Kurze Zusammenfassung
In diesem Video erklärt der Mitbegründer von OpenAI, Andre Karpathy, eine autonome Handelsstrategie, die 44,975% Rendite erzielt. Der Prozess umfasst die Erstellung, das Testen und die Verbesserung von Handelsideen, ohne auf API-Codes angewiesen zu sein. Er gibt einen Einblick in den verwendeten Code und die Funktionsweise der Methode, betont die Bedeutung von Zusammenarbeit und den Austausch von Ideen in der Programmierung.
- 44,975% Rendite erzielt
- Nutzung von autonomen Schleifen zur Verbesserung der Handelsstrategien
Einführung in die autonome Handelsstrategie [0:00]
Andre Karpathy stellt eine neuartige Handelsstrategie vor, die auf einer autonomen Schleife basiert, die rund um die Uhr läuft. Diese Schleife führt Handelsideen durch, führt Backtests durch und entwickelt neue Strategien selbstständig. Die bisherigen besten Ergebnisse zeigen eine Rendite von 44,975% und einen maximalen Drawdown von 12,54. Der Videoautor plant, diese Methode weiter anzuwenden und den Code für weitere Interessierte zur Verfügung zu stellen.
Funktionsweise der Karpathy-Schleife [1:00]
Die Karpathy-Schleife hinterfragt den Handelsansatz durch den Einsatz eines KI-Agenten, der ständig an Strategien arbeitet. Eine Hauptdatei, strategy.py, wird von dem Agenten bearbeitet, während program.md die menschlichen Eingaben integriert. Der Agent testet neue Ideen und entscheidet, ob sie behalten oder verworfen werden, basierend auf einer festgelegten Punktzahl. Der Autor glaubt an die Bedeutung des Teilens von Code, um kreativen Austausch zu fördern.
Strategiebewertung und Testergebnisse [2:00]
Der KI-Agent verwendet historische Daten (ETH 6-Stunden-Daten von 2017 bis 2022) zur Evaluierung, während er eine Vielzahl von Screenshots und Datenprotokollen führt. Bei jedem Test wird die Leistung anhand von Kennzahlen wie Rendite, Sharpe-Ratio und Volatilität bewertet. Es gibt Schutzmechanismen, um Überanpassung zu vermeiden und sicherzustellen, dass nur Trades mit einer Mindestanzahl durchgeführt werden.
Der Code im Detail [3:00]
Das Video geht detailliert auf die verschiedenen Teile des Quellcodes ein, einschließlich loop.py, das die Endlosschleife definiert, harness.py, das die Testergebnisse speichert, und die results.tsv, die alle Versuche dokumentiert. Alle wichtigen Dateien werden durchgegangen, um den Zuschauern ein klares Verständnis der Handelsstrategie und ihrer Implementierung zu vermitteln.
Zukünftige Schritte und Inkubation [4:00]
Der nächste Schritt für die Zuschauer wäre die Inkubation ihrer eigenen Handelsideen. Der Videoautor bietet weitere Erklärungen und Schulungen im Rahmen seines Lifetime-All-Access-Programms an, in dem der gesamte Prozess vom Research über Tests bis zur Inkubation detailliert behandelt wird.
