ChatGPT से जंप ट्रेडिंग का मात्रात्मक शोध विस्तार

मात्रात्मक विश्लेषण के आधार पर कारोबार करने वाली कंपनी जंप ट्रेडिंग पूर्वानुमान मॉडल बनाती है. ये मॉडल बाज़ार के आँकड़ों, समाचारों, घटनाओं और कई वैकल्पिक डेटा स्रोतों की मदद से परिसंपत्तियों की कीमतों का यथासंभव सटीक अनुमान लगाते हैं. बाज़ार जटिल होते हैं, उनमें भ्रामक संकेतों की भरमार होती है और वे समय के साथ बदलते रहते हैं. इसलिए सटीक अनुमान लगाना कि आगे क्या होगा, शायद ही कभी संभव होता है. लेकिन जंप के LLM अनुसंधान एवं विकास प्रमुख लुकस बेकर के मुताबिक, बड़े पैमाने पर किए जाने वाले पूर्वानुमान अगर सिक्का उछालकर अनुमान लगाने से थोड़े भी बेहतर हों, तो रणनीति को सफल बनाने के लिए इतना काफ़ी है.

बेकर एजेंट-आधारित अनुसंधान और विकास का नेतृत्व करते हैं. उनका ध्यान ऐसे एजेंट, हार्नेस और बुनियादी ढाँचे बनाने पर है, जिनसे मात्रात्मक शोधकर्ता अपने विचारों की अधिक व्यापकता और गहराई से पड़ताल कर सकें. GPT‑6 Astra को शामिल करने से एजेंटों को सौंपे जा सकने वाले कार्यप्रवाहों का पैमाना और जटिलता बहुत बढ़ गई है. इनमें रोज़मर्रा की कोडिंग से लेकर नई परिकल्पनाओं को परखने वाले उन्नत मात्रात्मक अध्ययन तक शामिल हैं.

पिछले एक साल में एआई की भूमिका बदल गई है. पहले यह किसी खास ज़रूरत के लिए कोड के छोटे अंश लिखने या छोटी त्रुटियाँ खोजने का सहायक साधन था. अब यह एक सक्षम, बहुमुखी प्रणाली बन गया है, जो अपने दम पर पूरे कोडबेस और सेवाएँ विकसित कर सकती है. अब बेकर और उनकी टीम का अनुभव है कि एआई से सबसे अच्छा काम तब मिलता है, जब उसके साथ एक सहकर्मी जैसा व्यवहार किया जाए. शोधकर्ता कोई मुख्य समस्या, काम का परिवेश और नतीजों की गुणवत्ता व महत्त्व जाँचने का तरीका तय कर सकते हैं. इसके बाद वे काम के दौरान एक या कई एजेंटों को निर्देश दे सकते हैं कि विश्लेषण किस दिशा में करें या अगला काम कौन-सा चलाएँ.

बेकर कहते हैं कि GPT‑6 Astra के साथ एजेंट अब न सिर्फ़ सार्थक और व्यावहारिक बदलाव खोज सकते हैं, बल्कि उन सफलताओं को जोड़कर, हर सुधार के आधार पर अगला सुधार भी कर सकते हैं. एक ही लंबे काम के दौरान प्रणाली अपने निष्कर्षों का विश्लेषण कर सकती है, उन्हें शुरुआती प्रस्ताव में तय मानदंडों पर परख सकती है और अपने प्रयासों की दिशा खुद बदल सकती है. इसके लिए हर दौर के बदलावों का विश्लेषण किसी व्यक्ति से कराने की ज़रूरत नहीं होती. वे कहते हैं, “आप ऐसा काम तय कर सकते हैं जिसे पूरा होने में कई दिन लगें—जिसमें कई डेटा स्रोतों से जानकारी जुटानी हो, क्या महत्त्वपूर्ण है और क्या नहीं, इस पर बारीकी से फ़ैसले लेने हों और सभी चीज़ों के आपसी संबंध समझने हों. इस तरह अब सचमुच उपयोगी और व्यापक विश्लेषण तैयार किया जा सकता है.”

जंप ट्रेडिंग हर समयावधि और परिसंपत्ति वर्ग में काम करती है. प्रक्रिया का हर चरण जटिल है. वित्त जैसे कड़े नियमन वाले उद्योग में गलतियों का असर आर्थिक नतीजों और नियमों के अनुपालन, दोनों पर पड़ सकता है. बेकर कहते हैं कि एआई को काम सौंपने से पैदा होने वाले जोखिमों के प्रति सजग रहना बेहद ज़रूरी है. लेकिन एजेंटों की बुद्धिमत्ता का इस्तेमाल सिर्फ़ नई सुविधाएँ जोड़ने के लिए नहीं, बल्कि गुणवत्ता, सुरक्षा और निगरानी बेहतर बनाने के लिए भी किया जा सकता है. मज़बूत प्रणाली डिज़ाइन और सीमाएँ, स्पष्ट पाबंदियाँ, दिशा देने और गतिविधियों पर नज़र रखने में सहायक बुनियादी ढाँचा तथा बदलावों की मानवीय समीक्षा—इनसे जंप ट्रेडिंग की टीम यह सुनिश्चित कर पाती है कि एआई-सक्षम कार्यप्रवाह विनियमित परिवेश में बड़े पैमाने पर इस्तेमाल के लिए तैयार हों.

वे कहते हैं, “हमारा भरोसा इस बात से बनता है कि परिवेश सुरक्षित हो और एजेंट या प्रणाली उसमें ज़रूरत के मुताबिक कोई भी परिणाम तैयार करने के लिए स्वतंत्र हो, लेकिन अंत में मानवीय समीक्षा भी हो, जिसमें ज़रूरी सत्यापन और व्यक्ति की स्वीकृति शामिल हों.” मिसाल के लिए, अगर कोई एजेंट कारोबार का संकेत तैयार करता है, तो उसका दायरा और समीक्षा उसी तरह तय किए जाते हैं जैसे किसी भी अन्य परिणाम के. उसे एक संकेत माना जाता है, जो आम तौर पर जानकारी देता है, लेकिन गलत भी हो सकता है. फिर उसे बाकी संकेतों के साथ ऐसे क्रियान्वयन परिवेश में जोड़ा जाता है, जहाँ कड़ी समीक्षा और नियंत्रण लागू हों.

बेकर मानते हैं कि हम एक ऐसी दुनिया की ओर बढ़ रहे हैं जहाँ “स्वचालित अनुसंधान” इतना आम हो जाएगा कि उसे मात्रात्मक शोधकर्ता के सामान्य कार्यप्रवाह का हिस्सा ही माना जाएगा. इसका अर्थ है शोधकर्ता एजेंटों द्वारा मापी जा सकने वाली प्रणालियों में हर सुधार के आधार पर अगला सुधार करना. आज GPT‑6 Astra के सबसे लंबे कामों में भी कार्य तय करने वाले व्यक्ति से नियमित रूप से चर्चा ज़रूरी होती है. यह चर्चा सिर्फ़ इस बारे में नहीं होती कि कौन-सा डेटा जुटाना है, कितनी देर काम चलाना है और किसे महत्त्वपूर्ण मानना है, बल्कि यह भी कि बीच में मिले नतीजे तर्कसंगत हैं या नहीं. उन्नत स्वचालित अनुसंधान की शुरुआत भी मनुष्य की तय की हुई प्रणाली से होगी. इसमें इनपुट, परिवेश की परिभाषा, मूल्यांकन के मानक, आपसी समझौते और समग्र प्राथमिकताएँ शामिल होंगी. लेकिन बाकी प्रक्रिया एजेंटों के एक लचीले “बेड़े” को सौंप दी जाएगी, जिसका समन्वय दूसरे एजेंट करेंगे. सुव्यवस्थित शोध प्रक्रिया में ये एजेंट समझदारी से तय कर सकेंगे कि विचारों की पड़ताल कैसे करें, गणना के लिए कितना समय दें और आशाजनक निष्कर्षों को कैसे जोड़ें. यह सब शुरू करने के लिए लगभग सिर्फ़ एक अनुत्तरित सवाल काफ़ी होगा.

“तब क्या होगा जब आप यह सब शुरू से अंत तक जोड़ सकें, ऐसा व्यापक सवाल पूछ सकें जिसका जवाब आप खुद भी नहीं जानते, और बदले में आपको कोई उपयोगी नतीजा मिल जाए?” वे पूछते हैं. “अगर आप सहस्राब्दी की गणितीय समस्याओं में से किसी एक को हल कर सकते हैं, तो शायद मात्रात्मक वित्त के बारे में भी कुछ बेहद दिलचस्प तथ्य खोज सकते हैं.”

हर साल मानक परीक्षणों में प्रदर्शन लगातार बेहतर हुआ है. साथ ही, मॉडल किस तरह के काम कर सकते हैं, इसमें भी बड़ी छलाँगें देखने को मिली हैं. अक्सर इन बदलावों का कुछ महीने पहले भी अनुमान लगाना मुश्किल था. 2024 में शुरुआती एजेंटों का बिना गलती के एक फ़ाइल लिख पाना भी प्रभावशाली माना जाता था. 2025 में शून्य से पूरे कोडबेस बनाना संभव हो गया, और 2026 में कई एजेंटों के साथ-साथ, ज़रूरत के अनुसार तालमेल बनाकर काम करने से अनसुलझे शोध प्रश्नों पर प्रगति संभव हुई. “अगले साल हमारे पास क्या होगा?” वे कहते हैं. “यह संभावना वाकई अद्भुत है.”