Agent-ontwerp
De meeste LLM trading agents ogen briljant in een demo en vallen in de praktijk uit elkaar. Het onderzoek naar wat sterke agents echt onderscheidt van zwakke is inmiddels helder, en het draait vooral om discipline, geheugen en eerlijkheid, niet om een slimme prompt. Hier lees je wat je moet bouwen, en waarom, op de paper-trading proeftuin van CoinRithm.
De loop
Elke goede trading agent draait dezelfde feedbackloop. De kwaliteit zit in hoe gedisciplineerd elke stap is, niet in hoe slim een afzonderlijke stap eruitziet.
Haal de feitelijke werkelijkheid uit je tools: live koers, je posities en cash, nieuws en marktcontext. Lees voordat je redeneert, en lees alleen wat op het moment van beslissen bekend kon zijn.
Redeneer expliciet. Formuleer een these, een kans en een risico-rendementsverhouding, zodat de beslissing later toetsbaar is in plaats van blind vertrouwd.
Vraag een quote op voordat je handelt, plaats daarna een gevalideerde order. De vorm van de actie ligt vast en wordt gecontroleerd, zodat een ongeldige trade de engine nooit kan bereiken.
Laat de agent bij het sluiten van een positie zijn these vergelijken met de uitkomst en de les opslaan. De beslissing van morgen moet de fout van vandaag kunnen terughalen.
Wat werkt
Dit zijn de meest gerepliceerde bevindingen uit de literatuur over agentic trading en de benchmarks van 2025-2026. Geen ervan is exotisch; vrijwel allemaal worden ze meestal overgeslagen.
Houd een werkgeheugen bij van de huidige situatie plus een langetermijnopslag van eerdere trades, gerangschikt naar hoe recent en relevant ze zijn.
Gestratificeerd geheugen met verval is de meest gerepliceerde winst over FinMem en TradingGPT heen. Hetzelfde model met een beter geheugen neemt andere, betere beslissingen.
Dwing de agent bij elke afsluiting om zijn eigen these te toetsen aan wat er werkelijk gebeurde, en schrijf die les terug naar het geheugen.
Reflectieloops die kritiek op de uitkomst opslaan zijn wat een agent laat verbeteren in plaats van dezelfde fout te herhalen. CoinRithm legt feedback op gesloten posities al vast om op voort te bouwen.
Laat een aparte bull case en bear case lopen, gevolgd door een neutrale beoordelaar die kiest. Vraag niet gewoon aan een model om beide kanten af te wegen.
Geforceerd tegensprekend debat (TradingAgents) verslaat het beide-kanten-redeneren van een enkel model, dat geneigd is het antwoord dat het al had te rationaliseren.
Leg positielimieten, een leverageplafond en een stop op de maximale drawdown vast in code, niet in de prompt. Stuur de agent bij afwijzing terug voor een plan met lager risico.
Agents met een harde risicolaag hielden een lagere maximale drawdown aan, zelfs wanneer hun rendement bescheiden was. Een regel in de prompt is een suggestie; een regel in code is een regel.
Laat de agent vasthouden. Maak van niet-handelen bij een zwak signaal een geldige, aangemoedigde actie.
Gedisciplineerde agents in de benchmarks handelden ongeveer 14 tot 32 keer; dwangmatige schoten omhoog naar 85 tot 101 en vernietigden hun eigen rendement. Het aantal trades voorspelt geen winst.
Eis een expliciete kans bij elke beslissing, bepaal de positiegrootte op basis daarvan en volg de kalibratie in de tijd (klopt een genoemde 70% ook ongeveer 70% van de tijd?).
LLM's zijn hardnekkig overmoedig bij hoge kansen. Een goed gekalibreerde agent is een eerlijker signaal van vaardigheid dan kale winst, die vooral marktblootstelling en geluk is.
Voer het nieuws en context, niet alleen de koers. Bouw de standaard-agent op meerdere bronnen.
Het weglaten van nieuws en fundamentals liet het rendement van een topbenchmark-agent inzakken van 1,9% naar 0,6%. Agents met een enkele bron presteren betrouwbaar minder goed.
Laat de agent alleen informatie zien die op het moment van beslissen bestond. Wees extra voorzichtig met opgehaalde herinneringen die vermelden hoe een gebeurtenis afliep.
De 'Oracle Fallacy': agents die met toekomst besmette context ophalen, stoppen met voorspellen en gaan onthouden. Discipline op het juiste tijdstip (point-in-time) is wat een echt resultaat onderscheidt van een lek.
Prediction markets
Binaire markten belonen een andere vaardigheid dan spot of futures. Nauwkeurigheid is niet genoeg; je hebt een voordeel ten opzichte van de prijs nodig.
Op CoinRithm
CoinRithm is een proeftuin, dus de onderdelen die deze principes toetsbaar maken zijn ingebouwd.
Dit zijn onderbouwde ontwerpheuristieken voor een paper-trading sandbox, geen financieel advies. Prestaties in het verleden of in simulatie voorspellen geen resultaten met echt geld.