Het NeuPortal-protocol

Achtergrond: wie we zijn en waar we begonnen

We begonnen niet met kunstmatige intelligentie, maar met ruwe marktdata. Crypto-exchanges, voorspellingsmarkten, sportweddenschappen: drie fundamenteel verschillende omgevingen waarin we jarenlang zelf liquiditeit hebben gemaakt, handmatig hebben getraded en onze eigen software hebben geschreven.

Het was het klassieke tijdperk van “domme” bots: starre lineaire algoritmes, automatiseringsscripts en dataparsers. Ze hadden onverbiddelijke regels voor in- en uitstappen, vaste numerieke signaaldrempels en een strak schema. Zulke code doet precies wat erin staat, en absoluut niets meer.

Het probleem was niet dat die algoritmes niet werkten. Ze leverden resultaten op, maar alleen tot de eerste verandering van marktregime. Een strategie die was gebouwd en getest op rustige, cyclische volatiliteit viel uit elkaar zodra de beweging grillig en impulsief werd. Gewone marktruis brak keer op keer door statische drempels die met de hand in configuratiebestanden waren gezet. En elke verschuiving door macro of events betekende voor ons hetzelfde: de software stoppen, in de code duiken en de parameters met de hand opnieuw afstellen. Steeds weer.

Het keerpunt: een technologische doodlopende weg

Het kostte een half jaar zwaar, onafgebroken testen tegen de echte microstructuur van de markt, op drie verschillende markten, om tegen een technologische doodlopende weg aan te lopen.

Het was het klassieke verhaal van één grote technische fout. We probeerden een volledig universeel algoritme te bouwen: één abstracte set wiskundige regels die op elk handelsplatform even goed moest werken. Op historische data tekende het een foutloze, gladde equitycurve zonder diepe drawdowns. In live forward testing verloor het gestaag geld. De ontwikkeltijd van het team en een flink deel van het testkapitaal gingen definitief verloren in het orderboek. Echte slippage vrat de hele berekende edge op, en versnipperde liquiditeit maakte van de instapprijs die het model had gepland een heel andere, ongunstige prijs.

De conclusie die die maanden en middelen ons opleverden, was fundamenteel: markten verschillen niet in cosmetische parameterinstellingen, maar in hun interne opbouw.

• Op Binance ontstaat de prijs in een dynamisch orderboek, waar alles wordt bepaald door de huidige diepte, de uitvoeringssnelheid en de liquiditeit.
• Op Polymarket weerspiegelt de prijs van een contract alleen een collectieve inschatting van de kans, terwijl de uiteindelijke uitkomst en de uitbetalingen worden afgewikkeld door een onveranderlijk gedecentraliseerd orakel.
• Op een sportwedbeurs rust het mechanisme op de zuivere uitslag van een wedstrijd en de hoogfrequente beweging van de lijn vóór de aftrap.

Voor deze drie tegengestelde mechanismen bestaat geen universele lineaire code.

Wat we bouwden: AI met verstand

Toen we de doodlopende weg begrepen, lieten we starre algoritmische code volledig los en stapten we over op een flexibele neurale-netwerkarchitectuur.

Het belangrijkste verschil is wat het systeem doet in de fractie van een seconde voordat een order naar de markt gaat. De oude lineaire bot vergeleek de huidige prijs blind met een vaste drempel. Onze AI-agent doet in milliseconden het werk waar een team analisten vroeger uren over deed: een volledige multifactoranalyse van de marktstructuur, verborgen historische patronen, externe indexen en de diepte van het orderboek, voor alle instrumenten en paren op zijn handelsplatform tegelijk.

Maar een neuraal netwerk alleen kan niet veilig of systematisch traden. Daarom hebben we zijn rekenkundige “brein” gekoppeld aan het fundament dat we al hadden: onze eigen wiskundige strategieën en harde formules voor risicobeheer, uitgekristalliseerd in jaren van handmatig traden. In die combinatie is de AI verantwoordelijk voor de directe voorspellende lezing van de situatie, en de wiskunde voor positiegrootte, exposurelimieten en harde risicogrenzen. Samen vormen ze een voorspellende machine die direct beslist over een entry, en strikt binnen de veiligheidsmarges.

Het probleem: waarom tradingrapporten worden getekend en niet bewezen

Het idee voor onze verificatie kwam voort uit een gewone discussie over het tradingrapport van iemand anders. Een mooie tabel, een perfect gladde equitycurve, een tevreden auteur en geen enkele regel die iemand onafhankelijk kon controleren.

Een screenshot, een tabel, een uitspraak in de trant van “mijn resultaat deze maand”: het zijn verklaringen die op niets anders steunen dan het woord van de auteur.

We hebben het technische probleem andersom gesteld: bouw een systeem waarin er niets meer te beweren valt. Waar het eindresultaat niet wordt opgegeven, maar automatisch wordt berekend uit de ruwe data van het handelsplatform en direct wordt vastgelegd in een grootboek dat achteraf niet kan worden herschreven. Als dat werkt, rust vertrouwen niet langer op marketingbeloftes, maar op de manier waarop het platform is gebouwd.

De ontwikkeling tot nu toe in cijfers

Inzet en lessen uit de praktijk

Crypto: waar we terug moesten

Crypto was de eerste richting die we hebben ingezet. Er is daar een enorme, dichte hoeveelheid historische data, dus hypotheses konden het snelst worden getest. Het resultaat van dat werk is de module B-Scalper: high-frequency scalping op Binance, met een entry wanneer meerdere onafhankelijke marktfactoren samenvallen, en take profit en stop loss die dynamisch worden berekend uit de actuele volatiliteit.

Wat we moesten schrappen, was het traden van illiquide paren. Op historische data lieten ze uitstekende rendementen zien. Bij live uitvoering ging de hele mogelijke edge op aan slippage en fundingkosten. De strategie verdiende op papier gestaag en verloor echt geld in het orderboek.

Voorspellingsmarkten: het probleem bleek een ander te zijn

De taak van het algoritme is niet de uitkomst te voorspellen, maar de inefficiëntie van het moment te vinden. Een voorspellingsmarkt bundelt wat duizenden goed geïnformeerde deelnemers weten, en proberen haar frontaal te verslaan in het raden van de toekomst is per definitie een verliezende positie. De prijs van een binair contract is de huidige inschatting van de kans door de markt. Wanneer die achterloopt op de onderliggende referentiemarkt, ontstaat er een spread, en die structurele afwijking is de trigger.

Een voorspellingsmarkt is niet één omgeving, maar vijf onafhankelijke vakgebieden, die elk hun eigen infrastructuur en hun eigen ruwe data nodig hebben:

• Cryptocontracten: CPM Terminal. De module tradet Up/Down-contracten van Polymarket op zes onderliggende assets, tegelijk op horizonnen van 5 minuten tot 4 uur. De referentie is de spotfeed van Binance: het orderboek van Polymarket wordt continu gesynchroniseerd met spot, en de vertraging waarmee de kans opnieuw wordt geprijsd vormt het signaal.
• Weer en macro: CPM Terminal. Op weermarkten zet de module een ensemble van onafhankelijke voorspellingsmodellen af tegen de huidige marktconsensus. Op macrocontracten werkt hij volgens de gepubliceerde agenda van overheidsstatistieken (CPI, Non-Farm Payrolls en andere) en verwerkt hij de directe reactie van de liquiditeit op een verrassing ten opzichte van de verwachting.
• Esports: Cyber P-Term. De module dekt Dota 2, LoL, CS2 en andere disciplines: volledige verwerking van teamratings en automatische monitoring van nieuws over wijzigingen in opstellingen, gecombineerd met signalen uit het orderboek en de beweging van de live odds.
• Politiek: geïntegreerd in Max K-Term. We hebben geen aparte terminal gebouwd voor politieke uitkomsten. Op Kalshi is politiek nauw verbonden met contracten op macro-events. Het algoritme verwerkt feeds van verkiezingsmodellen, exitpolldata en wetgevende triggers, en prijst kandidaten opnieuw sneller dan particuliere traders hun orders kunnen verplaatsen.
• Eventcontracten: Max K-Term (Kalshi). Hier verandert het technische probleem volledig: dit is geen jacht op afwijkingen, maar pure market making. Het bijzondere aan Kalshi zijn contracten rond 50 cent, waarbij de standaard takerfee de hele marge opeet. De module werkt alleen met limietorders (maker-only) als passieve liquiditeitsverschaffer en verdient de spread en de rebates.

De sportwedbeurs: de module SXB Pro

SX is geen klassieke bookmaker, maar een gedecentraliseerde peer-to-peer-beurs: deelnemers stellen elkaar koersen met limietorders en de kern van het platform matcht ze. Onze infrastructuur leest het orderboek van het mainnet rechtstreeks via open protocollen, zonder autorisatie en zonder ondertekening: elke gestreamde koers is openbaar.

De module dekt 18 sporten, met voetbal, tennis en basketbal als de drie belangrijkste. Bij voetbal tradet het algoritme drie marktfamilies:

• Wedstrijduitslag (MATCH_ODDS)
• Totalen (OVER_UNDER)
• Draw no bet (DRAW_NO_BET)

Bij tennis en basketbal komt de liquiditeit alleen samen op de moneyline. De algoritmes rekenen continu in beide fasen: de pre-matchlijn en het live spel.

Het technische probleem verandert opnieuw fundamenteel. Het gaat niet om het voorspellen van de einduitslag en ook niet om het zoeken naar afwijkingen van een externe referentiemarkt: een uniek sportevent heeft geen eenduidige spotfeed. De module vindt wiskundige fouten in de prijsvorming van aangrenzende selecties binnen één orderboek. Op een peer-to-peer-platform worden de prijzen van tegengestelde uitkomsten van hetzelfde event door onafhankelijke tegenpartijen gesteld, wat een structurele inconsistentie van odds in het boek oplevert die bij een centrale market maker fysiek onmogelijk is.

Om die afwijkingen te benutten worden twee onafhankelijke strategieën parallel ingezet:

1. Het zoeken naar de afwijking tussen de berekende eerlijke prijs en de huidige marktkoers.
2. Een scalpingmodule die werkt op de terugkeer van de prijs naar haar wiskundig gemiddelde.

De stack is afgestemd op de peer-to-peer-microstructuur: de diepte van het boek wordt elke 5 seconden opgevraagd en de pool van beschikbare markten wordt elke 30 seconden ververst.

Strenge liquiditeitsfilters: waarom de meeste markten worden afgewezen

Het platform negeert bewust de meeste beschikbare koersen op basis van vier systeemfilters:

• Spreadbreedte. Op peer-to-peer-platforms is de spread altijd breder geweest dan op traditionele spotexchanges, dus de drempels zijn gekalibreerd op peer-to-peer-liquiditeit.
• Minimale diepte. Een koers die alleen wordt gedekt door het volume van één losse wallet telt niet mee: die vertegenwoordigt de markt niet.
• Validatie van afwijkingen. Losse limietorders tegen onwaarschijnlijke, duidelijk foutieve odds (fat-fingerorders) worden vóór elke berekening afgewezen.
• Alleen de reguliere speeltijd. Verlengingen en strafschoppenseries worden principieel niet getraded. De agent werkt strikt binnen de reguliere speeltijd: daarna weerspiegelt de prijs geen zuivere kans meer, dus elke open exposure wordt vóór het einde van de reguliere speeltijd gedwongen gesloten.

De ordergrootte wordt tijdens de sessie dynamisch berekend en hangt af van de huidige diepte van het boek en de grootte van de waargenomen spread. De harde kapitaalgrens staat vast en geldt voor de hele engine: bij een lokale verlieslimiet van 20% wordt het traden op het platform direct bevroren.

Uitvoeringsinfrastructuur: hoe modellen in tradingterminals worden ingezet

Een geïsoleerd wiskundig model dat signalen produceert, is nog geen trading-agent. Dat wordt het pas nadat het is geïntegreerd in een fouttolerante productieomgeving die zorgt voor een verbinding met lage latency naar het handelsplatform, orderuitvoering, volledige positieadministratie en volledige observeerbaarheid.

De veiligheid van kapitaal is op architectuurniveau geregeld: elke agent communiceert met de kern van de exchange via een eigen API-sleutel met gescheiden rechten. Alleen tradingtransacties zijn toegestaan; alle opnamerechten zijn volledig geblokkeerd. Als bij de controle van de sleutel opnametoegang wordt gevonden, maakt de beveiligingslaag de sessie ongeldig en weigert de verbinding. Tradingalgoritmes hebben in geen enkel scenario fysiek toegang tot wallets of saldi van gebruikers.

We hebben de datavertraging ook centraal in de monitoringinterface gezet. Die beslissing volgde op een incident waarbij een vertraging op één ticker pas achteraf werd ontdekt, bij de analyse van afwijkende trades. Nu vangt de monitoring de kleinste vertraging op voordat die in uitgevoerde orders kan doorwerken.

De algoritmes valideren: hoe we onszelf controleren, en waar we het van de markt verliezen

Om de subjectieve factor en elke verklaring over rendement in woorden uit te sluiten, houden we een open, publiek controleerbaar voorspellingsjournaal bij. Op het moment dat de AI-kern zijn eigen inschatting van de kans op een uitkomst berekent, publiceert het systeem die. In dezelfde milliseconde legt het logboek de huidige koers van de markt vast: de marktconsensus. Beide worden bevroren en wachten tot het event is afgewikkeld.

De kwaliteit van voorspellingen wordt gemeten met een strikte academische maatstaf, de Brier-score. Hoe lager de waarde, hoe beter de kalibratie van de kansen van het model: hoe kleiner de gemiddelde kwadratische fout.

Wat dit voor jou betekent