हेज फंड क्वांट्स हर ट्रेड कैसे जीतते हैं (AI का उपयोग करके)

Man Group के हेड ऑफ क्वांट ने एक बात कही थी जो मेरे दिमाग में बैठ गई:

"चुनौती डेटा और संभावित बाजार संबंधों की विशाल मात्रा है, जो किसी भी मानव टीम के हाथ से मूल्यांकन करने की क्षमता से कहीं अधिक तेज़ी से बढ़ी है।"

इसलिए उन्होंने AlphaGPT बनाया। यह सिग्नल परिकल्पनाएँ उत्पन्न करता है, कोड लिखता है, और बैकटेस्ट चलाता है। स्वायत्त रूप से। प्रति तिमाही 20 के बजाय प्रति सप्ताह सैकड़ों विचार।

Bridgewater और आगे बढ़ गया और एक $2 बिलियन का फंड बनाया जहाँ AI प्राथमिक ट्रेडिंग निर्णय लेता है।

Jane Street ने पिछले साल GPU इंफ्रास्ट्रक्चर पर $6 बिलियन खर्च किए ताकि मालिकाना मॉडल प्रशिक्षित कर सके।

मैं यह दिखावा नहीं करूँगा कि मुझे पता है कि इन सिस्टम के अंदर वास्तव में क्या चल रहा है। लेकिन इन्हें बनाने वाले लोगों के सार्वजनिक बयान काफी सुसंगत कहानी बताते हैं, और यह वह नहीं है जो ज़्यादातर लोग "AI ट्रेडिंग" सुनकर मान लेते हैं।

जीतने वाली फर्में अपने क्वांट्स को बदल नहीं रही हैं। वे प्रत्येक क्वांट को लगभग 10 गुना तेज़ बना रही हैं।

यह लेख आज Polymarket पर उसी आर्किटेक्चर को चलाने का पूरा ढाँचा है।

भाग 1 - क्या AI क्वांट्स की जगह लेगा?

वह सवाल जो हर कोई गलत पूछता है।

Man Group ने जुलाई 2025 में AlphaGPT को सार्वजनिक किया। सिस्टम सिग्नल परिकल्पनाएँ उत्पन्न करता है, कार्यान्वयन कोड लिखता है, और स्वायत्त रूप से बैकटेस्ट चलाता है। कई दर्जन सिग्नल पहले ही मानव समीक्षा पास करने के बाद लाइव ट्रेडिंग के लिए स्वीकृत हो चुके हैं।

मात्रात्मक निवेश में चुनौती डेटा और संभावित बाजार संबंधों की विशाल मात्रा है, जो किसी भी मानव टीम के हाथ से मूल्यांकन करने की क्षमता से कहीं अधिक तेज़ी से बढ़ी है।

एक मजबूत शोध टीम एक तिमाही में 20 सिग्नल विचारों का गंभीरता से परीक्षण कर सकती है। AlphaGPT एक सप्ताह में सैकड़ों का परीक्षण करता है।

लेकिन AlphaGPT का एक भी सिग्नल बिना किसी शोधकर्ता के जानबूझकर निर्णय के वास्तविक पूंजी को नहीं छूता।

Bridgewater ने एक AI रीज़निंग इंजन बनाया जो LLMs, मशीन लर्निंग और तर्क उपकरणों को जोड़ता है। उनके सह-सीआईओ ने इसे "एक बड़ी छलांग" कहा। लेकिन मानव अभी भी जोखिम प्रबंधन और निष्पादन की देखरेख करते हैं।

Citadel के CTO ने स्पष्ट रूप से कहा: "हम नहीं चाहते कि PM अपने मानव निवेश निर्णय को AI पर छोड़ें।"

Ken Griffin ने स्वयं कहा कि AI दक्षता बढ़ाता है, लेकिन अपने आप बाजार से बेहतर रिटर्न देने की संभावना नहीं है।

जीतने वाली फर्में अपने क्वांट्स को 10 गुना तेज़ बना रही हैं। उन्हें बदल नहीं रही हैं।

भाग 2 - पाँच उपयोग मामले वास्तविक बढ़त के साथ

उपयोग मामला 1: एजेंटिक सिग्नल डिस्कवरी

Man Group का AlphaGPT एक लूप में चार एजेंट चलाता है:

• एजेंट 1 एक सिग्नल परिकल्पना उत्पन्न करता है।
• एजेंट 2 कार्यान्वयन कोड लिखता है।
• एजेंट 3 शुद्ध चैलेंजर के रूप में कार्य करता है - हर कारण ढूँढता है कि सिग्नल नकली या अतिफिट क्यों हो सकता है।
• एजेंट 4 बैकटेस्ट का मूल्यांकन करता है और तय करता है कि इसे मानव समीक्षा के लिए भेजना है या नहीं।

Polymarket पर यह सीधे मैप होता है:

• एजेंट 1 समाचार, संबंधित बाजारों और आधार दरों से संभाव्यता अनुमान उत्पन्न करता है।
• एजेंट 2 वर्तमान बाजार मूल्य से तुलना करता है।
• एजेंट 3 चुनौती देता है: इसके गलत होने के लिए क्या सच होना होगा?
• एजेंट 4 EV का मूल्यांकन करता है और मानव को go/no-go भेजता है।

उपयोग मामला 2: वैकल्पिक डेटा निष्कर्षण

पूर्वानुमान बाजारों के लिए, फेड अधिकारी का हर बयान, हर भू-राजनीतिक घटनाक्रम, हर आर्थिक डेटा रिलीज़ में सिग्नल होता है। AI असंरचित पाठ को एक संरचित संभाव्यता बदलाव में बदल देता है।

उपयोग मामला 3: मोंटे कार्लो महत्व परीक्षण

मानक बैकटेस्टिंग इतिहास में एक ही पथ का उपयोग करती है। एक पथ पर्याप्त नहीं है।

उपयोग मामला 4: रेजीम-अवेयर पोजीशन साइज़िंग

f_adjusted = f_kelly x regime_factor x (1 - drawdown_factor)

उपयोग मामला 5: डिप्लॉयमेंट मॉनिटरिंग

भाग 3 - पूरी पाइपलाइन

यहाँ से शुरू करें यदि आप अभी तक Polymarket पर नहीं हैं: polymarket.com/?r=atlas

$28 बिलियन का कारोबार। 9,000+ बाजार। हर हल किया गया अनुबंध आपके मॉडल के लिए एक ग्राउंड ट्रुथ डेटा पॉइंट है।

6 चरण। 5 स्वचालित। 1 हमेशा मानव।

चरण 1 - डेटा इंजेस्ट: ऐतिहासिक रिज़ॉल्यूशन दरें, मूल्य समय श्रृंखला, संबंधित बाजार सहसंबंध, वॉल्यूम मीट्रिक।

चरण 2 - सिग्नल परिकल्पना: विशिष्ट, परीक्षण योग्य, आर्थिक तर्क के साथ और वे शर्तें जिनके तहत यह विफल होता है।

चरण 3 - प्रतिकूल चुनौती: एक अलग एजेंट जिसका एकमात्र काम परिकल्पना को तोड़ना है, इससे पहले कि इसे बनाने में कोई समय लगाया जाए। Man Group इसे AlphaGPT का सबसे मूल्यवान भाग कहता है।

चरण 4 - वॉक-फॉरवर्ड बैकटेस्टिंग: प्रत्येक पैरामीटर का अनुमान केवल व्यापार के समय उपलब्ध डेटा का उपयोग करके लगाया जाता है। यह एक आवश्यकता फुलाए गए बैकटेस्ट प्रदर्शन के सबसे सामान्य स्रोत को समाप्त करती है।

चरण 5 - मोंटे कार्लो महत्व परीक्षण: यदि आपका सिग्नल 10,000 यादृच्छिक विकल्पों में शीर्ष 5% में है, तो आपके पास वास्तविक बढ़त का सबूत है।

चरण 6 - मानव समीक्षा द्वार: स्वचालित नहीं किया जा सकता। तीन शर्तें लिखें जो आपको सिस्टम को शुरू करने से पहले रुकने और समीक्षा करने पर मजबूर कर देंगी।

भाग 4 - AI से पहले बनाम AI के बाद

AI से पहले:

एक विचार पढ़ने या अवलोकन से आता था। कार्यान्वयन लिखने में घंटों या दिन लगते थे। उचित बैकटेस्टिंग सेट करने में और अधिक समय लगता था। एक शोधकर्ता प्रति वर्ष 20 रणनीतियों का गंभीरता से परीक्षण कर सकता था। पोजीशन साइज़िंग अंतर्ज्ञान से कैलिब्रेट की जाती थी।

AI के बाद:

विचार और कठोर मूल्यांकन के बीच का समय दिनों से घंटों तक संकुचित हो गया। आप अपनी परिकल्पनाओं पर प्रतिकूल समीक्षा चलाते हैं, इससे पहले कि आप उन्हें बनाने में समय लगाएं। आप एक आशाजनक सिग्नल के 12 रूपांतरों का परीक्षण करते हैं और अंतर्ज्ञान से एक चुनने के बजाय सभी का मूल्यांकन करते हैं।

Man Group ने इसे सटीक रूप से वर्णित किया: तकनीक उन्हें अधिक विचारों का परीक्षण करने में मदद करती है। शोधकर्ता उन सिग्नलों का मूल्यांकन करने में समय बिताते हैं जो पहले से ही स्वचालित चुनौती से बच गए हैं, बजाय कार्यान्वयन कार्य पर उस समय को खर्च करने के।

विशेष रूप से Polymarket के लिए, संकुचन और भी अधिक मूल्यवान है। बाजार निश्चित तिथियों पर हल होते हैं। अच्छी कीमत पर प्रवेश करने की खिड़की सीमित है। आप जितनी तेज़ी से परिकल्पना से मान्य सिग्नल तक जाते हैं, उतने ही अधिक अवसर आप वास्तव में कैप्चर करते हैं।

सारांश

AI बाजारों की भविष्यवाणी नहीं करता है।

यह एक ट्रेडिंग विचार और उस विचार के कठोर परीक्षण के बीच के समय को दिनों से घंटों तक संकुचित करता है। यह प्रतिकूल समीक्षा चलाता है जो अधिकांश व्यवस्थित व्यापारी अपनी परिकल्पनाओं पर कभी लागू नहीं करते।

Man Group: LLMs ने परिवर्तन की गति को तेज कर दिया है। लेकिन उनके क्वांट अभी भी हैं। हर सिग्नल जो पूंजी तक पहुँचता है, उस पर एक शोधकर्ता ने हस्ताक्षर किए हैं।

Jane Street ने अपने शोधकर्ता जो कर सकते हैं उसे गुणा करने के लिए $6 बिलियन GPU इंफ्रास्ट्रक्चर में निवेश किया। उन्हें बदलने के लिए नहीं।

AI ने उन्हें पैमाना दिया। निर्णय मानवीय रहा।

पूर्वानुमान बाजारों में अभी बढ़त बेहतर जानकारी नहीं है।

यह बाकी सभी की तुलना में अधिक विचारों का तेज़ी से परीक्षण करना है और केवल उन पर कार्रवाई करना है जो प्रतिकूल समीक्षा में बच जाते हैं।

यही पूरी प्रणाली है।