หัวหน้าฝ่ายควอนท์ของ Man Group เคยพูดอะไรบางอย่างที่ติดอยู่ในใจผม:
"ความท้าทายคือปริมาณข้อมูลมหาศาลและความสัมพันธ์ของตลาดที่เพิ่มขึ้นเร็วกว่าที่ทีมมนุษย์จะประเมินด้วยมือได้"
所以他们จึงสร้าง AlphaGPT มันสร้างสมมติฐานเกี่ยวกับสัญญาณ (signal hypotheses) เขียนโค้ด และทดสอบย้อนหลัง (backtest) โดยอัตโนมัติ เดือนหนึ่งมีไอเดียหลายร้อย แทนที่จะเป็น 20 ไอเดียต่อไตรมาส
Bridgewater ก้าวไปอีกขั้นและสร้างกองทุนมูลค่า 2 พันล้านดอลลาร์ที่ AI เป็นผู้ตัดสินใจซื้อขายหลัก
Jane Street ใช้จ่าย 6 พันล้านดอลลาร์ไปกับโครงสร้างพื้นฐาน GPU เมื่อปีที่แล้วเพื่อฝึกโมเดลที่เป็นกรรมสิทธิ์
ผมจะไม่แกล้งทำเป็นว่ารู้แน่ชัดว่ามีอะไรทำงานอยู่ภายในระบบเหล่านี้ แต่คำแถลงสาธารณะจากคนที่สร้างมันบอกเล่าเรื่องราวที่ค่อนข้างสอดคล้องกัน และมันไม่ใช่เรื่องที่คนส่วนใหญ่คิดเมื่อได้ยินคำว่า "เทรดดิ้งด้วย AI"
บริษัทที่ชนะไม่ได้แทนที่ควอนท์ของพวกเขา พวกเขาทำให้ควอนท์แต่ละคนเร็วขึ้นประมาณ 10 เท่า
บทความนี้คือกรอบการทำงานที่สมบูรณ์สำหรับการรันสถาปัตยกรรมเดียวกันบน Polymarket ในวันนี้
PART 1 - AI จะมาแทนที่ควอนท์หรือไม่?
คำถามที่ทุกคนถามผิด
Man Group เปิดเผย AlphaGPT ต่อสาธารณะในเดือนกรกฎาคม 2025 ระบบจะสร้างสมมติฐานเกี่ยวกับสัญญาณ เขียนโค้ดการนำไปใช้ และรัน backtest โดยอัตโนมัติ สัญญาณหลายสิบรายการได้รับการอนุมัติให้เทรดจริงหลังจากผ่านการตรวจสอบโดยมนุษย์
ความท้าทายในการลงทุนเชิงปริมาณคือปริมาณข้อมูลมหาศาลและความสัมพันธ์ของตลาดที่เพิ่มขึ้นเร็วกว่าที่ทีมมนุษย์จะประเมินด้วยมือได้
ทีมวิจัยที่แข็งแกร่งอาจทดสอบไอเดียสัญญาณอย่างจริงจัง 20 รายการในหนึ่งไตรมาส AlphaGPT ทดสอบหลายร้อยรายการในหนึ่งสัปดาห์
แต่ไม่มีสัญญาณใดจาก AlphaGPT ที่แตะต้องเงินจริงโดยไม่มีนักวิจัยตัดสินใจอย่างรอบคอบเกี่ยวกับมัน
Bridgewater สร้าง AI Reasoning Engine ที่รวม LLMs, machine learning และเครื่องมือโต้แย้งเหตุผล (reasoning tools) Co-CIO ของพวกเขาเรียกว่า "ก้าวกระโดดครั้งใหญ่" แต่มนุษย์ยังคงควบคุมการบริหารความเสี่ยงและการดำเนินการ
CTO ของ Citadel กล่าวอย่างตรงไปตรงมา: "เราไม่ต้องการให้ PMs (ผู้จัดการพอร์ต) ยกเลิกการใช้ดุลยพินิจในการลงทุนของมนุษย์เพื่อส่งต่อให้ AI"
Ken Griffin กล่าวเองว่า AI ช่วยเพิ่มประสิทธิภาพ แต่ไม่น่าจะสร้างผลตอบแทนที่เหนือตลาดได้ด้วยตัวเอง
บริษัทที่ชนะกำลังทำให้ควอนท์ของพวกเขาเร็วขึ้น 10 เท่า ไม่ใช่แทนที่พวกเขา
PART 2 - ห้ากรณีการใช้งานที่มีความได้เปรียบจริง
กรณีการใช้งานที่ 1: การค้นพบสัญญาณแบบอัตโนมัติ (Agentic Signal Discovery)
AlphaGPT ของ Man Group รันเอเจนต์สี่ตัวในลูป:
- เอเจนต์ 1 สร้างสมมติฐานสัญญาณ
- เอเจนต์ 2 เขียนโค้ดการนำไปใช้
- เอเจนต์ 3 ทำหน้าที่เป็นผู้ท้าทายบริสุทธิ์ - หาเหตุผลทั้งหมดว่าทำไมสัญญาณอาจเป็นเท็จหรือ overfit
- เอเจนต์ 4 ประเมิน backtest และตัดสินใจว่าจะส่งต่อไปยังการตรวจสอบของมนุษย์หรือไม่
บน Polymarket สิ่งนี้สอดคล้องโดยตรง:
- เอเจนต์ 1 สร้างค่าประมาณความน่าจะเป็นจากข่าว ตลาดที่เกี่ยวข้อง และอัตราพื้นฐาน (base rates)
- เอเจนต์ 2 เปรียบเทียบกับราคาตลาดปัจจุบัน
- เอเจนต์ 3 ท้าทาย: จะต้องมีอะไรเป็นจริงเพื่อให้สิ่งนี้ผิด?
- เอเจนต์ 4 ประเมิน EV (Expected Value) และส่ง go/no-go ไปยังมนุษย์
กรณีการใช้งานที่ 2: การสกัดข้อมูลทางเลือก (Alternative Data Extraction)
สำหรับตลาดทำนาย (prediction markets) ทุกคำแถลงจากเจ้าหน้าที่ Fed ทุกเหตุการณ์ทางภูมิรัฐศาสตร์ ทุกการเผยแพร่ข้อมูลเศรษฐกิจล้วนมีสัญญาณ AI จะแปลงข้อความที่ไม่มีโครงสร้างเป็นการเปลี่ยนแปลงความน่าจะเป็นที่มีโครงสร้าง
กรณีการใช้งานที่ 3: การทดสอบนัยสำคัญแบบ Monte Carlo
การ backtest มาตรฐานใช้เส้นทางประวัติศาสตร์เพียงเส้นทางเดียว เส้นทางเดียวไม่เพียงพอ
กรณีการใช้งานที่ 4: การกำหนดขนาดสถานะตามสภาวะตลาด (Regime-Aware Position Sizing)
f_adjusted = f_kelly x regime_factor x (1 - drawdown_factor)
กรณีการใช้งานที่ 5: การตรวจสอบการทำงาน (Deployment Monitoring)
PART 3 - โครงสร้างการทำงานที่สมบูรณ์
เริ่มที่นี่หากคุณยังไม่ได้อยู่บน Polymarket: polymarket.com/?r=atlas
มีการซื้อขาย 28 พันล้านดอลลาร์ มีตลาดมากกว่า 9,000 แห่ง ทุกสัญญาที่ได้รับการแก้ไขคือจุดข้อมูลความจริง (ground truth data point) สำหรับโมเดลของคุณ
6 ขั้นตอน 5 ขั้นตอนอัตโนมัติ 1 ขั้นตอนมีมนุษย์เสมอ
ขั้นตอนที่ 1 - การนำเข้าข้อมูล: อัตราการแก้ไขในอดีต อนุกรมเวลาของราคา ความสัมพันธ์ของตลาดที่เกี่ยวข้อง ตัวชี้วัดปริมาณ
ขั้นตอนที่ 2 - สมมติฐานสัญญาณ: เฉพาะเจาะจง ทดสอบได้ มีเหตุผลทางเศรษฐกิจ และเงื่อนไขที่มันจะล้มเหลว
ขั้นตอนที่ 3 - การท้าทายเชิงปรปักษ์ (Adversarial Challenge): เอเจนต์แยกต่างหากที่มีหน้าที่เดียวคือทำลายสมมติฐานก่อนที่จะลงทุนเวลาในการสร้างมัน Man Group เรียกสิ่งนี้ว่าส่วนที่มีค่าที่สุดของ AlphaGPT
ขั้นตอนที่ 4 - การ backtest แบบ Walk-Forward: ทุกพารามิเตอร์ประมาณโดยใช้ข้อมูลที่มีอยู่ ณ เวลาที่เทรดเท่านั้น ข้อกำหนดเดี่ยวนี้ช่วยขจัดสาเหตุทั่วไปที่สุดของประสิทธิภาพ backtest ที่สูงเกินจริง
ขั้นตอนที่ 5 - การทดสอบนัยสำคัญแบบ Monte Carlo: หากสัญญาณของคุณอยู่ใน 5% อันดับแรกจากทางเลือกแบบสุ่ม 10,000 ทาง แสดงว่าคุณมีหลักฐานของความได้เปรียบจริง
ขั้นตอนที่ 6 - ประตูการตรวจสอบโดยมนุษย์: ไม่สามารถทำอัตโนมัติได้ จดเงื่อนไขสามข้อที่จะทำให้คุณหยุดและตรวจสอบระบบก่อนที่คุณจะเริ่ม
PART 4 - ก่อน AI เทียบกับหลัง AI
ก่อน AI:
ไอเดียมาจากการอ่านหรือการสังเกต การเขียนการนำไปใช้ใช้เวลาหลายชั่วโมงหรือหลายวัน การตั้งค่า backtest ที่เหมาะสมใช้เวลามากขึ้น นักวิจัยอาจทดสอบกลยุทธ์ 20 รายการอย่างจริงจังต่อปี การกำหนดขนาดสถานะถูกปรับเทียบโดยสัญชาตญาณ
หลัง AI:
เวลาระหว่างไอเดียและการประเมินอย่างเข้มงวดถูกบีบอัดจากวันเป็นชั่วโมง คุณรันการตรวจสอบเชิงปรปักษ์กับสมมติฐานของคุณเองก่อนที่จะลงทุนเวลาสร้างมัน คุณทดสอบสัญญาณที่มีแนวโน้มดี 12 รูปแบบและประเมินทั้งหมด แทนที่จะเลือกเพียงรูปแบบเดียวโดยสัญชาตญาณ
Man Group อธิบายสิ่งนี้อย่างแม่นยำ: เทคโนโลยีช่วยให้พวกเขาทดสอบไอเดียได้มากขึ้น นักวิจัยใช้เวลาประเมินสัญญาณที่รอดจากการท้าทายอัตโนมัติแล้ว แทนที่จะใช้เวลานั้นกับงานนำไปใช้
สำหรับ Polymarket โดยเฉพาะ การบีบอัดนั้นมีคุณค่ามากยิ่งขึ้น ตลาดจะถูกแก้ไขในวันที่กำหนด ช่วงเวลาในการเข้าที่ราคาดีมีจำกัด ยิ่งคุณเปลี่ยนจากสมมติฐานไปเป็นสัญญาณที่ได้รับการตรวจสอบได้เร็วเท่าไหร่ คุณก็จะจับโอกาสได้มากขึ้นเท่านั้น
สรุป
AI ไม่ได้ทำนายตลาด
มันบีบอัดเวลาระหว่างแนวคิดการเทรดและการทดสอบแนวคิดอย่างเข้มงวดจากวันเป็นชั่วโมง มันรันการตรวจสอบเชิงปรปักษ์ที่นักเทรดระบบส่วนใหญ่ไม่เคยใช้กับสมมติฐานของตนเอง
Man Group: LLMs ได้เร่งความเร็วของการเปลี่ยนแปลง แต่ควอนท์ของพวกเขายังคงอยู่ ทุกสัญญาณที่ไปถึงเงินทุนต้องได้รับการอนุมัติจากนักวิจัย
Jane Street ลงทุน 6 พันล้านดอลลาร์ในโครงสร้างพื้นฐาน GPU เพื่อเพิ่มขีดความสามารถของนักวิจัย ไม่ใช่เพื่อแทนที่พวกเขา
AI ให้ขนาดแก่พวกเขา ดุลยพินิจยังคงเป็นของมนุษย์
ความได้เปรียบในตลาดทำนายในตอนนี้ไม่ใช่ข้อมูลที่ดีกว่า
มันคือการทดสอบไอเดียมากขึ้นและเร็วขึ้นกว่าคนอื่น และดำเนินการเฉพาะกับสิ่งที่ผ่านการตรวจสอบเชิงปรปักษ์แล้วเท่านั้น
นั่นคือระบบทั้งหมด
