Darius Baruo
22 мая 2026 г. 03:59
Инструментарий NeMo Agent Toolkit от NVIDIA обеспечивает управляемую ИИ автоматизацию для обнаружения финансовых сигналов, сокращая циклы исследований в количественной торговле.
NVIDIA представила новое применение своего инструментария NeMo Agent Toolkit, демонстрируя, как мультиагентные системы (MAS) могут трансформировать обнаружение финансовых сигналов в количественной торговле. Автоматизируя традиционно трудоёмкие процессы обработки вручную, система сокращает циклы исследований и повышает эффективность выявления сигналов, генерирующих альфу, — критически важного компонента систематических торговых стратегий.
Согласно записи в блоге, authored Peihan Huo из NVIDIA, система координирует трёх специализированных ИИ-агентов: агента сигналов (Signal Agent), агента кода (Code Agent) и агента оценки (Evaluation Agent). Вместе эти агенты работают в непрерывном цикле генерации гипотез, бэктестирования и уточнения. Этот самосовершенствующийся рабочий процесс использует модели Nemotron от NVIDIA для ускорения процесса обнаружения при сохранении высокой интерпретируемости и воспроизводимости результатов.
Как работает система агентов
Агент сигналов выявляет потенциальные торговые сигналы, анализируя рыночные данные, такие как цена, объём и фундаментальные индикаторы. Используя структурированную библиотеку математических операторов, он генерирует гипотезы, избегая распространённых ошибок ИИ, таких как «галлюцинирование» недействительных математических формул. Например, он может предложить сигнал, объединяющий ценовой моментум с тенденциями объёма, обеспечивая логическую и экономическую обоснованность.
После формирования гипотезы агент кода преобразует идею в исполняемый код Python. Затем этот код проходит бэктестирование агентом оценки, который вычисляет такие метрики, как информационный коэффициент (IC), для измерения предсказательной силы сигнала. Сигналы, не достигающие заранее определённых пороговых значений, оптимизируются в итерационном процессе, создавая петлю обратной связи, которая улучшается с каждым циклом.
Почему это важно для трейдеров
Количественные финансы давно полагаются на трудоёмкие рабочие процессы для обнаружения сигналов. Традиционные методы требуют от исследователей формулировать гипотезы, кодировать, проводить бэктестирование и уточнять сигналы по одному, что зачастую предполагает разрозненные передачи между командами аналитиков и разработчиков. Система NVIDIA направлена на оптимизацию этого процесса, позволяя квантам тестировать больше идей за меньшее время.
Для справки: сильные торговые сигналы обычно демонстрируют средний Rank IC от 0,02 до 0,05. В демо-версии NVIDIA один из сгенерированных сигналов достиг Rank IC равного -0,0134 со статистической значимостью на протяжении 3 504 торговых дней, демонстрируя способность системы генерировать практически применимые, пусть и скромные, прогностические инсайты. Хотя это не революционный результат, данная производительность соответствует сигналам, используемым в институциональных краткосрочных стратегиях, таких как моментум или возврат к среднему.
Более широкий рыночный контекст
Мультиагентные системы набирают популярность в количественных финансах как основа для моделирования сложной рыночной динамики. Недавние достижения, такие как иерархическое обучение с подкреплением и архитектуры на основе графов, расширили возможности MAS в таких областях, как оптимизация портфеля и рыночный мониторинг. Например, в 2025 году исследователи представили фреймворк с механизмом внимания на основе графов для моделирования межактивных зависимостей, тогда как стартапы, такие как Fere AI, начали коммерциализировать самосовершенствующихся торговых агентов.
Акцент NVIDIA на модульности и наблюдаемости дополнительно выделяет её предложение. Централизуя рабочие процессы в конфигурациях YAML и интегрируя инструменты отслеживания в реальном времени, такие как Arize Phoenix, платформа позволяет пользователям отлаживать проблемы и масштабировать эксперименты с минимальными затруднениями. Квант-команды могут легко адаптировать систему к различным классам активов, торговым стратегиям или проприетарным наборам данных, что делает её универсальным инструментом как для институциональных, так и для продвинутых розничных трейдеров.
Взгляд в будущее
Инструментарий NeMo Agent Toolkit от NVIDIA даёт представление о будущем автоматизированных количественных исследований. По мере того как фреймворки MAS становятся зрелее, они готовы переосмыслить подход трейдеров к генерации альфы, управлению рисками и стратегиям исполнения. Для заинтересованных NVIDIA предлагает среду развёртывания с ускорением на GPU и реализацию с открытым исходным кодом на GitHub, делая её доступной для квантов, желающих экспериментировать с этими передовыми инструментами.
Источник изображения: Shutterstock
Source: https://blockchain.news/news/nvidia-ai-automates-signal-discovery
