Il capo dei quant di Man Group ha detto una cosa che mi è rimasta impressa:
"La sfida è l'enorme volume di dati e le possibili relazioni di mercato, che è cresciuto più velocemente di quanto qualsiasi team umano possa valutare manualmente."
Così hanno costruito AlphaGPT. Genera ipotesi di segnale, scrive il codice ed esegue i backtest. In modo autonomo. Centinaia di idee a settimana invece di 20 a trimestre.
Bridgewater è andata oltre e ha creato un fondo da 2 miliardi di dollari in cui l'AI prende le decisioni di trading principali.
Jane Street ha speso 6 miliardi di dollari in infrastrutture GPU l'anno scorso per addestrare modelli proprietari.
Non farò finta di sapere esattamente cosa gira all'interno di questi sistemi. Ma le dichiarazioni pubbliche delle persone che li costruiscono raccontano una storia abbastanza coerente, e non è quella che la maggior parte delle persone immagina quando sente "trading con AI."
Le aziende vincenti non stanno sostituendo i loro quant. Stanno rendendo ogni quant circa 10 volte più veloce.
Questo articolo è il framework completo per applicare la stessa architettura su Polymarket oggi.
PARTE 1 - L'AI SOSTITUIRÀ I QUANT?
La domanda che tutti fanno nel modo sbagliato.
Man Group ha reso pubblico AlphaGPT a luglio 2025. Il sistema genera ipotesi di segnale, scrive il codice di implementazione ed esegue backtest in modo autonomo. Diverse dozzine di segnali sono già stati approvati per il trading in tempo reale dopo aver superato la revisione umana.
La sfida negli investimenti quantitativi è l'enorme volume di dati e le possibili relazioni di mercato, che è cresciuto più velocemente di quanto qualsiasi team umano possa valutare manualmente.
Un buon team di ricerca potrebbe testare seriamente 20 idee di segnale in un trimestre. AlphaGPT ne testa centinaia in una settimana.
Ma nessun segnale proveniente da AlphaGPT tocca capitale reale senza che un ricercatore prenda una decisione deliberata al riguardo.
Bridgewater ha costruito un AI Reasoning Engine che combina LLM, machine learning e strumenti di ragionamento. Il loro co-CIO lo ha definito "un grande salto." Ma gli esseri umani supervisionano ancora la gestione del rischio e l'esecuzione.
Il CTO di Citadel lo ha detto chiaramente: "Non vogliamo che i PM deleghino il loro giudizio umano sugli investimenti all'AI."
Ken Griffin stesso ha detto che l'AI aumenta l'efficienza ma è improbabile che produca rendimenti superiori al mercato da sola.
Le aziende vincenti stanno rendendo i loro quant 10 volte più veloci. Non li stanno sostituendo.
PARTE 2 - CINQUE CASI D'USO CON VANTAGGIO REALE
CASO D'USO 1: SCOPERTA AGENTICA DI SEGNALI
L'AlphaGPT di Man Group esegue quattro agenti in un ciclo:
- Agente 1 genera un'ipotesi di segnale.
- Agente 2 scrive il codice di implementazione.
- Agente 3 agisce come puro challenger: trova ogni motivo per cui il segnale potrebbe essere falso o sovra-adattato.
- Agente 4 valuta il backtest e decide se inviarlo alla revisione umana.
Su Polymarket questo si traduce direttamente:
- Agente 1 genera una stima di probabilità da notizie, mercati correlati e tassi di base.
- Agente 2 la confronta con il prezzo di mercato corrente.
- Agente 3 sfida: cosa dovrebbe essere vero perché questo sia sbagliato?
- Agente 4 valuta il valore atteso e invia un go/no-go all'umano.
CASO D'USO 2: ESTRAZIONE DI DATI ALTERNATIVI
Per i mercati di previsione, ogni dichiarazione di un funzionario della Fed, ogni sviluppo geopolitico, ogni rilascio di dati economici contiene un segnale. L'AI converte il testo non strutturato in uno spostamento di probabilità strutturato.
CASO D'USO 3: TEST DI SIGNIFICATIVITÀ MONTE CARLO
Il backtest standard utilizza un percorso attraverso la storia. Un percorso non è sufficiente.
CASO D'USO 4: DIMENSIONAMENTO DELLE POSIZIONI CONSAPEVOLE DEL REGIME
f_adjusted = f_kelly x regime_factor x (1 - drawdown_factor)
CASO D'USO 5: MONITORAGGIO DEL DEPLOYMENT
PARTE 3 - IL PIPELINE COMPLETO
Inizia da qui se non sei ancora su Polymarket: polymarket.com/?r=atlas
28 miliardi di dollari scambiati. Oltre 9.000 mercati. Ogni contratto risolto è un punto dati di verità fondamentale per il tuo modello.
6 fasi. 5 automatizzate. 1 sempre umana.
Fase 1 - Acquisizione dati: tassi di risoluzione storici, serie temporali dei prezzi, correlazioni di mercato correlate, metriche di volume.
Fase 2 - Ipotesi di segnale: specifica, verificabile, con una logica economica e le condizioni in cui fallisce.
Fase 3 - Sfida avversariale: un agente separato il cui unico compito è distruggere l'ipotesi prima che venga investito tempo per costruirla. Man Group definisce questa la parte più preziosa di AlphaGPT.
Fase 4 - Backtest walk-forward: ogni parametro stimato utilizzando solo i dati disponibili al momento del trading. Questo singolo requisito elimina la fonte più comune di performance di backtest gonfiata.
Fase 5 - Test di significatività Monte Carlo: se il tuo segnale si colloca nel top 5% di 10.000 alternative casuali, hai la prova di un vantaggio reale.
Fase 6 - Cancello di revisione umana: non può essere automatizzato. Scrivi tre condizioni che ti faranno fermare e rivedere il sistema prima di iniziare.
PARTE 4 - PRIMA DELL'AI VS DOPO L'AI
Prima dell'AI:
Un'idea nasceva dalla lettura o dall'osservazione. Scrivere l'implementazione richiedeva ore o giorni. Impostare un backtest corretto richiedeva più tempo. Un ricercatore poteva testare seriamente 20 strategie all'anno. Il dimensionamento delle posizioni veniva calibrato per intuizione.
Dopo l'AI:
Il tempo tra l'idea e la valutazione rigorosa si è compresso da giorni a ore. Esegui una revisione avversariale sulle tue stesse ipotesi prima di investire tempo per svilupparle. Testa 12 variazioni di un segnale promettente e le valuta tutte, invece di sceglierne una per intuizione.
Man Group lo ha descritto con precisione: la tecnologia li aiuta a testare più idee. I ricercatori passano il tempo a valutare i segnali che hanno già superato la sfida automatica, invece di spenderlo nel lavoro di implementazione.
Per Polymarket in particolare, la compressione è ancora più preziosa. I mercati si risolvono a date fisse. La finestra per entrare a un buon prezzo è limitata. Più velocemente passi dall'ipotesi al segnale validato, più opportunità catturi effettivamente.
IL RIASSUNTO
L'AI non predice i mercati.
Comprime il tempo tra un'idea di trading e un test rigoroso di quell'idea da giorni a ore. Esegue una revisione avversariale che la maggior parte dei trader sistematici non applica mai alle proprie ipotesi.
Man Group: gli LLM hanno accelerato il ritmo del cambiamento. Ma i loro quant sono ancora lì. Ogni segnale che raggiunge il capitale ha avuto l'approvazione di un ricercatore.
Jane Street ha investito 6 miliardi di dollari in infrastrutture GPU per moltiplicare ciò che i loro ricercatori possono fare. Non per sostituirli.
L'AI ha dato loro la scala. Il giudizio è rimasto umano.
Il vantaggio nei mercati di previsione in questo momento non sono informazioni migliori.
È testare più idee più velocemente di tutti gli altri e agire solo su quelle che superano la revisione avversariale.
Questo è l'intero sistema.
