Jump Trading memperluas riset kuantitatif dengan ChatGPT

Sebagai perusahaan perdagangan kuantitatif, Jump Trading membangun model prediktif yang memanfaatkan data pasar, berita dan peristiwa, serta beragam sumber data alternatif untuk menghasilkan prediksi harga aset seakurat mungkin. Karena pasar bersifat kompleks, penuh fluktuasi acak, dan terus berubah, sangat sulit untuk memperkirakan secara tepat apa yang akan terjadi. Namun, menurut Lucas Baker, Kepala Riset dan Pengembangan LLM di Jump, prediksi yang akurasinya hanya sedikit lebih baik daripada tebakan acak pun sudah cukup untuk menghasilkan strategi yang sukses jika diterapkan dalam skala besar.

Baker memimpin riset dan pengembangan sistem berbasis agen. Fokusnya adalah membangun agen, harness, dan infrastruktur yang memungkinkan peneliti kuantitatif mengeksplorasi ide secara lebih luas dan mendalam. Penggunaan GPT‑6 Astra telah meningkatkan secara drastis skala dan kompleksitas alur kerja yang bisa diserahkan kepada agen, mulai dari pemrograman sehari-hari hingga studi kuantitatif tingkat lanjut untuk memvalidasi hipotesis baru.

Dalam setahun terakhir, AI telah bertransformasi dari alat bantu untuk menulis cuplikan kode sekali pakai atau menemukan bug kecil menjadi sistem andal dan serbaguna yang mampu mengembangkan keseluruhan basis kode dan layanan secara mandiri. Kini, Baker dan timnya mendapati bahwa AI bekerja paling baik ketika diperlakukan layaknya rekan kerja. Peneliti dapat menetapkan masalah utama, lingkungan kerja, serta cara mengevaluasi kualitas dan signifikansi hasil. Selanjutnya, mereka bisa mengarahkan satu atau banyak agen secara langsung tentang fokus analisis atau tugas yang perlu dijalankan berikutnya.

Menurut Baker, dengan GPT‑6 Astra, agen kini bukan hanya mampu menemukan perubahan yang berarti dan praktis, tetapi juga menggabungkan dan mengakumulasi keberhasilan tersebut dalam proses perbaikan rekursif. Selama menjalankan satu tugas berdurasi panjang, sistem dapat menganalisis temuannya, menilainya berdasarkan kriteria yang disepakati dalam usulan awal, dan secara aktif mengarahkan ulang upayanya tanpa memerlukan manusia untuk menganalisis setiap putaran perubahan. Ia menjelaskan, “Anda bisa menetapkan tugas yang perlu berjalan berhari-hari—mengambil data dari banyak sumber, membuat pertimbangan cermat tentang mana yang penting dan mana yang tidak, serta menghubungkan semuanya—untuk menghasilkan analisis menyeluruh. Kini, semua itu benar-benar bisa dilakukan.”

Jump Trading beroperasi di seluruh rentang waktu perdagangan dan kelas aset. Setiap tahap prosesnya kompleks. Dalam industri dengan regulasi ketat seperti keuangan, kesalahan bisa berdampak pada keuangan maupun kepatuhan. Baker mengatakan bahwa menyadari risiko yang timbul saat mempercayakan pekerjaan kepada AI sangatlah penting. Namun, kecerdasan berbasis agen juga dapat dimanfaatkan untuk meningkatkan kualitas, keamanan, dan pemantauan, bukan sekadar menambah fitur. Desain sistem dan batas operasional yang kokoh, batasan yang jelas, infrastruktur yang memudahkan pengarahan dan pemantauan, serta tinjauan manusia atas perubahan membantu tim Jump Trading memastikan alur kerja berbantuan AI siap diperluas dalam lingkungan yang diatur regulasi.

“Jika Anda memiliki lingkungan aman yang memberi agen atau sistem kebebasan untuk menghasilkan keluaran apa pun yang dibutuhkan, tetapi tetap ada proses tinjauan manusia di tahap akhir untuk melakukan validasi penting dan memberikan persetujuan, itulah yang membuat kami yakin,” ujarnya. Misalnya, jika agen menghasilkan sinyal perdagangan, cakupannya ditetapkan dan hasilnya ditinjau dengan cara yang sama seperti keluaran lainnya: sebagai sinyal yang biasanya informatif, tetapi bisa keliru. Sinyal itu kemudian dipadukan dengan semua sinyal lain dalam lingkungan eksekusi yang ditinjau dan dikendalikan secara ketat.

Baker berpendapat bahwa kita sedang menuju dunia di mana “riset otomatis”, yakni perbaikan rekursif pada sistem terukur oleh agen peneliti, akan begitu lazim hingga dianggap sebagai bagian biasa dari alur kerja peneliti kuantitatif. Saat ini, bahkan pekerjaan GPT‑6 Astra yang berjalan paling lama pun masih melibatkan konsultasi rutin dengan orang yang menetapkan tugasnya. Konsultasi ini bukan hanya membahas data yang perlu diambil, durasi pengerjaan, dan apa yang dianggap penting, tetapi juga apakah hasil sementaranya masuk akal. Riset otomatis tingkat lanjut tetap akan dimulai dengan sistem yang ditetapkan manusia, termasuk masukan, definisi lingkungan, metrik evaluasi, kompromi yang perlu dipertimbangkan, dan prioritas keseluruhan. Namun, sisa prosesnya akan dipercayakan kepada “armada” agen dengan struktur fleksibel yang dikoordinasikan oleh agen lain. Dalam alur riset yang terstruktur dengan baik, agen-agen ini akan mampu mengambil keputusan cerdas tentang cara mengeksplorasi ide, mengalokasikan waktu komputasi, dan mengintegrasikan temuan yang menjanjikan. Semua itu dapat dimulai hanya dengan sebuah pertanyaan terbuka.

“Seperti apa jadinya jika Anda bisa merangkai semua ini dari awal hingga akhir, mengajukan pertanyaan umum yang bahkan Anda sendiri belum tahu jawabannya, lalu mendapatkan hasil yang berguna?” tanyanya. “Jika Anda bisa memecahkan salah satu Masalah Milenium, kemungkinan besar Anda juga bisa menemukan fakta-fakta yang cukup menarik tentang keuangan kuantitatif.”

Setiap tahun bukan hanya membawa peningkatan yang konsisten dalam hasil tolok ukur, tetapi juga lompatan besar dalam jenis pekerjaan yang mampu dilakukan model. Perkembangan ini sering kali sulit diprediksi bahkan beberapa bulan sebelumnya. Pada 2024, kemampuan agen generasi awal menulis satu berkas tanpa kesalahan saja sudah dianggap mengesankan. Pada 2025, agen sudah bisa membuat keseluruhan basis kode dari nol. Lalu pada 2026, banyak agen yang berkolaborasi secara dinamis mampu membuat kemajuan dalam menjawab pertanyaan riset yang belum terpecahkan. “Apa yang akan bisa kita lakukan tahun depan?” ujarnya. “Prospeknya sungguh luar biasa.”