Carane Jump Trading nggedhekake riset kuantitatif nganggo ChatGPT
Jump Trading nggunakake GPT‑6 Astra kanggo nggarap masalah riset sing mbutuhake wektu luwih suwe lan luwih ora mesthi.
Minangka perusahaan dagang kuantitatif, Jump Trading nggawe model prediksi sing nggunakake data pasar, warta lan prastawa, sarta maneka sumber data alternatif kanggo ngasilake prediksi rega aset sing paling akurat. Amarga pasar iku rumit, kebak fluktuasi sing ora mesthi migunani, lan terus owah, arang banget bisa ngira kanthi pas apa sing bakal kedadeyan. Nanging miturut Lucas Baker, Kepala Riset lan Pangembangan LLM ing Jump, prediksi sing mung rada luwih akurat tinimbang nguncalake dhuwit logam wis cukup kanggo ngasilake strategi sing kasil yen ditrapake ing skala gedhe.
Baker mimpin riset lan pangembangan sistem adhedhasar agen. Dheweke fokus mbangun agen, kerangka kanggo ngoperasikake agen, lan infrastruktur sing ngidini peneliti kuantitatif njajahi gagasane kanthi luwih amba lan jero. Panganggone GPT‑6 Astra wis nggedhekake skala lan kerumitan alur kerja sing bisa dipasrahake marang agen kanthi drastis, wiwit saka nulis kode saben dina nganti studi kuantitatif tingkat lanjut kanggo nguji hipotesis anyar.
“Kanthi seri GPT-6, utamane GPT-6 Astra, OpenAI wis mbukak tingkat kemandirian anyar kanggo tugas jangka dawa sing mbutuhake koordinasi agen sing luwes lan ketekunan mirunggan ing alur kerja sing rumit. Yen biyen kerep mbutuhake tuntunan lan campur tangan manungsa, saiki kita bisa fokus kanthi temenan ngrancang lingkungan sing aman lan diawasi kanthi becik, kanthi tujuan sing cetha, banjur menehi kalodhangan marang para agen kanggo nemokake dalane dhewe.”
Sajrone setaun pungkasan, AI wis owah saka piranti pambiyantu kanggo nulis cuplikan kode sapisan pakai utawa nemokake bug cilik, dadi sistem sing mumpuni lan sarwa bisa, sing bisa ngembangake kabeh basis kode lan layanan kanthi mandiri. Saiki, Baker lan time nemokake manawa AI makarya paling apik yen dianggep kaya kanca nyambut gawe. Peneliti bisa nemtokake masalah utama, lingkungan kerja, lan cara kanggo mbiji mutu sarta wigatine asil. Banjur, peneliti bisa langsung nuntun siji utawa akeh agen babagan analisis sing kudu difokusake utawa tugas sing kudu ditindakake sabanjure.
Baker kandha yen kanthi GPT‑6 Astra, agen saiki ora mung bisa nemokake owah-owahan sing migunani lan praktis, nanging uga bisa nggabungake lan nglumpukake asil apik kasebut dadi dhasar kanggo perbaikan sabanjure kanthi bola-bali. Sajrone nggarap siji tugas sing lumaku suwe, sistem bisa nganalisis temuane, mbiji adhedhasar kriteria sing disepakati ing usulan awal, lan kanthi aktif ngowahi arah kerjane, tanpa mbutuhake wong kanggo nganalisis saben puteran owah-owahan. Kaya sing diandharake, “Sampeyan bisa nemtokake tugas sing kudu lumaku nganti pirang-pirang dina—sing kudu njupuk data saka akeh sumber, nimbang kanthi tliti apa sing penting lan sing ora, sarta nggandhengake kabeh mau—kanggo nggawe analisis jangkep sing saiki pancen bisa ditindakake.”
Jump Trading makarya ing kabeh jangka wektu lan kelas aset. Saben langkah ing proses kasebut rumit. Ing industri sing kaiket aturan ketat kayata keuangan, kaluputan bisa nggawa akibat finansial lan nglanggar aturan. Baker kandha yen mangerteni risiko saka masrahake pakaryan marang AI iku wigati banget. Nanging kapinteran agen uga bisa ditrapake kanggo ningkatake mutu, keamanan, lan pengawasan, ora mung nambah fitur. Rancangan lan wates sistem sing kuwat, watesan sing cetha, infrastruktur sing nggampangake pengarahan lan pengamatan sistem, sarta pamriksan owah-owahan dening manungsa mbantu tim Jump Trading mesthekake yen alur kerja sing nggunakake AI siyap ditambahi skalane ing lingkungan sing kaiket aturan.
“Yen ana lingkungan aman sing menehi kamardikan marang agen utawa sistem kanggo ngasilake apa wae sing dibutuhake, nanging ing pungkasane uga ana proses pamriksan dening manungsa kanggo validasi sing wigati lan menehi persetujuan, kuwi sing nggawe kita yakin,” ujare. Contone, yen agen ngasilake sinyal dagang, ruang lingkupe diwatesi lan asile dipriksa kaya asil liyane: minangka sinyal sing biasane menehi informasi migunani nanging bisa uga kliru, banjur digabungake karo kabeh sinyal liyane ing lingkungan eksekusi sing dipriksa lan dikendhaleni kanthi ketat.
Baker nganggep yen kita lagi tumuju menyang kahanan nalika “riset otomatis”, yaiku perbaikan bola-bali marang sistem sing bisa diukur dening agen peneliti, bakal lumrah banget nganti dianggep mung minangka bagean saka alur kerja saben dinane peneliti kuantitatif. Saiki, malah pakaryan GPT‑6 Astra sing lumaku paling suwe isih mbutuhake rembugan rutin karo wong sing nemtokake tugas kasebut—ora mung babagan data apa sing kudu dijupuk, suwene tugas kudu lumaku, lan apa sing dianggep penting, nanging uga apa asil sauntara kasebut mlebu nalar. Riset otomatis tingkat lanjut isih bakal diwiwiti saka sistem sing ditemtokake manungsa, kalebu input, rancangan lingkungan, ukuran evaluasi, pertimbangan untung-rugi, lan prioritas sakabehe. Nanging proses liyane bakal dipasrahake marang “armada” agen kanthi struktur luwes sing dikoordinasi dening agen liyane. Ing alur riset sing ditata kanthi becik, agen-agen iki bakal bisa nggawe keputusan sing wicaksana babagan cara njajahi gagasan, mbagekake wektu komputasi, lan nggabungake temuan sing menehi pangarep-arep, kabeh mung diwiwiti saka pitakon sing durung ana wangsulane.
“Kaya apa yen sampeyan bisa ngrangkai kabeh iki saka wiwitan nganti pungkasan, ngajokake pitakon umum sing sampeyan dhewe durung ngerti wangsulane, banjur entuk asil sing migunani?” pitakone. “Yen sampeyan bisa ngrampungake salah siji masalah Milenium, mesthine sampeyan uga bisa nemokake fakta-fakta sing cukup narik kawigaten babagan keuangan kuantitatif.”
Saben taun ora mung nggawa kemajuan ajeg ing asil pangukuran tolok ukur, nanging uga lompatan gedhe ing jinis pakaryan sing bisa ditindakake model. Pangembangan iki kerep angel diprediksi sanajan mung sawetara sasi sadurunge: ing taun 2024, agen generasi awal sing bisa nulis siji file tanpa kaluputan wis dianggep nggumunake. Ing taun 2025, wis bisa nggawe kabeh basis kode saka nol, lan ing taun 2026, wis bisa maju ing njawab pitakon riset sing durung ana wangsulane kanthi akeh agen sing kerja bebarengan kanthi dinamis. “Taun ngarep kita bakal duwe apa maneh?” ujare. “Prospek iki pancen nggumunake.”
