Dynamický svět kvantitativního obchodování prochází hlubokou transformací, kterou vede integrace pokročilé umělé inteligence a nová vlna odborníků s kořeny v informatice. Tento vývoj zpochybňuje zavedené normy a tvrdí, že finanční trhy lze efektivně řídit pomocí sofistikovaných technik umělé inteligence, podobně jako při modelování jiných komplexních datových systémů. V čele této transformace stojí Feng Ji, zakladatel společnosti Baiont, vysoce výkonného kvantitativního fondu v Číně, jehož vize klade důraz na přístup „AI-first“ (nejprve umělá inteligence).
Vývoj kvantitativního obchodování v Číně
Kvantitativní obchodování v Číně si zpočátku získalo oblibu kolem roku 2013, podpořeno regulačními změnami a zavedením nástrojů pro hedging, což přilákalo talentované obchodníky vracející se z Wall Street. Tito průkopníci založili první generaci úspěšných fondů. Současnou krajinu však nově definuje druhá generace, odlišná svým složením a filozofií. Firmy jako Baiont se vynořují „mimo kruh“ a pohlížejí na kvantitativní obchodování ne tradiční finanční optikou, ale jako na čistě technologickou výzvu a výzvu pro analýzu dat.
Filozofie Baiontu postavená na AI
Klíčovou vírou společnosti Baiont je, že kvantitativní obchodování je v zásadě úkol z oblasti informatiky, podobný dolování a analýze dat v jiných oblastech. Nevidí v finančních datech nic, co by jim bránilo v modelování pomocí pokročilé umělé inteligence. V důsledku toho jejich tým tvoří výhradně počítačoví vědci a inženýři, záměrně se zříkající tradičního finančního zázemí. Tento technický základ je považován za prvořadý pro vývoj a provádění obchodních strategií.
Holistické použití AI
Významný pokrok v oblasti umělé inteligence, zejména v modelování časových řad, je pro kvantitativní obchodování vysoce relevantní. Stejně jako velké jazykové modely předpovídají další slovo, finanční modely předpovídají pohyb cen v daném intervalu. Tradiční kvantitativní fondy často segmentovaly své procesy do nezávislých funkcí, jako je hledání faktorů, generování signálů a tvorba strategií. Baiont však tyto fáze považuje za jednotný úkol strojového učení, využívající jediný základní model. Tento holistický přístup nabízí výhody, jako jsou předvídatelné aktualizace systému a zvýšená nákladová efektivita, využívající výpočetní výkon (např. GPU) a efektivní algoritmy místo rozsáhlých lidských týmů pro úkoly, jako je identifikace faktorů.
Měřítko, strategie a vnímání trhu
Baiont v současné době spravuje aktiva v hodnotě téměř 7 miliard RMB (přibližně 970 milionů USD) s kompaktním týmem asi 30 lidí, silně zaměřeným na výzkum s cílem zdokonalit své algoritmy a modely. Zpočátku jejich nekonvenční přístup vedl ke skepticismu a vyvolával otázky ohledně úspěchu počítačových vědců bez finančních znalostí. Jejich výkonnost však posunula pozornost odvětví směrem k přijetí umělé inteligence. Feng Ji předpokládá, že manažeři kvantitativních fondů, kteří během příštích tří let neprojdou transformací směrem k umělé inteligenci, můžou čelit eliminaci z trhu kvůli rostoucí konkurenci a nepostradatelné roli strojového učení.
Technická implementace
Baiont vyvíjí své modely umělé inteligence interně a přizpůsobuje je jedinečné složitosti tržních dat. Jejich strategie se obvykle zaměřují na krátkodobé obchodní příležitosti, v rozsahu minut až hodin. To odpovídá schopnostem AI pro přesné krátkodobé předpovědi, analogicky ke krátkodobým předpovědím počasí. Modely se spoléhají především na obchodní data, která pohánějí krátkodobé cenové fluktuace, spíše než na fundamentální faktory, které se mění méně často. Analýza signálů v reálném čase napříč různými časovými rámci informuje o dynamických kombinacích obchodů.
Přilákání špičkových talentů
Kvantitativní obchodování se stává hlavním lákadlem pro elitní talenty v oblasti AI, uvádí Ji. Naznačuje, že významná část špičkových profesionálů v oblasti strojového učení se nyní nachází ve finančnictví a potenciálně převyšuje ty v Silicon Valley. Obor nabízí jak složité technické výzvy vyžadující optimalizaci rychlostí měřenou v nanosekundách, tak značné finanční odměny. Zatímco historicky oslovoval matematiky a fyziky, stále častěji je obsazen počítačovými vědci, jejichž klíčové dovednosti v analýze dat jsou přímo použitelné. Finanční úspěch také usnadňuje „technologický přeliv“, který týmům umožňuje zkoumat související podniky na základě jejich technických znalostí, podobně jako historické příklady v jiných oblastech.
Zásobárna talentů a kultura
Ji pozoruje, že mezera mezi mladými talenty v oblasti AI v Číně a USA se výrazně zmenšila, přičemž Čína těží z většího počtu talentů a silných stránek v inženýrství a algoritmických inovacích. Přístup k open-source platformám umožnil této generaci rychle se sladit s globálními technologickými lídry. Tato mladá generace, často z majetnějších rodin, je poháněna vášní a touhou mít dopad, inklinuje k náročným výzkumným prostředím spíše než k velkým korporátním strukturám. Baiont pěstuje kulturu podobnou výzkumu, zdůrazňující spolupráci, experimentování a využívání výkonných výpočetních zdrojů, což je klíčové pro rychlé výsledky a efektivitu.
Budoucí ambice
Střednědobým cílem společnosti Baiont je stát se předním světovým kvantitativním fondem postaveným na AI, rozšiřujícím působnost na klíčové zámořské trhy. Chtějí se celosvětově odlišit plným přijetím své metodologie zaměřené na AI. Z dlouhodobého hlediska se vize rozšiřuje za hranice finančnictví s ambicemi vyvinout se ve širší výpočetní společnost, zkoumající různé potenciální aplikace pro své nashromážděné technologické znalosti.