Этот конспект не сохранится

Закроешь вкладку — потеряешь. Зарегистрируйся — и он будет в библиотеке навсегда.

Telegram

Ваш конспект

YouTubeBuilding signals that trade themselves

🎯 AI в систематическом трейдинге: как Man Group использует Claude для управления $200 млрд

Ключевые тезисы:

  • ✅ AI уже создаёт, тестирует и запускает реальные торговые стратегии в Man Group.
  • 🔧 Навыки (Skills) — это ключевой соединительный слой, который учит AI внутренним рабочим процессам компании.
  • ⚠️ Главная проблема: навыки, созданные "продвинутыми пользователями", а не владельцами процессов, ведут к локальным оптимизациям и несогласованности.
  • 🏛️ Государственное управление навыками (Skills Governance) — "секретный соус" для масштабирования AI на уровень предприятия.
  • 🧠 Организационный контекст — это ваше ИП и конкурентное преимущество, которое не смогут воспроизвести крупные AI-лаборатории.

🏢 Контекст: высокие ставки

Man Group — управляющий альтернативными инвестициями с активами >$200 млррд. Клиенты — реальные люди (пенсионные фонды, суверенные фонды). Ошибки в AI могут привести к потере реальных денег. Систематический трейдинг (алгоритмическая торговля на тысячах рынков) — ключевая область для применения AI.

📈 Что такое торговый сигнал?

Торговый сигнал — это стратегия ранжирования акций (как сбор фэнтези-футбольной команды). Цель: выбрать акции, которые принесут прибыль (лонг), и избежать убыточных (шорт). Сигналы тестируются на исторических данных (бэктест за 15+ лет), чтобы оценить их эффективность по метрикам: доходность, просадка (drawdown), коэффициент Шарпа.

🧊 Айсберг рабочих процессов

Сам сигнал — лишь верхушка айсберга. Под ним — сложные рабочие процессы:

  • Очистка и подготовка данных
  • Запуск бэктестов
  • Инфраструктура
    Без общих стандартизированных рабочих процессов разные команды получают несопоставимые результаты.

🤖 Как AI создаёт сигналы в Man Group

AI проходит полный цикл:

  1. Генерирует идею для торгового сигнала.
  2. Получает данные.
  3. Проводит бэктест.
  4. Пишет предложение по стратегии.
  5. Запускает сигнал в продакшн.
    💡 Роль человека: проверка и контроль вывода AI. IP созданных сигналов закрыто.

🚧 Первая ошибка: фокус на внедрении, а не на управлении

Изначальный подход: массовые воркшопы, хакатоны, блог. Проблемы:

  • Навыки писали продвинутые пользователи, а не владельцы процессов.
  • Это приводило к локальным оптимизациям (пример: навык для расходов с жёстко прописанным кодом центра затрат, который создал проблемы для утверждающего).
  • Не было организационной согласованности, что блокировало масштабирование и использование агентами.

✅ Решение: Governance и общий маркетплейс навыков

Был создан управляемый маркетплейс навыков, похожий на библиотеку:

  • 📚 Все навыки видны, помечены тегами и протестированы.
  • 👑 Владелец навыка — ответственный за рабочий процесс.
  • 🔄 Навыки имеют жизненный цикл: создание, тестирование, обзор, отслеживание использования, вывод из эксплуатации.
  • 🧩 Навыки организованы по отделам (финансы, HR, исследования).

🎬 Пример в действии: создание сигнала с помощью навыков

Демо-сценарий:

  1. Используется навык "Альтернативные наборы данных" для поиска данных по кредитным картам.
  2. AI анализирует траты по кредитным картам Amazon и сравнивает с динамикой акций.
  3. Запускается бэктест через навык распределённых вычислений, чтобы проверить, предсказывают ли траты доходность акций.
  4. Анализ расширяется на всю розничную отрасль.
    🎯 Итог: для создания сигнала было использовано 4 управляемых навыка, обеспечивающих согласованность данных и процессов.

📚 Ключевые выводы и уроки

  1. Организационный контекст — это ваша крепость. Его нет в интернете, и его не воссоздадут крупные AI-лаборатории. Ваша задача — сделать его доступным для AI.
  2. Относитесь к навыкам как к продакшн-коду. Продумайте управление (владение, тестирование, вывод из эксплуатации) до запуска первого навыка.
  3. Внедрение — это проблема людей, а не лицензий. Нужно переосмысливать рабочие процессы, а не просто их дополнять. Требуются обучение и вовлечение.
  4. Создайте "золотой путь" от вашей AI-платформы к вашим данным и возможностям.

🚀 Результаты в Man Group

  • Из ~1700 сотрудников 750 используют Claude Code.
  • Создано >100 управляемых навыков и как минимум столько же общедоступных.
  • Появилась основа для использования роев агентов (swarms of agents), которые будут искать новые инвестиционные возможности, используя эти навыки.
🤖 AI-трейдинг в Man Group: управление $200 млрд через Claude — конспект на EchoNote