I+G · Errefortzu bidezko ikaskuntza
Trading agenteetarako errefortzu bidezko ikaskuntzaren hipotesiak ikertzeko laborategia. Zorroztasun zientifikoa eta zero autoengainu.
Trading algoritmikoan oso erraza da norbere burua engainatzea: historikoan «irabazten» duen eredu batek ia beti zarata memorizatu du. Ideia berri bakoitza —sari bat, iragazki bat, exekuzio-eredu bat— script solteetan amaitzen zen, alderatu ezin ziren emaitzekin eta errepikatu ezin ziren ondorioekin.
Laborategi bat eraiki genuen: ideia bakoitza hipotesi gisa erregistratzen da, bere faltsazio-irizpidearekin, abiarazi aurretik. Osagai isolatu eta probatuekin muntatzen da, lokalean edo hodeiko GPUan aurrekontu mugatuarekin entrenatzen da, eta laginetik kanpo ebaluatzen da derrigorrezko erreferentzien aurka. Epaia FAIL bada, FAIL da: ez da eredurik «txapeldun» bihurtzen ebaluazioa gainditu gabe. IA agenteek MCP bidez erabiltzen dute laborategia, protokolo zorrotz bati jarraituz.
Esperimentu bakoitza hipotesi bati lotuta dago, bere egunkariarekin: zer aldatu den, zer ikusi den eta zergatik ematen den hurrengo urratsa.
Laginetik kanpoko aldi «erreak», hainbat hazi, konfiantza-tarteak dituen bootstrap-a eta irristatze-estresa.
Eredu orok lehiatu behar du ez eragiketa egitearen, ausazko sarreren, Donchianen eta denbora nahastutako kontrol baten aurka.
Sari-terminoak, aldatzaileak eta exekuzio-ereduak pieza independente gisa, bakoitza bere testarekin.
PnL, saria, winrate, value loss eta eragiketa bakoitzaren errepikapena grafikoan erakusten dituen panela.
Hodeiko GPUan entrenamendua, esperimentu bakoitzeko kostu- eta denbora-mugarekin.
Ikerketa-proiektua. Ez da inbertsio-produktu bat, ezta finantza-aholkularitza ere.
Kontaiguzu kafe baten bueltan. Hasierako auditoria eta lehen ideiak gure kontura doaz.
Kafe batera gonbidatu