55/99 – Jak działa fundusz inwestycyjny w 100% zarządzany przez AI? Paweł Skrzypek, AI Investments

Category PodcastPosted on:


Czy sztuczna inteligencja może lepiej zarządzać funduszem inwestycyjnym niż człowiek? W najnowszym odcinku „99 Twarzy AI” rozmawiamy o tym z Pawłem Skrzypkiem, współzałożycielem AI Investments – firmy, która rozwija algorytmiczne systemy inwestycyjne oparte na sztucznej inteligencji.

To fascynująca rozmowa o przyszłości finansów, w której poruszamy tematykę automatyzacji inwestycji, przewagi technologicznej AI nad ludzkimi analitykami oraz przyszłości globalnych rynków kapitałowych. Jeśli zastanawiasz się, jak AI zmienia świat inwestycji, gdzie jest dziś i dokąd zmierza, ten odcinek jest dla Ciebie.

Czego dowiesz się z odcinka?

  • Jak wyglądał rynek inwestycyjny przed erą AI – i dlaczego tradycyjne fundusze inwestycyjne coraz częściej przegrywają z algorytmami?
  • Czy inwestowanie to hazard? Paweł Skrzypek tłumaczy, dlaczego kluczowe jest zrozumienie prawdopodobieństwa i statystyki.
  • Czy Europa i Polska są gotowe na AI w finansach? – Spoiler: USA wyprzedza nas o lata świetlne.
  • Jak fundusze hedgingowe zarabiają miliardy na algorytmicznym tradingu? (I dlaczego fundusz Medallion ma 39% średniorocznej stopy zwrotu przez ponad 30 lat).
  • Czy AI może przewidywać ceny akcji? Jak nowoczesne modele przewidywania szeregów czasowych zmieniają rynki finansowe.
  • Czy fundusze AI będą dostępne dla zwykłych inwestorów? – Sprawdzamy, jak wygląda dostęp do tego typu rozwiązań dla indywidualnych inwestorów.

„Wiemy, co jest po lewej stronie wykresu, ale nie wiemy, co po prawej” – to jedno z najciekawszych zdań, które padły w naszej rozmowie. Paweł Skrzypek podkreśla, że klucz do sukcesu na rynkach finansowych leży w statystyce, danych i przewidywaniu trendów w oparciu o probabilistykę, a nie przeczucia.

Co dalej? Rynek inwestycji za 10 lat?

W rozmowie przewija się wizja świata, w którym 95% decyzji inwestycyjnych podejmują algorytmy oparte na AI. Dziś już 80% obrotów na giełdach amerykańskich to transakcje realizowane przez systemy komputerowe. Za dekadę udział czynnika ludzkiego w finansach może zostać zredukowany do minimum.

Czy AI stanie się niekwestionowanym królem giełdy? Czy fundusze oparte na algorytmach będą dostępne dla każdego? Jak długo człowiek pozostanie potrzebny w procesie podejmowania decyzji inwestycyjnych?

O tym wszystkim rozmawiamy w tym odcinku „99 Twarzy AI” – zapraszamy do słuchania!

—

Tradycyjnie wielka prośba – jeżeli jeszcze nie wystawiłaś lub nie wystawiłeś oceny 99 Twarzom AI na Spotify lub Apple podcast – pomóż mi proszę z dotarciem do nowych słuchaczy. To zabierze Ci tylko 2 minuty.  Z góry serdeczne dzięki!

Dobrego dnia i niech #AI będzie z Wami wszystkimi!

Polecajki od Pawła

I. Generalnie o inwestowaniu

  • Człowiek, który rozszyfrował rynki – historia Jima Simonsa i funduszu Medallion
  • Wspomnienia gracza giełdowego
  • Trading in the Zone
  • When Genius Failed
  • Poker kłamców
  • Missing Billionaires
  • A Man of All Markets

II. Inwestowanie z wykorzystaniem AI i zaawansowanych systemów tradingowych

  • Advances in Financial Machine Learning
  • Machine Learning for Asset Managers
  • Option Volatility and Pricing: Advanced – Sheldon Natenberg
  • Positional Option Trading: An Advanced Guide – Euan Sinclair
  • The Greeks and Hedging Explained – Peter Leoni
  • Option Gamma Trading – Simon Gleadall

Transkrypcja rozmowy

Disclaimer. Droga Czytelniczko, Drogi Czytelniku – mała uwaga dotycząca transkrypcji rozmowy. Jak się pewnie domyślasz – transkrypcja została przygotowana z wykorzystaniem magii LLM. Proszę o wyrozumiałość, gdyby pojawiły się w niej niewielkie błędy, literówki, etc. Żeby mieć pewność co do wszystkich wypowiedzi – polecam posłuchać, zamiast czytać. Ukłony.


Karol
Pawle, witam cię serdecznie.

Paweł
Witam również.

Karol
Ogromna przyjemność poznać Cię na żywo. Rozmawialiśmy wcześniej zdalnie, wirtualnie. Ciekaw jestem Twojego świata, tego kim jesteś, co robisz w związku z AI, z zaawansowanymi technologiami, bo jest to obszar niezwykle ciekawy i też wydaje mi się taki, o którym mówi się mało w kontekście technologii, bo dużo mówi się o Gen i AI, o kreowaniu treści, a dzisiaj będziemy rozmawiali o inwestycjach i o rynkach finansowych.

Paweł
Tak jest, tak jest. Dziękuję bardzo za zaproszenie do udziału w podcaście. Bardzo się cieszę, że się spotkaliśmy. Może się przedstawię krótko. Paweł Skrzypek, jestem współzałożycielem firmy AI Investments. My zajmujemy się wykorzystaniem AI w inwestycjach. To jest coś, na czym się w pełni koncentrujemy. Taka była misja, wizja firmy i od początku planowaliśmy zastosować najnowsze rozwiązania na czas założenia firmy. najnowsze rozwiązania AI do inwestycji. Firmę już rozwijamy długo, bo w tym roku, w lutym 2025 będzie 8 lat. Także mamy taki pomysł jeszcze daleko, długo, długo przed czatem GPT i tym całym… Listopadem 2022 roku. Tak, tak, tak, tak, tak. Przed boomem na generative AI, no i teraz takim szeroko rozumianym boomem na AI. Natomiast oczywiście też korzystamy z Gen AI, bo chyba wszyscy się tutaj zgadzamy, że tak czy inaczej to jest jakaś przyszłość, od której nie będzie już odwrotu. No i to chyba tyle w skrócie.

Karol
Słuchaj, to spróbujmy zdefiniować w ogóle rynek inwestycyjny. Jak wyglądał jeszcze przed erą w AI, zanim weszliście w te rozwiązania, o których mam nadzieję porozmawiamy. Czym tak naprawdę jest rynek inwestycyjny?

Paweł
Rynek inwestycyjny jest bardzo szeroki. My się koncentrujemy na takim wybranym fragmencie, czyli oprogramowaniu, które wykorzystuje AI do zarządzania portfelem inwestycyjnym. czyli dla funduszy inwestycyjnych, funduszy hedgingowych, alternatywnych funduszy inwestycyjnych i tego typu branży. Oczywiście rynek inwestycyjny jest znacznie, znacznie szerszy, natomiast my się koncentrujemy na tym aspekcie. Rynek inwestycyjny jest bardzo specyficzny, bo o ile w Stanach Zjednoczonych głównie, w Stanach Zjednoczonych, trochę może na Dalekim Wschodzie i trochę w Londynie, Są firmy, które wykorzystują technologię do inwestowania, algorytmiczne systemy inwestycyjne, jakieś high speed trading, high frequency trading, o tyle cała reszta świata tak naprawdę inwestuje tradycyjnie.

Karol
No właśnie, bo to są te wizje biur maklarskich, które pamiętam gdzieś z filmów, czyli zespoły, ludzie siedzący przy kilku monitorach analizujący rynki, spadki, wzrosty i tradujący w tradycyjny sposób.

Paweł
Tak jest, tak jest. Na przykład w Polsce, przynajmniej na mój stan wiedzy, nie ma żadnego funduszu, który inwestuje z wykorzystaniem takich rozwiązań algorytmicznych. Było kilka, natomiast na mój stan wiedzy obecny takich nie ma. W Europie również tych funduszy nie ma dużo, natomiast tym dominującym rynkiem są Stany Zjednoczone, tam są wielcy gracze, którzy handlują algorytmicznie i też już wykorzystują oczywiście jakieś elementy machine learningu, AI w różnym stopniu, no i bliski, daleki wschód, tak, bo to jest Singapur, może Tokio, no i też pewnie w Londynie są takie firmy. Natomiast Europa to bardzo, bardzo pojedyncze fundusze, które w ten sposób inwestują. Nie mówię, że ich w ogóle nie ma, ale w porównaniu do Stanów, do gigantów takich jak Citadel, TuSigma i tak dalej, to jest to rynek naprawdę taki do zagospodarowania.

Karol
To zacznijmy od podstaw. Gdybyśmy mogli opowiedzieć w jaki sposób wyglądały inwestycje w tradycyjny sposób, jeszcze w starym świecie inwestycyjnym, kiedy nie było machine learningu i całej reszty. Jak to wyglądało? To było przeczucie, informacje zbierane z rynku? Na czym polegało handlowanie?

Paweł
Tak. To było tak naprawdę zbieranie różnego rodzaju informacji przez analityków, którzy zgodnie z określoną metodyką, czy z określonym podejściem, procedurą dokonywali wyceny spółki i na tej bazie podejmowali decyzje. Oczywiście takich metod było bardzo dużo, uwzględniano różne rodzaje danych, różne sygnały, to powodowało, że różni analitycy mieli różne przewidywania, oczywiście każdy fundusz inwestycyjny ma jakąś swoją strategię, czyli inwestuje w jakieś określone akcje, obligacje, surowce i ma jakąś swoją strategię inwestycyjną do wybierania tych instrumentów, natomiast była to taka procedura ludzka. Człowiek zbierał dane, analizował, przygotowywał te dane, potem był komitet inwestycyjny, czyli osoby, które tam zastanawiały się nad tą propozycją inwestycyjną, i podejmowały decyzję, czy zainwestować, czy nie, no i jeśli zainwestować, to ile. No i to się w tej chwili odbywa w dziesiątkach tysięcy funduszy na świecie.

Karol
Na bazie swojej wiedzy, doświadczenia, czasami feelingu, znajomości branży i czasami trochę też hazardu?

Paweł
Tak, hazardu, no i oczywiście tutaj też należy uwzględnić ten czynnik ludzki, który ma bardzo istotny wpływ na decyzję, no bo człowiek jest niedeterministyczny.

Karol
Czynnik ludzki po stronie inwestora, czy po stronie firm, w które inwestujecie?

Paweł
Tak naprawdę po stronie całego procesu. Poczynając od analityka, który może mieć po prostu albo lepszy, albo gorszy dzień, albo może subiektywnie mu się dana firma podobać, albo nie. I będzie starał się udowodnić w danych, że ona jest dobra, albo zła. I to można zrobić po stronie całego procesu, czyli komitetu inwestycyjnego. Komitet może lubić określonego analityka, albo nie lubić określonego analityka. I tak dalej, i tak dalej. Jest bardzo, bardzo wiele takich elementów, które są czynnikiem ludzkim, które powodują, że ta decyzja jest jakąś wypadkową. Jest wypadkową danych, jest wypadkową sentymentu rynkowego, no i jest wypadkową czynników, których nawet nie wiemy jakie są w danym procesie. co powoduje, że ten proces nie jest w pełni powtarzalny. Jakoś co do idei jest powtarzalny, jeżeli dany fundusz inwestuje w spółki motoryzacyjne, to będzie inwestował w spółki motoryzacyjne, ale dlaczego w tą, a nie w tą, to już zależy od jakichś takich innych czynników właśnie w dużej części subiektywnych. No i to powoduje, że my tak naprawdę nie wiemy, czy to, że wcześniej te wyniki danego funduszu na przykład były dobre, to czy one będą powtarzalne w przyszłości, tak? Plus fundusz oczywiście jest jakaś rotacja zatrudnienia, więc do tej pory był jakiś zespół analityczny, później będzie jakiś inny. Jest bardzo wiele takich elementów, które są niedeterministyczne, tak mówiąc.

Karol
A jak było do tej pory z rynkami, tak samo jak z kasynem? Wygrać możesz, przegrać musisz?

Paweł
To jest bardzo dobre pytanie. To zależy po czyjej stronie jest przewaga. W kasynie jest to bardzo prosto. Przewaga jest po stronie kasyna, chociaż oczywiście nie we wszystkich grach, bo jeżeli w blackjacku zaczniemy liczyć karty, to nagle ta przewaga kasyna znika, więc kasyna nie lubią tych graczy, którzy liczą karty. W takiej typowej ruletce przewaga jest po prostu po stronie kasyna. Oczywiście można wygrać w ruletkę, ale statystycznie w dużej liczbie prób to wygra kasyno. Natomiast na rynkach wszystko zależy od strategii inwestycyjnej. Przy odpowiednim zdefiniowaniu strategii inwestycyjnej, uwzględniając prawdopodobieństwo, ryzyko, ilość transakcji i tak dalej. to jest szansa wygrać na rynkach i zarabiać na rynkach. Natomiast nie jest to prosty proces i z tego sobie trzeba zdawać sprawę, plus rynki mają to do siebie, że trzeba je bardzo dobrze zrozumieć, żeby móc, może nie tyle mieć gwarantowane zyski, ale żeby przesunąć to prawdopodobieństwo na swoją korzyść. Takim najbardziej typowym przykładem to jest to, że rynki są oczywiście losowe, jest jakiś rozkład tego prawdopodobieństwa, no ale to nie jest rozkład normalny, czym się można bardzo oszukać, tak? I oszukali się nawet na tym nobliści, twórcy chyba najsłynniejszego wzoru w dziedzinie finansów, czyli wzoru Blacka-Scholsa, którzy, tak, tak, dostali nagrodę Nobla za wymyślenie tego wzoru czy opracowanie tego wzoru. Potem założyli fundusz inwestycyjny, który wziął i zbankrutował, i to z hukiem niemalże rozsadzając. Bardzo słynna historia long-term capital management. Tak, tak.

Karol
I to były inwestycje w jakie aktywa?

Paweł
To były inwestycje w aktywa takie giełdowe, konkretnie w akcje i w obligacje. I to rzeczywiście bardzo ciekawa historia, bo tam było dwóch tych noblistów. Scholz i Merton, bo ten wzór został wymyślony przez trzy osoby, natomiast nazywa się Blacka-Scholza. Natomiast dwóch z nich, plus taki bardzo słynny trader znany zresztą z książki Poker Kłamców, która była napisana zanim ten fundusz zbankrutował. Założyli fundusz Long Term Capital Management, który był takim złotym dzieckiem, Wall Street i.

Karol
Rzeczywiście przez to… Trochę jak WeWork.

Paweł
Tak, tylko był funduszem inwestycyjnym. I rzeczywiście przez parę lat zarabiał i to uzyskiwało bardzo dobre stopy zwrotu, rzędu tam 40%. Natomiast w pewnym momencie zbankrutował i to tak naprawdę zbankrutował z hukiem, że aż musiała go ratować rezerwa federalna po to, żeby nie rozsadzić amerykańskiego… Tak, on miał bardzo dużo fundusza. I tak, tutaj nastąpiła taka sytuacja, bardzo ciekawa, natomiast zbankrutował z prostego powodu, bo ci twórcy, czyli ludzie, którzy dostali Nobla, m.in. z dziedziny statystyki i prawdopodobieństwa, przyjęli założenie, że rynki mają rozkład normalny i wyliczyli sobie, znaczy ruchy cenowe mają rozkład normalny, wyliczyli sobie, że sytuacja, że oni zbankrutują może tam wystąpić raz na parę tysięcy lat, no i wystąpiła w czwartym roku istnienia funduszu. Bardzo ciekawa historia, bardzo polecam i też warto sobie zdawać właśnie sprawę z tego, że dobrze znać rynki, żeby przynajmniej mieć szansę, nie gwarancję, ale szansę.

Karol
Jak popatrzymy na, nazwijmy to tradycyjne fundusze inwestycyjne, to jakie to są stopy zwrotu, jeżeli chodzi o kapitał?

Paweł
To jest tak, że taki indeks funduszy inwestycyjnych, grupujący wszystkie fundusze inwestycyjne, on ma stopy zwrotu pozytywne, ale zdecydowanie mniejsze niż np. S&P. To są stopy zwrotu 5-7% rocznie. Przy czym akurat dla funduszy inwestycyjnych i dla takiego pojedynczego inwestora cała trudność wiąże się z tym, że te fundusze to tak, one mają okresy kiedy zarabiają, mają też okresy kiedy tracą. I teraz bardzo dużo zależy od tego, czasu, kiedy w ten fundusz zainwestujemy. Tylko oczywiście nie wiemy przed inwestycją, co przyniesie przyszłość. Oczywiście to fajnie się patrzy tak do tyłu, że fundusze inwestujące w złoto w ostatnim okresie zarobiły bardzo dużo pieniędzy. Fundusze inwestujące w amerykańskie spółki technologiczne zarobiły w ostatnim okresie bardzo dużo pieniędzy.

Karol
Dzięki NVIDII.

Paweł
Dzięki NVIDII, tudzież innym takim dużym spółkom technologicznym. Natomiast nie wiemy, co będzie w przyszłości. I patrząc sobie tak na takie wykresy stóp zwrotu funduszu, takiego, który istnieje długo. Jeżeli istnieje krótko, no to on mógł być albo szczęśliwym funduszem, czyli bardzo dużo zarobił i tyle. I jesteśmy w tym momencie, że wszyscy w niego inwestują, bo on dużo zarobił, ale nie wiemy, co będzie w przyszłości, albo to są takie okresy, kiedy fundusz zarabia, traci, zarabia, traci i ta historia jest taka mieszana, także trzeba sobie z tego zdawać sprawę. Tutaj akurat, tak jak mamy na przykład sytuację na amerykańskiej giełdzie, która jest na szczytach wszechczasów, Jeżeli ktoś zainwestuje teraz, to może jeszcze zarobić, bo ta giełda może jeszcze pójść do góry, ale jednocześnie jak ona spadnie, to będzie pewnie bardzo długo czekał, aż ona odbije do takich poziomów, na których on zainwestował.

Karol
Ale patrząc z perspektywy 20-30 lat, jeżeli chodzi o S&P, to zysk jest ewidentny.

Paweł
Tak, tak, jak najbardziej. Zysk jest ewidentny i akurat inwestowanie w giełdę amerykańską, to nawet jeżeli to się inwestowało na tych górkach, to w końcu się zarabiało, ale to też czasami trwało długo, kilkanaście lat. Natomiast w inne giełdy, w szczególności naszą polską, to już nie jest reguła.

Karol
A Chiny, Indie?

Paweł
Znaczy tak, po pierwsze to nie wiadomo. Tutaj to co jest ważne w tych inwestycjach, to jest tak, że nie wiemy co będzie w przyszłości. I akurat ta nasza strategia inwestycyjna i to nasze podejście inwestycyjne, ono się skoncentruje na takim przewidywaniu, które jest krótkoterminowe, liczone w dniach. Nasze systemy inwestują, patrząc na perspektywę kilku dni, bo ją są w stanie przewidzieć z jakimś tam określonym prawdopodobieństwem, dokładnością. My nie inwestujemy, patrząc na takie długie perspektywy. To ciekawe. Tak, bo po prostu wraz z wydłużaniem horyzontu liczba czynników losowych, która może wpłynąć na wynik, powoduje, że to prawdopodobieństwo przewidzenia prawidłowego kierunku jest znacząco mniejsze.

Karol
Oczywiście wielkość… Dużo więcej może się wydarzyć.

Paweł
Tak, tak. Wielkość potencjalnego ruchu, który może być, jest oczywiście większa niż w przeciągu, nie wiem, tak jak my, 5-10 dni do przodu staramy się przewidywać. Natomiast to co działa z kolei na naszą korzyść to jest liczba próbek, czyli liczba transakcji, które zawieramy. My zawieramy znacznie więcej transakcji niż jakbyśmy przewidywali na rok i zawierali jedną transakcję co roku, bo wtedy te próbki to po trzech latach mamy trzy na przykład.

Karol
I w sumie dzięki temu też się uczycie i zbieracie dane i informacje o rynku, o reakcjach i o Waszych decyzjach.

Paweł
Tak jest, tak. Uczymy się, ale przede wszystkim chodzi o uzyskanie statystycznej przewagi. Bo jeżeli my zawieramy 1000 transakcji, to jeżeli mamy na nich 55% czy 60% dokładności, to przy 1000 transakcji Jest bardzo, bardzo duże prawdopodobieństwo, że też 60% z nich będzie zwycięskie. Natomiast przy trzech transakcjach i 60% prawdopodobieństwo tego, że tak naprawdę wynik może być zupełnie inny i zupełnie losowy.

Karol
Czyli przez to też zmniejsza Cię ryzyko?

Paweł
Tak, zmniejszamy ryzyko, nasze transakcje są mniejsze, trwające krótko, jest ich bardzo dużo i mamy bardzo rygorystyczne podejście do testowania naszych systemów i modeli i testujemy je na danych historycznych i z tego jesteśmy w stanie określić, że to nasza wartość oczekiwana jest pozytywna, natomiast to, żeby ona się zmaterializowała, musi być odpowiednio dużo próbek, to nie jest prawo wielkich liczb.

Karol
Dobrze, to jak powstało AI Investments?

Paweł
Tak, to tak może krótko też o moich tutaj zainteresowaniach historii najpierw, bo ja od tak naprawdę nawet studiów interesowałem się tworzeniem algorytmicznych systemów inwestycyjnych i otworzyłem, oczywiście inwestowałem w własne środki. W międzyczasie też udało mi się zdobyć licencję Maklera Papierów Wartościowych. Natomiast z drugiej strony tak zawodowo pracowałem w branży IT, tworzyłem systemy informatyczne, pracowałem też w branży nowych technologii, projektów badawczych. Natomiast zawsze chciałem połączyć te dwie dziedziny, tak? Czyli nowe technologie, podejście algorytmiczne i inwestowanie. No i to udało mi się właśnie w 2018 roku, czyli wtedy, kiedy powstało AI Investments i takimi punktami wyzwalającymi, takimi zdarzeniami wyzwalającymi stworzenie AI Investments to były dwa. Jedno to było takie bardzo popularne wydarzenie, znane, czyli zwycięstwo rozwiązania o nazwie AlphaGo z człowiekiem w grze Go. O ile jeśli chodzi o szachy, to.

Karol
Człowiek już dawno I ten legendarny ruch, którego nikt nie potrafił zrozumieć w trakcie rozgrywki.

Paweł
Tak, w szachach, tak, tak, tak, tak. Deep Blue, który zresztą tam wygląda, że był błędem, tak, ale bardzo takim znaczącym. Natomiast tak, w szachy to człowiek został pokonany już, tak, 30 ponad lat temu, tak, bo to lata 90 były. Natomiast Grago, która jest znacznie, znacznie bardziej złożona od szachów.

Karol
A właśnie nie było też takiego case’ów AlphaGo, że był jeden ruch w tej rozgrywce, który był całkowicie niezrozumiały dla…

Paweł
Nie, nie, nie. Tam było tak, że tam było siedem partii i to nie była jedna partia decydująca, tylko tak naprawdę to było kilka partii i we wszystkich była przewaga przewaga AlphaGo, natomiast rzeczywiście były tam ruchy, które były strategiami, których ludzkość nie znała. I to potem się też rozwinęło w przypadku AlphaZero, zaraz o nim opowiem. I to właśnie pokazało, przynajmniej dla mnie było takim ewidentnym wyznacznikiem, że Te algorytmy sztucznej inteligencji rozwinęły się na tyle już wtedy, to był rok 2016 i 2017, żeby osiągnąć taką ponadludzką skuteczność. Wtedy w grze Go, ale teraz w tym roku zresztą Alfa Fold, który jest rozwinięciem tego Alfa Go, tej idei, dostał Nagrodę Nobla, jako pierwszy tutaj system sztucznej inteligencji. Tak, to był ten pierwszy czynnik. Dla mnie to było niesamowite. Potem jeszcze powstał Alfa Zero, który dla mnie w ogóle był takim przełomem zupełnym. Dlaczego? Bo ile Alfa Go, czyli ta pierwsza wersja, która wygrała z Kia, czyli mistrzem świata w Go, była trenowana na danych o ludzkich partiach, 25 milionów chyba partii ludzkich, czy takich zagranych w go, wykorzystanych jako materiał treningowy, no i ten alfa-go został nauczony na tych danych. No i wygrał z Kie. Natomiast alfa zero było taką wersją alfa go, której nie uczyło się na ludzkich partiach, tylko postawiono tak dwa alfa zero ze sobą i powiedziano im, to jest go, takie są zasady, bardzo proste, grajcie sobie, grajcie sobie, który z was wygra. No i oni tam grali przez 40 dni ze sobą, grały te alfa zero. I po 40 dniach okazało się, że ten Alfa Zero jest lepszy od tego Alfa Go, który był lepszy od Kia. Już nie było meczu Alfa Zero kontra Kia, a przynajmniej nie wiadomo nic na ten temat. Natomiast Alfa Zero był w stanie pokonać, to tak istotnie, tego Alfa Go. nie ucząc się w ogóle na ludzkich danych. I to było niesamowite, bo te alfa zero potrafiły znaleźć nowe strategie, których ludzkość nie odkryła przez tysiąc plus lat grania w Go. Dla mnie to był taki punkt po prostu, który już jaśniej nie mógł przemówić. i trochę zajęło tutaj potem wykorzystanie AlphaGo, potem był też AlphaStar, który grał w StarCrafta, ale teraz AlphaFold wykorzystywany do syntezy białek, też prognoza pogody jest oparta na rozwiązaniach klasy, które wywodzą się z AlphaGo, także to naprawdę został zrobiony niesamowity postęp i to taka była, powiedziałbym, odnoga niezależna od modeli generatywnych i GPT i OpenAI. Także to bardzo możliwe, że się też jakoś ze sobą kiedyś te odnogi połączą, tudzież pewnie już się łączą. Także myślę, że jeszcze bardzo dużo ciekawych rzeczy nas czeka.

Karol
I patrzysz na rynek, obserwujesz go i podejmujesz decyzję.

Paweł
Tak, tak, tak. Natomiast to był ten taki jeden trigger, czy wyzwalacz, który spowodował. Drugi był taki o wiele bardziej przyziemny i nudny, czyli tak zwane M4 Competition, czyli takie zawody w przewidywaniu szeregów czasowych, organizowane przez legendę w tym obszarze, profesora Spyrosa McCready’a Kissa. No i te zawody polegają po prostu na przewidywaniu kolejnych wartości w szeregu czasowych, co jest niesamowicie pewnie nudne dla większości ludzi.

Karol
Wytłumaczmy, na czym to polega i czym jest ten szereg czasowy.

Paweł
Szereg czasowy, no to w naszym przykładzie inwestycyjnym. To są kolejne ceny akcji, tak? Wiemy, że cena, nie wiem, dzisiaj kosztowała, znaczy akcja kosztuje dzisiaj 110, wczoraj kosztowała 90, przedwczoraj 80. I mamy taki długi szereg czasowych kolejnych wartości i staramy się przewidzieć następną wartość. I nie brzmi to pasjonująco, natomiast jeśli chodzi o inwestycje, to jest po prostu kolejna, znaczy jaka będzie cena akcji jutro, tak? Jeżeli będziemy ją przewidywali dobrze, to jesteśmy w stanie zarabiać. Jeżeli źle, to oczywiście tracić pieniądze, tak? I właśnie w tym czwartej edycji tych zawodów, czyli Even for Competition, Rozwiązania oparte o sieci neuronowe, czyli machine learning, zdominowały dotychczas najlepsze rozwiązania statystyczne i zdominowały na tyle, że uzyskały dokładność predykcji o 10 punktów procentowych więcej. I to jest bardzo dużo, bo dla finansowych szeregów czasowych to oznacza, że jesteśmy w stanie predykować nie z dokładnością 51%, tylko z dokładnością 60%. I to już jest więcej niż jest na przykład przewaga kasyna wspomnianego na początku w ruletce, która wynosi tam około 55%. Dla mnie to był też taki czynnik, że okej, teraz jesteśmy w stanie to przewidywać znacząco lepiej dzięki AI, ona potrafi odfiltrować ten szum. Rzeczywiście zastosowaliśmy te metody u nas, potem długo też je rozwijaliśmy, ulepszaliśmy, stabilizowaliśmy i rzeczywiście potrafią przewidywać z dokładnością do 60 plus procent.

Karol
No dobrze, ale cofnijmy się do tego momentu, kiedy wpadłeś na ten pomysł stworzyć nową organizację, stworzyć produkt, technologię, która będzie narzędziem dużo bardziej skutecznym niż tradycyjne. Jak zbudowałeś?

Paweł
Tak, znaczy, tak, jak już właśnie wystąpiły te punkty takie wyzwalające, znaczy ja byłem wtedy bardzo zdeterminowany, żeby coś z tym zrobić, tak? Czyli zbudować rozwiązanie.

Karol
Bo to nie tylko idea, pomysł, przekonanie, ale zespół, budżet, technologia.

Paweł
Tak jest, tak, tak, tak. Ja byłem bardzo zdeterminowany, żeby właśnie zbudować to rozwiązanie i nie ukrywam, że próbowałem przekonać wiele osób czy wielu inwestorów do tego pomysłu. W 2017 roku to było zupełnie inaczej niż teraz, bo tam wszyscy tak jakoś na to patrzyli naprawdę z przymrużeniem oka, jakiś taki pomysł z gatunku gier komputerowych czy czegoś takiego. Natomiast tak, udało mi się przekonać dwie osoby, moich współzałożycieli spółki. Założyliśmy ją we trzech. To był Dominik Libicki, z którym pracowałem wcześniej w cyfrowym polsacie, twórca zresztą cyfrowego polsatu. Konrad Wawruch, który był wtedy współzałożycielem i prezesem spółki Seven Bulls, czyli software house’u polskiego. Tak. I założyliśmy spółkę właśnie w lutym 2018. Zaczęliśmy budować to rozwiązanie. No i tak się zaczęło. Tak.

Karol
Opowiedzmy o tym.

Paweł
Tak. Znaczy, zaczęliśmy tak. Tak naprawdę pierwszy prototyp zaczął powstawać pod koniec 2017 roku. Na początku 2019 już mieliśmy jakąś taką pierwszą wersję, którą była na tyle obiecująca, że zdecydowaliśmy się ją przetestować z własnymi środkami i potem ją cały czas rozwijaliśmy. Te testy na własnych środkach trwały do końca 2021 roku, czyli przez 3 lata. To było o tyle pozytywne, bo przeszliśmy przez okres pandemii. całego negatywnego tego wydarzenia. Dla nas to był taki test w warunkach rzeczywistych, jak się zachowuje nasze rozwiązanie na rynkach, gdzie panuje wysoka zmienność, czynniki, które dotychczas nie występowały, tak? Tam się wtedy działy bardzo różne rzeczy na rynkach, więc to dla nas był super test rzeczywisty, tak? I my przeszliśmy przez to i byliśmy w stanie zarabiać pieniądze bardzo stabilnie. I dlatego od stycznia 2022 zdecydowaliśmy się uruchomić fundusz inwestycyjny, taki normalnie komercyjny. Oczywiście zaczęliśmy go zakładać w 2021 roku, bo to tam trochę trwało, natomiast wystartował Wystartował w styczniu 2022 i w lutym była inwazja rosyjska na Ukrainę, więc znowu ta zmienność na rynkach, ale też przez nią przeszliśmy bardzo pozytywnie i z bardzo dobrymi wynikami. i fundusz już tutaj niedługo, czyli za dwa tygodnie, będzie miał trzy lata istnienia i trzy lata funkcjonowania na rynkach.

Karol
Jak możesz podsumować te trzy lata? Możesz podzielić się waszymi wynikami?

Paweł
Tak, tak, jak najbardziej. Te lata są bardzo, znaczy te trzy lata są dla nas bardzo pozytywne. Stopa zwrotu jest około 40% netto przez ten cały okres. Trzech lat. 40% przez okres trzech lat. I przede wszystkim jest bardzo stabilna. Czyli to, co chcieliśmy osiągnąć, tak naprawdę fundusz miał, Nie wiemy jeszcze jaki będzie wynik grudnia, natomiast w tym całym okresie 35 miesięcy, bo grudzień jest na 36, mieliśmy tylko dwa miesiące stratne, z tego jeden to tak symbolicznie, że on tu tam minus dwie dziesiąte procenta, jeden trochę większy, czyli około minus trzech procent, tak? A tak, to wszystkie miesiące były na plusie. I to pokazuje, że nasze systemy, czy generalnie rozwiązania algorytmiczne i AI potrafią zarabiać bardzo stabilnie. Te wzorce są powtarzalne, oczywiście przy odpowiednim poziomie ryzyka, strategii inwestycyjnych i wielu, wielu innych czynników, ale jest to bardzo powtarzalne.

Karol
A czy możesz powiedzieć w jakie rynki inwestujecie, w jakie obszary?

Paweł
My inwestujemy tylko w instrumenty notowane na rynkach publicznych, czyli akcje, obligacje.

Karol
W Polsce czy zagranicą?

Paweł
Zagranicą. My inwestujemy tylko na rynkach zagranicznych o takiej bardzo wysokiej płynności, po to żeby zminimalizować wpływ takich zdarzeń losowych. Na rynkach o niskiej płynności jakieś zdarzenia losowe mają znacząco większy wpływ, natomiast na rynkach o wysokiej płynności jest on mniejszy i łatwiejszy do przewidzenia.

Karol
Czyli to są Stany Zjednoczone?

Paweł
Tak, Stany Zjednoczone, wybrane rynki Europy Zachodniej i Dalekiego Wschodu i Australia.

Karol
O, ciekawe, Australia.

Paweł
Tak, inwestujemy na australijskiej giełdzie. Jest to jakiś tam taki mały procent obrotów, natomiast też tam otwieramy pozycję.

Karol
No dobrze, a jak może się zmieniać rynek w takim razie, skoro wy opracowaliście takie rozwiązanie, dowozyliście takie wyniki, które są rozumiem lepsze niż średnia rynkowa, jeżeli chodzi o fundusze inwestycyjne. Jak to się może zmienić w ciągu najbliższych lat, skoro technologia będzie dostępna?

Paweł
Znaczy, zmieni się na pewno, tak? I tak jak powiedziałem, to już się zmienia, tak? Mam bardzo duże zainteresowanie ze strony amerykańskich funduszy. Z jednym zresztą rozpoczęliśmy współpracę od listopada teraz, na dużą skalę. Natomiast to, co powiedziałem na początku, tak? To jest o tyle ciekawe, że zainteresowane tym są fundusze amerykańskie. My tutaj przez te 7 lat istnienia firmy to odwiedziliśmy bardzo, mieliśmy rozmowy z bardzo wieloma funduszami w Polsce, w Europie. Mogę powiedzieć, że zero zainteresowania. Natomiast po tym okresie takim prawie trzyletnim trak rekordów w naszym własnym funduszu, jak pokazaliśmy to na rynku amerykańskim, to zainteresowanie jest naprawdę bardzo duże już z jednym funduszem. Rozpoczęliśmy współpracę z kolejnymi, mam nadzieję, że również będziemy współpracować, także na pewno to jest tak, że te fundusze amerykańskie, które już inwestują wykorzystując takie systematyczne podejście algorytmiczne do inwestycji, one są bardzo zainteresowane tym, żeby pozyskać każdą możliwą przewagę rynkową. i po prostu uzyskiwać lepsze wyniki i wyprzedzać konkurencję. W Polsce i w Europie nie ma niestety takiego zainteresowania.

Karol
Jesteśmy romantyczni wobec tego, jak było.

Paweł
Tak jest. Tak, tak, tak, tak. Nie wiem, szczerze mówiąc, czym to jest spowodowane. Natomiast… Tak jest.

Karol
A jak komunikujecie to z rynkiem te fundusze? Same widzą Wasze wyniki i przychodzą do Was widząc jakie osiągacie zyski? Czy pracujecie, edukujecie rynek i wychodzicie sami i szukacie partnerów?

Paweł
My wychodzimy sami, szukamy, oczywiście widać nasze wyniki, publikujemy je w bazach danych i też można je też pozyskać i tutaj duże fundusze nie mają z tym problemu. Natomiast tutaj też przez sieć kontaktów naszego obecnego prezesa, który wywodzi się z, właśnie był przez długi czas szefem na Europę Środkową i Bliski Wschód w funduszu Franklin Templeton. Przez jego sieć kontaktów jesteśmy w stanie dotrzeć do tych funduszy amerykańskich i to właśnie nam się udało do nich dotrzeć. No i potem to już tak zaczyna toczyć się samo.

Karol
No dobrze, a fundusze funduszami, a zwykli ludzie w jaki sposób mogą inwestować wykorzystując technologię?

Paweł
Myślę, że będą fundusze dostępne dla zwykłych inwestorów. Nasz Fundusz Luksemburski jest dostępny dla osób indywidualnych, Muszą one spełniać określone warunki. Oczywiście informujemy o ryzyku, bo to ryzyko cały czas jest. Jak w przypadku każdego funduszu. Tak, natomiast szczegółowo informujemy o możliwych ryzykach. Wydaje mi się, że coraz więcej będzie funduszy takich dostępnych dla inwestorów indywidualnych. Pewnie najpierw one będą w Stanach.

Karol
A taki ticket w funduszu luksemburskim, gdyby ktoś chciał jako jednostka indywidualna dołączyć, jakie jest wysokości?

Paweł
Czy on jest w wysokości 50 tysięcy dolarów, bo takie są po prostu wymogi regulacyjne w Luksemburgu.

Karol
I to jest 50 tysięcy dolarów z szansą zwrotu na poziomie 40% w ciągu trzech lat.

Paweł
Taka była historyczna stopa zwrotu i to jest bardzo ważny punkt, bo oczywiście każdy fundusz ma takie zastrzeżenia. Oczywiście. Historyczne stopy nie stanowią… gwarancji uzyskania w przyszłości, natomiast jak już o tym mówimy, to warto to podkreślić, tak? Że, tak jak mówimy uczciwie, że to są stopy, które uzyskaliśmy, czyli stopa zwrotu. Będziemy się starać, żeby ta stopa była taka lub wyższa w przyszłości, ale nie ma tej gwarancji.

Karol
Oczywiście.

Paweł
Nikt nie wie, nawet tu mając, nawet rozwiązania ja i nie potrafią wywróżyć ze.

Karol
Stuprocentową To Polak, który chciałby uczestniczyć w takim funduszu i dołączyć do takiego funduszu zarejestrowanego w Luksemburgu, co musi zrobić?

Paweł
Musi się zgłosić do nas i wtedy przechodzi przez określony proces.

Karol
No dobrze, a jak sobie wyobrażasz rynek finansowy, rynek funduszy inwestycyjnych za 3, 5, 10 lat? Jak myślisz, w jaką stronę to będzie szło?

Paweł
Oczywiście nie gwarantuje, że ona się powtórzy, natomiast pojawił się taki gwałtowny rozwój systemów algorytmicznych, czyli na giełdzie amerykańskiej, na wybranych rynkach 80% obrotów jest realizowana w tej chwili przez systemy algorytmiczne, czyli może nie AI, ale są to systemy… – Uczenie.

Karol
Maszynowe i tak dalej.

Paweł
Znaczy, nawet one są prostsze. To są jakieś programy komputerowe, które zostały napisane i realizują 80% obrotu. Tylko jest to realizowane przez te wspomniane amerykańskie fundusze. I te fundusze zarabiają bardzo dobrze. Takie czołowe fundusze, inwestujące algorytmicznie, mają stopę zwrotu. 15-20% rocznie, taki fundusz najlepszy, który jest jakimś takim wzorem dla nas do osiągnięcia, czyli Medalion, ma stopę zwrotu netto, czyli po opłatach, 39% rocznie, średnio rocznie, przez okres ponad 30 lat, tak? O, wow!

Karol
I to jest fundusz, który jest dostępny np. dla Polaków?

Paweł
Nie, ten fundusz jest już niedostępny dla nikogo. Na początku tam byli inwestorzy indywidualni, potem już tylko instytucjonalni, a teraz inwestorami są już tylko pracownicy tego funduszu. w międzyczasie zarobili tyle pieniędzy, że po prostu i najlepszą lokatą z ich punktu widzenia jest inwestycja w ten fundusz.

Karol
I to jest wasz punkt odniesienia, jak chcielibyście do tego dążyć?

Paweł
Tak, tak, tak. To jest tutaj też, na polskim rynku się ukazała książka o twórcy tego funduszu, czyli o Jimie Simonsie, który też w tym roku niestety zmarł, natomiast bardzo ciekawa książka, człowiek, który rozwiązał rynki.

Karol
Co byś powiedział, gdybyśmy naszym słuchaczom z twoją dedykacją sprezentowali dwa, trzy egzemplarze tej książki?

Paweł
Jak najbardziej. No niestety nie można już pozyskać dedykacji Jima Simonsa.

Karol
Jima nie, ale twoja jak najbardziej.

Paweł
Moją jak najbardziej, oczywiście.

Karol
A wyobraż sobie ten rynek, który będzie pozbawiony czynnika ludzkiego?

Paweł
Tak, bo te systemy algorytmiczne w dużej części są pozbawione czynnika ludzkiego. Oczywiście człowiek je programuje, człowiek ustawia parametry, natomiast same potem operacje są wykonywane automatycznie i te systemy będą coraz mądrzejsze dzięki właśnie AI. Dlatego te fundusze amerykańskie tak bardzo chcą pozyskiwać tą wiedzę i tą przewagę technologiczną, bo wiedzą, że na tym są w stanie zarabiać bardzo duże pieniądze, tak? Bo one obracają bardzo dużym kapitałem, no i nawet te procenty, 10% od bardzo dużego kapitału, to jest też bardzo duża suma pieniędzy. i one wiedzą, że tam jest przewaga. Tak naprawdę gro zysków, jest taka bardzo ciekawa statystyka, gro zysków generowanych przez fundusze inwestycyjne, 90 plus procent, jest generowane przez fundusze amerykańskie, co jest niesamowite. Natomiast Po prostu mi się wydaje, że ten rozwój EIA, jeśli chodzi o inwestycje, to będzie po prostu rozszerzenie tego, tak? Ale oczywiście nie wiemy, może się okazać, że to będzie jakaś rewolucja. Czyli, że pojawi się coś zupełnie nowego. Natomiast… Na razie to tak wygląda w tą stronę. Amerykańskie fundusze bardzo chcą wykorzystać każdą przewagę technologiczną, która jest. Mamy tam słynne przykłady high frequency tradingu już sprzed parunastu lat.

Karol
High frequency trading, czyli trading, który odbywa się nieco kilka dni, tylko kilkadziesiąt razy dziennie.

Paweł
High frequency nawet w milisekundach.

Karol
O wow.

Paweł
Tak, tak, tak. High frequency i to jest… I procent złożony. Tak jest. Tak, tak, tak. Znaczy akurat high frequency trading to istnieje tak myślę, że dziesięć ponad lat i do tego jest potrzebna specjalna infrastruktura, blisko giełd, bo rzeczywiście te ordery się składa i anuluje i modyfikuje w milisekundach. Może w dziesiątkach czy setkach milisekund. Składa się ich bardzo dużo, bardzo dużo się ich anuluje. Obserwuje się ten cały order flow, ale jest to też bardzo zyskowne. Jedna z firm, która jest takim liderem tego rynku, czy jednym z liderów, firma Virtu. Z tego co pamiętam ze statystyk, to chyba na tysiąc dni tradingowych, dwa miała stratne. Czyli to po prostu jest maszyna do zarabiania pieniędzy. Ona na pewno nie wykorzystywała złożonych algorytmów machine learningowych, bo one nie są w stanie działać w tej chwili tak szybko, tak. Natomiast zapewne też pracuje nad dalszym rozszerzeniem.

Karol
Pawle, jak rozmawiamy o inwestycjach, nie mogę Cię zapytać o kryptowaluty.

Paweł
Tak, czy my w tej chwili nie handlujemy kryptowalutami z uwagi na to, że nie ma wystarczająco długiego okresu treningowego. Kryptowaluty istnieją jeszcze za krótko, przynajmniej dla naszych kryteriów.

Karol
Pamiętam doskonale ten moment, pamiętam, słuchaj, gdzie byłem, co robiłem, pamiętam, jaki był dzień, jaka pogoda, kiedy Bitcoin przekraczał magiczną barierę jednego dolara.

Paweł
Super, super. Tak, tak, tak, tak.

Karol
Żeby było jasne, żałuję, że wtedy nie zainwestowałem.

Paweł
Tak, to jest właśnie to, że wiemy, co jest po lewej stronie wykresu, a nie wiemy, co po prawej, tak.

Karol
O, bardzo dobry.

Paweł
Tak, tak, tak, tak. Tak, tak, myślę, że to nie ty jedyny żałujesz, tak? Żałują też ci, którzy zainwestowali i wyrzucili dyski potem na śmietnik z bitcoinami. Natomiast my przymierzamy się do rozpoczęcia inwestowania w kryptowaluty w takich bardziej złożonych strategiach. My chcielibyśmy, żeby te nasze strategie były tak bezpieczne, jak to możliwe. Oczywiście w przypadku krypto, gdzie ta zmienność jest cały czas istotnie wyższa. To musi być zrobione w odpowiedni sposób.

Karol
Czyli to nie będą altercoiny, tylko podstawowe, tak?

Paweł
Tak, tak, tak. To jest dosyć złożone. Nie chcemy po prostu kupować i sprzedawać, tylko chcemy zrobić takie strategie złożone, które pozwolą inwestować w różne coiny, odpowiednio powiązane, tak żeby maksymalizować potencjalne zyski, a jednocześnie minimalizować ryzyko poprzez dywersyfikację tych… – Ostatnio.

Karol
Czytałem, jaki kapitał ma zgromadzony w bitcoinach MicroStrategy.

Paweł
– Tak, MicroStrategy jest słynna ze swojej strategii, bitcoin all in, no i teraz znakomicie znakomicie na tym zyskali. To jest też bardzo ciekawy przykład, że firma, która informatyczna, robiąca oprogramowanie, naprawdę 98% swoich wartości ma z posiadanych bitcoinów i cały czas kupuje.

Karol
Cały czas kupuje. Kogo czytać, kogo obserwować? Z czego się uczyć, Pawle?

Paweł
Jeśli chodzi o AI w finansach, tak naprawdę nie ma dużo takich wiarygodnych źródeł. W szczególności jest parę serwisów, które na pewno warto obserwować. Jest parę książek, takich już technicznych, które można polecić, znaczy jest bardzo dużo książek na ten temat.

Karol
Moglibyśmy przygotować listę takich książek, takich serwisów, które warto byłoby obserwować? Myślę, że super byłoby dodać to jako notatki do naszej rozmowy.

Paweł
Jak najbardziej. Ja chętnie pokażę takie, które… Znaczy ich jest bardzo dużo, większość niestety ma bardzo niską wartość, natomiast te, które z mojego doświadczenia warto się zapoznać, to jak najbardziej przygotujemy i jak najbardziej będą dostępne.

Karol
Mieliśmy jeszcze porozmawiać o Sławku Smylu, o metodzie IS-chip.

Paweł
Właśnie, nie zdążyłem tutaj powiedzieć przy okazji M4 Competition, to musimy się troszeczkę cofnąć do tego, co mówiłem o tym konkursie przewidywania szeregów czasowych. Właśnie ta czwarta edycja, tam te metody machine learning zdominowały i zajęły na pewno pierwsze dwa miejsca. Trzecie miejsce też jest ciekawe, też o nim opowiem. Natomiast pierwsze dwa miejsca były zdominowane z takim istotną przewagą nad innymi przez metody machine learningowe i na pierwszym miejscu była metoda, która teraz się nazywa i jest hybrid, opracowana przez Sławka Smyla, Polaka pracującego wtedy dla Ubera. I dla mnie ona była przełomowa. Sławek naprawdę zastosował kilka bardzo innowacyjnych rozwiązań, które pokazały, że sieci neuronowe mogą przewidywać szeregi czasowe. Zresztą Sławek dalej pracuje nad tymi tematami, wygrał też kilka kolejnych konkursów. Natomiast na rok 2016 to była bardzo przełomowa metoda. Drugie miejsce też zajęła bardzo ciekawa metoda machine learningowa, która z kolei opierała się na odpowiedniej ensemblacji, czyli łączeniu różnych metod i z tych konceptów również my korzystamy. No i tak z ciekawostek trzecie miejsce zajęła polska firma, prodata bodajże z Wrocławia, która nam i miała może metody machine learningowej, ale również bardzo, bardzo ciekawe podejście do prognozowania szeregów czasowych. Także pierwsze i trzecie miejsce było dla Polaków, co było bardzo, bardzo pozytywne. I też pokazało tutaj potencjał naszego kraju w tym zakresie.

Karol
A prof. Spyros?

Paweł
Prof. Spyros jest w ogóle legendą, jeśli chodzi o przewidywanie szeregów czasowych. On w tej chwili ma ponad 80 lat, natomiast cały czas aktywnie działa. i promuje przewidywanie szeregów czasowych, to jest szósta edycja tego M Competition, która była nastawiona na przewidywanie szeregów kiełdowych, bardzo ciekawa i Współorganizatorem był Nikola Staleb, słynny inwestor giełdowy i twórca pojęcia Czarny Łabądź, Black Swan i autor serii książek. Też bardzo ciekawe, chociaż już nie tak przełomowe, Chociaż wyniki również były ciekawe, my też korzystaliśmy z tych wyników i korzystamy dalej.

Karol
A mam jeszcze takie pytanie, czy w związku z tym, że gromadzicie coraz więcej danych, funkcjonujecie coraz dłużej, mija czas, czy wasze wyniki są coraz lepsze, tak jak patrzysz?

Paweł
Tak, znaczy na pewno są stabilniejsze.

Karol
Zgodnie z zasadą, wiesz, garbage in, garbage out, to tutaj zakładam, że tych danych dobrych masz coraz więcej.

Paweł
Tak, mamy coraz więcej i te dane gromadzimy, gromadzimy na wszelkie sposoby. Co do naszych wyników, to jest tak, że one też zależą od sytuacji rynkowej. Są okresy bardziej zyskowne, mniej zyskowne. U nas na szczęście przeważająca większość jest zyskowna, natomiast obserwujemy znacząco wyższą stabilność wyników, co powoduje, że tutaj ryzyko tego obsunięcia kapitału, czyli potencjalnej straty jakoś u nas maleje i tak naprawdę ta ilość zgromadzonych danych i oczywiście doskonalenie technologii, bo cały czas te algorytmy się rozwijają, my też nad nimi bardzo intensywnie pracujemy, mamy zespół dwudziestoosobowy, który się zajmuje praktycznie tylko tym. To są ludzie, z których część już ma naprawdę siedem lat doświadczenia w użyciu metod machine learningowych do predykcji szeregów czasowych. To jest naprawdę unikalnym doświadczeniem.

Karol
Miałbym jedną prośbę. A czy nie moglibyście edukować rynku? i pokazywać tego co robicie w sposób dużo bardziej widoczny, bo skoro mówisz, że docierają do Was fundusze ze Stanów, a raczej wykorzystując sieć kontaktów i relacji, to dlaczego nie edukować rynku i nie pokazywać tego wszystkiego?

Paweł
Tak, my też pewne informacje publikujemy i właśnie staramy się pokazać, może to są nie jakieś bardzo szczegółowe informacje techniczne, natomiast pokazać, gdzie są te szanse i w którym kierunku skorzystać, także publikujemy taki regularnie, cotygodniowy cykl. prezentujący w jaki sposób wykorzystywać AI do inwestowania do bardzo różnych aspektów, jaka jest przyszłość, także potencjalnie może być, może coś ciekawego. Natomiast też jesteśmy bardzo otwarci na jakąś współpracę, czy popularyzację, też współpracujemy z polskimi i z zagranicznymi uniwersytetami, bardzo sobie zresztą chwalimy tą współpracę. Także jesteśmy też bardzo otwarci na wszelkie inicjatywy tego typu.

Karol
A Twoja wizja rynków inwestycyjnych za 10 lat?

Paweł
I Twoja rola? Moja wizja jest taka, że intensywność operacji, czy ilość operacji inwestycyjnych wykonywana przez systemy zautomatyzowane, które za 10 lat na pewno wszystkie będą oparte o AI, to będzie nie 80% jak teraz, tylko strzelam. 95+, tak? Bo… – A ludziom pozostanie sztuka i.

Karol
Inne tego typu inwestycje?

Paweł
– To jest tak, że ktoś musi te systemy wymyślić, tak? One się same pewnie nie wymyślą, chociaż może się zaczną same wymyślać. W perspektywie dziesięcioletniej wszystko jest możliwe, natomiast na pewno, na pewno nam zostanie wymyślanie, parametryzowanie i nadzorowanie, tak? Ale ten czynnik taki automatyczny, no i na pewno bazujący na AI, to jestem o tym przekonany, że te wszystkie systemy algorytmiczne, które teraz są takie zaprogramowane tradycyjnie, zmienią się w systemy AI, to jestem o tym naprawdę bardzo przekonany, w mniejszym lub większym stopniu. Podejrzewam nawet, że w większym, patrząc po efektach, jakie uzyskuje AI. I będzie tego coraz więcej. I będą konkurowały za sobą na bardzo różne sposoby. Tutaj jeszcze to, czego nie mają te obecne systemy algorytmiczne, to jest to, że one się nie potrafią uczyć. One handlują według określonego schematu zaprogramowanego, mają swoje parametry, obsługują tam zetki różnych sytuacji. ale nie potrafią się uczyć, a systemy AI się potrafią uczyć, w szczególności potrafią się uczyć na bardzo wiele różnych sposobów, tak? Mamy takie uczenie długookresowe, krótkookresowe, tak? Jakieś też możemy mieć systemy kolaboracyjne, które w przypadku inwestycji mogą się bardzo ze sobą sprawdzić, także myślę, że to będzie znacząco ciekawsze niż takie po prostu systemy algorytmiczne, które zarabiają pieniądze. Zobaczymy.

Karol
A jeżeli chodzi o rynek teraz po tych turbulentnych latach związanych z pandemią i tak dalej, gdzie jesteśmy? Czekamy na szczyt Hossy czy czekamy na Bessy? Jak oceniasz ten moment i punkt, w którym jesteśmy teraz?

Paweł
To, czego ja się tutaj nauczyłem w pracy z naszymi systemami inwestycyjnymi, to żeby nie oceniać. Dlatego i akurat my staramy się bardzo unikać takiego ludzkiego kategoryzowania i systematycznego podejścia. Tak, tak. Generalnie nasze podejście jest takie, że my trenujemy systemy do tego, żeby inwestowały, tak? I trenujemy je według określonej metodyki danych, oceniamy według określonej metodyki i jak one inwestują, oceniamy ich wyniki według określonej metodyki, ale nie mówimy im, że No słuchaj, mi się wydaje, że to będzie Hossa albo Bessa. Ty źle inwestujesz.

Karol
A czy jest taki przykład jakiejś firmy, branży, o którym mógłby się powiedzieć, w jaki sposób analizujecie, jakie bierzecie kryteria pod uwagę i tak dalej?

Paweł
Jeśli chodzi o inwestycje. Tak. Mamy taki, u nas to się nazywa tak ładnie AI Alpha Factory. Alpha to są te czynniki, które dają przewagę na rynku. Tak, to jest takie słowo. I u nas cały ten proces tworzenia naszych trading agentów jest ułożony właśnie w taki proces, który nazywamy fabryką. Generalnie to jest tak, że To nie jest tak, że mamy jedną technologię, przy której zostajemy i której używamy, tylko my ją ciągle rozwijamy właśnie w tym procesie tej fabryki. Na początku to są takie badania data science, potem jest implementacja i włączanie do naszego systemu, potem jest trenowanie i ocena tych modeli. I tu mamy właśnie tą bardzo taką rygorystyczną metodę. My trenujemy to na różnych zakresach danych, poprzez różne mieszanie okresów treningowych, testowych. Mamy tam taką metodykę oceny skuteczności i generalizacji tych modeli.

Karol
Mówiąc o danych, mówisz o wynikach spółek.

Paweł
My używamy bardzo różnych danych, poczynając od danych cenowych, czyli cen, cen akcji, też informacji o wolumenie, informacji o wielkości ofert, informacji o pozycji innych uczestników rynku, informacji o danych fundamentalnych danej spółki, czyli zyskach, stratach, tak zwanych EPS, EPS Surprise i bardzo wielu innych czynnikach. Używamy też danych makro-mikroekonomicznych, no i też zależności pomiędzy instrumentami, czyli np. do przewidywania cen waluty szwajcarskiej używamy danych z giełdy szwajcarskiej, czyli indeksu szwajcarskiego. Przy czym akurat dobór danych do modelu, to jest część właśnie tego, co my robimy. Każdy instrument ma inny zestaw optymalnych danych, na podstawie których przewidujemy jego ceny. No i to jest praca, którą trzeba wykonać, tych instrumentów jest bardzo dużo.

Karol
I to jest ten sweet spot Wasz i Wasza wiedza tajemna.

Paweł
Tak. To jest bardzo żmudna praca. Tu niestety nie ma tego takiego blichtru, jakiegoś wymyślania, eureka innowacyjności. To jest po prostu taki data mining, trenowanie tych modeli, testowanie, weryfikowanie.

Karol
Z tej strony data mining i praca z technologią w oparciu o tą wiedzę, którą zdobyliście wcześniej, operując na tradycyjnym rynku, w tradycyjny sposób.

Paweł
Tak jest, tak. To na pewno nie może być taka ślepa wiedza. Nie możemy sobie brać takich rzeczy, które mogą być przypadkowo skorelowane, bo oczywiście przy odpowiednio dużej liczbie danych zawsze znajdziemy takie pozorne, spurious correlation. Także to powinno mieć jakieś tutaj uzasadnienie logiczne. Akurat jesteśmy w dosyć szczęśliwej sytuacji, bo współpracujemy z profesorem Witoldem Rudnickim, który jest autorem bardzo ciekawego algorytmu o takiej bardzo polskiej nazwie Boruta, który właśnie służy do selekcji danych, czyli do wyboru danych do wejściowych do modelu. Jest to takie rozwinięcie metody PCA, Principal Component Analysis, natomiast jest istotnie bardziej skuteczny ten algorytm. Teraz profesor też opracował jego nową wersję, z której również korzystamy, no i to jest też coś, co dało nam przewagę, tak. Tutaj akurat mogliśmy się lepiej porozumieć z profesorem, mówimy chociażby w tym samym języku, tak, i uzyskać z tego efekty.

Karol
A muszę zadać Ci jeszcze na koniec jedno pytanie. Czy robiłeś eksperymenty i próbowałeś wykorzystać dostępne modele językowe Gemini’a, JataGPT, Cloda czy jakiegokolwiek innego modelu i poprosić go, żeby wszedł w rolę doradcy inwestycyjnego?

Paweł
Tak, tak. Oczywiście jak najbardziej robiłem i to od razu takie… zastrzeżenie, tak? Jeżeli ktoś by chciał to robić, tak? W przypadku modeli małych szyn learningowych, predykcyjnych, bardzo istotne jest to, żeby model nie wiedział nic o okresie, na którym jest testowany, tak? I to jest bardzo kluczowa rzecz, którą my przestrzegamy w naszej pracy. a która jest niemożliwa w przypadku takich dużych modeli językowych, tak, bo po pierwsze nie wiemy, co one wiedzą, no dokładnie jakich danych były trenowane i teraz zrobienie takiego testu, żeby zobaczyć jego skuteczność na danych historycznych, to nie wiemy, co on wie, a nie wiemy, co jest dla niego, co jest dla niego nie wiadomo, tak, bo wiemy, że do którego roku jest test trenowany, ale też Nie wiadomo jakie tam są dane i bardzo należy z tym uważać, tak? Bo jeżeli ten model wie jakie były ceny tych akcji, no to on je doradzi bardzo dobrze, tak? Idealnie wręcz, tylko niestety on nie wie i to tego możemy być pewni, nie wie jakie te ceny będą jutro, tak? Bo nikt tego nie wie. Dlatego to, żeby oceniać skuteczność modeli machine learningowych, musimy być pewni, że ten okres taki, na którym testujemy, czyli tak zwany ten okres de facto testowy, natomiast w rzeczywistości to jest ten okres, który będzie przyszłością. na pewno żadna informacja z tego okresu nie przeciekła nam do danych trenowanych modeli. I ona potrafi też przeciekać w bardzo taki subtelny sposób, bo jeżeli cechą wejściową jest na przykład, nie wiem, średnia wielkość sprzedaży danego przedsiębiorstwa za cały okres, łącznie z okresem testowym, to już nam ta informacja jakoś przecieka. I to jest coś, na co naprawdę trzeba bardzo uważać, co powoduje, że takie zapytanie, żeby nam doradził, to on oczywiście doradzi, tak? Tylko doradzi patrząc w przeszłość i znając te dane przeszłe, a niekoniecznie to zadziała w przyszłości, a nie mamy możliwości oceny, jak on zadziała na tych takich danych, których nie widział, tak? I to jest bardzo istotny element naszej metodyki oceny modeli. Natomiast w przypadku modeli LLM on jest bardzo trudny do zastosowania, bo trzeba te modele trenować samemu, co powoduje, że to jest niesamowicie duży koszt. Natomiast my wykorzystujemy modele na pewno jako wsparcie przy tworzeniu innych modeli, tudzież przy tworzeniu strategii inwestycyjnych. To jest niesamowite narzędzie, które naprawdę podnosi produktywność kilka razy co najmniej, tak? No ale to wszyscy myślę wiedzą.

Karol
Wrócę do mojego pytania. Czy zrobiłeś kiedyś eksperyment i posłuchałeś doradcy, w rolę którego mógł wejść model językowy?

Paweł
Nie, nie, nie, nie. Wiedząc to, że on wie, tak? Że on wie i… To jest też właśnie ciekawe, tak? Bo… W inwestycjach trzeba zminimalizować ryzyko w przyszłości. To ryzyko w przyszłości można minimalizować tylko poprzez te testy na okresach testowych, o których powiedziałem. Oczywiście też nie gwarantuję, że tego ryzyka nie będzie, natomiast je minimalizuję. Ale tu mamy pewność, że on po prostu wie i on doradzi na podstawie tej wiedzy, a nie możemy zweryfikować, jeżeli powiedzieć, zapomnij wszystko, co się nauczyłeś po 2019. I potem powiedz mi, którą akcję byś wybrał w styczniu 2019, żeby zainwestować. To jest po prostu niemożliwe, bo nie jest w stanie zapomnieć.

Karol
Paweł, serdecznie Ci dziękuję za spotkanie, dziękuję Ci za Twoją wiedzę, dziękuję za to, że dzielisz się nią w tak otwarty i zrozumiały, mam nadzieję, sposób dla naszych słuchaczy. I cóż, pozostaje mi życzyć tylko Tobie powodzenia z kolejnymi projektami. Niech AI będzie z Tobą i z branżą finansową.

Paweł
Dziękuję bardzo, dziękuję za zaproszenie i że udało nam się porozmawiać.

Karol
Dziękuję.

FacebookXEmailLinkedIn