KI-Agent zur Bewertung von Handelsempfehlungen
Anthropic
Ollama
Ein KI-Agent nutzt das Model Context Protocol, um Handelsempfehlungen aus Online-Quellen zu analysieren und Handelsabsichten aus freiem Text und Bildern zu extrahieren. Er führt simulierte Trades aus, um eine verifizierbare Bewertung für Autoren zu generieren und so die Fallstricke selbstberichteter Statistiken zu vermeiden. Das System ist kosteneffizient konzipiert und kann auf lokalen großen Sprachmodellen laufen.
Der Artikel beschreibt einen KI-Agenten, der Handelsempfehlungen bewertet, indem er automatisch Trades basierend auf Signalen ausführt, die aus den Beiträgen der Autoren extrahiert werden. Anders als bei der Verlassung auf selbstberichtete Statistiken der Autoren, parst der Agent Freitext und Bilder über MCP und leitet daraus Handelsabsichten ab. Er läuft auf einem Testkonto mit simulierten Ausführungen. Um die Token-Nutzung zu optimieren, wird die Erstellung von Zusammenfassungen an einen Subagenten delegiert, wodurch verhindert wird, dass große Bilder in den globalen Kontext gelangen. Metriken zeigen, dass das Modell Sonnet 5 alle 15 Minuten abfragen kann, ohne die wöchentlichen Limits von Claude Max zu überschreiten, während andere Modelle kürzere Laufzeiten haben. Das System vermeidet KI-verzerrtes Backtesting, indem eine externe Engine die Renditen berechnet, während der Agent nur binäre Kauf-/Verkaufsentscheidungen trifft. Die endgültige Bewertung basiert auf einer umfassenden Tabelle aller empfohlenen Ticker, einschließlich Drawdowns, Sharpe-Ratio und Calmar-Ratio. Die Architektur unterstützt lokales Hosting über Ollama und einen Anthropic-kompatiblen Proxy, wodurch sichergestellt wird, dass schwache Modelle das Risikomanagement nicht beeinträchtigen, da die Arithmetik von Skripten übernommen wird. Trailing-Take- und Peak-Staleness-Bedingungen sind im Code implementiert, und das Dashboard bietet Diagramme und Benachrichtigungen.
Quelle: Habr — хаб ИИ —
Original
