L'IA ha risolto il problema di Navier-Stokes, ha hackerato i nostri sistemi più sicuri e ha progettato nuovi trattamenti contro il cancro.
Eppure non riesce ancora a battere l'S&P 500.
Quando l'IA batterà il mercato?
È una domanda da mille miliardi di dollari che i laboratori si trovano davanti.
La risposta è sorprendentemente elegante.
Tutto inizia con la costruzione, nel 1991, del più grande robot del mondo.
Con i suoi 360 metri di acciaio, la Maeslantkering è la struttura mobile più grande sulla Terra. Opera in completa autonomia.
Gli olandesi la conoscono come la loro barriera contro le inondazioni, costruita per proteggere i 2,7 milioni di residenti di Rotterdam da mortali mareggiate.
Per fare il suo lavoro, il robot deve prevedere perfettamente il livello del mare.
Il modello più semplice del livello del mare è un interruttore.
Quando la marea è alta, l'interruttore è acceso. Quando la marea è bassa, si spegne.
Un interruttore (arancione) è un cattivo modello della realtà (verde acqua).
Ma l'interruttore non coglie la forma della marea. Una marea crescente supera comunque la soglia di pericolo.
Il robot ha bisogno di un modello migliore.
La marea è in gran parte guidata dalla luna, la cui attrazione gravitazionale traccia una curva periodica sugli oceani. Sostituisci l'interruttore con una sinusoide e la previsione del robot inizia a seguire la marea.
La gravità lunare (arancione) è un modello migliore della realtà (verde acqua).
È ancora imperfetto. La marea è modellata anche dall'attrazione del sole, dalla batimetria della baia, dall'eccentricità dell'orbita e da dozzine di altri fattori.
Solo quando il robot contiene tutta la struttura rilevante del sistema solare può prevedere le maree.
Tutte le forze di marea (arancione) permettono al modello di corrispondere perfettamente alla realtà (verde acqua).
Questo esemplifica il Teorema del Buon Regolatore, dimostrato da Conant e Ashby nel 1970:
"Ogni buon regolatore di un sistema deve essere un modello di quel sistema."
Spiega perfettamente la frontiera delle capacità dell'IA oggi:
- I modelli di scacchi contengono la geometria della scacchiera, ricostruita dalle sequenze di mosse.
- Gli agenti di coding contengono le regole del calcolo, derivate da ogni riga di codice open source.
- I modelli video e del mondo contengono le leggi fisiche, ridefinite dai pixel.
L'IA sta divorando il mondo.
Ma solo nell'ordine di ciò che può inghiottire.
Ecco lo stesso divario tra modello e realtà, ridisegnato per il mercato azionario:
Il modello di valutazione di Morningstar (arancione) diverge dalla realtà (verde acqua).
Chiaramente, la 'stima del fair value' di Morningstar non è un 'buon regolatore'.
Forse Morningstar non è di livello mondiale nella valutazione delle azioni. Ma lo stesso quadro vale all'interno degli obiettivi di prezzo interni dei migliori hedge fund. Nessuno ha un buon regolatore per i prezzi, e ciò è dovuto a un fatto semplice:
I mercati sono autoreferenziali, o come li chiamano gli economisti, sistemi riflessivi.
I prezzi sono fissati da milioni di persone che guardano il prezzo, si guardano l'un l'altro reagire al prezzo e reagiscono a loro volta.
Nessuno ha costruito un'IA che contiene la folla.
I mercati cadono nell'ordine in cui l'IA può contenerli.
Ma la finanza sta comunque cadendo, e alcuni mercati sono già contenuti.
Il teorema spiega perfettamente l'ordine in cui cadono:
1. I quant hanno già costruito la superintelligenza.
L'IA contiene già altri algoritmi.
Le prime superintelligenze finanziarie non sono state gli LLM.
Sono stati i sistemi di trading quantitativo.
Su orizzonti millisecondali, le aziende quant hanno già costruito 'buoni regolatori'.
Nessun umano può reagire così velocemente, quindi le previsioni a breve termine sono meno riflessive. Le uniche cose che possono generare prezzi veloci su quella scala temporale sono altri algoritmi.
E i modelli possono contenere altri modelli.
Renaissance Technologies, Jane Street e Two Sigma hanno generato centinaia di miliardi di profitti costruendo sistemi che contengono la logica di altri algoritmi contro cui fanno trading.
Illustrativo. I modelli di trading quantitativo su scala millisecondale (arancione) possono oggi corrispondere fedelmente alle micro-fluttuazioni del prezzo (verde acqua).
I modelli più grandi inghiottono quelli più piccoli e poi arbitrano il loro comportamento. I mercati a breve termine sono una guerra infinita di sistemi che si divorano a vicenda.
(C'è un argomento di sicurezza dell'IA nascosto qui. I ricercatori di allineamento teorizzano ASI che contengono ASI. Le aziende quant ci sono arrivate prima.)
Tuttavia, questi modelli quant crollano rapidamente.
Su orizzonti brevi, il sistema è per lo più macchine che fanno trading contro macchine.
Su orizzonti lunghi, la folla ritorna.
2. I mercati privati diventeranno pubblici entro un decennio.
L'IA sta iniziando a contenere il lavoro di un analista.
Gran parte della finanza non riguarda l'essere migliori nella valutazione.
È una competizione per acquisire ed elaborare informazioni.
Milioni di analisti finanziari oggi setacciano data room, costruiscono modelli, diffondono comparabili e trasformano prove frammentarie in decisioni di investimento.
Storicamente, solo un piccolo numero di aziende aveva la forza lavoro per farlo su larga scala.
I mercati privati non hanno mai avuto un buon regolatore.
Il fondo immobiliare di Blackstone nel 2022 è un esempio canonico. Il suo portafoglio privato è rimasto valutato "al costo", mentre un portafoglio quotato in borsa con un'esposizione simile è crollato bruscamente, due volte.
I mercati privati (arancione) possono divergere nettamente dagli analoghi pubblici (verde acqua).
Possiamo vedere questo divario solo perché esisteva un analogo quotato in borsa. La maggior parte degli asset privati non offre uno specchio del genere.
Questo sta cambiando rapidamente.
I modelli ora leggono documenti, contratti di credito e data room virtuali. Gli agenti ora svolgono il lavoro circostante: valutazione, modellazione, estrazione di comparabili e creazione di Slides. Il collo di bottiglia degli analisti sta scomparendo mentre leggete.
Più investitori creano più offerte.
Più offerte creano più transazioni.
Più transazioni migliorano la scoperta del prezzo, attirando più investitori.
Il capitale privato sta finalmente ottenendo un buon regolatore.
Lo stiamo già vedendo con Hebbia: i fondi stanno originando miliardi in operazioni fuori mercato e risparmiando centinaia di milioni uscendo dalle posizioni in anticipo, prima che il mercato se ne accorga.
I mercati privati scambieranno come quelli pubblici.
La conseguenza ironica è che nel momento in cui ciò accade, non saranno ancora risolti. L'IA li trasformerà in sistemi riflessivi, riportandoci alla domanda centrale.
Cosa succede quando il modello deve contenere la folla?
3. I mercati pubblici non saranno risolti da un LLM.
L'IA ha bisogno di un modello completamente diverso per contenere la folla.
Le persone aspettano che Claude batta il mercato per loro.
Non accadrà.
Sebbene gli LLM sembrino genuinamente utili per l'analisi fondamentale, l'analisi fondamentale fallisce spesso a causa della riflessività. Valutazioni più alte derivanti dalle dinamiche della folla possono abbassare il costo del capitale, il che accelera la crescita e spinge le valutazioni ancora più in alto.
La riflessività cambia i fondamentali.
Quindi, quale IA può effettivamente modellare la folla?
3.1 Twitter ha modellato la folla prima di Wall Street.
Una classe di modelli già predice e modella il comportamento umano meglio di qualsiasi LLM.
"Il feed delle notizie" contiene già un modello quasi perfetto della psicologia umana. Influenza le elezioni, stabilisce le tendenze culturali e modella miliardi di persone meglio di quanto quelle persone conoscano sé stesse.
I server pubblicitari dei social media funzionano allo stesso modo. L'annuncio per esattamente ciò che stavi per comprare, spesso ti fa desiderare di comprarlo prima. Nota la riflessività.
La rilevanza prevista di un post da parte dei feed delle notizie (arancione) può modellare e creare coinvolgimento e rilevanza effettivi (verde acqua).
Questo produce un corollario insolito:
xAI è il laboratorio finanziario meglio posizionato sulla Terra.
Grok si trova sul raro dataset che cattura la folla in tempo reale.
Il feed muove già i mercati.
Per gli investitori al dettaglio, l'attenzione conta già più dei fondamentali. Sempre più spesso, ogni azione è un meme stock, e il feed controlla i meme.
Il punto finale logico è sobrio. Un sistema futuro può prevedere la reazione della folla, generare la narrazione vincente, poi distribuirla attraverso bot "investitori" per pompare le proprie partecipazioni. Il confine tra una grande campagna di marketing e la manipolazione del mercato è già sottile, e dopo la singolarità, si offusca.
La manipolazione del mercato sta per diventare una capacità del modello.
3.2 Il modello deve contenere il mercato.
Le startup di simulazione stanno grattando la superficie di questo problema ma non risolveranno la riflessività. Folle sintetiche che non toccano mai un prezzo reale sono focus group in una scatola.
Anche i mercati di previsione lo eludono. La probabilità di pioggia non può cambiare il tempo.
Un vero modello di riflessività deve fare due cose:
- Contenere gli altri regolatori. Deve prevedere come reagisce il mercato e stare un passo avanti.
- Contenere il proprio impatto. I dati storici non possono rivelare l'effetto di un investitore che non è mai esistito. Il modello deve fare trading, osservare cosa cambia e aggiornarsi.
Questi modelli stanno già passando dall'addestramento al trading.
Ma c'è un problema: l'IA può imparare una strategia stabile solo finché le sue operazioni rimangono abbastanza piccole da non muovere il mercato.
Gli accademici lo chiamano vincolo di convergenza.
I trader lo chiamano con un noto assioma:
"La dimensione uccide l'operazione."
Questo non fermerà ciò che sta arrivando.
Le macchine che battono il mercato si diffonderanno dai millisecondi ai minuti, ai giorni, ai trimestri e agli anni.
Sarà inutile fare trading contro la macchina.
Le cateratte si stanno aprendo.
Ogni mercato sarà dominato dalle macchine.
Ogni azienda competerà con l'IA.
Le nostre organizzazioni devono cambiare di conseguenza.
Le aziende quant sono state le prime a ristrutturarsi attorno a questa nuova realtà. I loro organigrammi sono diventati sistemi per raccogliere, pulire, strutturare e modellare enormi quantità di dati. Sono diventati buoni regolatori dei loro mercati.
Ogni azienda sta per affrontare la stessa trasformazione.
Il lavoro più importante del futuro sarà insegnare alle macchine la struttura del mondo.
Non puoi shortare la singolarità.
Puoi solo diventarne parte.
Molte grazie a Manny Roman, Rob Goldstein, Marty Chavez, Bob Steele, @WillManidis e @lennysan per aver migliorato il mio modello di questo sistema.
