Jump Trading meluaskan penyelidikan kuantitatif dengan ChatGPT

Sebagai firma perdagangan kuantitatif, Jump Trading membina model ramalan yang menggunakan data pasaran, berita dan peristiwa, serta pelbagai sumber data alternatif untuk menghasilkan ramalan harga aset yang sebaik mungkin. Oleh sebab pasaran kompleks, dipenuhi hingar dan sentiasa berubah, apa-apa yang bakal berlaku jarang sekali dapat diramal dengan tepat. Namun, menurut Lucas Baker, Ketua R&D LLM di Jump, ramalan yang hanya sedikit lebih tepat daripada tekaan rawak pun sudah memadai untuk menghasilkan strategi yang berjaya apabila dibuat pada skala besar.

Baker mengetuai penyelidikan dan pembangunan berasaskan ejen. Beliau menumpukan usaha pada pembinaan ejen, harnes dan infrastruktur yang membolehkan penyelidik kuantitatif menerokai idea dengan lebih luas dan mendalam. Penggunaan GPT‑6 Astra telah meningkatkan secara ketara skala dan kerumitan aliran kerja yang boleh diserahkan kepada ejen, daripada pengekodan harian hingga kajian kuantitatif lanjutan untuk mengesahkan hipotesis baharu.

Sepanjang tahun lalu, AI telah berubah daripada alat bantuan untuk menulis cebisan kod bagi keperluan tertentu atau mencari pepijat kecil kepada sistem berkebolehan dan serba guna yang mampu membangunkan keseluruhan pangkalan kod dan perkhidmatan secara sendiri. Kini, Baker dan pasukannya mendapati bahawa AI paling berkesan apabila dilayan seperti rakan sekerja. Penyelidik boleh menetapkan masalah utama, persekitaran kerja serta cara menilai mutu dan kepentingan hasil. Kemudian, mereka boleh mengarahkan satu atau beberapa ejen dalam masa nyata tentang tumpuan analisis atau tugas yang perlu dijalankan seterusnya.

Menurut Baker, dengan GPT‑6 Astra, ejen kini bukan sahaja mampu mengenal pasti perubahan yang bermakna dan praktikal, malah menggabungkan dan membina atas kejayaan tersebut melalui proses penambahbaikan rekursif. Sepanjang satu tugas yang berjalan lama, sistem boleh menganalisis dapatannya, menilai dapatan itu berdasarkan kriteria yang dipersetujui dalam cadangan awal, dan mengubah hala usahanya secara aktif tanpa memerlukan manusia menganalisis setiap pusingan perubahan. Seperti yang dijelaskannya, “Anda boleh menetapkan tugas yang perlu berjalan selama berhari-hari—tugas itu perlu mendapatkan data daripada pelbagai sumber, membuat pertimbangan teliti tentang perkara yang penting dan yang tidak, serta menghubungkaitkan semuanya—untuk menghasilkan analisis menyeluruh yang kini benar-benar berkesan.”

Jump Trading beroperasi merentas semua jangka masa dan kelas aset. Setiap langkah dalam proses ini adalah kompleks. Dalam industri yang dikawal selia dengan ketat seperti kewangan, kesilapan boleh membawa kesan dari segi kewangan dan pematuhan. Menurut Baker, kesedaran tentang risiko menyerahkan kerja kepada AI amat penting. Namun, kecerdasan berasaskan ejen juga boleh digunakan untuk meningkatkan mutu, keselamatan dan pemantauan, bukan sekadar menambah ciri. Reka bentuk dan sempadan sistem yang kukuh, kekangan yang jelas, infrastruktur yang memudahkan pengarahan dan pemerhatian sistem, serta semakan perubahan oleh manusia membantu pasukan Jump Trading memastikan aliran kerja berasaskan AI bersedia untuk diperluas dalam persekitaran terkawal selia.

“Jika anda mempunyai persekitaran yang selamat, tempat ejen atau sistem bebas menghasilkan apa-apa output yang diperlukan, tetapi turut disusuli proses semakan manusia yang melibatkan pengesahan penting dan kelulusan manusia, itulah yang memberi kami keyakinan,” katanya. Contohnya, jika ejen menghasilkan isyarat dagangan, skopnya ditetapkan dan disemak seperti mana-mana output lain: sebagai isyarat yang biasanya memberi maklumat tetapi mungkin salah, lalu digabungkan dengan semua isyarat lain dalam persekitaran pelaksanaan yang disemak dan dikawal ketat.

Baker berpendapat bahawa kita sedang menuju ke arah dunia yang menyaksikan “penyelidikan automatik”, iaitu penambahbaikan rekursif sistem yang boleh diukur oleh ejen penyelidik, menjadi begitu meluas sehingga dianggap sebahagian daripada aliran kerja biasa penyelidik kuantitatif. Pada masa ini, kerja GPT‑6 Astra yang paling lama berjalan sekalipun masih melibatkan semakan berkala dengan orang yang menetapkan tugas tersebut—bukan sahaja tentang data yang perlu diperoleh, tempoh pelaksanaan dan perkara yang dianggap penting, tetapi juga sama ada hasil perantaraan itu munasabah. Penyelidikan automatik lanjutan masih akan bermula dengan sistem yang ditetapkan manusia, termasuk input, takrif persekitaran, metrik penilaian, tolak ansur dan keutamaan keseluruhan. Namun, baki proses akan diserahkan kepada “armada” ejen yang berstruktur longgar dan diselaraskan oleh ejen lain. Dalam rangkaian proses penyelidikan yang tersusun, ejen ini akan mampu membuat keputusan bijak tentang cara meneroka idea, memperuntukkan masa pengkomputeran dan menggabungkan dapatan yang berpotensi, semuanya bermula dengan sekadar persoalan terbuka.

“Bagaimanakah keadaannya apabila anda boleh menyatukan semua ini dari awal hingga akhir, mengajukan soalan umum yang anda sendiri tidak tahu jawapannya, lalu memperoleh hasil yang berguna?” soalnya. “Jika anda boleh menyelesaikan masalah Milenium, anda mungkin juga boleh menemui fakta yang cukup menarik tentang kewangan kuantitatif.”

Setiap tahun bukan sahaja membawa kemajuan berterusan dalam ukuran penanda aras, malah lonjakan besar dalam jenis kerja yang mampu dilakukan oleh model. Perkembangan ini sering sukar diramalkan walaupun hanya beberapa bulan lebih awal: pada 2024, keupayaan ejen awal menulis satu fail tanpa kesilapan dianggap mengagumkan. Pada 2025, keseluruhan pangkalan kod sudah boleh dibina dari awal, dan pada 2026, kemajuan dalam persoalan penyelidikan terbuka dapat dicapai dengan banyak ejen bekerjasama secara dinamik. “Apakah yang akan kita saksikan tahun depan?” katanya. “Prospeknya sungguh luar biasa.”