De meeste algoritmische handelssystemen zijn blind voor context.
Ze zien prijs, volume en afgeleide grootheden van beide. Maar ze "weten" niet dat de Fed zojuist de rente heeft verhoogd, dat er een gerucht over bancaire solvabiliteit rondgaat, of dat een majeure geopolitieke ontwikkeling op het punt staat een marktvenster te sluiten. Het model trekt zich daar niets van aan. Het vuurt gewoon signalen af.
We verzamelen continu zo'n 300 signalen. Eén daarvan is anders.
In Kaizen X, ons productie-handelssysteem dat draait op crypto perpetual futures, levert MiroFish één signaal bij van de ongeveer 300 die we continu verzamelen.
Voor wie er nog niet bekend mee is: MiroFish is een open-source swarm intelligence engine, ontwikkeld door Guo Hangjiang, die in maart 2026 de mondiale trending-lijst van GitHub aanvoerde — boven repositories van OpenAI, Google en Microsoft. Het kernidee: in plaats van data in een statistisch model te voeren en een kans terug te krijgen, bouwt MiroFish een miniatuurmaatschappij en observeert wat er gebeurt. Voed het met materiaal uit de echte wereld — macro-rapporten, beleidsconcepten, financiële signalen — en duizenden AI-agenten met eigen persoonlijkheden, geheugen en gedragslogica interacteren en evolueren binnen een gesimuleerde wereld. Je observeert emergent gedrag, niet louter extrapolatie.
Hoe we het gebruiken
Wanneer een macro-gebeurtenis relevant is — een FOMC-besluit, een CPI-publicatie, een significante geopolitieke ontwikkeling — start MiroFish een set agenten op en laat ze het onderwerp debatteren. De agenten krijgen geen generieke identiteiten. Hun persona's worden bepaald door het onderwerp zelf: de relevante stakeholdertypes, marktdeelnemer-archetypen en institutionele perspectieven die in de praktijk een standpunt zouden innemen over de betreffende gebeurtenis. Een simulatie rond een rentebesluit bevolkt andere agenten dan een geopolitieke schok.
De debatmethode is cruciaal voor de manier waarop MiroFish tot een conclusie komt. Agenten argumenteren, weerleggen elkaar, herzien hun standpunten en convergeren uiteindelijk — of niet. Die uitkomst bepaalt rechtstreeks het gewicht dat het signaal van MiroFish in onze pipeline krijgt: sterke consensus levert een zwaarder gewogen signaal op; gefragmenteerd of tegenstrijdig debat levert een lichter gewogen signaal op. Het systeem is daarmee in feite zelfkalibrerend, op basis van de kwaliteit van de overeenstemming die het weet te bereiken.
Het signaal verloopt asynchroon — het raakt de latentiegevoelige kernpipeline nooit. In een systeem met korte voorspellingsintervallen kun je de overhead niet veroorloven. Maar macro-context hoeft niet real-time te zijn. Het moet correct zijn.
Waarom deze aanpak zinvol is
Macro-interpretatie is een narratief probleem, geen statistisch.
Een CPI-publicatie heeft niet in elke context dezelfde betekenis. Hetzelfde cijfer landt anders, afhankelijk van voorafgaande verwachtingen, het rentepad en wat er op dat moment verder speelt in de markt. Geen enkele feature engineering pipeline codeert dat volledig. Een debat tussen contextueel passende agenten — elk redenererend vanuit een ander institutioneel perspectief — kan de asymmetrische interpretaties blootleggen die puur kwantitatieve signalen missen.
De GraphRAG-gebaseerde kennisgraafconstructie van MiroFish en het persistente agentgeheugen over simulatieronden heen zijn wat dit uitvoerbaar maakt. Dit is geen prompt engineering vermomd als analyse. Het is gestructureerde onenigheid, omgezet in een signaal.
Wat we hebben waargenomen
Eén signaal uit 300 maakt op zichzelf het verschil niet — dat is een bewuste keuze. Wat telt, is dat het echte informatie draagt wanneer het met hoog vertrouwen afgaat, en een gepast laag gewicht krijgt wanneer de agenten geen overeenstemming bereiken. De debatgestuurde weging betekent dat het signaal eerlijk is over zijn eigen onzekerheid.
Die epistemische eerlijkheid is moeilijker te bouwen dan het klinkt.
Handelssystemen bouwen is grotendeels een oefening in weten wat je niet weet. MiroFish is een van de doordachtere tools die we hebben geïntegreerd — niet omdat het de toekomst voorspelt, maar omdat het eerlijk is wanneer het er geen eenheid over kan bereiken.
De moeite waard om goed in de gaten te houden — zowel de engine zelf als de bredere klasse van debatgestuurde swarm intelligence-benaderingen die het vertegenwoordigt.
Kaizen X is ons productie-handelssysteem. Niets in dit artikel vormt financieel advies.