Jump Trading 如何借助 ChatGPT 扩展量化研究
摘要
OpenAI 发布客户案例,称量化交易公司 Jump Trading 已把 ChatGPT(GPT-6 Astra)用于量化研究,让智能体承接从日常编码到验证新假设的长周期研究任务。
核心要点
- Jump Trading 的 LLM 研发负责人 Lucas Baker 表示,其团队用市场数据、新闻与事件以及多种另类数据源构建资产价格预测模型,并认为在大规模上预测准确率只要略高于抛硬币就足以构成成功策略。
- Baker 负责 agentic 研发,重点是搭建智能体、运行框架与基础设施,让量化研究员在广度和深度上探索想法。
- OpenAI 称引入 GPT-6 Astra 后,可交由智能体处理的工作流在规模与复杂度上大幅扩展,覆盖从日常编码到用于验证新假设的高级量化研究。
- Baker 的引语称,GPT-6 系列尤其 Astra 为需要灵活智能体协作和极致持久性的长周期任务解锁了新的自主性层级,此前需要频繁人工指导,现在可以把精力放在定义安全、可监控的环境与明确目标上。
- 文章描述的使用方式是把 AI 当成“同事”:研究员定义关键问题、工作环境和结果质量/重要性的评估标准,再实时指挥一个或多个智能体选择分析方向或下一项任务。
原文佐证
- With the GPT-6 series, especially GPT-6 Astra, OpenAI has unlocked a new tier of autonomy for long-horizon tasks that require flexible agent coordination and extreme persistence on complex workflows.
- predicting even slightly better than a coin flip at scale is enough to result in a successful strategy
- Over the past year, AI has transformed from a helpful tool, useful for writing one-off code snippets or finding small bugs into a capable, versatile system that can develop entire codebases and services by itself.
AI 洞察
这不是一次产品发布,而是 OpenAI 用金融量化这一高门槛、高保密要求的场景为“长时程智能体自主运行”做背书,暗示竞争焦点正从单轮能力转向长任务的可靠性、多智能体编排与评估闭环。对企业而言,价值兑现点不在模型本身,而在“环境+评估标准+监控”的工程化能力,这会成为后续选型与落地能力的分水岭。客户故事取代跑分榜单,也说明头部实验室的叙事正从模型能力转向可交付的生产力结果。