AI-agent voor het beoordelen van handelsaanbevelingen

Het artikel beschrijft een AI-agent die handelsaanbevelingen beoordeelt door automatisch transacties uit te voeren op basis van signalen die uit de berichten van auteurs worden gehaald. In plaats van te vertrouwen op door auteurs zelf gerapporteerde statistieken, parseert de agent vrije-tekst en afbeeldingen via MCP en leidt daaruit handelsintenties af. De agent draait op een testaccount met gesimuleerde uitvoeringen. Om het gebruik van tokens te optimaliseren, wordt het genereren van samenvattingen gedelegeerd aan een subagent, waardoor zware afbeeldingen niet in de globale context terechtkomen. De statistieken tonen aan dat het Sonnet 5-model elke 15 minuten kan pollen zonder de wekelijkse limieten van Claude Max te overschrijden, terwijl andere modellen een kortere duur hebben. Het systeem vermijdt AI-gedreven backtesting door een externe engine de rendementen te laten berekenen, terwijl de agent alleen binaire koop-/verkoopbeslissingen neemt. De uiteindelijke beoordeling is gebaseerd op een uitgebreide tabel van alle aanbevolen tickers, inclusief drawdowns, Sharpe-ratio en Calmar-ratio. De architectuur ondersteunt lokale hosting via Ollama en een Anthropic-compatibele proxy, waardoor zwakke modellen de risicobeheersing niet kunnen doorbreken, aangezien rekenkundige bewerkingen door scripts worden afgehandeld. Trailende take-winst- en piekverouderingsvoorwaarden zijn in code geïmplementeerd, en het dashboard biedt grafieken en meldingen.