Jump Trading skaliert quantitative Forschung mit ChatGPT

Als Unternehmen für quantitativen Handel entwickelt Jump Trading Prognosemodelle, die Marktdaten, Nachrichten und Ereignisse sowie verschiedene alternative Datenquellen nutzen, um die Preise von Vermögenswerten möglichst genau vorherzusagen. Da Märkte komplex sind, viele zufällige Schwankungen aufweisen und sich mit der Zeit verändern, lässt sich nur selten genau vorhersagen, was passieren wird. Doch laut Lucas Baker, Head of LLM R&D bei Jump, reicht es für eine erfolgreiche Strategie bereits aus, im großen Maßstab auch nur geringfügig besser vorherzusagen als ein Münzwurf.

Baker leitet die Forschung und Entwicklung zu KI-Agenten. Er konzentriert sich auf die Entwicklung von Agenten, Harnesses und Infrastruktur, mit denen Forschende im quantitativen Bereich ihre Ideen breiter und tiefer untersuchen können. Mit GPT‑6 Astra lassen sich deutlich umfangreichere und komplexere Arbeitsabläufe an Agenten übergeben: von alltäglichen Programmieraufgaben bis hin zu anspruchsvollen quantitativen Studien zur Überprüfung neuer Hypothesen.

Im vergangenen Jahr hat sich KI von einem hilfreichen Werkzeug zum Schreiben einzelner Code-Snippets oder zum Finden kleiner Fehler zu einem leistungsfähigen, vielseitigen System entwickelt, das ganze Codebasen und Dienste selbstständig erstellen kann. Baker und sein Team stellen inzwischen fest, dass KI am besten funktioniert, wenn sie eher wie ein Teammitglied behandelt wird. Forschende können ein zentrales Problem, eine Arbeitsumgebung und ein Verfahren zur Bewertung der Qualität und Aussagekraft der Ergebnisse festlegen. Anschließend können sie einem oder mehreren Agenten in Echtzeit vorgeben, worauf die Analyse sich konzentrieren oder welche Aufgabe als Nächstes ausgeführt werden soll.

Laut Baker können Agenten mit GPT‑6 Astra inzwischen nicht nur sinnvolle und praktisch umsetzbare Änderungen finden. Sie können diese Fortschritte auch zusammenführen und aufeinander aufbauen lassen, um sich rekursiv zu verbessern. Während einer einzigen lang laufenden Aufgabe kann das System seine Erkenntnisse analysieren, sie anhand der im ersten Vorschlag vereinbarten Kriterien bewerten und seine Arbeit aktiv neu ausrichten. Es muss nicht mehr nach jeder Änderungsrunde ein Mensch die Analyse übernehmen. Baker beschreibt es so: „Du kannst eine Aufgabe definieren, die tagelang laufen muss. Das System muss dafür viele Datenquellen heranziehen, differenziert entscheiden, was wichtig ist und was nicht, und alles miteinander in Beziehung setzen. So entsteht eine umfassende Analyse. Das funktioniert jetzt tatsächlich.“

Jump Trading ist über alle Zeithorizonte und Anlageklassen hinweg tätig. Jeder Prozessschritt ist komplex. In einer stark regulierten Branche wie dem Finanzwesen können Fehler sowohl finanzielle als auch Compliance-Folgen haben. Baker betont, wie wichtig es ist, die Risiken zu kennen, die entstehen, wenn man KI Aufgaben anvertraut. Zugleich lässt sich die Intelligenz von Agenten nicht nur für zusätzliche Funktionen einsetzen, sondern auch zur Verbesserung von Qualität, Sicherheit und Überwachung. Ein durchdachtes Systemdesign mit klaren Grenzen und Vorgaben, eine Infrastruktur, die Steuerbarkeit und Beobachtbarkeit fördert, sowie die menschliche Prüfung von Änderungen helfen dem Team von Jump Trading, KI-gestützte Arbeitsabläufe für die Skalierung in einem regulierten Umfeld vorzubereiten.

„Wenn du eine sichere Umgebung hast, in der der Agent oder das System alle nötigen Ergebnisse frei erzeugen kann, und am Ende Menschen diese kritisch prüfen und freigeben, dann gibt uns das Vertrauen“, sagt er. Erzeugt ein Agent beispielsweise ein Handelssignal, wird es wie jedes andere Ergebnis eingeordnet und geprüft: als Signal, das meist aufschlussreich, aber möglicherweise falsch ist. Es wird mit allen anderen Signalen in einer streng überprüften und kontrollierten Ausführungsumgebung zusammengeführt.

Baker glaubt, dass wir uns auf eine Welt zubewegen, in der „automatisierte Forschung“ allgegenwärtig wird: Forschende Agenten verbessern Systeme rekursiv anhand messbarer Ergebnisse. Dies würde dann ganz selbstverständlich zum Arbeitsalltag von Forschenden im quantitativen Bereich gehören. Heute erfordern selbst die längsten Aufgaben von GPT‑6 Astra noch regelmäßige Rücksprachen mit der Person, die die Aufgabe definiert. Dabei geht es nicht nur darum, welche Daten abgerufen werden, wie lange die Aufgabe laufen soll und was als wichtig gilt, sondern auch darum, ob die Zwischenergebnisse sinnvoll sind. Auch fortgeschrittene automatisierte Forschung würde mit einem von Menschen definierten System beginnen: mit Eingaben, einer festgelegten Umgebung, Bewertungsmetriken, Abwägungen und übergeordneten Prioritäten. Der restliche Prozess würde jedoch einer locker strukturierten „Flotte“ von Agenten überlassen, die ihrerseits von anderen Agenten koordiniert werden. Innerhalb eines gut strukturierten Forschungsablaufs könnten diese Agenten intelligent entscheiden, wie sie Ideen untersuchen, Rechenzeit verteilen und vielversprechende Erkenntnisse einbeziehen. Als Ausgangspunkt würde kaum mehr als eine offene Frage genügen.

„Wie sieht es aus, wenn du all das zu einem durchgängigen Prozess verbinden kannst, eine allgemeine Frage stellst, deren Antwort du selbst nicht kennst, und ein nützliches Ergebnis zurückbekommst?“, fragt er. „Wenn du ein Millennium-Problem lösen kannst, kannst du wahrscheinlich auch ziemlich interessante Erkenntnisse über quantitative Finanzmodelle gewinnen.“

Jedes Jahr brachte nicht nur stetige Fortschritte bei Benchmark-Ergebnissen, sondern auch grundlegende Sprünge bei den Arten von Aufgaben, die Modelle bewältigen konnten. Oft waren diese Entwicklungen selbst wenige Monate zuvor kaum vorhersehbar: 2024 galt es noch als beeindruckend, wenn frühe Agenten eine einzelne Datei fehlerfrei schreiben konnten. 2025 konnten sie bereits ganze Codebasen von Grund auf erstellen. Und 2026 ermöglichen viele dynamisch zusammenarbeitende Agenten Fortschritte bei offenen Forschungsfragen. „Was wird uns nächstes Jahr zur Verfügung stehen?“, fragt er. „Das ist eine ziemlich unglaubliche Aussicht.“