ในปี 2025 AI ตัวหนึ่งทำลายสถิติทางคณิตศาสตร์ที่ยืนยาวมา 56 ปี ด้วยลูปเดียว: สร้าง, ทดสอบ, ให้คะแนน, ทำซ้ำ พวกควอนต์ใช้มันกับกลยุทธ์ต่างๆ
มาเริ่มกันเลย...
บุ๊กมาร์กไว้นะ
เราคือทีมผู้สร้าง Horizon แพลตฟอร์มเทรดดิ้งแบบเอเจนต์แรกของโลก: คุณพิมพ์กลยุทธ์เทรดเป็นภาษาอังกฤษธรรมดา ทดสอบย้อนหลังภายในไม่กี่นาที และปรับใช้จริงกับโบรกเกอร์ของคุณ บทความนี้จะอธิบายกรอบแนวคิดลูปการปรับปรุงเบื้องหลังการสร้างกลยุทธ์แบบเอเจนต์ ปัจจุบันอยู่ในช่วง Closed Beta และจะเปิดให้สาธารณะใช้งานในวันที่ 15 กรกฎาคม เข้าร่วมรายชื่อรอได้ที่
horizon.trade หรือ DM
@horizon_trade_x เพื่อรับสิทธิ์เข้าใช้งานก่อนใคร
นี่คือกรอบแนวคิดแบบเต็ม:
- "การปรับปรุงตัวเอง" จริงๆ แล้วหมายถึงอะไร (และอะไรที่ไม่ใช่)
- สัญญาณวัดสมรรถภาพ: ตัวเลขเดียวที่เอเจนต์ใช้ปรับให้เหมาะสมที่สุด
- ความจำ: ล้มเหลว, สืบสวน, กลั่นกรอง, ปรึกษา
- ตัวตรวจสอบ: ทำไมเอเจนต์ถึงไม่ให้คะแนนงานของตัวเอง
- จุดที่ Horizon ใช้ลูปนี้ในปัจจุบัน
"การปรับปรุงตัวเอง" จริงๆ แล้วหมายถึงอะไร
ก่อนอื่น ขอพูดแบบตรงไปตรงมา เอเจนต์ที่ปรับปรุงตัวเองไม่ได้หมายถึงการเทรนโมเดลใหม่ ไม่มีระบบที่ใช้งานจริงทำแบบนั้น น้ำหนักของโมเดลยังคงถูกตรึงไว้
สิ่งที่เปลี่ยนแปลงไปคือทุกอย่างรอบๆ โมเดล: บันทึกของเวอร์ชันที่ทดสอบแล้ว, กฎการให้คะแนน, บทเรียนที่กลั่นกรองไว้ เอเจนต์คือวงจรป้อนกลับที่มีสามส่วน ตัวสร้างจะเสนอรูปแบบกลยุทธ์ต่างๆ ตัวประเมินจะให้คะแนนบนข้อมูลในอดีต ตัวคัดเลือกจะเก็บผลลัพธ์ที่ดีที่สุดและป้อนกลับไปยังตัวสร้าง
นี่คือกลไกเก่าแก่ การค้นหาเชิงวิวัฒนาการถูกใช้ในงานวิจัยเชิงปริมาณมาตั้งแต่ทศวรรษ 1990 สิ่งที่เปลี่ยนไปคือตัวสร้าง: ปัจจุบัน LLM เสนอรูปแบบต่างๆ ทั้งในรูปแบบโค้ดและภาษาอังกฤษธรรมดา และสามารถทำงานลูปนี้ได้เป็นชั่วโมงๆ โดยไม่ต้องมีมนุษย์คอยขับเคลื่อนในแต่ละขั้นตอน ในปี 2025 AlphaEvolve ของ DeepMind ใช้ลูปสร้าง-ประเมิน-เลือกนี้เพื่อค้นหาอัลกอริทึมการคูณเมทริกซ์ที่เร็วขึ้น ทำลายสถิติที่ยืนยาวมาตั้งแต่ปี 1969
สัญญาณวัดสมรรถภาพ
เอเจนต์จะปรับปรุงสิ่งใดก็ตามที่คุณให้คะแนน ให้คะแนนผลตอบแทนดิบ เอเจนต์ก็จะหาเส้นโค้งที่โอเวอร์ฟิตที่สุดในชุดข้อมูลของคุณ สำนักงานเทรดที่จริงจังจะให้คะแนนแบบผสม: ผลตอบแทนปรับความเสี่ยง, การลดลงของพอร์ต, จำนวนเทรด, และความเสถียรข้ามช่วงเวลา
กฎการให้คะแนนคือกลยุทธ์ ทุกอย่างที่ต่อจากนี้เป็นแค่การค้นหา
ความจำ: ล้มเหลว, สืบสวน, กลั่นกรอง, ปรึกษา
นักวิจัยที่เป็นมนุษย์ลืมการทดลองรอบที่สี่ไป เอเจนต์ที่สร้างมาอย่างดีจะรันทุกความล้มเหลวผ่านสี่ขั้นตอน
มันจะบันทึกการทดสอบย้อนหลังที่ล้มเหลว สืบสวนว่าทำไมกลยุทธ์รูปแบบนั้นถึงล้มเหลว: ผิดจังหวะตลาด, ค่าใช้จ่ายในการเทรด, การฟิตเส้นโค้ง กลั่นกรองการวินิจฉัยเป็นกฎทั่วไป และในรอบถัดไป มันจะปรึกษากฎนั้นแทนที่จะค้นพบความล้มเหลวใหม่ตั้งแต่ต้น
นี่คือจุดที่ลูปแบบทำเองส่วนใหญ่พัง หากไม่มีลำดับขั้นตอนนี้ เอเจนต์จะเสนอรูปแบบที่มันเคยปฏิเสธไปแล้วซ้ำอีก และสิ้นเปลืองพลังคำนวณวนไปวนมา แต่ถ้ามีลำดับขั้นตอนนี้ ทุกรูปแบบที่ถูกปฏิเสธจะทำเครื่องหมายว่าเป็นเขตต้องห้ามในพื้นที่การค้นหา และแต่ละรุ่นจะเริ่มต้นจากทุกสิ่งที่รุ่นก่อนหน้าได้เรียนรู้มา
ตัวตรวจสอบ: ทำไมเอเจนต์ถึงไม่ให้คะแนนงานของตัวเอง
เอเจนต์ที่ให้คะแนนผลลัพธ์ของตัวเองจะเห็นการใช้เหตุผลของตัวเองและชอบข้อสรุปที่สอดคล้องกับสิ่งที่ตัวเองสร้างไว้แล้ว ในการเทรด โหมดความล้มเหลวนี้มีป้ายราคาติดอยู่: ลูปที่จดจำชุดข้อมูลเดียวจะดูเหมือนกำลังปรับปรุงบนกราฟ แต่พฤติกรรมจริงกลับเหมือนการโยนเหรียญ
วิธีแก้ไขมีสองส่วน กฎการให้คะแนนแยกจากตัวสร้าง ดังนั้นกระบวนการที่เสนอกลยุทธ์รูปแบบหนึ่งจะไม่มีวันให้คะแนนมันเอง และคะแนนสุดท้ายมาจากประตูตรวจสอบนอกกลุ่มตัวอย่าง: ข้อมูลที่ตัวสร้างไม่เคยเห็น รูปแบบกลยุทธ์จะรอดได้ก็ต่อเมื่อชนะบนทั้งสองส่วน McLean และ Pontiff แสดงให้เห็นว่ากลยุทธ์ที่ถูกตีพิมพ์มักจะสูญเสียความได้เปรียบส่วนใหญ่ไปเมื่อข้อมูลเป็นที่รู้จัก หน้าต่างการเทรนของเอเจนต์คุณก็ทำงานในลักษณะเดียวกัน
จุดที่ Horizon ใช้ลูปนี้
ลูปสร้าง, ทดสอบย้อนหลัง, ให้คะแนน, คัดเลือก คือกลไกหลักของ Horizon คุณอธิบายกลยุทธ์เป็นภาษาอังกฤษธรรมดา เอเจนต์จะสร้างมันขึ้นมา ทดสอบย้อนหลัง ให้คะแนน และกลับมาพร้อมกับรูปแบบที่ปรับปรุงแล้ว 2 ถึง 3 แบบ พร้อมคะแนนของแต่ละแบบ ให้คุณเลือกจากตัวเลือกที่ได้รับการปรับปรุง แทนที่จะปรับพารามิเตอร์ด้วยมือ
ทุกการทดสอบย้อนหลังจะป้อนเข้าสู่ข้อเสนอถัดไป เอเจนต์ทำการวนซ้ำ คุณทำการตัดสินใจ
รายงานการทดสอบย้อนหลังพร้อมคะแนน
วิธีที่นักเทรดเข้าใจผิดในเรื่องนี้
พวกเขา ปรับให้เหมาะสมที่สุด กับตัวชี้วัดเดียว เอเจนต์หาค่า Sharpe Ratio สูงสุดในประวัติศาสตร์ได้ แต่กลับพังในเดือนแรกของการเทรดจริง คะแนนแบบผสมมีไว้เพื่อเหตุผลนี้
พวกเขาปล่อยให้ผู้สร้างให้คะแนนงานของตัวเอง การปรับปรุงที่ "ได้รับการอนุมัติเอง" สิบรุ่นบนข้อมูลในกลุ่มตัวอย่าง คือการจดจำสิบรุ่น
พวกเขาตัดมนุษย์ออกจากกระบวนการ เอเจนต์คือเครื่องมือค้นหาบนพื้นที่กลยุทธ์ มันจัดอันดับตัวเลือก การตัดสินใจว่าจะปรับใช้อะไรกับเงินจริงนั้นยังคงเป็นหน้าที่ของมนุษย์
พวกเขาสับสนระหว่างจำนวนรอบกับการพัฒนา หนึ่งพันรูปแบบที่ถูกให้คะแนนด้วยสัญญาณวัดสมรรถภาพที่แย่ คือหนึ่งพันก้าวที่ผิดทาง
ขอบคุณที่อ่าน
ก่อนที่คุณจะไป
เราคือทีมผู้สร้าง Horizon แพลตฟอร์มเทรดดิ้งแบบเอเจนต์แรกของโลก: คุณพิมพ์กลยุทธ์เทรดเป็นภาษาอังกฤษธรรมดา ทดสอบย้อนหลังภายในไม่กี่นาที และปรับใช้จริงกับโบรกเกอร์ของคุณ ลูปสร้าง, ทดสอบย้อนหลัง, ให้คะแนน, คัดเลือกจากบทความนี้กำลังทำงานอยู่ในผลิตภัณฑ์แล้วตอนนี้ ปัจจุบันอยู่ในช่วง Closed Beta และจะเปิดให้สาธารณะใช้งานในวันที่ 15 กรกฎาคม เข้าร่วมรายชื่อรอได้ที่
horizon.trade หรือ DM
@horizon_trade_x เพื่อรับสิทธิ์เข้าใช้งานก่อนใคร
