Останнім часом я глибоко вивчаю базову логіку трансформерів.

Моє найглибше розуміння полягає в тому, що
AI вважає «правильним» — насправді це надзвичайно потужний функціональний апроксіматор, форма крайньої статистичної моделі.
З огляду на це, я справді вважаю, що деякі, хто використовує вже існуючі можливості LLM для кількісного аналізу або для реальної торгівлі, — це абсолютно не відрізняється від азартних ігор, це повністю неправильний шлях.
Адже найкраще, що вміє модель LLM — це вгадувати слова. Вона є автогресивною моделлю, і може лише видавати «правильне» з точки зору статистики.
Наприклад, якщо запитати її «Bitcoin підніметься?»
LLM просто базується на розподілі текстів у її тренувальних даних і по одному слову формує найпоширенішу відповідь у людській історії.
І це залежить від першого токена, який вона видає.
Наприклад, можливі варіанти:
Підніметься
Не підніметься
На ринку є невизначеність
Спершу зросте, потім впаде
….
LLM буде послідовно генерувати слова, орієнтуючись на перший токен, і в кінцевому підсумку створить довгий звіт, який виглядає дуже професійно, але вона сама не знає, чи правильний він, чи ні. Це залежить від контексту, знайденого у пошукових системах.
А справжні кількісні моделі потребують отримання даних з ордер-стріму, математичного моделювання, багатофакторних аналізів і так далі.
Кількісні великі моделі і LLM — це абсолютно різні речі. Кількісна система взагалі не використовує трансформери.
Будь-хто, хто використовує LLM для автоматичної торгівлі, — це чисте азартне ставлення. Гратися з пошуковою системою LLM, щоб згенерувати перший токен і робити прогнози ринку, контрактної торгівлі або інших ринків, таких як американські акції.
Молоді трейдери, припиніть вірити у казки про повністю автоматичний трейдинг на основі AI. Останнім часом я бачив багато історій, де підключають навички до openclaw і кажуть, що він самостійно торгує.
Не кажу, що AI не може реалізувати повністю автоматичний трейдинг.
Наприклад, той самий AI автоматичний трейдинг, який робив Aster раніше, — його базова логіка не залежить від можливостей LLM.
Вони просто використовують LLM для виклику кількісних моделей. Це як накладати оболонку, і роль LLM — лише приймати рішення на основі реальних даних. Але й це не зовсім надійно.