ИИ решил проблему Навье-Стокса, взломал наши самые защищённые системы и разработал новые методы лечения рака.
Но он всё ещё не может обыграть S&P 500.
Когда ИИ победит рынок?
Это вопрос на триллион долларов, который стоит перед лабораториями.
Ответ удивительно элегантен.
Всё началось в 1991 году со строительства крупнейшего в мире робота.
Достигая 360 метров в длину, Маасланткеринг — крупнейшее движущееся сооружение на Земле. Оно работает полностью автономно.
Голландцы знают его как свои ворота от наводнений, построенные для защиты 2,7 миллиона жителей Роттердама от смертельных штормовых нагонов.
Чтобы выполнять свою работу, робот должен идеально предсказывать уровень моря.
Простейшая модель уровня моря — это выключатель.
Когда прилив высокий, выключатель включён. Когда прилив низкий — выключатель выключен.
Выключатель (оранжевый) — плохая модель реальности (бирюзовый).
Но выключатель упускает форму прилива. Растущий прилив всё равно пересекает опасный порог.
Роботу нужна лучшая модель.
Прилив в основном вызван Луной, чьё гравитационное притяжение образует периодическую кривую на океанах. Замените выключатель синусоидой, и прогноз робота начнёт отслеживать прилив.
Гравитация Луны (оранжевый) — лучшая модель реальности (бирюзовый).
Она всё ещё несовершенна. На прилив также влияют притяжение Солнца, батиметрия залива, эксцентриситет орбиты и десятки других факторов.
Только когда робот содержит всю соответствующую структуру Солнечной системы, он может предсказывать приливы.
Все приливные силы (оранжевый) позволяют модели идеально соответствовать реальности (бирюзовый).
Это иллюстрирует теорему хорошего регулятора, доказанную Конэнтом и Эшби в 1970 году:
«Каждый хороший регулятор системы должен быть моделью этой системы».
Это идеально объясняет современные возможности ИИ:
- Шахматные модели содержат геометрию доски, восстановленную из последовательностей ходов.
- Агенты-кодеры содержат правила вычислений, выведенные из каждой строки кода с открытым исходным кодом.
- Видео- и мировые модели содержат физические законы, заново выведенные из пикселей.
ИИ поглощает мир.
Но только в том порядке, в котором он может его проглотить.
Вот тот же разрыв между моделью и реальностью, перерисованный для фондового рынка:
Модель Morningstar (оранжевый) для оценки стоимости расходится с реальностью (бирюзовый).
Очевидно, что «справедливая оценка стоимости» от Morningstar — не «хороший регулятор».
Возможно, Morningstar не является мировым лидером в оценке акций. Но та же картина наблюдается и внутри собственных целевых цен хедж-фондов из верхнего дециля. Ни у кого нет хорошего регулятора для цен, и это связано с простым фактом:
Рынки — это самореферентные, или, как их называют экономисты, рефлексивные системы.
Цены устанавливаются миллионами людей, которые следят за ценой, наблюдают за реакцией друг друга на цену и реагируют в ответ.
Никто не построил ИИ, который содержит толпу.
Рынки падают в том порядке, в котором ИИ может их содержать.
Но финансы всё ещё падают, и некоторые рынки уже содержатся.
Теорема идеально объясняет порядок, в котором они падают:
1. Кванты уже построили сверхинтеллект.
ИИ уже содержит другие алгоритмы.
Первые финансовые сверхинтеллекты не были LLM.
Ими были системы количественной торговли.
На миллисекундных горизонтах квантовые фирмы уже построили «хорошие регуляторы».
Ни один человек не может реагировать так быстро, поэтому краткосрочные прогнозы менее рефлексивны. Единственное, что может генерировать быстрые цены на таком временном масштабе, — это другие алгоритмы.
А модели могут содержать другие модели.
Renaissance Technologies, Jane Street и Two Sigma заработали сотни миллиардов долларов прибыли, построив системы, которые содержат логику других алгоритмов, против которых они торгуют.
Иллюстративно. Модели количественной торговли на миллисекундном временном масштабе (оранжевый) могут сегодня точно соответствовать микрофлуктуациям цены (бирюзовый).
Более крупные модели поглощают меньшие, а затем арбитражируют их поведение. Краткосрочные рынки — это бесконечная война систем, поедающих друг друга.
(Здесь скрывается аргумент о безопасности ИИ. Исследователи выравнивания теоретизируют о ASI, содержащих ASI. Квантовые фирмы добрались до этого первыми.)
Однако эти квантовые модели быстро разрушаются.
На коротких горизонтах система состоит в основном из машин, торгующих против машин.
На длинных горизонтах возвращается толпа.
2. Частные рынки станут публичными в течение десятилетия.
ИИ начинает содержать работу аналитика.
Бо́льшая часть финансов — это не умение лучше оценивать стоимость.
Это конкуренция за получение и обработку информации.
Миллионы финансовых аналитиков сегодня просматривают виртуальные комнаты данных, строят модели, подбирают сопоставимые компании и превращают разрозненные доказательства в инвестиционные решения.
Исторически лишь небольшое число фирм имело возможности для этого в масштабе.
У частных рынков никогда не было хорошего регулятора.
Канонический пример — фонд недвижимости Blackstone в 2022 году. Его частный портфель оставался оценённым «по себестоимости», в то время как публично торгуемый портфель с аналогичным профилем риска резко упал дважды.
Частные рынки (оранжевый) могут резко расходиться с публичными аналогами (бирюзовый).
Мы можем видеть этот разрыв только потому, что существовал публично торгуемый аналог. У большинства частных активов такого зеркала нет.
Это быстро меняется.
Модели теперь читают отчётность, кредитные соглашения и виртуальные комнаты данных. Агенты теперь выполняют сопутствующую работу: оценку, моделирование, подбор сопоставимых компаний и создание слайдов. Узкое место в виде аналитиков исчезает прямо сейчас.
Больше инвесторов создают больше заявок.
Больше заявок создают больше сделок.
Больше сделок улучшают процесс ценообразования, привлекая больше инвесторов.
Частный капитал наконец-то получает хороший регулятор.
Мы уже видим это в Hebbia: фонды заключают сделки на миллиарды долларов вне рынка и экономят сотни миллионов, выходя из позиций раньше, чем рынок успевает среагировать.
Частные рынки будут торговаться как публичные.
Ироничное следствие заключается в том, что в тот момент, когда это произойдёт, они всё ещё не будут решены. ИИ превратит их в рефлексивные системы, возвращая нас к центральному вопросу.
Что произойдёт, когда модель должна будет содержать толпу?
3. Публичные рынки не будут покорены LLM.
ИИ нужна совершенно иная модель, чтобы содержать толпу.
Люди ждут, что Claude обыграет рынок за них.
Этого не произойдёт.
Хотя LLM кажутся действительно полезными для фундаментального анализа, фундаментальный анализ часто терпит неудачу из-за рефлексивности. Более высокие оценки, вызванные динамикой толпы, могут снизить стоимость капитала, что ускоряет рост и подталкивает оценки вверх.
Рефлексивность меняет фундаментальные показатели.
Так какой ИИ на самом деле может моделировать толпу?
3.1 Twitter моделировал толпу до того, как это сделал Уолл-стрит.
Один класс моделей уже предсказывает и формирует поведение человека лучше, чем любая LLM.
«Лента новостей» уже содержит почти идеальную модель человеческой психологии. Она влияет на выборы, задаёт культурные тренды и моделирует миллиарды людей лучше, чем эти люди знают сами себя.
Рекламные серверы социальных сетей работают так же. Реклама именно того, что вы собирались купить, часто заставляет вас захотеть купить это в первую очередь. Обратите внимание на рефлексивность.
Прогнозируемая релевантность поста в ленте новостей (оранжевый) может моделировать и создавать фактическое вовлечение и релевантность (бирюзовый).
Отсюда следует необычное следствие:
xAI — самая подходящая финансовая лаборатория на Земле.
Grok находится на редком наборе данных, который фиксирует толпу в реальном времени.
Лента уже двигает рынки.
Для розничных инвесторов внимание уже важнее фундаментальных показателей. Всё чаще каждая акция — это мемная акция, и лента контролирует мемы.
Логический конец отрезвляет. Будущая система сможет предсказывать реакцию толпы, генерировать выигрышный нарратив, а затем распространять его через ботов-«инвесторов», чтобы накачивать свои собственные активы. Грань между отличной маркетинговой кампанией и манипулированием рынком уже тонка, а после сингулярности она стирается.
Манипулирование рынком вот-вот станет возможностью модели.
3.2 Модель должна содержать рынок.
Стартапы по симуляции пытаются решить эту проблему, но не смогут решить рефлексивность. Синтетические толпы, которые никогда не касаются реальной цены, — это просто фокус-группы в коробке.
Рынки предсказаний тоже уходят от этого. Вероятность дождя не может изменить погоду.
Настоящая модель рефлексивности должна делать две вещи:
- Содержать другие регуляторы. Она должна предсказывать, как отреагирует рынок, и быть на шаг впереди.
- Содержать собственное влияние. Исторические данные не могут раскрыть эффект инвестора, который никогда не существовал. Модель должна торговать, наблюдать, что она меняет, и обновлять себя.
Эти модели уже переходят от обучения к торговле.
Но есть одна загвоздка: ИИ может выучить стабильную стратегию только до тех пор, пока его сделки остаются достаточно малыми, чтобы не двигать рынок.
Академики называют это ограничением сходимости.
Трейдеры называют это знакомой максимой:
«Размер убивает сделку».
Это не остановит то, что грядёт.
Машины, которые обыгрывают рынок, распространятся от миллисекунд до минут, дней, кварталов и лет.
Бесполезно будет торговать против машины.
Шлюзы открываются.
Каждый рынок будет доминироваться машинами.
Каждая компания будет конкурировать с ИИ.
Наши организации должны соответствующим образом измениться.
Квантовые фирмы первыми перестроились под эту новую реальность. Их организационные диаграммы превратились в системы для сбора, очистки, структурирования и моделирования огромных объёмов данных. Они стали хорошими регуляторами своих рынков.
Каждая компания вот-вот столкнётся с той же трансформацией.
Самая важная работа будущего — научить машины структуре мира.
Нельзя шортить сингулярность.
Можно только стать её частью.
Огромная благодарность Мэнни Роману, Робу Голдштейну, Марти Чавесу, Бобу Стилу, @WillManidis и @lennysan за улучшение моей модели этой системы.
