ChatGPT सह जंप ट्रेडिंगच्या परिमाणात्मक संशोधनाचा विस्तार

परिमाणात्मक पद्धतीने व्यापार करणारी जंप ट्रेडिंग ही कंपनी मालमत्तांच्या किमतींचे शक्य तितके अचूक अंदाज वर्तवणारी प्रारूपे तयार करते. त्यासाठी बाजारातील आकडेवारी, बातम्या व घडामोडी आणि विविध पर्यायी माहिती स्रोत वापरले जातात. बाजार गुंतागुंतीचे असतात, त्यांतील माहितीत अनेक निरर्थक चढ-उतार असतात आणि ते काळानुसार बदलतात. त्यामुळे नेमके काय घडेल याचा अचूक अंदाज वर्तवणे क्वचितच शक्य होते. पण जंपमधील LLM संशोधन व विकास प्रमुख लुकास बेकर यांच्या मते, मोठ्या प्रमाणावर अंदाज वर्तवताना त्यांची अचूकता नाणेफेकीपेक्षा किंचित जरी अधिक असली, तरी यशस्वी धोरण आखण्यासाठी ते पुरेसे ठरते.

बेकर एजंटविषयक संशोधन आणि विकासाचे नेतृत्व करतात. परिमाणात्मक संशोधकांना त्यांच्या कल्पनांचा अधिक व्यापक आणि सखोल अभ्यास करता यावा, यासाठी एजंट, हार्नेस आणि पायाभूत सुविधा उभारण्यावर त्यांचा भर आहे. GPT‑6 Astra च्या समावेशामुळे एजंटकडे सोपवता येणाऱ्या कार्यप्रवाहांचे प्रमाण आणि गुंतागुंत मोठ्या प्रमाणात वाढली आहे. यामध्ये दैनंदिन कोड लेखनापासून नवीन गृहीतकांची पडताळणी करणाऱ्या प्रगत परिमाणात्मक अभ्यासांपर्यंतच्या कामांचा समावेश आहे.

गेल्या वर्षभरात कृत्रिम बुद्धिमत्तेचे रूप पालटले आहे. एखाद्या कामापुरता कोड लिहिण्यासाठी किंवा किरकोळ त्रुटी शोधण्यासाठी उपयोगी पडणाऱ्या सहाय्यक साधनापासून, संपूर्ण कोडसंच आणि सेवा स्वतः विकसित करू शकणारी सक्षम, बहुपयोगी प्रणाली म्हणून ती विकसित झाली आहे. आता कृत्रिम बुद्धिमत्तेला सहकाऱ्याप्रमाणे वागवले, तर ती सर्वाधिक प्रभावीपणे काम करते, असे बेकर आणि त्यांच्या संघाला आढळते. संशोधक मुख्य समस्या, कार्यवातावरण आणि निष्कर्षांची गुणवत्ता व महत्त्व तपासण्याची पद्धत निश्चित करू शकतात. त्यानंतर विश्लेषण कुठे केंद्रित करावे किंवा पुढे कोणते काम करावे याबाबत ते एक किंवा अनेक एजंटना काम सुरू असतानाच मार्गदर्शन करू शकतात.

बेकर सांगतात की GPT‑6 Astra मुळे एजंट आता केवळ अर्थपूर्ण आणि व्यवहार्य बदल शोधू शकत नाहीत, तर मिळालेल्या यशांची सांगड घालून, त्यांवर पुढील सुधारणा उभारत सातत्याने प्रगतीही करू शकतात. एकच दीर्घकाळ चालणारे काम करताना ही प्रणाली स्वतःच्या निष्कर्षांचे विश्लेषण करू शकते, प्रारंभिक प्रस्तावात मान्य केलेल्या निकषांवर ते तपासू शकते आणि त्यानुसार स्वतःच्या प्रयत्नांची दिशा बदलू शकते. बदलांच्या प्रत्येक फेरीचे विश्लेषण करण्यासाठी माणसाची गरज पडत नाही. ते सांगतात, “अनेक दिवस चालणारे काम तुम्ही निश्चित करू शकता. त्यासाठी अनेक स्रोतांतून माहिती आणावी लागते, काय महत्त्वाचे आहे आणि काय नाही याबाबत बारकाईने निर्णय घ्यावे लागतात आणि सर्व गोष्टींचे परस्परसंबंध जोडावे लागतात. या सगळ्यातून खरोखर उपयोगी पडणारे सर्वंकष विश्लेषण तयार करणे आता शक्य झाले आहे.”

जंप ट्रेडिंग सर्व कालावधींच्या व्यवहारांमध्ये आणि सर्व मालमत्ता वर्गांमध्ये काम करते. प्रक्रियेतील प्रत्येक टप्पा गुंतागुंतीचा असतो. वित्तक्षेत्रासारख्या कडक नियमन असलेल्या क्षेत्रात चुकांचे आर्थिक तसेच नियमपालनविषयक परिणाम होऊ शकतात. कृत्रिम बुद्धिमत्तेकडे काम सोपवल्यामुळे उद्भवणाऱ्या जोखमींचे भान ठेवणे अत्यावश्यक आहे, असे बेकर सांगतात. त्याच वेळी, एजंटची बुद्धिमत्ता केवळ नवीन सुविधा जोडण्यासाठी नव्हे, तर गुणवत्ता, सुरक्षा आणि देखरेख सुधारण्यासाठीही वापरता येते, असेही ते नमूद करतात. भक्कम प्रणालीरचना व कार्यकक्षा, स्पष्ट बंधने, दिशा देणे आणि कामकाजाचे निरीक्षण करणे सोपे करणाऱ्या पायाभूत सुविधा, तसेच बदलांचे मानवी पुनरावलोकन यांमुळे जंप ट्रेडिंगचा संघ खात्री करू शकतो की कृत्रिम बुद्धिमत्तेवर आधारित कार्यप्रवाह नियमनाधीन वातावरणात मोठ्या प्रमाणावर वापरण्यास सज्ज आहेत.

ते म्हणतात, “सुरक्षित वातावरणात एजंट किंवा प्रणालीला आवश्यक ते कोणतेही निष्पन्न तयार करण्याचे स्वातंत्र्य असावे. पण शेवटी मानवी पुनरावलोकनाची प्रक्रियाही असावी, ज्यात महत्त्वाची पडताळणी करून माणसाकडून मंजुरी दिली जाते. यामुळेच आम्हाला विश्वास वाटतो.” उदाहरणार्थ, एखाद्या एजंटने व्यवहारासाठी संकेत तयार केल्यास, इतर कोणत्याही निष्पन्नाप्रमाणेच त्याची व्याप्ती ठरवून पुनरावलोकन केले जाते. तो सहसा उपयुक्त माहिती देणारा, पण चुकीचाही असू शकणारा संकेत मानला जातो. कठोर तपासणी आणि नियंत्रण असलेल्या व्यवहार-अंमलबजावणीच्या वातावरणात त्याची इतर सर्व संकेतांशी सांगड घातली जाते.

बेकर यांच्या मते, आपण अशा जगाकडे वाटचाल करत आहोत जिथे “स्वयंचलित संशोधन” इतके सर्वसामान्य होईल की ते परिमाणात्मक संशोधकाच्या नेहमीच्या कार्यप्रवाहाचा भाग मानले जाईल. याचा अर्थ संशोधक एजंटकडून मोजमाप करता येणाऱ्या प्रणालींमध्ये सुधारणांवर आधारित पुढील सुधारणा घडवत राहणे. आज GPT‑6 Astra च्या सर्वाधिक काळ चालणाऱ्या कामांमध्येही काम निश्चित करणाऱ्या व्यक्तीशी नियमित चर्चा करावी लागते. यात केवळ कोणती माहिती आणावी, किती वेळ काम करावे आणि काय महत्त्वाचे मानावे हेच नव्हे, तर मधल्या टप्प्यांवर मिळणारे निष्कर्ष सुसंगत आहेत का, हेही तपासले जाते. प्रगत स्वयंचलित संशोधनाची सुरुवातही माणसाने निश्चित केलेल्या प्रणालीपासूनच होईल. त्यात आदान माहिती, कार्यवातावरणाची व्याख्या, मूल्यमापनाचे मापदंड, तडजोडी आणि एकंदर प्राधान्यक्रम यांचा समावेश असेल. मात्र उर्वरित प्रक्रिया एजंटच्या सैल रचना असलेल्या एका “ताफ्या”कडे सोपवली जाईल आणि त्यांचा समन्वयही इतर एजंटच करतील. सुसूत्र संशोधन प्रक्रियेत हे एजंट कल्पनांचा शोध कसा घ्यावा, संगणकीय संसाधनांचा वेळ कसा वाटून द्यावा आणि आशादायक निष्कर्ष कसे एकत्र आणावेत याबाबत सुजाण निर्णय घेऊ शकतील. या सर्वाची सुरुवात करण्यासाठी केवळ एखादा अनुत्तरित प्रश्न जवळजवळ पुरेसा ठरेल.

“हे सर्व सुरुवातीपासून शेवटपर्यंत जोडून, स्वतःलाही उत्तर माहीत नसलेला एखादा व्यापक प्रश्न विचारता आला आणि त्यातून उपयुक्त निष्कर्ष मिळाला, तर ते कसे असेल?” असा प्रश्न ते विचारतात. “तुम्ही सहस्रकातील गणिती समस्यांपैकी एखादी सोडवू शकत असाल, तर परिमाणात्मक वित्तशास्त्रातील काही अतिशय रंजक तथ्येही बहुधा शोधू शकाल.”

दरवर्षी केवळ प्रमाणित चाचण्यांच्या मोजमापांत सातत्याने प्रगती झालेली नाही, तर प्रारूपे कोणत्या प्रकारची कामे करू शकतात यातही मोठ्या झेप घेतल्या गेल्या आहेत. अनेकदा या घडामोडींचा काही महिने आधीही अंदाज बांधणे कठीण होते. २०२४ मध्ये सुरुवातीच्या एजंटनी एकच फाइल बिनचूक लिहिणे प्रभावी मानले जात होते. २०२५ मध्ये संपूर्ण कोडसंच अगदी सुरुवातीपासून तयार करणे शक्य झाले. तर २०२६ मध्ये अनेक एजंट परिस्थितीनुसार बदलत्या पद्धतीने एकत्र काम करत, संशोधनातील अनुत्तरित प्रश्नांवर प्रगती करू लागले. “पुढच्या वर्षी आपल्या हातात काय असेल?” ते म्हणतात. “ही शक्यताच विलक्षण आहे.”