Maaari bang malaman ng isang artipisyal na talino na talunin ang stock market?

Si Jeff Glickman ay ginugol ng mga dekada sa pagbuo ng isang AI upang karibal ang pinakamahusay na isip sa Wall Street. Posible bang na-crack niya ang code?

Maaari bang malaman ng isang artipisyal na talino na talunin ang stock market?

Sa dulong bahagi ng isang parkeng pang-opisina sa isang suburb ng Seattle, isang supercomputer ang nagtuturo sa sarili na talunin ang stock market.



Ang banal na butil ng mataas na pananalapi ay hindi gaanong hitsura: walong mga hilera ng mga server na nakalagay sa isang itim na metal na frame. Ngunit sa loob ng mahigpit na enclosure na ito, isang hindi kapani-paniwalang alchemy ang nagaganap. Apat na raang mga computer na kumukurap at humuhuni habang ang data ng merkado ay natutunaw sa isang rate ng isang quadrillion na mga kalkulasyon bawat segundo, pagpapaputok ng mga kahilingan sa order sa mga elektronikong mangangalakal sa Chicago, na 2000 milya ang layo. Sa labas ng container, isang bangko ng 10 kumikinang na mga monitor ang nagpapakita ng mga resulta habang ang pera ay gumulong muli.

Kahit na ngayon, habang ang ekonomiya ng mundo ay bumabagsak sa isang pag-urong, si Jeff Glickman at ang kanyang boutique investment firm, J4 Capital, ay tahimik na kumukuha. Sapat na sabihin na kumikita tayo sa merkado na ito, sinabi niya.



Medyo binibigyang diin nito ang himala na sinasabing nagawa ni Glickman. Nang magsalita kami noong Marso 20, ang J4 Capital ay umabot ng halos 4% para sa taon, ayon sa panloob na mga dokumento na ibinahagi ni Glickman, habang ang Dow Jones Industrial Average ay bumaba ng halos 27%-isang kabayanihan na tumalo ng halos 31 porsyento ng mga puntos. Maraming iba pang mga pondo ng hedge ay nabawasan ng mga doble na digit at pag-teetering. Nang muli kaming nag-usap noong Mayo 7, papalapit na siya sa isang 5% na pagbabalik.



Karamihan sa mga inhinyero sa pananalapi ay naniniwala na imposible para sa isang makina, na naiwan sa sarili nitong mga aparato, upang talunin ang stock market. Masyadong maingay ang data, masyadong random upang mahulaan. Ang mga napapansin na tala ng kalakalan ay limitado sa nakaraang daang taon, at ang batas ng mga average ay walang humpay. Ang anumang senyas na halatang sapat upang pagsamantalahan ang wala sa loob ng impormasyon — halimbawa, ang mga barrels ng langis na presyong libre, ay mabilis na matuklasan at matanggal ng mga kakumpitensya. Habang ang ilang mga dami ng pondo ng hedge ay gumagamit ng mga algorithm upang makagawa ng mataas na dalas ng mga kalakal, dapat silang madalas na muling mai-program at pino.

cnn town hall live stream

Ang lahat ng kumpetisyon na ito ay nag-iiwan ng isang manipis na margin para sa kita. Ang isang pambihirang negosyante ay kikiligin sa isang 51% na rate ng tagumpay — katulad ng gilid ng bahay sa isang mesa ng Las Vegas blackjack. Mga Teknolohiya ng Renaissance , marahil ang pinaka-kumikitang firm firm sa buong mundo, ay nakabuo ng isang malaking kapalaran sa pamamagitan ng paggamit ng mga pusta sa mga logro na ito. Ang J4 Capital, na mayroon lamang dalawang iba pang mga empleyado, ay inaangkin na mayroong tagumpay sa halos 60%.

Mismong si Glickman mismo ang hindi alam ang tungkol sa pananalapi. Ang 59-taong-gulang na computer scientist ay hindi kailanman nagtrabaho sa Wall Street o para sa anumang malaking bangko. Sa kadahilanang iyon, ang kanyang supercomputer ay hindi gumagamit ng mga pusta o nakikipagkalakalan sa mga derivatives, na naglilimita, sa ngayon, ang halaga ng pera na maaaring makamit ng J4. Hindi rin nagsulat si Glickman ng isang algorithm ng pamumuhunan upang sabihin sa makina kung aling mga input ang gagamitin. Sa halip, sinabi ni Glickman, lumikha siya ng isang autodidactic superintelligence na maaaring muling pagprogram ng sarili nito.



Ang sentro ng pagpapatakbo ng J4. [Larawan: May copyright na 2020, Jeff Glickman]

Ang mundo ng hedge fund ay puno ng hindi kapani-paniwala na mga paghahabol, ilan lamang sa mga ito ang totoo. Nang tanungin para sa komento, dalawang akademiko na may kadalubhasaan sa algorithm ng pananalapi ay nagpahayag ng pag-aalinlangan na ang mga inobasyon ni J4 ay tulad ng rebolusyonaryo tulad ng inilarawan, kahit na alinman sa dalubhasa ay hindi pamilyar sa kompanya. Si Glickman, na nagtataglay ng maraming mga patent sa pagproseso ng imahe, pagkilala sa pattern, at teknolohiya ng networking, ay iginiit na ang kanyang artipisyal na katalinuhan ang tunay na pakikitungo.

Ang matematika ay muling pagsasaayos, ngunit ginagawa ni Glickman ang kanyang makakaya upang ipaliwanag. Ang software na pinapatakbo niya ay isang uri ng theorem prover, isang nondeterministic algorithm na maaaring tumingin sa isang set ng data at makabuo ng isang teorya upang mabigyang kahulugan ang nakikita nito. Katulad ng kung paano sinisira ng utak ng tao ang impormasyon mga tipak upang mabuo ang mga heuristics tungkol sa mundo, sinubukan ng AI ni Glickman ang mga teorya na may pagtaas ng antas ng abstract sa matematika. Ang resulta, sinabi niya, ay naging napakahusay na malakas.



Ang lansihin, syempre, ay palaging nagbabago ang mga driver ng merkado. Ang uri ng bawat isa ay naobserbahan ito ng impormal - na kung minsan ang merkado ang mag-asawa mismo sa ginto, at kung minsan ay pinagsasama ang langis, o ilang ibang kalakal, sabi ni Glickman. Minsan ang merkado ay natatakot sa mga bagay na nangyayari sa mundo. Tulad ng ngayon ang merkado ay nag-aalala tungkol sa Iran at Iraq. Sa ibang mga oras, si Kim Jong Un ay maaaring magpaputok ng isang misayl sa Japan, at ang merkado ay maaaring lumubog 3%, at sa ibang araw ay hindi na niya ito pinansin.

Ang paggalaw ng mga merkado ay maaaring lumitaw nang sapalaran. Ngunit sa pagtatapos ng araw, karamihan sa mga namumuhunan ay nakakakuha ng kanilang impormasyon mula sa parehong mga mapagkukunan-ang pagkonsumo ng langis at mga presyo ng welga, impeksyon sa coronavirus at Wall Street Journal mga headline. Maaaring na may sapat na lakas sa pagpoproseso, posible na makilala ang mga signal sa ingay?

Ginamit ni Glickman ang salitang sapalaran na payo, na parang ang gulo ng uniberso ay isang ilusyon lamang, itinatago ang isang pangunahing, kung hindi masuri, mas mataas na kaayusan. Ito ay uri ng isang intelektwal na cop-out, sinabi niya, Kapag ang isang bagay ay naging kumplikado na ang isip ng tao ay nalulula ng nilalaman ng impormasyon, at hindi maunawaan ito ng isip ng tao.

sobrang mangkok ng manonood ayon sa taon

Ngunit hindi ito nangangahulugan na ang ilang iba pang katalinuhan ay hindi. Sa kabila ng katotohanang ikaw o ako ay maaaring mapagtanto bilang isang random, walang anumang bagay tungkol dito, patuloy niya. Mayroong isang napakalaking dami ng pagiging kumplikado na lampas sa pag-unawa para sa mga tao, ngunit sa loob ng kakayahan ng isang napakalaking supercomputer na maunawaan.

* * *

Maagang nakuha ni Glickman ang computer bug. Isang araw, nang siya ay nasa anim na, hiniling sa kanya ng kanyang ina na palitan ang mga baterya sa isang transistor radio. Nagtataka siya sa halip tungkol sa mga electronics sa loob. Ang kanyang ina ay humanga sa kanyang pag-usisa, kaya nagpatulong siya sa isang kaibigan ng pamilya na isang inhinyero sa Sperry Univac, isang maagang kumpanya ng kompyuter, upang turuan sa kanyang anak ang lahat ng nalalaman. Sa panahong pitong taon ako, nagtatayo ako ng sarili kong mga circuit, sabi ni Glickman. At sa edad na siyam na taon, nakabuo na ako ng sarili kong computer.

Tulad ng maraming mga prodigies, naranasan ni Glickman ang isang bagay ng isang pinaikling pagkabata. Ang isang marangal na banggit para sa isang gawad sa agham ng Westinghouse ay nakakuha ng pansin ng isang pangkat ng mga propesor ng pisika, kasama si John Bardeen, isang nagwagi ng dalawang premyo ng Nobel, at Wolfgang Johannes Poppelbaum sa University of Illinois Urbana-Champaign; sa edad na 16, inalok si Glickman ng kanyang sariling research lab sa pamantasan, na pinondohan ng U.S. Navy. Mayroong isang kundisyon: Kailangan niyang magturo ng isang nagtapos na mag-aaral na seminar sa pisika ng semiconductor. Na-petrolter ako, naaalala ni Glickman, ngunit hinayhinay niyang gawin ang takdang aralin. Hindi ito tinamaan sa akin bilang walang katotohanan, patuloy niya. Ngayon, ginagawa nito.

Nakuha niya ang kanyang bachelor's degree mula sa University of Illinois ngunit hindi natapos ang kanyang nagtapos na pag-aaral. Mas nakatuon ang pansin niya sa gawing mga nabubuhay na negosyo. Sinimulan niya ang isang kumpanya noong unang bahagi ng 1980, ang Thumb Scan, na nag-secure ng ilan sa mga pinakamaagang patent para sa pagpoproseso ng biometric at fingerprint. Nagsimula siya sa isang negosyo sa pagkonsulta, nagtatrabaho para sa Ford at General Motors. Ngunit ito ay ang military-industrial complex na nagbigay kay Glickman ng pinaka-nakapagpapatibay ng mga pagkakataon.

Ang Kagawaran ng Depensa ay interesado na malaman, halimbawa, kung paano imomodelo ng isang artipisyal na katalinuhan ang kakayahan ng militar ng mga dayuhang kapangyarihan; Si Glickman ang nagtrabaho ng problema. Nang maglaon, nais ng militar ang isang programa na maaaring gumamit ng mga signal ng radyo upang makilala kung aling missile silo sa isang naka-encrypt na network ang sentro ng command-and-control. Sa isa pang oras, tinanong siyang mag-apply ng machine learning upang mapagbuti ang aerial analysis ng imprastraktura ng kalaban. Hindi nais ng Pentagon na sayangin ang 800-pound bomb sa isang kongkretong tulay kapag gagawin ng isang 500-pound bomb.

Ang mga ito ay esoteric at mahalagang mga problema para sa militar, sinabi niya, at ang trabaho ay binayaran nang maayos. Ngunit ito ay isang takdang-aralin upang baligtarin ang inhenyero ng isang bagong random number generator — upang mahulaan ang susunod na numero mula sa isang tila random na pagkakasunud-sunod - iyon ay isang punto ng pagbago kung paano siya naglihi ng AI. Ang kanyang koponan ay kalahati lamang sa tagumpay sa proyekto, ngunit nakuha ni Glickman na iniisip ang tungkol sa ugnayan sa pagitan ng tinatawag ng mga matematiko na Brownian na galaw-ang random na paggalaw ng mga particle na nasuspinde sa isang likido-at ang pagbabago-bago ng stock market.

Sa loob ng maraming taon, inikot niya ang problema. Bandang 2000, isang kaibigan sa Seattle ang nagbigay kay Glickman ng isang kopya ng larong pinaka-larong 1967 ni Edward Thorp, Talunin ang Palengke , na inaangkin na ipakita kung paano maaaring talunin ang mga merkado ng pagpipilian, at nagtaka kung magagawa pa rin ang posityong Thorp. Pagkalipas ng ilang linggo ng pag-aaral, natukoy ni Glickman na ang lusot ni Thorp ay sarado. Ngunit naintriga siya. Nagtataka siya kung ang pag-aaral ng makina ay maaaring mailapat sa stock market — at siya ay mabilis na tumama sa isang pader. Gaano man ako kahirap subukan, pagtatapat niya, hindi ito gagana sa mga stock market.

Bahagi ng supercomputer na nagsasagawa ng real-time na kalakalan. [Larawan: May copyright na 2020, Jeff Glickman]

Hanggang noong 2004 na napagtanto ni Glickman na kakailanganin niya ang isang bagong genus ng AI na nakabatay sa software, isang prover ng teorema na maaaring muling pagprogram ng sarili upang makabuo ng mga bagong modelo para sa data sa pananalapi. Sa pagitan ng 2005 at 2010, nagtrabaho siya sa proyekto, palapit ng palapit sa isang produkto na mapagkakatiwalaan ang direksyon ng mga indibidwal na stock. Ngunit hindi pa rin siya nagpasya nang tiyak kung paano i-deploy ang kanyang nilikha. Nangangati siya upang magsimula ng isang bagong negosyo. Dapat ba sa edukasyon? Maaari ba niyang baguhin ang larangan ng medisina?

kung paano i-recycle ang mga nespresso pod

Sa huli, nagpasya siyang pamahalaan ang pera, dahil ang paggawa nito ay hindi mangangailangan ng pagmamanupaktura, walang malaking koponan o pisikal na imprastraktura. Hindi ito nangangahulugang magiging pinakamadaling gawin ito, sapagkat tiyak na hindi ito, sinabi niya. Ito ay naging napakahirap. Natagpuan niya ang isang kasosyo, si Steve Jacobs, isa lamang sa mga maagang batang henyo na nakuha ang kanyang MBA sa 19, at magkasama nagsimula silang magtrabaho upang bumuo ng isang nasusukat na platform.

Sa wakas, sa unang araw ng Hunyo 2015, binalikan ni Glickman ang kanyang AI at hinayaan itong magpatakbo ng isang buong araw ng mga kalkulasyon. Inaasahan niya na mahuhulaan niya kung paano makikipagkalakalan ang S&P 500 sa susunod na araw, ngunit hindi lubos na sigurado kung paano maaabot ang pagtatapos ng AI. Ang problema sa karamihan ng mga malalim na modelo ng pag-aaral at mga neural network ay tinatawag na computer scientist problema sa itim na kahon : ang katalinuhan ng makina ay may maliit na pagkakahawig sa katalusan ng tao, na nagsasangkot ng milyon-milyong o kahit na bilyun-bilyong mga kalkulasyon na maaaring gawin itong imposibleng maiintindihan kung paano dumating ang isang AI sa anumang partikular na desisyon.

Napakamot kami ng ulo, at nagpunta kami, ‘Oh, Diyos ko. Wala kaming ideya kung ano ang ginawa nito. '

Maagang nagpasya si Glickman na kailangan niyang bumuo ng isang puting kahon. Gayunpaman nang tumingin siya sa mga troso upang maunawaan kung ano ang nangyari, siya ay nabisto. Tinaas namin ang takip sa pagtatapos ng araw noong ika-1 ng Hunyo, at tiningnan namin ang output, at napakamot kami, at nagpunta kami, 'Oh, Diyos ko. Wala kaming ideya kung ano ang ginawa nito. & Apos;

Tumagal ng higit sa isang taon upang malaman kung ano ang nagawa ng AI sa mga unang walong oras. Nagsisimula itong itayo ang mga teorya nito, paliwanag ni Glickman. Una nitong natuklasan na mayroong isang bagay na tinatawag na algebra, at ang algebra ay kapaki-pakinabang sa pagpapaliwanag ng data. At sa gayon, nagpasya itong panatilihin ito. At pagkatapos ay natuklasan nito ang geometry. At pagkatapos ay natuklasan nito ang trigonometry, at pagkatapos ay natuklasan nito ang calculus. At pagkatapos ay natuklasan nito ang mga pagkakatulad na equation. At pagkatapos ay natuklasan nito ang bahagyang mga pagkakatulad na equation.

Sa wakas, sinabi niya sa akin, natuklasan ng AI ang pinakamataas na abot ng matematika — ang mga detalye kung saan tinanggihan niyang ibahagi.

live na stream ng talumpati ng clinton ng burol

Di-nagtagal, hinayaan ni Glickman ang AI na magsimulang gumawa ng mga pansubok na kalakalan nang mag-isa — mabagal sa una, pagkatapos ay mas mabilis at mas mabilis. Sa bawat karagdagang kalakal na maaaring gawin ng makina bawat araw, ang pagkasumpungin ng kinalabasan ay tinanggihan. Ang posibilidad na matalo ang stock market ay hindi na teoretikal. Ang kanyang lutong bahay na supercomputer, tila, ay basag ang code.

* * *

Ang kwento ng J4 Capital ay isa pang uri ng problema sa itim na kahon. Kahit na hindi ito nangangailangan ng isang advanced na degree sa matematika upang maunawaan kung ano ang nais ipagawa ni Glickman, ang mga detalye ng kanyang teknolohiya ay pagmamay-ari. Mahirap suriin ang lawak kung saan tunay na naka-automate ang kanyang AI — Inilarawan ni Glickman ang awtomatiko bilang isang spectrum-o kung angkop na tawaging ito bilang isang superintelligence. Kung siya talaga ang susunod na Jim Simons, masyadong maaga upang sabihin.

O marahil hindi. Si Glickman ay na-quarantine sa bahay nang huli kaming nagsalita sa telepono. Ang nag-iisa lamang niyang empleyado na naging social distancing sa New Jersey. Gayunpaman ang kanyang magagandang makina ay patuloy na humuhuni. Bumalik sa pagtatapos ng Enero, sa gitna ng unang pagsiklab ng coronavirus sa Estado ng Washington, sinimulan ni Glickman ang pagsubok kung ano ang mangyayari kung iwan niya mag-isa ang supercomputer. Tumakbo kami ng dalawang linggo na walang pumapasok sa opisina, sabi niya. Sa sandaling nakita niya na gumagana lamang ito nang hindi sinusuportahan, isinara niya ang kanyang operasyon.

Patuloy na ginagawa ng system ang mga pusta nito, kahit na sa madilim. Alam namin nang detalyado nang eksakto kung paano ito gaganap, patuloy niya. Ito ay tiyak na sa punto na may tinatayang pag-uugali.

Ang imprastraktura ng kalakalan ay higit sa lahat ay awtomatiko din. Ang supercomputer ngayon ay nakikipag-ugnay sa sarili nitong broker ng dealer ng J4; maaari itong ilagay sa mga kalakal at alisin, i-shut down at i-reboot kung kinakailangan. Maaga pa, si Glickman ay umarkila ng isang cloud engineer upang bumuo ng isang pagmamay-ari, nasusukat na platform upang madagdagan ang kakayahan kasabay ng pangangailangan ng customer. Maaari nating ikakalakal ang London, aniya. Maaari nating ipagpalit ang Hong Kong. Maaari kaming magkaroon ng 1,000 o kahit na 10,000 mga customer. At kung kailangan naming makipagkalakalan ng 15,000 equities, magagawa natin.

Para sa sandaling ito, ang J4 Capital ay medyo maliit. Nagtaas si Glickman ng $ 10 milyon na kapital mula sa mga kaibigan at pamilya upang maitayo ang kanyang negosyo, kasama na ang 400 mga server na bumubuo sa supercomputer. Siningil niya ang mga kliyente ng 2% bayad sa pamamahala at 20% ng mga natamo — karaniwang kasanayan para sa isang hedge fund, kahit na wala siyang pagnanais na buuin ang susunod na BlackRock o Renaissance Technologies. Hindi tulad ng tradisyunal na mga pondo ng hedge, ang J4 ay walang lock-up period kung saan hindi maaaring bawiin ng mga namumuhunan ang kanilang pera.

kung paano mapabuti ang pagpapabalik ng memorya

Sa isang pag-file na ginawa sa Estado ng Illinois, sa pagtatapos ng Enero, iniulat ng J4 na mayroon lamang itong $ 7.2 milyon sa ilalim ng pamamahala sa pagtatapos ng 2019, matapos na sa negosyo sa loob ng apat na buwan. Ngunit sinabi ni Glickman na inaasahan niyang magkaroon ng higit sa $ 100 milyon ng mga assets sa ilalim ng pamamahala sa lalong madaling panahon, sa oras na iyon ay hihilingin siyang mag-file sa Securities and Exchange Commission.

Ang mga sentro ng operasyon sa panahon ng pagpapatakbo ng ilaw-out. [Larawan: May copyright na 2020, Jeff Glickman]

Habang ang kanyang mga supercomputer ay naglilimbag ng pera, si Glickman ay nananatili sa bahay, na nakatuon sa higit pang mga prosaic na aspeto ng pagpapatakbo ng isang negosyo sa pamumuhunan: paghahanap ng mga bagong namumuhunan upang maaari siyang bumili ng higit na kapangyarihan sa supercomputing, at subukang magdala ng maraming mga assets sa ilalim ng pamamahala. Nagpapatuloy siya upang pinuhin ang teknolohiya. Lumilipat siya kay Charles Schwab bilang kanyang broker. Naglalagay siya ng isang bagong sistema ng pagsingil.

Ang pinakamahalaga, sinabi niya, ay hindi siya nasiyahan na ang kanyang mga makina ay mga equity lamang sa kalakalan. Ang teknolohiya ng J4 ay malapit sa kakayahang hawakan ang foreign exchange. Nais niyang makapagpalit ng mga derivatives. Nais niyang makapagpalit ng mga bono at iba pang mga produktong kredito. Maaari siyang lumipat sa lalong madaling panahon sa paglipas ng pangangalakal sa mga pamilihan sa pananalapi upang malutas ang mga problema, gamit ang AI, sa supply-chain logistics — isang lugar kung saan, aniya, humihingi ng tulong ang kanyang mga kliyente.

Si Glickman ay higit na walang malasakit sa kung paano ginagamit ang kanyang paglikha. Ang aming ambisyon ay kasing simple ng maaaring maiisip ng isa, sabi niya. Upang makabuo ng isang negosyo at kumita ng pera. Hindi kami isang kumpanya ng Wall Street. Nagkataon lang na naglalaro kami sa kanilang espasyo. Panimula kaming isang kumpanya ng teknolohiya. Kami ay isang kumpanya ng teknolohiya. Magbubuo kami ng isang magandang kumikitang negosyo, at kami ay makakakuha ng kita mula dito, tulad ng gagawin ng anumang ibang mahusay na tech na kumpanya.

Si William D. Cohan, isang dating Bank Street senior merger at acquisition banker, ay nakasulat ng apat na pinakamabentang libro tungkol sa Wall Street.