En tant que société de trading quantitatif, Jump Trading crée des modèles prédictifs qui utilisent des données de marché, des actualités et des événements, ainsi qu'une gamme de sources de données alternatives pour faire les prédictions les plus précises possibles sur les prix des actifs. Comme les marchés sont complexes, bruyants et évolutifs, il est rarement possible d'anticiper exactement ce qui va se passer. Mais selon Lucas Baker, responsable de la R&D sur les LLM chez Jump, prédire même légèrement mieux qu'un lancer de pièce à grande échelle suffit à donner lieu à une stratégie réussie. Baker dirige la recherche et le développement de systèmes autonomes, et il se concentre sur la construction des agents, des harnais et de l'infrastructure qui permettent aux chercheurs quantitatifs d'explorer leurs idées avec plus de profondeur et d'étendue. L'ajout de GPT-6 Astra a considérablement élargi l'échelle et la complexité des flux de travail qui peuvent être confiés aux agents, de la programmation quotidienne aux études quantitatives avancées visant à valider de nouvelles hypothèses.
"Avec la série GPT-6, en particulier GPT-6 Astra, Open AI a débloqué un nouveau niveau d'autonomie pour les tâches à long terme qui nécessitent une coordination flexible des agents et une persistance extrême sur des flux de travail complexes. Là où nous devions auparavant fournir une guidance et une intervention humaines fréquentes, nous pouvons désormais nous concentrer pleinement sur la définition d'un environnement sécurisé et bien surveillé avec des objectifs clairs, et laisser les agents trouver leur propre chemin."—Lucas Baker, responsable de la R&D sur les LLM, Jump Trading
Des extraits de code courts à l'analyse complète
Au cours de l'année écoulée, l'IA est passée d'un outil utile, pratique pour écrire des extraits de code ponctuels ou trouver de petits bugs, à un système capable et polyvalent capable de développer seul des bases de code et des services entiers. Désormais, Baker et son équipe constatent que l'IA fonctionne mieux lorsqu'elle est traitée davantage comme un collègue. Les chercheurs peuvent définir un problème clé, un environnement de travail et une méthode d'évaluation de la qualité et de la signification des résultats, puis orienter en temps réel un ou plusieurs agents sur l'endroit où concentrer l'analyse ou quelle tâche exécuter ensuite. Baker indique qu'avec GPT-6 Astra, les agents sont désormais capables non seulement de trouver des changements significatifs et pratiques, mais aussi de fusionner et d'empiler ces succès dans un processus d'amélioration récursive. Au cours d'une seule tâche à long terme, le système peut analyser ses découvertes, les juger par rapport aux critères convenus d'une proposition initiale, et réorienter activement ses efforts plutôt que de nécessiter qu'une personne analyse chaque tour de modifications. Comme il le dit : "Vous pouvez définir quelque chose qui doit s'exécuter pendant des jours—il doit puiser dans de nombreuses sources de données, il doit faire ces appels subtils sur ce qui est important et ce qui ne l'est pas, et il doit tout interconnecter—pour créer une analyse complète qui fonctionne réellement maintenant," dit-il.
Garder le jugement humain au centre
Jump Trading travaille sur tous les horizons temporels et toutes les classes d'actifs. Chaque étape du processus est complexe, et dans une industrie fortement réglementée comme la finance, les erreurs peuvent avoir des conséquences financières et de conformité. Baker souligne qu'il est crucial d'être conscient des risques liés à la délégation de travail à l'IA, mais aussi que l'intelligence agentique peut être appliquée pour améliorer la qualité, la sécurité et la surveillance, pas seulement pour ajouter des fonctionnalités. Une conception de système solide et des limites claires, des contraintes explicites, une infrastructure favorisant la pilotabilité et l'observabilité, ainsi qu'une revue humaine des modifications aident l'équipe de Jump Trading à s'assurer que les flux de travail alimentés par l'IA sont prêts à être mis à l'échelle dans un environnement réglementé.
"Si vous disposez d'un environnement sûr où l'agent ou le système est libre de produire n'importe quelle sortie dont il a besoin, mais qu'il existe également un processus de revue humaine à la fin où une validation critique a lieu avec acceptation humaine, c'est ce qui nous donne confiance," dit-il. Par exemple, si un agent produit un signal de trading, il est délimité et revu de la même manière que n'importe quelle autre sortie : comme un signal, généralement informatif mais potentiellement erroné, et intégré...
Entités clés : Co...
Questions fréquentes
Q : Comment Jump Trading utilise-t-il l'IA dans la recherche quantitative ?
R : Jump Trading utilise GPT-6 Astra d'OpenAI pour étendre la recherche quantitative en permettant des flux de travail d'IA à long terme qui combinent plusieurs sources de données avec une revue humaine. Les agents d'IA assistent dans la programmation, la validation des hypothèses et l'amélioration récursive des modèles, tandis que la supervision humaine garantit la conformité et la qualité dans un environnement réglementé.
Source: OpenAI Blog · Résumé par HeadlinesBriefing