nieuwe recept alleen werkt op de trainingsdata maar faalt op de nieuwe data, zegt de Verifier: "Nee, dat is een trucje. Afwijzen."
- Als het nieuwe recept in een worst-case scenario te veel geld verliest, zegt de Verifier: "Te risicovol. Afwijzen."
- Alleen als het nieuwe recept bewijst dat het echt beter én veiliger is, wordt het gepromoveerd naar de "Kampioen"-status.
De Resultaten: Van "Yuck" naar "Yum"
De auteurs hebben dit systeem getest op zeven verschillende handelsstrategieën (vier uit de Chinese aandelenmarkt en drie uit de Bitcoin-markt). Ze ontdekten dat het systeem de prestaties van de strategieën aanzienlijk heeft verbeterd.
Voordat de robot hielp, was de gemiddelde "score" (de Sharpe-ratio, die meet hoeveel winst je maakt voor het risico dat je neemt) -0,298. Dat is een verliezend spel. Nadat het EVOQUANT-systeem aan het werk ging, sprong de gemiddelde score naar 0,538. Dat is een winnend spel. Een van de beste strategieën verbeterde met 199% ten opzichte van zichzelf in de oorspronkelijke staat.
Het papier laat zien dat dit geen toeval is. Wanneer ze het systeem testten met hogere kosten (zoals een zwaardere bakwedstrijd) of verschillende perioden, bleven de strategieën standhouden, hoewel de winsten iets kleiner waren. Dit suggereert dat de verbeteringen echt zijn en geen toevalstreffer.
Wat dit Systeem NIET is
De auteurs zijn zeer duidelijk over wat dit niet is.
- Het is geen toverstaf die garandeert dat je rijk wordt. Het papier stelt expliciet dat dit een onderzoeksprototype is, geen financieel advies.
- Het is geen systeem dat gewoon willekeurige wijzigingen tegen de muur gooit totdat er iets blijft plakken. De auteurs hebben bewezen dat als je de "diagnose"-stap verwijdert en de robot willekeurige wijzigingen laat maken, de resultaten veel slechter zijn. Het "detective"-gedeelte is essentieel.
- Het is geen systeem dat alle risico's elimineert. Sterker nog, voor sommige strategieën accepteerde het systeem een hoger risico (grotere dalingen in waarde) omdat de potentiële winst zoveel beter was. Het doel was een betere balans, niet een risicovrij scenario.
De Kern van het Verhaal
Het artikel suggereert dat we de rommelige, handmatige taak van het verbeteren van handelsstrategieën kunnen omzetten in een schone, geautomatiseerde lus. Door een robot te gebruiken om wijzigingen voor te stellen, maar een strikte toezichthouder om ze te verifiëren, kunnen we strategieën evolueren die slimmer en robuuster zijn. De auteurs hebben dit gemeten via simulaties en backtests op historische gegevens, waarmee ze lieten zien dat deze "Verifier-Guided" aanpak beter werkt dan het de AI vrij spel te geven of het volledig met de hand door mensen te laten doen.
Het is also[ een team waarbij de creatieve kunstenaar (de LLM) de nieuwe ontwerpen tekent, maar de veiligheidsinspecteur (de Verifier) elke enkele bout controleert voordat het vliegtuig mag opstijgen. En in deze simulaties vlogen de vliegtuigen veel beter dan voorheen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.