Strategy Hallucination
The model emits plausible trading logic that looks quantitative but has no market rationale, no statistical grounding, or invalid assumptions.
It creates code that passes syntax checks while smuggling in false causality.구조화된 인사이트
트레이딩 소프트웨어 세대: MT4에서 LLM까지
네 세대 트레이딩 소프트웨어의 구조화된 비교: 지표 시대 플랫폼, 전략 프레임워크, 시스템 파이프라인, LLM 프롬프트-투-코드 워크플로우.
트레이딩 소프트웨어의 네 세대
핵심 변화는 단순히 언어나 UX가 아닙니다. 각 세대는 트레이더가 전략 아이디어를 표현, 테스트, 운영하는 데 사용하는 핵심 추상화를 변경했습니다.
| 차원 | Gen 1: Indicator Era~2005-2012 | Gen 2: Strategy Era~2012-2018 | Gen 3: System Era~2018-2023 | Gen 4: LLM Era2023-present |
|---|---|---|---|---|
| Time period | ~2005-2012 | ~2012-2018 | ~2018-2023 | 2023-present |
| Representative products | MT4 / MQL4 | Backtrader, freqtrade, vnpy | QuantConnect, WorldQuant BRAIN | ChatGPT + brokerage API |
| Core abstraction | Modular indicators | Packaged strategy logic: entry, exit, sizing | Feature engineering pipeline | Natural language to code |
| Typical workflow | Drag indicators, set conditions, backtest | Write strategy code, optimize parameters, backtest | Build feature pipeline, train, validate, execute | Prompt, generate strategy, backtest |
| Main progress | Indicators moved from books and forums into reusable components | Complete strategies became packageable, shareable, and reproducible | The pipeline became the product, with standardized validation | Generation is fast and the entry barrier is low |
| Typical trap | Indicator worship and holy-grail thinking | Parameter overfitting: genetic search finds coincidence, not robustness | Data leakage and survivorship bias | Strategy hallucination and backtest overfitting blindness |
| Failure root cause | Rules are manual and lack systematic validation | The optimization target is backtest return, not robustness | Model complexity hides data-quality problems | The model skips infrastructure accumulated across the first three generations |
두 가지 LLM 시대 실패 모드
LLM은 전략 코드 생산 비용을 낮추지만, 검증 인프라의 필요성을 제거하지는 않습니다.
Backtest Overfitting Blindness
The model treats a profitable backtest as validation and misses leakage, parameter mining, unstable regimes, or survivorship bias.
It accelerates curve fitting because generation speed multiplies untested variants.LLM이 자주 생성하는 Z-스코어 패턴
spread = asset_a.close - hedge_ratio * asset_b.close
z_score = (spread - spread.mean()) / spread.std()
if z_score > 2:
short(asset_a)
long(asset_b)
elif z_score < -2:
long(asset_a)
short(asset_b)모델 + 도구
모델은 트레이딩 시스템이 아닙니다
LLM은 도구로 감쌀 때 유용합니다. 진지한 트레이딩 스택에는 데이터 검증, 가격 엔진, 실행 로직, 리스크 통제, 모니터링, 배포 규율이 포함됩니다.
Jane Street 스타일 시스템이 이 패턴을 보여줍니다: 모델은 더 큰 도구 체인 안의 하나의 레이어이지, 전체 제품이 아닙니다.
StratCraft 포지셔닝
Gen 2 및 Gen 3 개발자를 위한 인프라
StratCraft는 Gen 5 주장이 아닙니다. 전략 프레임워크 및 시스템 파이프라인 개발자에게 로컬 C++ 급 백테스팅 성능, 플러그인 격리, 반복 가능한 검증 워크플로우를 제공합니다.