Jump Trading, ChatGPT ile nicel araştırmayı büyütüyor

Nicel işlem stratejileri kullanan Jump Trading, varlık fiyatlarını mümkün olan en yüksek doğrulukla tahmin etmek için piyasa verilerinden, haber ve olaylardan ve çeşitli alternatif veri kaynaklarından yararlanan tahmin modelleri oluşturuyor. Piyasalar karmaşık, gürültülü ve zamanla değişen yapılar olduğundan, tam olarak ne olacağını öngörmek nadiren mümkün oluyor. Ancak Jump’ın LLM Ar-Ge Başkanı Lucas Baker’a göre, yazı tura atmaktan az da olsa daha isabetli tahminler yapmak, geniş ölçekte uygulandığında başarılı bir strateji elde etmek için yeterli.

Ajan tabanlı araştırma ve geliştirme çalışmalarına liderlik eden Baker, nicel araştırmacıların fikirlerini daha geniş kapsamlı ve derinlemesine incelemesini sağlayacak ajanları, düzenekleri ve altyapıyı oluşturmaya odaklanıyor. GPT‑6 Astra’nın kullanıma alınmasıyla ajanlara devredilebilen iş akışları çok daha kapsamlı ve karmaşık hâle geldi. Bunlar, günlük kodlama işlerinden yeni hipotezleri doğrulamaya yönelik ileri düzey nicel çalışmalara kadar uzanıyor.

Yapay zekâ, geçtiğimiz yıl içinde tek seferlik kod parçaları yazmaya veya küçük hataları bulmaya yarayan yardımcı bir araç olmaktan çıkıp kod tabanlarının ve hizmetlerin tamamını kendi başına geliştirebilen, yetkin ve çok yönlü bir sisteme dönüştü. Baker ve ekibi artık yapay zekâya bir iş arkadaşı gibi yaklaştıklarında en iyi sonuçları aldıklarını görüyor. Araştırmacılar temel bir problem, çalışma ortamı ve sonuçların niteliğiyle önemini değerlendirecek bir yöntem tanımlayabiliyor. Ardından bir veya birden fazla ajanı, analizin hangi noktaya odaklanacağı ya da sırada hangi işin yürütüleceği konusunda gerçek zamanlı olarak yönlendirebiliyorlar.

Baker’a göre GPT‑6 Astra sayesinde ajanlar artık yalnızca anlamlı ve uygulanabilir değişiklikler bulmakla kalmıyor; elde ettikleri kazanımları birleştirip üst üste ekleyerek her adımın bir öncekini geliştirdiği bir iyileştirme süreci yürütebiliyor. Sistem, uzun süren tek bir görev boyunca bulgularını analiz edebiliyor, başlangıçtaki öneride üzerinde uzlaşılan ölçütlere göre değerlendirebiliyor ve her değişiklik turunu bir insanın incelemesine ihtiyaç duymadan çalışmalarına yeni bir yön verebiliyor. Baker bunu şöyle anlatıyor: “Günlerce sürmesi gereken bir çalışma tanımlayabilirsiniz. Bu çalışmanın pek çok kaynaktan veri çekmesi, neyin önemli olup olmadığı konusunda ince ayrımlara dayanan kararlar vermesi ve her şeyi birbiriyle ilişkilendirmesi gerekir. Artık bu yolla gerçekten işe yarayan, kapsamlı bir analiz oluşturmak mümkün.”

Jump Trading, her vadede ve her varlık sınıfında faaliyet gösteriyor. Sürecin her adımı karmaşık. Finans gibi yoğun düzenlemelere tabi bir sektörde hatalar hem mali açıdan hem de mevzuata uyum açısından sonuçlar doğurabiliyor. Baker, işleri yapay zekâya emanet etmenin getirdiği risklerin farkında olmanın kritik önem taşıdığını söylüyor. Ancak ajan tabanlı yapay zekânın yalnızca yeni özellikler eklemek için değil, kaliteyi, güvenliği ve izlemeyi iyileştirmek için de kullanılabileceğini vurguluyor. Sağlam bir sistem tasarımı ve sınırlar, net kısıtlar, yönlendirilebilirliği ve gözlemlenebilirliği destekleyen altyapı ve değişikliklerin insanlar tarafından incelenmesi; Jump Trading ekibinin yapay zekâ destekli iş akışlarını mevzuata tabi bir ortamda ölçeklendirmeye hazır hâle getirmesine yardımcı oluyor.

Baker, “Ajanın veya sistemin ihtiyaç duyduğu her türlü çıktıyı üretmekte serbest olduğu güvenli bir ortam varsa ve sürecin sonunda kritik doğrulamaların insan onayıyla yapıldığı bir inceleme aşaması bulunuyorsa, bize güven veren şey budur,” diyor. Örneğin bir ajan bir alım satım sinyali ürettiğinde, bunun kapsamı da diğer tüm çıktılar gibi belirleniyor ve aynı şekilde inceleniyor: Genellikle bilgi sağlayan ama yanlış da olabilecek bir sinyal olarak ele alınıyor ve sıkı denetim ve kontrol altındaki bir işlem yürütme ortamında diğer tüm sinyallerle birleştiriliyor.

Baker, “otonom araştırma”nın, yani araştırmacı ajanların ölçülebilir sistemleri her adımda önceki kazanımların üzerine inşa ederek iyileştirmesinin, nicel araştırmacıların olağan iş akışının bir parçası sayılacak kadar yaygınlaşacağı bir dünyaya doğru ilerlediğimizi düşünüyor. Bugün GPT‑6 Astra’nın en uzun süren çalışmalarında bile görevi tanımlayan kişiyle düzenli olarak durum değerlendirmesi yapılıyor. Bu değerlendirmeler yalnızca hangi verilerin çekileceğini, çalışmanın ne kadar süreceğini ve neyin önemli sayılacağını değil, ara sonuçların anlamlı olup olmadığını da kapsıyor. İleri düzey otonom araştırma da girdileri, ortam tanımını, değerlendirme ölçütlerini, gözetilecek dengeleri ve genel öncelikleri içeren, insan tarafından tanımlanmış bir sistemle başlayacak. Ancak sürecin geri kalanı, başka ajanlar tarafından koordine edilen, esnek bir yapıya sahip ajan “filosuna” bırakılacak. İyi yapılandırılmış bir araştırma süreci içinde bu ajanlar, başlangıçta yanıtı bilinmeyen bir sorudan pek fazlasına ihtiyaç duymadan fikirlerin nasıl inceleneceği, hesaplama süresinin nasıl dağıtılacağı ve umut vadeden bulguların nasıl bütünleştirileceği konusunda akılcı kararlar verebilecek.

“Tüm bunları uçtan uca bir araya getirip sizin bile yanıtını bilmediğiniz genel bir soru sorabildiğinizde ve karşılığında işe yarar bir sonuç alabildiğinizde nasıl bir tablo ortaya çıkar?” diye soruyor. “Milenyum Problemlerinden birini çözebiliyorsanız muhtemelen nicel finans hakkında da oldukça ilginç gerçekler keşfedebilirsiniz.”

Her yıl, karşılaştırmalı performans ölçümlerindeki istikrarlı ilerlemenin yanı sıra modellerin yapabildiği iş türlerinde de büyük sıçramalar yaşandı. Bu gelişmeleri yalnızca birkaç ay öncesinden bile tahmin etmek çoğu zaman zordu: 2024’te ilk ajanların tek bir dosyayı hatasız yazması etkileyici bulunurken, 2025’te kod tabanlarının tamamını sıfırdan oluşturmak, 2026’da ise çok sayıda ajanın dinamik biçimde yan yana çalışmasıyla henüz yanıtlanmamış araştırma sorularında ilerleme kaydetmek mümkün oldu. “Gelecek yıl neler yapabileceğiz?” diyor. “Önümüzdeki olasılıklar gerçekten inanılmaz.”