Jump Trading mở rộng nghiên cứu định lượng với ChatGPT

Là một công ty giao dịch định lượng, Jump Trading xây dựng các mô hình dự báo sử dụng dữ liệu thị trường, tin tức, sự kiện và nhiều nguồn dữ liệu thay thế để dự đoán giá tài sản chính xác nhất có thể. Do thị trường phức tạp, nhiều nhiễu và luôn biến đổi, hiếm khi có thể dự đoán chính xác điều gì sẽ xảy ra. Nhưng theo Lucas Baker, Trưởng bộ phận Nghiên cứu và Phát triển LLM tại Jump, khi triển khai trên quy mô lớn, chỉ cần dự đoán tốt hơn tung đồng xu một chút cũng đủ tạo nên một chiến lược thành công.

Baker dẫn dắt hoạt động nghiên cứu và phát triển tác nhân AI, tập trung xây dựng các tác nhân, hệ thống điều khiển và cơ sở hạ tầng giúp các nhà nghiên cứu định lượng khám phá ý tưởng của mình sâu rộng hơn. Việc bổ sung GPT‑6 Astra đã mở rộng đáng kể quy mô và độ phức tạp của những quy trình có thể giao cho tác nhân, từ lập trình hằng ngày đến nghiên cứu định lượng chuyên sâu để kiểm chứng các giả thuyết mới.

Trong năm qua, AI đã chuyển mình từ một công cụ hữu ích để viết các đoạn mã đơn lẻ hoặc tìm lỗi nhỏ thành một hệ thống mạnh mẽ, đa năng, có thể tự phát triển toàn bộ cơ sở mã và dịch vụ. Giờ đây, Baker và đội ngũ nhận thấy AI làm việc hiệu quả nhất khi được đối xử như một đồng nghiệp. Các nhà nghiên cứu có thể xác định vấn đề cốt lõi, môi trường làm việc và cách đánh giá chất lượng cũng như ý nghĩa của kết quả, sau đó chỉ dẫn một hay nhiều tác nhân theo thời gian thực về trọng tâm phân tích hoặc công việc cần thực hiện tiếp theo.

Baker cho biết với GPT‑6 Astra, các tác nhân giờ đây không chỉ tìm ra những thay đổi có ý nghĩa và giá trị thực tiễn, mà còn có thể kết hợp, tích lũy những thành quả đó trong một quá trình cải tiến đệ quy. Trong một tác vụ kéo dài, hệ thống có thể phân tích những gì đã tìm ra, đánh giá theo các tiêu chí đã thống nhất từ đề xuất ban đầu và chủ động điều chỉnh hướng làm việc, thay vì cần con người phân tích từng đợt thay đổi. Ông chia sẻ: “Bạn có thể xác định một công việc cần chạy trong nhiều ngày: phải lấy dữ liệu từ nhiều nguồn, đưa ra những nhận định tinh tế về điều gì quan trọng và điều gì không, rồi kết nối tất cả lại. Giờ đây, hệ thống thực sự có thể làm được điều đó để tạo ra một bản phân tích toàn diện.”

Jump Trading hoạt động trên mọi khung thời gian và loại tài sản. Mọi bước trong quy trình đều phức tạp. Trong một ngành chịu sự quản lý chặt chẽ như tài chính, sai sót có thể gây ra hậu quả cả về tài chính lẫn việc tuân thủ quy định. Baker cho rằng việc nhận thức rõ rủi ro khi giao việc cho AI là rất quan trọng. Tuy nhiên, năng lực của tác nhân AI cũng có thể được dùng để nâng cao chất lượng, bảo mật và giám sát, chứ không chỉ để bổ sung tính năng. Thiết kế hệ thống vững chắc với ranh giới và giới hạn rõ ràng, hạ tầng hỗ trợ khả năng điều hướng và quan sát, cùng việc con người rà soát các thay đổi giúp đội ngũ Jump Trading bảo đảm các quy trình ứng dụng AI sẵn sàng mở rộng trong môi trường chịu sự quản lý của pháp luật.

Ông nói: “Điều khiến chúng tôi tin tưởng là một môi trường an toàn, nơi tác nhân hoặc hệ thống có thể tự do tạo ra bất kỳ đầu ra nào cần thiết, nhưng cuối cùng vẫn có quy trình rà soát, trong đó con người thực hiện những bước kiểm chứng then chốt và phê duyệt kết quả.” Ví dụ, nếu một tác nhân tạo ra tín hiệu giao dịch, tín hiệu đó được xác định phạm vi sử dụng và rà soát như mọi đầu ra khác: đây là một tín hiệu thường cung cấp thông tin hữu ích nhưng có thể sai, được tích hợp với tất cả tín hiệu khác trong một môi trường thực thi được rà soát và kiểm soát nghiêm ngặt.

Baker tin rằng chúng ta đang tiến tới một thế giới nơi “nghiên cứu tự động” (tức việc các tác nhân nghiên cứu cải tiến đệ quy những hệ thống có thể đo lường) sẽ phổ biến đến mức được coi là một phần trong quy trình làm việc thường ngày của nhà nghiên cứu định lượng. Hiện nay, ngay cả những công việc kéo dài nhất của GPT‑6 Astra vẫn cần thường xuyên trao đổi với người xác định tác vụ, không chỉ về dữ liệu cần lấy, thời gian chạy và những gì được coi là quan trọng, mà còn về tính hợp lý của các kết quả trung gian. Nghiên cứu tự động tiên tiến vẫn sẽ bắt đầu từ một hệ thống do con người xác định, bao gồm đầu vào, thiết lập môi trường, chỉ số đánh giá, những đánh đổi và các ưu tiên tổng thể. Tuy nhiên, phần còn lại của quy trình sẽ được giao cho một “đội” tác nhân có cấu trúc linh hoạt, do các tác nhân khác điều phối. Trong một quy trình nghiên cứu được tổ chức tốt, các tác nhân này có thể đưa ra quyết định thông minh về cách khám phá ý tưởng, phân bổ thời gian tính toán và tích hợp những phát hiện đầy hứa hẹn, dù điểm khởi đầu hầu như chỉ là một câu hỏi chưa có lời giải.

“Sẽ ra sao nếu bạn có thể kết nối tất cả những bước này thành một quy trình hoàn chỉnh, đặt một câu hỏi khái quát mà ngay cả bạn cũng chưa biết câu trả lời, rồi nhận về một kết quả hữu ích?” ông đặt câu hỏi. “Nếu có thể giải được một bài toán Thiên niên kỷ, có lẽ bạn cũng có thể khám phá những điều khá thú vị về tài chính định lượng.”

Mỗi năm không chỉ mang lại những tiến bộ đều đặn trên các thước đo đánh giá chuẩn, mà còn có những bước nhảy vọt về loại công việc mà các mô hình có thể thực hiện. Những tiến bộ này thường khó dự đoán ngay cả trước đó vài tháng: năm 2024, việc các tác nhân đời đầu viết được một tệp mà không mắc lỗi đã được xem là ấn tượng; đến năm 2025, các tác nhân đã có thể tạo toàn bộ cơ sở mã từ con số không; và năm 2026, nhiều tác nhân có thể phối hợp linh hoạt để đạt tiến triển với những câu hỏi nghiên cứu còn bỏ ngỏ. “Năm tới, chúng ta sẽ có những gì?” ông nói. “Đó là một viễn cảnh thật phi thường.”