ШІ розв’язав проблему Нав’є-Стокса, зламав наші найзахищеніші системи та розробив нові методи лікування раку.
Але він досі не може перевершити індекс S&P 500.
Коли ШІ переграє ринок?
Це питання на трильйон доларів, яке стоїть перед усіма лабораторіями.
Відповідь напрочуд елегантна.
Все почалося з будівництва найбільшого у світі робота у 1991 році.
Маючи 360 метрів сталі, Маесланткерінг є найбільшою рухомою спорудою на Землі. Вона працює повністю автономно.
Голландці знають її як свій шлюз, збудований для захисту 2,7 мільйонів мешканців Роттердама від смертоносних штормових нагонів води.
Щоб виконувати свою роботу, робот повинен ідеально передбачати рівень моря.
Найпростіша модель рівня моря — це вимикач.
Коли приплив високий, вимикач увімкнено. Коли приплив низький, він вимикається.
Вимикач (помаранчевий) — це погана модель реальності (бірюзовий).
Але вимикач не враховує форму припливу. Приплив, що піднімається, все одно перетинає небезпечний поріг.
Роботу потрібна краща модель.
Припливи значною мірою спричинені Місяцем, чиє гравітаційне тяжіння описує періодичну криву на океанах. Замініть вимикач синусоїдою, і прогноз робота почне відстежувати приплив.
Гравітація Місяця (помаранчевий) — це краща модель реальності (бірюзовий).
Вона все ще недосконала. На приплив також впливають тяжіння Сонця, батиметрія затоки, ексцентриситет орбіти та десятки інших факторів.
Лише коли робот міститиме всю відповідну структуру Сонячної системи, він зможе передбачати припливи.
Усі припливні сили (помаранчевий) дозволяють моделі ідеально відповідати реальності (бірюзовий).
Це ілюструє Теорему хорошого регулятора, доведену Конантом та Ешбі у 1970 році:
«Кожен хороший регулятор системи повинен бути моделлю цієї системи».
Вона ідеально пояснює сучасний рубіж можливостей ШІ:
- Шахові моделі містять геометрію дошки, відтворену з послідовностей ходів.
- Агенти-програмісти містять правила обчислень, виведені з кожного рядка відкритого коду.
- Відео- та світові моделі містять фізичні закони, відтворені з пікселів.
ШІ поглинає світ.
Але лише в тому порядку, в якому він може його проковтнути.
Ось той самий розрив між моделлю та реальністю, перемальований для фондового ринку:
Модель Morningstar (помаранчевий) для оцінки вартості відхиляється від реальності (бірюзовий).
Очевидно, що «справедлива вартість» від Morningstar не є «хорошим регулятором».
Можливо, Morningstar не є світовим лідером в оцінці акцій. Але та сама картина спостерігається і всередині власних цільових цін найкращих хедж-фондів. Ніхто не має хорошого регулятора для цін, і це пояснюється простим фактом:
Ринки є самореферентними, або, як їх називають економісти, рефлексивними системами.
Ціни встановлюються мільйонами людей, які спостерігають за ціною, спостерігають, як інші реагують на ціну, і реагують у відповідь.
Ніхто не побудував ШІ, який містить натовп.
Ринки падають у тому порядку, в якому ШІ може їх охопити.
Але фінанси все ще падають, і деякі ринки вже охоплені.
Теорема ідеально пояснює порядок, у якому вони падають:
1. Кванти вже побудували суперінтелект.
ШІ вже містить інші алгоритми.
Перші фінансові суперінтелекти не були LLM.
Ними були системи кількісної торгівлі.
На мілісекундних горизонтах кількісні фірми вже побудували «хороші регулятори».
Жодна людина не може реагувати так швидко, тому короткострокові прогнози є менш рефлексивними. Єдине, що може генерувати швидкі ціни на такому часовому масштабі, — це інші алгоритми.
А моделі можуть містити інші моделі.
Renaissance Technologies, Jane Street та Two Sigma заробили сотні мільярдів прибутку, побудувавши системи, які містять логіку інших алгоритмів, проти яких вони торгують.
Ілюстративно. Моделі кількісної торгівлі на мілісекундному часовому масштабі (помаранчевий) можуть сьогодні точно відповідати мікрофлуктуаціям ціни (бірюзовий).
Більші моделі поглинають менші, а потім арбітрують їхню поведінку. Короткострокові ринки — це нескінченна війна систем, які поїдають одна одну.
(Тут ховається аргумент щодо безпеки ШІ. Дослідники вирівнювання теоретизують про ASI, які містять інші ASI. Кількісні фірми дісталися туди першими.)
Однак ці кількісні моделі швидко ламаються.
На коротких горизонтах система складається переважно з машин, які торгують проти машин.
На довгих горизонтах повертається натовп.
2. Приватні ринки стануть публічними протягом десятиліття.
ШІ починає містити роботу аналітика.
Значна частина фінансів полягає не в тому, щоб краще оцінювати вартість.
Це змагання за отримання та обробку інформації.
Мільйони фінансових аналітиків сьогодні перевіряють віртуальні кімнати даних, будують моделі, поширюють порівняння та перетворюють фрагментарні докази на інвестиційні рішення.
Історично лише невелика кількість фірм мала достатньо персоналу, щоб робити це в масштабі.
Приватні ринки ніколи не мали хорошого регулятора.
Фонд нерухомості Blackstone у 2022 році є канонічним прикладом. Його приватний портфель залишався позначеним «за собівартістю», тоді як публічно торгований портфель з подібним впливом двічі різко обвалився.
Приватні ринки (помаранчевий) можуть різко відхилятися від публічних аналогів (бірюзовий).
Ми можемо побачити цей розрив лише тому, що існував публічно торгований аналог. Більшість приватних активів не мають такого дзеркала.
Це швидко змінюється.
Моделі тепер читають звіти, кредитні угоди та віртуальні кімнати даних. Агенти тепер виконують супутню роботу: оцінку, моделювання, збір порівнянь та створення слайдів. Вузьке місце аналітика зникає прямо зараз, коли ви це читаєте.
Більше інвесторів створюють більше заявок.
Більше заявок створюють більше транзакцій.
Більше транзакцій покращує визначення ціни, залучаючи більше інвесторів.
Приватний капітал нарешті отримує хороший регулятор.
Ми вже бачимо це в Hebbia: фонди ініціюють угоди на мільярди доларів поза ринком та заощаджують сотні мільйонів, достроково виходячи з позицій, до того, як ринок наздожене.
Приватні ринки будуть торгуватися як публічні.
Іронічним наслідком є те, що в момент, коли це станеться, вони все одно не будуть вирішені. ШІ перетворить їх на рефлексивні системи, повертаючи нас до центрального питання.
Що станеться, коли модель повинна містити натовп?
3. Публічні ринки не будуть вирішені LLM.
ШІ потребує зовсім іншої моделі, щоб містити натовп.
Люди чекають, що Claude переграє ринок за них.
Цього не станеться.
Хоча LLM здаються справді корисними для фундаментального аналізу, фундаментальний аналіз часто зазнає невдачі через рефлексивність. Вищі оцінки від динаміки натовпу можуть знизити вартість капіталу, що прискорює зростання та підштовхує оцінки ще вище.
Рефлексивність змінює фундаментальні показники.
То який ШІ насправді може моделювати натовп?
3.1 Twitter моделював натовп до того, як це зробив Волл-стріт.
Один клас моделей вже передбачає та формує поведінку людини краще, ніж будь-яка LLM.
«Стрічка новин» вже містить майже ідеальну модель людської психології. Вона впливає на вибори, задає культурні тренди та моделює мільярди людей краще, ніж ці люди знають себе самі.
Рекламні сервери соціальних мереж працюють так само. Реклама саме того, що ви збиралися купити, часто змушує вас захотіти купити це спочатку. Зверніть увагу на рефлексивність.
Прогнозована релевантність публікації в стрічці новин (помаранчевий) може моделювати та створювати фактичну залученість та релевантність (бірюзовий).
Це призводить до незвичного висновку:
xAI є найкраще позиціонованою фінансовою лабораторією на Землі.
Grok знаходиться на рідкісному наборі даних, який фіксує натовп у реальному часі.
Стрічка вже рухає ринки.
Для роздрібних інвесторів увага вже важливіша за фундаментальні показники. Дедалі більше кожна акція стає мемною акцією, і стрічка контролює меми.
Логічний кінець є тверезим. Майбутня система може передбачити реакцію натовпу, створити виграшну історію, а потім поширити її через ботів-«інвесторів», щоб накачати власні активи. Межа між чудовою маркетинговою кампанією та маніпулюванням ринком вже тонка, а після сингулярності вона стирається.
Маніпулювання ринком ось-ось стане можливістю моделі.
3.2 Модель повинна містити ринок.
Стартапи з моделювання намагаються вирішити цю проблему, але не вирішать рефлексивність. Синтетичні натовпи, які ніколи не торкаються реальної ціни, — це фокус-групи в коробці.
Ринки прогнозів також уникають цього. Ймовірність дощу не може змінити погоду.
Справжня модель рефлексивності повинна робити дві речі:
- Містити інші регулятори. Вона повинна передбачати, як ринок реагує, і бути на крок попереду.
- Містити власний вплив. Історичні дані не можуть розкрити ефект інвестора, якого ніколи не існувало. Модель повинна торгувати, спостерігати, що вона змінює, і оновлювати себе.
Ці моделі вже переходять від навчання до торгівлі.
Але є один нюанс: ШІ може вивчити лише стабільну стратегію, поки його угоди залишаються достатньо малими, щоб не рухати ринок.
Академіки називають це обмеженням збіжності.
Трейдери називають це знайомою максимою:
«Розмір вбиває угоду».
Це не зупинить те, що насувається.
Машини, які переграють ринок, поширяться від мілісекунд до хвилин, днів, кварталів та років.
Торгувати проти машини буде марно.
Шлюзи відкриваються.
Кожним ринком домінуватимуть машини.
Кожна компанія конкуруватиме зі ШІ.
Наші організації повинні відповідно змінитися.
Кількісні фірми першими перебудувалися відповідно до цієї нової реальності. Їхні організаційні діаграми стали системами для збору, очищення, структурування та моделювання величезних обсягів даних. Вони стали хорошими регуляторами своїх ринків.
Кожна компанія ось-ось зіткнеться з тією самою трансформацією.
Найважливішою роботою майбутнього буде навчання машин структурі світу.
Ви не можете шортити сингулярність.
Ви можете лише стати її частиною.
Велика подяка Менні Роману, Робу Голдштейну, Марті Чавесу, Бобу Стілу, @WillManidis та @lennysan за вдосконалення моєї моделі цієї системи.
