AI agenti pro backtesting: jak postavit tým v Claude Code

Tým AI agentů pro backtesting se v Claude Code skládá ze specializovaných subagentů, kteří přes MCP server volají QuantGPT, takže výsledky počítá server a model je neodhaduje. Postup: připojit data a výpočty, rozdělit role včetně skeptika, dát týmu sdílenou paměť a každý výsledek přepočítat s náklady.

Proč nestačí jedno konverzační okno AI?

Chat nemá data, výpočetní kapacitu, nezávislou kontrolu ani paměť. Nápad v něm vymyslí, otestuje i ohodnotí tentýž model a po zavření okna vše zapomene.

Autor anglického kurzu o kvantitativním obchodování s AI to ukazuje na modelech, které jmenuje: Claude Opus 5.5, GPT-6 Sol, Fable 5.1 a Jev. Každý z nich je podle něj lepší analytik než předchůdce, ale žádný nemá k dispozici obchodní zázemí. Model bez dat jen kvalifikovaně tipuje. Na otázku, zda obchodní pravidlo funguje, odpoví sebejistě, přestože graf nikdy neviděl a test nespustil.

První chybějící věcí jsou data. Běžná retailová data trpí dvěma skrytými vadami, které výsledky backtestu systematicky vylepšují.

Druhou věcí je výpočetní kapacita. Poctivá otázka nikdy neznamená jeden backtest, ale desítky: několik délek klouzavého okna (lookback), různá výstupní pravidla a ke každé variantě kontrolu na období, které model při ladění neviděl. Třetí je oddělení rolí, protože agent, který nápad vymyslel, by ho neměl hodnotit. Čtvrtou je paměť: chat zapomíná, takže se tentýž neúspěšný nápad testuje znovu.

Srovnání vychází z kurzu autora, který na síti X publikuje pod účtem @hanakoxbt. Zdroj bez veřejné metodiky, proto ho bereme jako ilustraci principu, ne jako změřený fakt.

Jak QuantGPT propojuje AI s daty a výpočty

MCP (Model Context Protocol) je otevřený protokol, přes který model volá skutečné nástroje, místo aby jen popisoval, jak by je použil. Rozhodující je, co je na druhé straně. U QuantGPT jde o datový sklad, výpočetní cloud a napojení na brokera v jednom MCP endpointu.

Data, výpočty a exekuce

Podle autora kurzu obsahuje sklad denní ceny amerických akcií za desítky let, fundamenty datované podáním, kryptoměny, komodity a makrodata z FRED. Sklad se podle něj aktualizuje každou noc a ceny lze ověřit na veřejné stránce proti nezávislému zdroji. Metodiku delistovaných titulů a datování fundamentů QuantGPT popisuje ve svých zveřejněných podmínkách a omezeních.

Klíčové konstrukční rozhodnutí: AI čísla nepočítá. Agent pošle pravidla, server je spustí nad uloženou historií a výsledek vrátí do konverzace. Žádný agent v týmu tak nemůže vymyslet Sharpeho poměr, který nikdo nespočítal.

Exekuce je podle autora dostupná v tarifu Pro. QuantGPT Cloud spouští vlastní kód uživatele podle jeho plánu a posílá příkazy na jeho účet u brokera Alpaca pod jeho vlastními klíči. Peníze neopouštějí brokera a žádný nástroj, který může AI zavolat, příkazy nezadává, nemění ani neruší. Příbuzné využití, kdy AI na trzích hledá vzorce a příležitosti, popisujeme u řešení AI systém pro predikci trendů.

flowchart LR
  A["Claude Code"] --> B["MCP server QuantGPT"]
  B --> C["Datový sklad"]
  B --> D["Výpočetní cloud"]
  D --> E["Verdikt studie"]
  F["Vlastní kód strategie"] --> G["Účet Alpaca"]

Tři verdikty a Out-Of-Sample

Každá studie podle autora kurzu končí jedním ze tří pevných verdiktů:

• DATA VALIDATED – strategie porazila benchmark v růstu (CAGR) i v Sharpeho poměru, a to v trénovacím i odloženém období.
• TRADE-OFF – porazila ho jen v jednom z ukazatelů, rozhodnutí je na uživateli.
• NO EDGE – nedopadla lépe než benchmark.

Studie se dělí časem na trénovací a Out-Of-Sample období, výchozím rokem dělení je podle autora 2015. Náhodné dělení systém odmítá, protože promíchání času přenese budoucnost do minulosti. Pro tým agentů je verdikt kontraktem: agenti se o něm nepřou, jen ho čtou. K dispozici je i knihovna zdokumentovaných strategií z odborných článků a dopisů investorů. Autor uvádí, že jich obsahuje 175 a 53 lze spustit jedním kliknutím.

Jak propojit Claude Code s QuantGPT přes MCP

Připojení se dělá jednou a všichni subagenti ho zdědí. Autor kurzu uvádí, že celý postup trvá přibližně 10 minut.

Ruční první backtest má smysl. Čtenář pochopí, jak vypadá skutečný výsledek, dřív než mu jich agenti začnou vracet desítky.

# Přidá vzdálený MCP server přes HTTP; klíč nepatří do repozitáře
claude mcp add --transport http quantgpt https://terminal.quantgpt.co/mcp \
  --header "Authorization: Bearer qg_sk_VAS_KLIC"

# Ověří, že Claude Code server vidí
claude mcp list

Po prvním volání má tým k dispozici tyto nástroje:

• query_warehouse čte ceny, fundamenty a makrodata.
• run_backtest otestuje jedno pravidlo nad uloženou historií.
• run_sweep otestuje celou mřížku nastavení jedním voláním.
• challenge_finding útočí na nález a hledá slabá místa.
• search_library a fetch_job prohledávají knihovnu a vyzvedávají dlouho běžící výsledky.

Pro týmy, které chtějí podobné napojení zavést do celého vývojového procesu, nabízíme integraci AI do vývoje včetně práce s Claude Code.

Pětičlenný tým subagentů v Claude Code

Subagenti v Claude Code jsou podle dokumentace markdown soubory v .claude/agents/ s vlastními pokyny, nástroji a volitelně modelem. Každý pracuje ve vlastním kontextovém okně (context window), takže hlavní konverzaci nezahlcuje.

Role a modely

Sestava pochází z kurzu autora @hanakoxbt. Lead je hlavní session, zbylí čtyři agenti jsou soubory.

Proč skeptik na nejsilnějším modelu

Generovat nápady je levné, drahé je přijmout špatný. Skeptik má jediný úkol: zpochybnit výsledek dřív, než ho tým přijme. Proto autor kurzu dává nejsilnější model právě jemu, ne generátoru nápadů. Souhlasíme s tímto úsudkem: hodnoticí role vyžaduje víc uvažování než vymýšlení hypotéz.

---
name: skeptic
description: Attacks every finding before it is accepted.
tools: mcp__quantgpt__challenge_finding, mcp__quantgpt__run_backtest
model: opus
---
Your only job is to make results fail. For every finding check the
held-out years, nearby settings, other universes and the worst
drawdown. Report the weakest point you found. If you could not break
it, list everything you tried.

Pole tools omezuje skeptika na útok a kontrolní backtest. Nemůže tedy zapisovat do skladu ani spouštět rozsáhlé sweepy. Oprávnění a nástroje se nastavují pro každého subagenta zvlášť.

research.md jako paměť týmu

Sdílený soubor research.md čte každý agent jako první a zapisuje do něj jako poslední. Každá otázka v něm má stav (open, accepted, dead), verdikt, výsledek sweepu (plató, nebo jediný vrchol), nejslabší místo nalezené skeptikem a další krok. Zamítnutý nápad dostane poznámku „netestovat znovu bez nového důvodu“, takže tým za měsíc neztratí den tím samým.

Autor doplňuje čtyři pravidla do CLAUDE.md, souboru s trvalými pokyny, který doporučené postupy Claude Code popisují jako místo pro pravidla platná v celém projektu:

• Každý test se zapíše do research.md s verdiktem dřív než jakékoli shrnutí.
• Do další fáze postupují jen výsledky DATA VALIDATED.
• NO EDGE je výsledek, ne selhání, a bez nového důvodu se netestuje znovu.
• Nález platí, jen pokud ho skeptik nedokázal rozbít.

Jak víceagentní systémy navrhujeme pro firmy mimo finance, popisujeme v sekci AI agenti a automatizace.

Jak QuantGPT ošetřuje survivorship a look-ahead bias?

QuantGPT veřejně popisuje zahrnutí delistovaných firem od roku 1998 a datování fundamentů podle dne podání. Nezávislé ověření kvality dat ale veřejně dostupné není.

Podle metodiky QuantGPT sklad obsahuje ceny firem, které byly později delistovány, převzaty nebo zkrachovaly, a to od roku 1998. Před tímto rokem obsahuje univerzum jen firmy, které rok 1998 přežily, takže starší výsledky survivorship bias nevylučují. Pokud titul během držby přestane obchodovat, použije se poslední cena. Pokud po otevření pozice už nikdy neobchodoval, počítá se ztráta −30 % podle konvence, kterou zavedl Shumway v roce 1997.

Fundamenty se připojují podle data podání a pozdější opravy výkazů (restatements) se ignorují ve prospěch první zveřejněné hodnoty. Pro historickou simulaci je to správná volba: strategie nevidí dnešní „opravenou“ historii.

Autor kurzu ukazuje publikovaný běh z knihovny: 200denní klouzavý průměr na S&P 500 v letech 1999–2026 dosáhl stejného ročního růstu 6,8 % jako Buy and Hold, ale nejhorší pokles byl −24,4 % místo −56,8 %. Výsledek je podle něj uveden bez transakčních nákladů. Snížení poklesu je zajímavé, výnosová převaha ale žádná.

Poplatky, skluz, daně a limity při paralelních sweepech

Hrubý backtest je horní hranice, ne důkaz ziskovosti, a nejde o investiční poradenství. Metodika QuantGPT uvádí ořezávání měsíčních výnosů kvůli chybným cenovým záznamům. Z toho ale neplyne, že výsledky zahrnují komise, spread, dopad na trh nebo daně.

Citlivost na náklady

Jde o výpočet citlivosti, ne o údaj specifický pro QuantGPT. Doporučujeme spouštět scénáře 0,10 %, 0,25 %, 0,50 % a 1,00 % na stranu a k nim samostatný scénář skluzu (slippage) podle likvidity. Skluz není konstantní procento: závisí na spreadu, velikosti příkazu, volatilitě a čase provedení. Daně jedním parametrem odečíst nejdou, protože záleží na jurisdikci, typu účtu, době držby a započtení ztrát.

Chyby v definici subagentů

Konkrétní denní limit API QuantGPT k 25. říjnu 2026 veřejně potvrzený není. U Claude Code dokumentace uvádí, že požadavky subagentů se započítávají do stejných limitů jako hlavní konverzace. Pět agentů tedy neznamená pět kvót. K tomu přistupují nejčastější chyby v definici týmu:

• Vágní description. Automatická delegace se řídí popisem, takže „pomáhá s výzkumem“ spouští agenta v nevhodných situacích.
• Překrývající se role. Když mají scout, sweeper a skeptik podobné popisy, lead úlohu nepředá správnému specialistovi.
• Chybějící vstupní a výstupní kontrakt. Agent musí dostat strategii, období, univerzum, nákladový model a formát výsledku, jinak vrací neporovnatelná čísla.
• Chybějící samostatná validace. Agent, který backtest spustil, nesmí být jediným arbitrem jeho správnosti.

Strategie, která projde skeptikem i scénáři nákladů, je teprve kandidátem. Co následuje po ověření, tedy řízení vah a rizika, ukazujeme na řešení AI portfoliový manažer.

Časté otázky

Mohou AI trading agents samy obchodovat na účtu u brokera?

V popsaném nastavení ne. Podle autora kurzu žádný nástroj QuantGPT, který může AI zavolat, nezadává, nemění ani neruší příkazy. Obchoduje vlastní kód uživatele, který QuantGPT Cloud v tarifu Pro spouští podle plánu a posílá příkazy na účet Alpaca pod klíči uživatele. Agenti tedy dělají výzkum a o obchodech rozhoduje kód, který člověk napsal a zkontroloval.

Kolik stojí vyzkoušení QuantGPT a jaké má omezení zdarma?

Začít lze zdarma a bez platební karty. Bezplatný přístup podle autora kurzu obsahuje 5 backtestů a 5 volání AI. Alternativou je třídenní zkušební verze tarifu QuantGPT nebo QuantGPT Pro, která vyžaduje kartu předem a při zrušení před koncem lhůty se neplatí. Aktuální ceny a limity ověřte přímo u QuantGPT, protože denní kvóty API veřejně zdokumentované nejsou.

Je backtest důkazem, že bude strategie v budoucnu vydělávat?

Není. Backtest ukazuje, jak by pravidlo fungovalo na historických datech za daných předpokladů, a hrubý výsledek bez nákladů je horní hranicí. Riziko snižuje Out-Of-Sample období, sweep, který ukáže plató místo jediného vrcholu, a útok skeptika. Budoucí trh se ale může chovat jinak, proto po backtestu následuje papírové obchodování.

Dá se tým subagentů postavit i s jiným modelem než Claude?

Princip ano, konkrétní mechanismus ne. Soubory v .claude/agents/ a pole model jsou specifické pro Claude Code a pracují s modely Claude. MCP endpoint QuantGPT ale podle autora funguje s jakýmkoli MCP klientem. Role, sdílená paměť research.md, pevné verdikty a oddělená validace se dají přenést do jiného frameworku, který podporuje více agentů a MCP.