Как Jump Trading масштабирует квант-исследования с ChatGPT
Как Jump Trading использует GPT-6 Astra для автономных AI-агентов, длительных воркфлоу и масштабирования количественных исследований.
Когда каждая доля процента на счету
Jump Trading — количественная (quant) торговая компания, которая создаёт предиктивные модели на основе рыночных данных, новостей, событий и широкого спектра альтернативных источников для максимально точного прогнозирования цен на активы. Звучит как задача для суперкомпьютера — и так оно и есть. Но теперь к вычислительной мощи добавился принципиально новый инструмент: языковые модели нового поколения.
Рынки сложны, зашумлены и постоянно меняются — предугадать точный исход почти невозможно. Но, по словам Лукаса Бейкера (Lucas Baker), руководителя направления LLM R&D (исследования и разработки на базе больших языковых моделей) в Jump Trading, даже незначительное преимущество перед «подбрасыванием монеты» в масштабах компании уже достаточно для создания прибыльной стратегии.
«С серией GPT-6, и особенно GPT-6 Astra, OpenAI открыла новый уровень автономии для долгосрочных задач, требующих гибкой координации агентов.» — Лукас Бейкер, руководитель LLM R&D, Jump Trading
Кто такой Лукас Бейкер и что он строит
Бейкер руководит направлением агентных (agentic) исследований и разработок — он создаёт агентов, «упряжки» (harnesses) и инфраструктуру, которые позволяют квантовым исследователям изучать идеи в большем масштабе и с большей глубиной. Добавление GPT-6 Astra резко расширило масштаб и сложность задач, которые можно делегировать агентам: от рутинного кодирования до продвинутых количественных исследований для проверки новых гипотез.
От коротких фрагментов кода — к полноценному анализу
По словам Бейкера, с GPT-6 Astra агенты теперь способны не только находить значимые и практичные улучшения, но и объединять эти достижения в процессе рекурсивного совершенствования. В ходе одной длительной задачи система может анализировать свои находки, сопоставлять их с изначально согласованными критериями и самостоятельно перенаправлять усилия — без необходимости, чтобы человек оценивал каждый раунд изменений.
Это качественный сдвиг. Раньше исследователь должен был постоянно «дёргать» AI за руку: проверять промежуточные результаты, указывать следующий шаг, исправлять ошибки вручную. Теперь агент действует как самостоятельный младший аналитик, способный вести длинный исследовательский трек от гипотезы до выводов.
Исследователь формулирует гипотезу: «Влияет ли настроение в новостях на внутридневную волатильность определённого класса активов?» Агент самостоятельно:
- Собирает релевантные новостные данные из нескольких источников
- Пишет код для анализа тональности (sentiment analysis)
- Прогоняет бэктест (backtest — проверку стратегии на исторических данных)
- Оценивает результаты по заданным критериям
- Формулирует выводы и предлагает следующие шаги
Всё это — в рамках одного непрерывного сеанса работы агента.
Архитектура воркфлоу: как это устроено
graph TD
A[Исследователь формулирует гипотезу] --> B[Агент GPT-6 Astra получает задачу]
B --> C[Сбор данных из множества источников]
C --> D[Написание и запуск кода]
D --> E[Анализ результатов]
E --> F{Соответствует критериям?}
F -- Нет --> G[Агент перенаправляет усилия]
G --> D
F -- Да --> H[Рекурсивное объединение улучшений]
H --> I[Финальный отчёт агента]
I --> J[Проверка человеком]
J --> K[Принятие решения об использовании]
Ключевой элемент архитектуры — петля обратной связи без участия человека на промежуточных этапах. «С серией GPT-6, и особенно GPT-6 Astra, OpenAI открыла новый уровень автономии для долгосрочных задач, требующих гибкой координации агентов и высокой устойчивости при работе со сложными воркфлоу. Там, где раньше нам требовалось частое вмешательство и руководство со стороны человека, теперь мы можем сосредоточиться на определении безопасной и хорошо отслеживаемой среды с чёткими целями — и дать агентам найти собственный путь», — говорит Бейкер.
Человек в центре: почему контроль не отменяется
Длительные AI-воркфлоу в Jump Trading сочетают множество источников данных с проверкой со стороны человека. Это принципиальная позиция компании: автоматизация ускоряет и масштабирует исследования, но финальное слово остаётся за квалифицированным специалистом.
GPT-6 Astra — это флагманская модель OpenAI нового поколения, ориентированная на сложные рассуждения, кодирование, работу с компьютером, исследования, профессиональные документы и агентные задачи. Именно эти характеристики делают её особенно ценной для квантовых финансов, где задачи редко бывают однозначными.
Сравнение: до и после внедрения GPT-6 Astra
| Характеристика | До GPT-6 Astra | С GPT-6 Astra |
|---|---|---|
| Длина воркфлоу | Короткие, требуют частых check-in’ов | Длительные, автономные сессии |
| Участие человека | На каждом промежуточном шаге | Только на этапе постановки и финальной проверки |
| Охват гипотез | Ограничен временем исследователей | Масштабируется параллельно |
| Источники данных | Как правило, один-два за сессию | Множество источников одновременно |
| Рекурсивное улучшение | Ручное, итеративное | Автоматическое, встроено в агента |
| Сложность задач | Фрагменты кода, простые запросы | Полноценные исследования с выводами |
Что даёт Jump Trading конкурентное преимущество
Jump Trading работает с выводами в реальном времени на петабайтах рыночных и альтернативных данных, используя массивную HPC-сетку с тысячами GPU, LLM-агентов и ассистентов через API и HPC, NLP-анализ и генерацию сигналов из неструктурированных данных.
Исследователи, инженеры и трейдеры работают бок о бок, превращая идеи в production-решения, сочетая научный подход с быстрыми итерациями. Часть ML и AI-специалистов работает непосредственно с торговыми командами, специализируясь на конкретных рынках. Другие централизованно строят масштабируемые системы, высокопроизводительную инфраструктуру, кастомные фундаментальные модели и LLM-агентов.
Сравнение подходов к AI-ассистированию в quant-исследованиях
| Подход | Описание | Подходит для | Ограничения |
|---|---|---|---|
| Разовые запросы к ChatGPT | Один вопрос — один ответ | Объяснение концепций, быстрый код | Нет памяти контекста, ручные итерации |
| Агентный воркфлоу (без оркестрации) | Агент выполняет задачу последовательно | Средние исследовательские задачи | Требует частого вмешательства |
| Оркестрированные агенты (GPT-6 Astra) | Несколько агентов координируются | Сложные, длительные исследования | Требует надёжной инфраструктуры и мониторинга |
| Полная автономия без надзора | AI принимает все решения самостоятельно | — | Неприемлемо в финансах из-за рисков |
Почему это важно для всей отрасли
История Jump Trading — это не просто кейс одной компании. Это сигнал для всей индустрии количественных финансов: барьер между «исследовательской идеей» и «проверенной стратегией» стремительно снижается.
ChatGPT отлично справляется с ускорением исследовательского процесса: суммирует академические статьи по торговым стратегиям, предлагает смежные концепции при изучении новых подходов, быстро объясняет незнакомые финансовые инструменты и помогает оформить черновую идею в формальный исследовательский план.
Но то, что делает Jump Trading с GPT-6 Astra, выходит за рамки «ассистента». Это полноценная делегация исследовательских циклов агентам — с сохранением человеческого контроля на критически важных этапах.
Будущее количественных исследований — не в замене аналитика машиной, а в радикальном увеличении того, что один аналитик способен исследовать за единицу времени.
Итог
Jump Trading показывает, как можно системно масштабировать интеллектуальную работу — не нанимая всё больше людей, а вооружая каждого исследователя мощной агентной инфраструктурой. GPT-6 Astra берёт на себя рутину, длинные итерации и синтез данных из множества источников. Человек формулирует цели, задаёт критерии качества и принимает финальные решения.
Для российских команд, работающих в области алгоритмической торговли, финтеха или аналитики данных, этот кейс даёт практическую дорожную карту: агентные воркфлоу уже сегодня позволяют делать то, на что раньше уходили недели командной работы.