Dynamiczny świat handlu ilościowego przechodzi głęboką zmianę, na czele której stoi integracja zaawansowanej sztucznej inteligencji i nowa fala praktyków wywodzących się z informatyki. Ta ewolucja podważa ustalone normy, twierdząc, że rynki finansowe mogą być skutecznie nawigowane za pomocą wyrafinowanych technik AI, podobnie jak modelowanie innych złożonych systemów danych. Na czele tej transformacji stoi Feng Ji, założyciel Baiont, wysokowydajnego funduszu ilościowego w Chinach, którego wizja kładzie nacisk na podejście „AI-first”.
Ewolucja Handlu Ilościowego w Chinach
Handel ilościowy w Chinach zaczął zyskiwać na popularności około 2013 roku, stymulowany zmianami regulacyjnymi i wprowadzeniem narzędzi hedgingowych, przyciągając utalentowanych traderów powracających z Wall Street. Ci pionierzy założyli pierwszą generację udanych funduszy. Obecny krajobraz jest jednak redefiniowany przez drugą generację, odmienną pod względem składu i filozofii. Firmy takie jak Baiont wyłaniają się „spoza kręgu”, postrzegając handel ilościowy nie przez pryzmat tradycyjnych finansów, ale jako czyste wyzwanie technologiczne i analityczne danych.
Filozofia Baiont Oparta na AI
Podstawowe przekonanie Baiont jest takie, że handel ilościowy to fundamentalnie zadanie z dziedziny informatyki, podobne do eksploracji i analizy danych w innych obszarach. Uważają, że dane finansowe nie mają niczego inherentnie unikalnego, co uniemożliwiałoby ich modelowanie przez zaawansowaną sztuczną inteligencję. W związku z tym ich zespół składa się wyłącznie z informatyków i inżynierów, celowo rezygnując z osób z tradycyjnym wykształceniem finansowym. Ten techniczny fundament jest uważany za kluczowy do rozwijania i wykonywania strategii handlowych.
Holistyczne Zastosowanie AI
Znaczące postępy w dziedzinie AI, zwłaszcza w modelowaniu danych szeregów czasowych, są niezwykle istotne dla handlu ilościowego. Tak jak duże modele językowe przewidują następne słowo, modele finansowe przewidują ruchy cen w danym przedziale czasowym. Tradycyjne fundusze ilościowe często dzieliły swoje procesy na niezależne funkcje, takie jak wyszukiwanie czynników, generowanie sygnałów i opracowywanie strategii. Baiont traktuje te etapy jako zunifikowane zadanie uczenia maszynowego, stosując pojedynczy model podstawowy. To holistyczne podejście oferuje korzyści, takie jak przewidywalne aktualizacje systemu i zwiększoną efektywność kosztową, wykorzystując moc obliczeniową (np. procesory graficzne) i wydajne algorytmy zamiast rozległych zespołów ludzkich do zadań takich jak identyfikacja czynników.
Skala, Strategia i Postrzeganie Rynku
Baiont zarządza obecnie aktywami blisko 7 miliardów Rmb (około 970 milionów dolarów) z niewielkim zespołem około 30 osób, w dużej mierze skoncentrowanym na badaniach w celu doskonalenia swoich algorytmów i modeli. Początkowo ich niekonwencjonalne podejście spotkało się ze sceptycyzmem, pojawiały się pytania o możliwość sukcesu informatyków bez wiedzy finansowej. Jednak ich wyniki skierowały uwagę branży na adaptację AI. Feng Ji przewiduje, że zarządzający funduszami ilościowymi, którzy nie przejdą transformacji AI w ciągu najbliższych trzech lat, mogą napotkać eliminację z rynku z powodu rosnącej konkurencji i niezbędnej roli uczenia maszynowego.
Implementacja Techniczna
Baiont rozwija swoje modele AI wewnętrznie, dostosowując je do unikalnych złożoności danych rynkowych. Ich strategie zazwyczaj koncentrują się na krótkoterminowych okazjach handlowych, trwających od minut do godzin. Jest to zgodne ze zdolnością AI do dokładnych krótkoterminowych prognoz, analogicznie do krótkoterminowych prognoz pogody. Modele opierają się głównie na danych transakcyjnych, które napędzają krótkoterminowe wahania cen, a nie na czynnikach fundamentalnych, które zmieniają się rzadziej. Analiza sygnałów w czasie rzeczywistym w różnych ramach czasowych informuje o dynamicznych kombinacjach transakcji.
Przyciąganie Najlepszych Talentów
Handel ilościowy staje się głównym celem dla elitarnych talentów AI, według Ji. Sugeruje on, że znacząca część najlepszych specjalistów od uczenia maszynowego znajduje się obecnie w finansach, potencjalnie przewyższając liczbą tych w Dolinie Krzemowej. Dziedzina ta oferuje zarówno złożone wyzwania techniczne, wymagające optymalizacji z prędkością mierzoną w nanosekundach, jak i znaczne nagrody finansowe. Chociaż historycznie przyciągała matematyków i fizyków, jest coraz częściej zaludniana przez informatyków, których podstawowe umiejętności analizy danych są bezpośrednio stosowane. Sukces finansowy ułatwia również „przełom technologiczny”, pozwalając zespołom na eksplorację powiązanych przedsięwzięć opartych na ich wiedzy technicznej, podobnie jak w historycznych przykładach z innych dziedzin.
Baza Talentów i Kultura
Ji zauważa, że przepaść między młodymi talentami AI w Chinach i USA znacząco się zmniejszyła, a Chiny korzystają z większej puli i silnych stron w inżynierii i innowacjach algorytmicznych. Dostęp do platform open source umożliwił tej generacji szybkie dostosowanie się do światowych liderów technologii. Ta młoda generacja, często pochodząca z bardziej zamożnych środowisk, jest napędzana pasją i pragnieniem wywarcia wpływu, skłaniając się ku wymagającym środowiskom badawczym zamiast dużym strukturom korporacyjnym. Baiont kultywuje kulturę przypominającą środowisko badawcze, kładąc nacisk na współpracę, eksperymenty i wykorzystywanie potężnych zasobów obliczeniowych, co jest kluczowe dla szybkich wyników i wydajności.
Przyszłe Ambicje
Średnioterminowym celem Baiont jest stanie się wiodącym na świecie funduszem ilościowym opartym na AI, rozszerzając działalność na kluczowe rynki zagraniczne. Dążą do wyróżnienia się globalnie poprzez pełne przyjęcie swojej metodologii skoncentrowanej na AI. Patrząc w przyszłość, długoterminowa wizja wykracza poza finanse, z aspiracjami do przekształcenia się w szerszą firmę komputerową, badającą różnorodne potencjalne zastosowania zgromadzonej wiedzy technologicznej.
newsblog.pl
Maciej – redaktor, pasjonat technologii i samozwańczy pogromca błędów w systemie Windows. Zna Linuxa lepiej niż własną lodówkę, a kawa to jego główne źródło zasilania. Pisze, testuje, naprawia – i czasem nawet wyłącza i włącza ponownie. W wolnych chwilach udaje, że odpoczywa, ale i tak kończy z laptopem na kolanach.