Кінець квантового аналізу? Як ШІ демократизує фінансовий аналіз

NEW YORK, NEW YORK - 28 БЕРЕЗНЯ: Трейдери працюють на підлозі Нью-Йоркської фондової біржі (NYSE) ... Більше 28 березня 2025 року, у Нью-Йорку. Оскільки ескалація торгової війни президента Трампа та ознаки інфляції хвилюють інвесторів, індекс Доу-Джонса (DJI) впав більше ніж на 700 пунктів або майже 1,7%. (Фото Спенсера Платта/Getty Images)

Getty ImagesНова хвиля стартапів у сфері штучного інтелекту націлилася на одну з найспеціалізованіших ролей на Уолл-стріт: кількісний аналітик. Від хедж-фондів до товарних бірж, платформи ШІ обіцяють демократизувати складні математичні моделі та аналіз даних, які довгий час були ексклюзивною доменом високооплачуваних квантів.

До нещодавна великі мовні моделі для трейдингу були доменом мільярдерів-управителів фондів, таких як Ігор Тульчинський, чий хедж-фонд WorldQuant управляє понад 23 мільярдами доларів і наймає більше 150 докторів наук для створення кастомних AI-систем. Як Тульчинський нещодавно сказав Forbes, його компанія використовує LLM для "перетворення та відкриття альф у різних доменах", створюючи власні інструменти, які можуть відповідати на "дуже складні питання", поєднуючи стандартні моделі з внутрішніми даними, які "справді ніхто не може відтворити."

Але нове покоління стартапів працює над тим, щоб змінити цю ексклюзивність, пропонуючи складну аналітику на основі AI компаніям, які раніше не могли дозволити собі такі можливості. Ця тенденція представляє собою фундаментальний зсув у тому, як фінансові установи підходять до прийняття рішень на основі даних. Замість того, щоб наймати команди аналітиків рівня PhD для обробки чисел і виявлення ринкових патернів, компанії все більше звертаються до AI-систем, які можуть обробляти величезні обсяги інформації за секунди та надавати висновки простими словами.

Три компанії, які були виділені в останніх випадках дослідження (FINTool, Metal AI та Findly), намагаються охопити різні куточки фінансового світу за допомогою платформ для досліджень та аналітики на базі штучного інтелекту. Кожна з них обіцяє перетворити години ручного аналізу на автоматизовані інсайти, що потенційно може змінити спосіб прийняття інвестиційних рішень.

Хвиля заміни AI Quant

Ключова тенденція стосується здатності ШІ обробляти різні джерела даних, аналізуючи їх відповідно до побажань ризикованих гравців. Обіцянка полягає в тому, що системи ШІ можуть шукати, агрегірувати та синтезувати джерела даних без втручання людини.

БІЛЬШЕ ДЛЯ ВАСНаприклад, FINTool зосереджується на публічних дослідженнях акцій для хедж-фондів і банків, аналізуючи мільйони документів, від звітів про прибутки до подань до SEC. Платформа стверджує, що зменшує навантаження на аналітиків з годин до секунд, зберігаючи "нульові галюцинації" через трирівневу систему оцінки колег. З іншого боку, Metal AI націлений на компанії приватного капіталу, де команди угод стикаються з фрагментованими даними в різних системах, будь то платформи ринкових досліджень або конфіденційні кімнати даних. Інтелектуальна платформа компанії стверджує, що об'єднує внутрішні та зовнішні джерела даних, дозволяючи інвестиційним професіоналам ставити складні запитання природною мовою замість того, щоб витрачати час на ручне агрегування інформації.

Але, можливо, найрозвиненішою спробою замінити традиційну кількісну працю є проект Findly, підтримуваний YC, чия платформа Darling Analytics викликає фурор у notoriously складному світі торгівлі товарами.

Від торгового майданчика Quant до стартапу в сфері ШІ

Ігнасіо Ідальго знає торгівлю товарами зсередини. Як колишній провідний трейдер на деяких з найвідоміших торгових столів з LPG, він на власному досвіді відчув щоденну боротьбу за синтезування величезних обсягів ринкових даних, погодних патернів, інформації про перевезення та потоки, а також геополітичних подій у прибуткові торгові рішення.

"Проблема була такою ж, просто іншою," пояснює Хідальго, розповідаючи про свій перехід від трейдера до технологічного підприємця. "Більшість розвинутих інструментів для структурованої та розширеної аналітики даних все ще залишали трейдерів без контексту, який їм був потрібен. Дуже складна проблема для вирішення"

Тепер, разом із співзасновником Педро Насіменто, Ідальго створює те, що він називає "абсолютно новою у світі" технологією через їх стартап Findly, підтримуваний Y Combinator. Їхня платформа Darling Analytics має на меті надати звичайним торговим столам з товарами "супер аналітичні можливості", які традиційно обмежені спеціалізованими кількісними столами.

Торговля товарами функціонує у світі крайнощів. Складні математичні моделі співіснують з дивно простими інструментами. У той час як деякі операції використовують складні алгоритми та аналітику в реальному часі, інші покладаються на групові чати в WhatsApp для укладання угод. Трейдери часто ведуть бізнес через месенджери з мінімальним технологічним рівнем.

"Графіки не дають вам контексту," зазначає Хідальго. "Неможливо, щоб людина сприймала всі параметри: зміни цін за ніч, інформацію про завантаження суден, дані про погоду та прогнози, новини. З AI ви можете запитати 'Що сталося з ціною на нафту цього тижня? Чи хороший час для купівлі?' і отримати набагато чіткішу картину з ринковим контекстом.

AI Quants: Реальна реалізація

Darling Analytics вже проходить пілотування в кількох великих товарних компаніях. Система автоматизує типи ранкових та подійних звітів, які зазвичай складають молодші трейдери вручну, звільняючи людей-аналітиків для зосередження на більш цінній стратегічній роботі. Вона інтегрує (near) реальні структуровані дані з неструктурованою інформацією з ринкових звітів, X, Інтернету, електронних листів та новинних стрічок, щоб надати всеосяжну ринкову розвідку.

"Штучний інтелект може надати повний контекст даних щодо ваших метрик. Це не те саме, що просто побудувати графік, він говорить вам, що означає графік у поточному контексті ринку," пояснює Хідальго. Платформа створює те, що він називає "графом знань", дозволяючи користувачам ставити запитання, специфічні для трейдерів, природною мовою та отримувати аналіз, для якого раніше були потрібні години ручного дослідження.

Наприклад, трейдер може попросити інструмент побудувати графік взаємозв'язку між погодою та запасами пропану на Східному узбережжі Сполучених Штатів. Хоча раніше це зайняло б у молодшого аналітика години підготовки, тепер трейдер може делегувати завдання платформі та отримати результати за хвилини.

Запит у DarlingAnalytics

DarlingAnalytics## Що далі для AI квантів?

Успіх цих AI платформ піднімає важливі питання про майбутнє кількісного аналізу у фінансах. Якщо штучний інтелект дійсно може відтворити розпізнавання шаблонів та аналітичні можливості, які роблять квантів цінними, це може суттєво змінити структуру торгових та інвестиційних команд.

Для торгових столів, які покладаються на аналітиків або квантів для надання досліджень для розгортання ризиків, аналітика на базі штучного інтелекту забезпечує конкурентну перевагу, підсилюючи людські можливості, а не просто замінюючи їх. Ця технологія обіцяє демократизувати доступ до складного аналізу в усіх організаціях.

Однак перехід не обходиться без викликів. Ринки товарів відомі своєю непередбачуваністю, на яку впливають все: від геополітичних напружень до погодних умов. Компанії, які розробляють ці AI-системи, повинні впевнитися, що їхні платформи можуть впоратися з складністю та волатильністю, які роблять людську експертизу такою цінною в першу чергу.

Як зазначає Ідальго, мета полягає в тому, щоб "наділити середнього користувача в компаніях з торгівлі товарами" аналітичними можливостями, які раніше були виключно у сфері спеціалістів.

Чи може штучний інтелект насправді замінити інтуїцію та відчуття ринку, які досвідчені трейдери приносять у торгівлю, ще належить з'ясувати, але те, що він робить, так це надає перевагу в обробці даних за лічені хвилини. Але оскільки великі трейдери товарів вже тестують ці системи, фінансова індустрія, здається, готова це з'ясувати.