AI Hedge Fund: sun'iy intellekt tahlilchilari savdolar bo'yicha ovoz beradigan ko'p agentli fond

AI Hedge Fund — LLM va treyding kesishmasidagi eng ko'p muhokama qilinadigan ochiq kodli loyihalardan biri. GitHub-da 12 000 dan ortiq yulduz, yuzlab fork, Twitter-da ishtiyoqli postlar. Ammo hype-ni chetga surib, xotirjam qarasak: qadr-qimmat "pul topadigan neyron tarmoqda" emas, balki arxitektura naqshida — sun'iy intellekt tahlilchilari jamoasini har biri o'z tajribasini qo'shadigan va ularning hech biri portfelni portlatib yubormaydigan tarzda qanday tashkil qilishda.

Loyiha muallifidan ogohlantirish: Bu haqiqiy pul uchun tizim emas — bu tajribalar uchun qum quti (sandbox).

Asosiy g'oya: bitta guru emas, balki qo'mita

Sun'iy intellektli treyding botlarining aksariyati oddiy: bitta LLM ma'lumot oladi → signal hosil qiladi → savdo. AI Hedge Fund tubdan boshqacha ishlaydi: u turli fikrlash uslublariga ega agentlar jamoasidan foydalanadi.

Har bir agent — o'z prompti va ma'lumot manbalariga ega ixtisoslashgan LLM:

Agentlar ketma-ket ishlaydi: avval har bir tahlilchi o'z bahosini beradi (sabab bilan sotib olish/sotish/ushlab turish), keyin xavf menejeri joizligini tekshiradi va faqat shundan keyin portfel menejeri aniq harakatni shakllantiradi.

Nega "avval xavf, keyin harakat" to'g'ri

Loyihaning eng kuchli qismi "LLM sehri" emas — bu qaror qabul qilish ketma-ketligi.

Sun'iy intellektli treyding tizimlaridagi klassik xato — modelga to'liq erkinlik berish: "mana $100K, xohlaganingni qil." AI Hedge Fund boshqacha ishlaydi:

1. Xavf byudjetini baholash. Biror agent savdo taklif qilishidan oldin, tizim portfel qancha xavfni yuta olishini baholaydi — volatillik, joriy pozitsiyalar va aktivlarning korrelyatsiyasini hisobga olgan holda.

2. Hajmni filtrlash. Agent butun depozit uchun pozitsiyani "xayolan tasavvur qila" olmaydi. Agar limit faqat 5%ga ruxsat bersa — u holda faqat 5%, signal qanchalik ishonarli bo'lmasin.

3. Fikrlarni jamlash. Portfel menejeri faqat "sotib olish/sotish"ni emas, balki har bir tahlilchining batafsil dalillarini ko'radi. Fikrlarning bir-biriga zid bo'lishi xato emas — bu imkoniyat: agar vellyu-tahlilchi "arzon" desa, lekin texnik tahlilchi "pasayish trendi" desa, pozitsiya hajmi kamayadi.

Investitsiyada faqat signal emas, balki pozitsiya hajmiga bo'lgan huquq muhim. Bu foundation-first yondashuvi: avval mustahkam cheklovlar tizimi, keyin "intellekt".

Bu amaliyotda nima beradi

• Portfeldagi impulsiv nomutanosibliklar ehtimoli kamayadi.
• Savdo hajmi nima uchun aynan shunday ekaniga aniq mantiq.
• Yanada mos bektesting tajribalari.
• Iteratsiyalar uchun qulay zamin: xavf tizimini buzmasdan tahlilchilarni yaxshilash mumkin.

Natijalarni o'z-o'zini aldamasdan qanday o'qish kerak

Bunday har qanday loyihani, faqat uning chiroyli ishlashiga qarasangiz, "haddan tashqari maqtash" oson. Mana halol baholash ro'yxati:

1. Bozorlar bo'yicha barqarorlik. U trend bozorlaridagidek fleteb bozorlarida ham ishlaydimi?
2. Stress-testlar. Vahima, geplar, keskin burilishlar paytida nima bo'ladi?
3. Overfitting. Prompt mantig'i muayyan tikerlar va davrlarga moslashtirilganmi?
4. Ma'lumot sifati. Komissiyalar, slippage va splitlar hisobga olinganmi?
5. Takrorlanuvchanlik. Xuddi shu promptlar bir haftadan keyin xuddi shu natijani beradimi (LLM-lar deterministik emas)?

Cheklovlar va halol baho

AI Hedge Fund nima emasligini tushunish muhim:

• Bu ishlab chiqarish (production) tizimi emas. Haqiqiy ijro yo'q, likvidlikni modellashtirish yo'q.
• LLM-ga bog'liqlik. Qaror sifati to'liq model sifati bilan belgilanadi. GPT-4 va GPT-3.5 turli natijalar beradi.
• Tarixiy bektest yo'q. Tizimni 5 yillik ma'lumotlarda ishga tushirib, ekviti-egri chizig'ini olib bo'lmaydi.
• Determinizm. Harorati > 0 bo'lgan LLM-lar bir xil kirishlarga turlicha javob beradi.

Havolalar

• 💻 GitHub: virattt/ai-hedge-fund
• 📄 Litsenziya: MIT

Xulosa

AI Hedge Fund "pul ishlab chiqaradigan mashina" sifatida emas, balki fikrlash tizimi sifatida foydali:

• Tahlilchi rollarini ajrating.
• G'oya yaratishni xavf nazoratidan ajrating.
• Qarorlarni tushuntirib bo'ladigan qiling.
• Gipotezalarni sinang, lekin bektestingni foyda kafolati bilan chalkashtirmang.

O'rganish va prototiplash uchun — mustahkam ish. Ishlab chiqarish uchun keyingi qatlam kerak: real ijro, ma'lumotlarni tekshirish, model drift nazorati va faqat prompt darajasida emas, qoidalar darajasidagi haqiqiy xavf qo'mitasi.