Aktywne Wpisy
bArrek +140
Do j-----j pracy jutro
karolina-oska +45
#rolnikszukazony
To straszne jak większość chłopów na tym targu w ogóle nie rozumie Karoliny od Rolanda....
Chłop na każdym spotkaniu się na nia patrzy i uśmiecha. Wyżyny jego możliwości rozmowy z kobietą to opracowanie planu przeprowadzki i ślubu za rok.
Karolina widze że nie idzie do łba mu nic przełożyć więc pisze list żeby typo przeczytał w samotności i sie zastanowił.
Ona czuje się jak ładny przedmiot do patrzenia, bo typ nie pyta
To straszne jak większość chłopów na tym targu w ogóle nie rozumie Karoliny od Rolanda....
Chłop na każdym spotkaniu się na nia patrzy i uśmiecha. Wyżyny jego możliwości rozmowy z kobietą to opracowanie planu przeprowadzki i ślubu za rok.
Karolina widze że nie idzie do łba mu nic przełożyć więc pisze list żeby typo przeczytał w samotności i sie zastanowił.
Ona czuje się jak ładny przedmiot do patrzenia, bo typ nie pyta
Aktywne Znaleziska
Wszyscy jarają się LLM-ami i ChatGPT, a tymczasem po cichu, w serwerowniach blisko Wall Street, działa coś, co można nazwać "Wąskim AGI". I nie pisze wierszy, tylko kosi potężny hajs na mikrosekundach.
Chciałem Wam pokazać, jak wygląda "Three-Agent Stack". To standard u gigantów takich jak Renaissance, Citadel czy Jane Street. To w zasadzie autonomiczny organizm, który walczy o przetrwanie na rynku.
Dlaczego przegrywasz z rynkiem? Bo po drugiej stronie stoi ten potwór:
1. AGENT 2: Mózg (Alpha Generation)
To jest strateg. On nie patrzy na wykresy jak człowiek. Analizuje zdjęcia satelitarne parkingów przed Walmartem, sentyment na Twitterze, raporty makro i tysiące innych zmiennych (Alternative Data).
Cel: Znaleźć "Alphę" (przewagę).
Mindset: Myślenie rekurencyjne. Nie pyta "ile to jest warte", tylko "ile inni myślą, że to jest warte i kiedy zmienią zdanie" (Keynesian Beauty Contest). Często używa sieci GAN (jedna sieć generuje fake newsy/szum, druga uczy się je wykrywać), żeby nie dać się oszukać innym botom.
2. AGENT 3: Taktyk (Execution)
Dostaje info od Mózgu: "Sprzedaj Nvidia". Ale jak kupisz za dużo na raz, to cena wystrzeli. Taktyk tnie to zlecenie na tysiące kawałków (Child Orders). Używa algorytmów VWAP/TWAP i "Iceberg Orders" (góry lodowej), żeby ukryć, co tak naprawdę robi przed innymi graczami.
3. AGENT 1: Egzekutor (HFT / Microstructure)
Tu już nie ma AI, tu jest czysta fizyka i FPGA. Liczą się nanosekundy. Ten agent walczy o miejsce w kolejce zleceń. Jest "głupi", ale piekielnie szybki. Jeśli Taktyk mówi "bierz", Egzekutor wbija się przed Ciebie, zanim Twój broker w ogóle odświeży cenę.
Schemat architektury (uproszczony):
Architektura Multi-Agentowa Systemów Quant (The 3-Agent Stack)
┌──────────────────────────────────────────────────┐
│ ŚWIAT ZEWNĘTRZNY │
│ (Globalne rynki, Big Data, Sentyment, Newsy) │
└─────────────────────────┬────────────────────────┘
│
┌────────────────────────────┴───────────────────────────┐
│ │
│ AGENT 2: ALPHA GENERATION MODEL │
│ ("The Strategist" - Warstwa Strategiczna) │
│ │
├──────────────────────────────────────────────────────────┤
│ Wejście (Input Data): │
│ - Alternative Data: Obrazowanie satelitarne, │
│ dane geolokalizacyjne, IoT, transakcje kartowe. │
│ - NLP & Sentyment: Analiza języka naturalnego │
│ (Social Media, Newsy, Raporty SEC/ESPI). │
│ - Fundamental Data: Makroekonomia, sprawozdania. │
├──────────────────────────────────────────────────────────┤
│ Metody i Technologie: │
│ - Signal Processing: Modele Bayesowskie, Regresja.│
│ - Deep Learning: Transformers (BERT/GPT), LSTM. │
│ - Big Data: Apache Kafka, Spark, Data Lakes. │
├──────────────────────────────────────────────────────────┤
│ Wyjście (Output): │
│ - Sygnał Alpha: Decyzja kierunkowa (Long/Short). │
│ - Expected Value (EV): Szacowana wartość zysku. │
│ - Horyzont czasowy: (Intraday / Swing). │
└─────────────────────────┬────────────────────────┘
│ Sygnał Inwestycyjny
│ (Target Position)
▼
┌─────────────────────────┴─────────────────────────┐
│ │
│ AGENT 3: ALGORITHMIC EXECUTION │
│ ("The Tactician" - Smart Order Routing) │
│ │
├─────────────────────────────────────────────────────┤
│ Wejście (Input Data): │
│ - Target Position od Agenta 2. │
│ - Market Depth: Głębokość rynku, płynność. │
│ - Historyczna zmienność (Volatility). │
├─────────────────────────────────────────────────────┤
│ Metody i Technologie: │
│ - Algorytmy Egzekucyjne: VWAP, TWAP, POV. │
│ - Game Theory: Optymalizacja kosztu wejścia. │
│ - Obfuskacja: Iceberg Orders (ukrywanie │
│ wolumenu), Randomizacja czasu (Jitter). │
│ - Reinforcement Learning: Adaptacja strategii.│
├─────────────────────────────────────────────────────┤
│ Wyjście (Output): │
│ - Child Orders: Zlecenia potomne (poszatkowane).│
│ - Harmonogram: Timing wysyłania zleceń. │
└─────────────────────────┬─────────────────────────┘
│ Zlecenia Limit/Market
▼
┌─────────────────────────┴─────────────────────────┐
│ │
│ AGENT 1: MARKET MICROSTRUCTURE / HFT │
│ ("The Executor" - Low Latency) │
│ │
├─────────────────────────────────────────────────────┤
│ Wejście (Input Data): │
│ - Child Orders od Agenta 3. │
│ - Raw Data Feed: Bezpośredni strumień giełdowy.│
│ - Order Book: Kolejka zleceń (Level 3 Data). │
├─────────────────────────────────────────────────────┤
│ Metody i Technologie: │
│ - Hardware Acceleration: FPGA, ASIC. │
│ - Low Latency: Kernel bypass, Direct Market │
│ Access (DMA), Kolokacja serwerów. │
│ - Protokóły: FIX, ITCH/OUCH. │
├─────────────────────────────────────────────────────┤
│ Wyjście (Output): │
│ - Egzekucja Transakcji: Nanosekundy. │
│ - Queue Priority: Walka o miejsce w kolejce. │
└─────────────────────────┬─────────────────────────┘
│
▼
┌─────────────────────────┐
│ CENTRAL ORDER BOOK │
│ (Giełda / Rynek) │
└─────────────────────────┘
Dlaczego to jest przerażające/genialne?
Ten system ma cechy homeostazy. Działa jak żywy organizm.
Jeśli Agent 1 widzi, że nie ma płynności, wysyła sygnał w górę. Agent 3 zmienia taktykę z agresywnej na pasywną. Jeśli to nie działa – Agent 2 rewiduje całą tezę inwestycyjną. Wszystko autonomicznie.
Dla Agenta 2 Wasza "irracjonalność" i emocje na giełdzie to tylko kolejna zmienna w równaniu. Jeśli wyprzedajecie się w panice – on to widzi i bezlitośnie wykorzystuje, bo nie ma emocji, ma tylko Expected Value (EV).
Źródła:
A. Potwierdzenie dla "Agenta 3" (Reinforcement Learning w Egzekucji)
Algorytm LOXM (JP Morgan): To jest dokładnie "Agent 3". LOXM to pierwsza głośna aplikacja Deep Reinforcement Learning do egzekucji zleceń klienta. Uczył się na miliardach transakcji historycznych, jak realizować duże zlecenia (np. sprzedać 1 mln akcji Apple), nie ruszając ceny i nie dając się wykryć HFT.
Google: JP Morgan LOXM deep reinforcement learning execution
Praca naukowa: Nevmyvaka, Feng, Kearns "Reinforcement Learning for Optimized Trade Execution" (2006/2019). To klasyczna praca pokazująca, jak AI uczy się optymalizować moment wysłania zlecenia.
B. Potwierdzenie dla "Agenta 2" (Alternative Data & Signal)
Książka "The Man Who Solved the Market" (o Jimie Simonsie i Renaissance Technologies): Biblia quantów. Opisuje, jak ich system Medallion (Agent 2) szukał korelacji, których ludzie nie widzą (nie-intuicyjne wzorce), i ignorował fundamenty ekonomiczne.
Przykład "Parkingów Walmartu": To klasyczny case firmy Orbital Insight. Analizowali cienie rzucane przez samochody na zdjęciach satelitarnych, by przewidzieć wyniki kwartalne sieci handlowych przed oficjalnym raportem.
C. Potwierdzenie dla "Agenta 1" (Wojna o nanosekundy)
Książka "Flash Boys" (Michael Lewis): Choć trochę sensacyjna, idealnie opisuje wojnę Agenta 1. Opisuje budowę światłowodu Spread Networks tylko po to, by zyskać kilka milisekund między Chicago a Nowym Jorkiem.
Firmy technologiczne: Xilinx (AMD) czy Arista Networks, które produkują switche o ultra-niskim opóźnieniu (low latency switches) dedykowane pod HFT. Tam kod jest "wypalany" w krzemie.
D. Potwierdzenie "Hierarchii i Homeostazy"
Hierarchical Reinforcement Learning (HRL): W literaturze naukowej "Three-Agent Stack" nazywa się HRL. "Meta-Controller" (Agent 2), który wyznacza cel, i "Sub-Policies" (Agent 3/1), które go realizują.
#gielda #sztucznainteligencja #ciekawostki #gruparatowaniapoziomu #programowanie #finanse
źródło: Three-Agent Stack
PobierzPrawdziwa magia (i ryzyko) jest w Agencie 2, bo on jako jedyny operuje na niepełnej informacji (Incomplete Information Game). Reszta systemu widzi to, co jest (order book), a Strateg musi wywnioskować to, czego nie widać (ukryte intencje, sentyment, czy ruch jest szumem czy sygnałem).
I właśnie
Komentarz usunięty przez autora
@kokot1: Dzięki! Myślę, że możesz mylić prowizję dla brokera (którą faktycznie możesz mieć 0 zł) ze spreadem rynkowym (różnicą między ofertami Kupno/Sprzedaż w karnecie).
Spread to nie jest opłata, którą widzisz na wyciągu. To mechanika rynku. Jeśli cena akcji to 100 zł (kupno) i 99,90 zł (sprzedaż), to
Chiny nie mają takiego szulerskiego systemu dlatego wygrają. Jak ktoś tam ma takie "pomysły" to znika jak Jack Ma.
@kokot1: a ja nie płacę podatków
Nie wrzuciłem tego wpisu, żeby oceniać moralność czy politykę, ale ze względu na fascynującą inżynierię. Ten system (Three-Agent Stack) to prawdopodobnie jeden z niewielu działających przykładów autonomicznej współpracy agentów w czasie
Pytanie dlaczego z taką architekturą i wiedzą nie implementują tego w medycynie. Choć może i coś jest na rzeczy bo Larry Ellison i jemu podobni nie chcą umierać zbyt szybko.
deepseek wywodzi się z hedge fundu.
pierwsze
"Wpychanie AI" dotyczy jednak Agenta 2 (Strategii). Jeszcze 5-7 lat temu to była prosta statystyka (powrót do średniej). Dzisiaj, dzięki modelom Transformer (jak te w GPT), Agent 2 potrafi "czytać" i "rozumieć" kontekst – np. analizuje ton głosu
@BedzieDobraGra: Szczerze? Nie wiem, co dokładnie Bloomberg trzyma teraz "pod maską" (choć chwalili się modelem BloombergGPT).
Ale idąc tokiem rozumowania o AGI – Terminal to dla mnie raczej "oczy" i "uszy" (najszybszy dostęp do danych). Natomiast Agent 2 to ten mityczny "mózg", który te dane mieli.
Właśnie to mnie w tym zafascynowało, próba stworzenia bytu, który
Wiem, że to nie na temat, ale poznanie mechanizmu działania 3 agentów tylko uświadamia nam naszą bezbronność.
@plaisant: A teraz jest skomplikowana statystyka, bo tym są duże modele językowe, zwane popularnie AI ;)
Zgadzam się, że komputerowo można zanalizować szybko duże ilości newsów i wyciągnąć wspólny sentyment. Ale czy tembr głosu naprawdę coś może powiedzieć ai czego i tak nie domyśliłby się człowiek? nie sądzę (nawet nie sądzę, żeby istniały takie narzędzia w skutecznej formie, ale kto wie - na youtubie i
Ten schemat (3 Agentów) traktuję jako modelową wizualizację tego, czym może być "Wąska AGI". To nie jest jeden magiczny algorytm, ale system naczyń połączonych. Gdzie "statystyka" (LLM) łączy się z "teorią gier" (Exec) i "fizyką" (HFT). Z tej współpracy wyłania się nowa jakość –