Koniec z szumem w finansach? AQuA od Princeton i Stanforda wyznacza nowe reguły AI

Branża finansów ilościowych od dekad uderza w ten sam szklany sufit: sygnały, które wyglądają na żyłę złota w testach historycznych, często okazują się zwykłym szumem statystycznym. Problem pogłębiło wejście do gry modeli językowych, które potrafią błyskawicznie generować tysiące strategii, ale równie szybko „zanieczyszczają” wyniki, nieświadomie zaglądając w przyszłość. Badacze z Princeton, Stanforda i Ant Group opublikowali właśnie odpowiedź na ten kryzys – framework AQuA (Autonomous Factor Discovery).

Dlaczego to ważne właśnie teraz

W momencie, gdy fundusze hedgingowe masowo wdrażają autonomicznych agentów, ryzyko tzw. adaptacyjnego przeuczenia stało się realnym zagrożeniem dla stabilności rynkowej. AQuA to pierwszy tak rygorystyczny system, który narzuca sztucznej inteligencji metodologiczną klatkę. Według autorów, framework składa się z dwóch odrębnych systemów: jeden służy do odkrywania czynników symbolicznych, a drugi do budowy modeli uczących się. Taki podział sprawia, że AI nie może „oszukiwać” przy ocenie własnych pomysłów.

Architektura „asymetrycznej wolności”

Głównym problemem dotychczasowych modeli była zbyt duża swoboda. Agent projektujący eksperyment często kontrolował też sposób jego oceny, co prowadziło do błędów poznawczych. AQuA wprowadza mechanizm asymetrycznej wolności. AI może dowolnie modyfikować kod w ramach języka dziedzinowego (DSL), ale parametry krytyczne, jak podziały danych czy kryteria sukcesu, są dla niej całkowicie zablokowane.

Struktura operacyjna robi wrażenie rozmachem. Jak podają źródła zbliżone do projektu, pierwsza część systemu to rurociąg sześciu agentów sterowany przez menedżera AI. Każdy ma swoje zadanie: od selekcji danych po zarządzanie biblioteką wyników. Takie rozproszenie kompetencji sprawia, że żadna pojedyncza halucynacja modelu nie zepsuje końcowej strategii.

Liczby nie kłamią: Od krypto po Wall Street

Skuteczność systemu przetestowano w dwóch skrajnie różnych środowiskach:

• Rynek kryptowalut: W 5-minutowych interwałach AQuA osiągnęła współczynnik korelacji Spearmana (IC) na poziomie 0,190. To wynik, który deklasuje popularne rozwiązania, takie jak AlphaGen.
• Akcje USA: W 30-minutowych oknach czasowych model uzyskał IC równe 0,0843. Oznacza to poprawę o 37,5% względem najsilniejszych dotychczasowych metod bazowych.

Co kluczowe dla praktyków, system przeszedł test „czystego arkusza”. Badacze odizolowali dane z roku 2020, by sprawdzić model na nieznanym mu okresie 2021–2025. Wynik? Portfel akcyjny utrzymał dodatnią stopę zwrotu w każdym roku, w tym w niezwykle trudnym 2022 roku. Po uwzględnieniu realnych kosztów transakcyjnych, współczynnik Sharpe’a wyniósł 2,50.

Koniec z wyciekami danych

Sukces AQuA tkwi w bezwzględnej izolacji. Systemy nie dzielą się pamięcią, a ich interakcja z danymi jest ograniczona do minimum. „Prezentujemy AQuA jako dwa oddzielne systemy badawcze napędzane modelami językowymi: jeden do odkrywania czynników symbolicznych i jeden do rozwoju modeli uczących się” – piszą autorzy w swojej publikacji. Dzięki takiemu podejściu udało się wyeliminować kanały wycieku informacji, co do tej pory było największą bolączką autonomicznego tradingu. Zamiast szukać „magicznego wzoru”, AI uczy się wyłapywać kombinacje tysięcy słabych sygnałów, które w sumie dają stabilny zysk.