როგორ შექმნა Balyasny Asset Management-მა AI კვლევის ძრავა

Balyasny Asset Management⁠⁠(იხსნება ახალ ფანჯარაში) (Balyasny) არის გლობალური, მრავალსტრატეგიული საინვესტიციო კომპანია, რომელსაც დაახლოებით 180 საინვესტიციო გუნდი ჰყავს სხვადასხვა აქტივის კლასსა და გეოგრაფიაში. კომპანია საქმიანობს ძლიერ კონკურენტულ და დინამიკურ ინდუსტრიაში, სადაც წარმატებისთვის გადამწყვეტია რწმენა, სიზუსტე და სისწრაფე. მზარდი ფინანსური მონაცემების მოცულობით სულ უფრო რთული საბაზრო გარემოს წინაშე, Balyasny-მ დაინახა შესაძლებლობა, AI-ის გამოყენებით საინვესტიციო კვლევის პროცესი თავიდან წარმოედგინა.

2022 წლის ბოლოს Balyasny-მ შექმნა გამოყენებითი AI-ის გუნდი — 20 მკვლევრის, ინჟინრისა და დომენის ექსპერტის ცენტრალიზებული ჯგუფი, რომელსაც დაევალა AI-ნატიური ინსტრუმენტების შექმნა, რომლებიც უშუალოდ ინტეგრირდება გუნდების სამუშაო ნაკადებში. მათი ფლაგმანური პროდუქტი, AI-ზე დაფუძნებული საინვესტიციო კვლევის სისტემა, შექმნილია ისე, რომ მსჯელობდეს, მოიძიებდეს და მოქმედებდეს როგორც გამოცდილი ანალიტიკოსი.

საინვესტიციო კვლევა რთული, მაღალსარისკო და დროზე მგრძნობიარე პროცესია. ანალიტიკოსებს უწევთ ათასობით დოკუმენტის განხილვა — საბაზრო მონაცემებიდან და კვლევებიდან მარეგულირებელ წარდგენებამდე. ადამიანური ექსპერტიზა კვლავ აუცილებელია, მაგრამ ტრადიციული მეთოდები დროს მოითხოვს და მასშტაბირება უჭირთ.

მზა AI ინსტრუმენტები ხშირად ვერ ამუშავებს ერთად სტრუქტურირებულ და არასტრუქტურირებულ მონაცემებს, აკლია სამუშაო ნაკადების ორკესტრაცია და არ არის შექმნილი ინსტიტუციური შესაბამისობის სტანდარტების დასაკმაყოფილებლად. Balyasny-ს სჭირდებოდა მიზნობრივად აგებული რამე: AI სისტემა, რომელიც ანალიტიკოსივით იფიქრებდა, მანქანის სიჩქარით იმუშავებდა და შესაბამისობის მკაცრ ჩარჩოებში დარჩებოდა.

დღეს, Balyasny-ის საინვესტიციო გუნდების დაახლოებით 95% აქტიურად იყენებს მათ AI პლატფორმას, რასაც აქვს გაზომვადი გავლენა სიჩქარეზე, შედეგის ხარისხსა და ანალიტიკოსის გამოცდილებაზე:

• სიღრმისეული კვლევის ამოცანები, რომლებიც ადრე დღეებს მოითხოვდა, ახლა საათებში სრულდება, მაშინ როცა აგენტები ათიათასობით დოკუმენტს აერთიანებენ, მათ შორის წარდგენებს, კვლევებსა და შემოსავლების ანგარიშებს.
• ცენტრალური ბანკის გამოსვლების ანალიტიკოსმა მაკროეკონომიკური სცენარის ანალიზის დრო 2 დღიდან ~30 წუთამდე შეამცირა.
• შერწყმა-არბიტრაჟის სუპერპროგნოზირებელი აგენტი ახლა გარიგებების ალბათობებს უწყვეტად აკონტროლებს და ანახლებს, რითაც ცვლის ინდივიდუალურად შექმნილ ცხრილებსა და ხელით შეტყობინებებს.

არანაკლებ მნიშვნელოვანია ისიც, რომ Balyasny-ის ანალიტიკოსები შედეგების მიმართ უფრო მაღალ ნდობას აღნიშნავენ. მკაფიოდ განსაზღვრული ინსტრუმენტებით, კვალვადი მსჯელობის გზებითა და ტესტირებადი აგენტებით, ისინი AI-ს იყენებენ სტრუქტურირებული, ახსნადი მიგნებების მისაღებად, რაც ზრდის რწმენას და ადამიანურ გადაწყვეტილების მიღებას ამყარებს. 

სანამ რომელიმე მოდელი წარმოებაში გადავიდოდა, Balyasny-მ შექმნა ფინანსებში ერთ-ერთი ყველაზე დახვეწილი შეფასების მილსადენი, რომელიც მოდელებს 12-ზე მეტ განზომილებაში ზომავს, მათ შორის პროგნოზირების სიზუსტეში, რიცხვობრივ მსჯელობაში, სცენარების ანალიზსა და ხმაურიან შეყვანებზე გამძლეობაში. ეს შეფასებები ტარდება Balyasny-ის შიდა ბენჩმარკების, ინსტრუმენტებისა და საკუთრებითი ფინანსური მონაცემების საფუძველზე.

ამ მკაცრმა პროცესმა GPT‑5.4 მოდელების ოჯახში ძლიერი მხარეები გამოავლინა, განსაკუთრებით მრავალსაფეხურიან დაგეგმვაში, ინსტრუმენტების გამოყენებაში და ჰალუცინაციების შემცირებაში. დღეს Balyasny GPT‑5.4-ს იყენებს როგორც მსჯელობის ძრავას საკუთარ AI სისტემაში, შიდა მოდელებთან ერთად, რომლებიც ამოცანის მიხედვით ემპირიული შედეგების საფუძველზე ირჩევა.

Balyasny-მ სტრატეგიული გადაწყვეტილება მიიღო, რომ OpenAI პირდაპირ ჩაერთო მომხმარებელზე ორიენტირებულ სამუშაო ნაკადებში. OpenAI-ის გუნდებმა პირდაპირ დააკვირდნენ, როგორ იყენებენ საინვესტიციო გუნდები თავიანთ AI სისტემას: სად აღწევს წარმატებას, სად აწყდება სირთულეებს და სინამდვილეში რას ნიშნავს მაღალი ეფექტიანობა კომერციულ კონტექსტში.

ამ ხილვადობამ მოიტანა უფრო სწრაფი იტერაციები, უფრო მჭიდრო პროდუქტის უკუკავშირის ციკლები და უკეთესი მოდელის ქცევა ფინანსებისთვის სპეციფიკურ ამოცანებში. როგორც მოწინავე მოდელების გამოშვების დიზაინ-პარტნიორმა, Balyasny-მ გავლენა მოახდინა OpenAI-ის საგზაო რუკაზე რეალური ანალიტიკოსების მიგნებებით და არა სატესტო ქეისებით.

რადგან AI ღრმად არის ჩაშენებული საინვესტიციო გუნდების ყოველდღიურ სამუშაო ნაკადებში, მათ შეუძლიათ რეალურ დროში შეაგროვონ სტრუქტურირებული უკუკავშირი ყველაფერზე — მომხმარებელთა შეფასებებიდან და შედეგების აუდიტიდან ინსტრუმენტის შესრულების ხარისხამდე. ეს ციკლი ორივეს, მოდელებისა და ორკესტრაციის ფენის, სწრაფ გაუმჯობესებას უწყობს ხელს.

მაგალითად, შერწყმა-არბიტრაჟის გუნდების ადრეულმა უკუკავშირმა აჩვენა, რომ აგენტებს სჭირდებოდათ გარიგებების ალბათობების უწყვეტი გადაფასება, როცა ახალი წარდგენები ან პრესრელიზები ჩნდებოდა. Balyasny-ის გუნდმა სწრაფად გააფართოვა აგენტების დაგეგმვის შესაძლებლობები და ინსტრუმენტებზე წვდომა, რითაც ნელი, ხელით სამართავი სამუშაო ნაკადი რეალურ დროში ალბათურ მონიტორინგად აქცია.

მიუხედავად იმისა, რომ თითოეულ საინვესტიციო გუნდს საკუთარი საინვესტიციო სტრატეგია აქვს, Balyasny-მ AI-ის დანერგვაში ცენტრალიზებული მიდგომა აირჩია. მათი გამოყენებითი AI გუნდი ავითარებს ძირითად კომპონენტებს, მათ შორის აგენტურ ჩარჩოებს, ინსტრუმენტების ჯაჭვებსა და შესაბამისობის დამცავ მექანიზმებს, რომლებიც შემდეგ გუნდებში ინერგება მონაცემებსა და ინსტრუმენტებზე შეზღუდული წვდომით.

ეს „ფედერაციული დანერგვის“ მოდელი ნიშნავს, რომ თითოეულ საინვესტიციო გუნდს შეუძლია განავითაროს და გამოიყენოს AI აგენტები, რომლებიც მის აქტივის კლასს არის მორგებული (მაგალითად, მაკრო, საქონელი და აქციები), მაშინ როცა გამოყენებითი AI გუნდი ფოკუსირებულია არქიტექტურის, კვლევისა და მოდელების შეფასებების მასშტაბირებაზე. ეს ასევე უზრუნველყოფს, რომ შესაბამისობისა და მარეგულირებელი სტანდარტები ყველგან ერთნაირად იყოს დაცული — რაც კრიტიკულად მნიშვნელოვანია ინდუსტრიაში, სადაც რისკის მართვა და მონაცემთა უსაფრთხოება არ ექვემდებარება კომპრომისს.

Balyasny აგრძელებს თავისი AI საგზაო რუკის გაფართოებას და ფოკუსირდება შემდეგზე:

• განმტკიცებითი დახვეწა (RFT) მოდელის ქცევის დასახვეწად რთულ, მაღალი ღირებულების ამოცანებზე
• აგენტების უფრო ღრმა ორკესტრაცია ფინანსურ დომენებში
• მულტიმოდალური შეყვანები, მათ შორის ფინანსური გრაფიკები, ანგარიშგებები და წარდგენები

მომავალი მოწინავე მოდელების შეფასება დომენთან შესაბამისობისთვის