Een groep onderzoekers stelt voor om financiële markten niet langer als statische omgevingen te beschouwen, maar als dynamische systemen die samen met AI-agenten moeten worden ontworpen om collectieve intelligentie te optimaliseren.
In een recent gepubliceerd position paper betogen wetenschappers dat de huidige benadering van machine learning in de financiële sector tekortschiet. Volgens de auteurs, waaronder Yankai Chen en acht andere onderzoekers, worden leeragenten momenteel weliswaar ingezet als deelnemers aan de markt, maar wordt de markt zelf nog steeds behandeld als een vaststaand kader. Terwijl de beloningsregels van de markt juist de basis vormen voor wat AI-agenten leren, wordt de structuur van die markt zelden aangepast aan de behoeften van het leersysteem.
De visie op HyperMarkets
De onderzoekers introduceren het concept van 'HyperMarkets'. In plaats van enkel AI-traders te ontwikkelen die proberen te winnen binnen bestaande regels, pleiten zij voor het ontwerpen van markten waarbij cruciale elementen worden beheerd of aangepast door leeragenten. Volgens de publicatie op arxiv.org gaat het hierbij specifiek om de liquiditeitsverschaffing, de productie van informatie, de bepaling van uitkomsten en de handelsregels.
Het doel van deze HyperMarkets is het creëren van een vorm van mens-AI collectieve intelligentie. Door de marktregels en de handelsagenten gezamenlijk te ontwerpen richting expliciete doelstellingen op marktniveau, zou de efficiëntie van het systeem aanzienlijk kunnen toenemen.
Resultaten uit simulaties
Om hun theorie te onderbouwen, hebben de auteurs een vooraf geregistreerde simulatie uitgevoerd. In deze testomgeving handelden agenten van Claude voor opdrachtgevers. De resultaten laten zien dat een gezamenlijk ontwerp van de markt en de agenten leidde tot een stijging van 79% in een specifiek marktniveau-doel vergeleken met situaties waarin functies afzonderlijk waren afgestemd.
De onderzoekers merkten op dat bepaalde handelsregels vooral effectief waren wanneer er sprake was van 'trage handelaren'. Daarnaast bleek dat de manier waarop bewijsvoering wordt beloond bepaalt of een sterkere agent meer waarde kan genereren voor zijn opdrachtgever. In het document op wordt verder uiteengezet wanneer vaste regels of niet-marktgerelateerde aggregatiemethoden nog steeds de voorkeur genieten boven dit nieuwe model.
Context van de huidige financiële markten
De roep om innovatie in AI-gestuurde handel komt op een moment dat de mondiale markten gedomineerd worden door techgiganten. Gegevens van tradingview.com tonen aan dat bedrijven zoals Apple, NVIDIA en Microsoft marktkapitalisaties van meerdere biljoenen dollars bereiken. De enorme volumes en de snelheid waarmee deze markten opereren, maken de integratie van geavanceerde AI-systemen steeds relevanter.
Binnen de huidige marktstructuur, zoals te zien is in de indexen van de en de Nasdaq, is de interactie tussen algoritmen en menselijke handelaren alomtegenwoordig. De voorgestelde HyperMarkets zouden deze interactie naar een hoger niveau tillen door de infrastructuur zelf intelligent te maken.
Wetenschappelijke classificatie
Het onderzoek is ingediënten onder de categorie 'Computational Engineering, Finance, and Science' (cs.CE). De auteurs benadrukken dat hun bevindingen een basis leggen voor een nieuwe manier van kijken naar financiële AI, waarbij de focus verschuift van de individuele trader naar het ontwerp van het ecosysteem. De volledige details van de methodologie en de voorwaarden waaronder hun stellingen weerlegd zouden kunnen worden, zijn terug te vinden in de .