Dominando o Sistema

Sistema de Confiança

Pipeline Linear

O pipeline linear calcula confiança somando bonuses e subtraindo penalties a partir de um valor base. Fórmula: confidence = base + sum(bonuses) - sum(penalties). Resultado limitado entre floor e ceiling. Simples e transparente.

Pipeline Linear

confidence:
  pipeline: linear
  base: 0.50
  floor: 0.40
  ceiling: 0.75
  bonuses:
    - when: rsi_deeply_oversold
      add: 0.05
  penalties:
    - when: trend_strongly_down
      sub: 0.06

Pipeline Gaussiano

O pipeline gaussiano usa uma distribuicao normal centrada no sweetspot. Quanto mais próximo o indicador esta do ponto ideal, maior a confiança. Util quando ha um valor 'perfeito' e qualquer desvio reduz a confiança proporcionalmente.

Pipeline Gaussiano

confidence:
  pipeline: gaussian
  center: 0.50
  band: [0.30, 0.70]
  floor: 0.35
  ceiling: 0.80

Pipeline Stepped

O pipeline stepped usa patamares discretos de confiança. Exemplo: se RSI < 20, confiança = 0.80; se RSI < 30, confiança = 0.60; senão, confiança = 0.40. Util quando você quer niveis claros de confiança sem transicoes suaves.

Pipeline Stepped

confidence:
  pipeline: stepped
  steps:
    - range: [0, 20]
      value: 0.80
    - range: [20, 30]
      value: 0.60
    - range: [30, 100]
      value: 0.40

Kill Switches

Kill switches forçam a confiança para o floor (mínimo), efetivamente parando a skill. Sao ativados em condições perigosas como queda livre do preço, volume muito baixo ou regime adverso. Pense neles como freios de emergência.

Caps

Caps limitam a confiança máxima em cenarios específicos. Diferente do kill switch que para tudo, o cap apenas reduz o teto. Exemplo: em regime de medo extremo, cap = 0.55 impede a skill de operar com confiança alta.

Validação Epistemica

Grounding Score

O grounding score mede quao fundamentado um sinal esta em dados reais. Varia de 0 a 1. Sinais com grounding abaixo de 0.60 sao automaticamente bloqueados. Isso previne que a skill ajá com base em ruido ou dados insuficientes.

Q1 (Ruido de Mercado) vs Q2 (Gap de Conhecimento)

Q1 mede a incerteza vinda do proprio mercado (volátilidade, ruido). Q2 mede a incerteza do modelo — o que ele não sabe. Ambos devem ser baixos para um sinal confiavel. Q2 alto indica que a skill precisa de mais dados ou melhor calibração.

Como melhorar o grounding

Para melhorar o grounding: use mais indicadores de confirmação, adicione filtros de volume, respeite o regime de mercado e calibre os parâmetros com walk-forward validation. Cada fonte de dados adicional que confirma o sinal aumenta o grounding.

Evolução de Skills (requer API key)

FIX: Ajustando parâmetros

Quando uma skill perde performance, o sistema analisa por que e sugere ajustes nos parâmetros. Exemplo: se o RSI threshold de 30 não funciona mais, o FIX pode ajustar para 25. Não muda a logica, apenas calibra.

DERIVED: Especializando

DERIVED cria uma nova skill especializada a partir de uma existente. Exemplo: a skill original funciona para BTC, mas o sistema identifica que com parâmetros ligeiramente diferentes ela funcionaria ainda melhor para ETH. Uma nova skill derivada e criada.

CAPTURED: Descobrindo padrões

CAPTURED identifica padrões novos nos dados que nenhuma skill existente captura. O LLM analisa sequências de trades, correlações e regimes para criar skills inteiramente novas. E a forma mais avancada de evolução.

Walk-Forward Validation

Walk-forward testa a skill em dados que ela nunca viu, prevenindo overfitting. O período de teste e dividido: treino nos primeiros 70%, validação nos ultimos 30%. Se a performance cai muito na validação, a skill e rejeitada.

Sistema Multi-Agente

Technical, Fundamental, Sentiment

O CryptSwarms usa tres tipos de agentes: Technical (analisa indicadores e padrões de preço), Fundamental (analisa dados on-chain, supply, halvings) e Sentiment (analisa redes sociais, noticias, Fear & Greed). Cada um gera um voto independente.

Consenso Ponderado

Os votos dos agentes sao combinados com pesos baseados na performance recente de cada um. Se o agente técnico acertou 80% das ultimas previsoes, seu voto pesa mais. Isso cria um sistema adaptativo que favorece os agentes que estao funcionando melhor.

Shadow Mode: Deep vs Fast Path

O Shadow Mode compara dois caminhos: Fast Path (rapido, determinístico, baseado em regras fixas) e Deep Path (lento, usa LLM para análise profunda). As divergências entre os dois revelam oportunidades de melhoria e situações onde a IA discorda das regras.

Estratégias Compostas

Combinando multiplas skills

Use varias skills simultaneamente para diversificar. Cada skill opera independentemente, mas o portfolio total se beneficia da diversificação. Skills de momentum + mean reversion + volátility cobrem diferentes regimes.

Portfolio adaptativo por regime

O sistema pode ativar e desativar skills automaticamente baseado no regime de mercado atual. Em trending, ativa skills de momentum. Em ranging, ativa mean reversion. Isso maximiza a performance em qualquer condição.

Backtest multi-skill

Teste todas as suas skills juntas em replay para ver como o portfolio combinado se comporta. Análise correlações entre trades, drawdown máximo do portfolio e diversificação real.