Darius Baruo
22 พฤษภาคม 2026 07:59
NeMo Agent Toolkit ของ NVIDIA เปิดใช้งานระบบอัตโนมัติที่ขับเคลื่อนด้วย AI สำหรับการค้นหาสัญญาณทางการเงิน ช่วยลดรอบการวิจัยในการซื้อขายเชิงปริมาณ
NVIDIA ได้เปิดตัวการประยุกต์ใช้งานใหม่ของ NeMo Agent Toolkit โดยแสดงให้เห็นว่าระบบมัลติเอเจนต์ (MAS) สามารถเปลี่ยนแปลงการค้นหาสัญญาณทางการเงินในการซื้อขายเชิงปริมาณได้อย่างไร ด้วยการทำให้กระบวนการที่ต้องทำด้วยมือแบบดั้งเดิมเป็นแบบอัตโนมัติ ระบบนี้จึงช่วยลดรอบการวิจัยและเพิ่มประสิทธิภาพในการค้นพบสัญญาณที่สร้าง alpha ซึ่งเป็นองค์ประกอบสำคัญของกลยุทธ์การซื้อขายแบบเป็นระบบ
ตามบทความบล็อกที่เขียนโดย Peihan Huo จาก NVIDIA ระบบจะประสานงานเอเจนต์ AI เฉพาะทางสามตัว ได้แก่ Signal Agent, Code Agent และ Evaluation Agent เอเจนต์เหล่านี้ทำงานร่วมกันในลูปต่อเนื่องของการสร้างสมมติฐาน การทดสอบย้อนหลัง และการปรับปรุง เวิร์กโฟลว์ที่พัฒนาตนเองนี้ใช้ประโยชน์จากโมเดล Nemotron ของ NVIDIA เพื่อเร่งกระบวนการค้นพบ พร้อมทั้งรักษาความสามารถในการตีความและการทำซ้ำผลลัพธ์ในระดับสูง
ระบบเอเจนต์ทำงานอย่างไร
Signal Agent ระบุสัญญาณการซื้อขายที่มีศักยภาพโดยการวิเคราะห์ข้อมูลตลาด เช่น ราคา ปริมาณ และตัวชี้วัดพื้นฐาน โดยใช้ไลบรารีของตัวดำเนินการทางคณิตศาสตร์ที่มีโครงสร้าง ระบบจะสร้างสมมติฐานพร้อมหลีกเลี่ยงข้อผิดพลาดทั่วไปของ AI อย่างการ "ฮาลูซิเนต" คณิตศาสตร์ที่ไม่ถูกต้อง ตัวอย่างเช่น อาจเสนอสัญญาณที่รวมโมเมนตัมราคากับแนวโน้มปริมาณ เพื่อให้แน่ใจถึงความสมเหตุสมผลเชิงตรรกะและเศรษฐกิจ
เมื่อสมมติฐานถูกสร้างขึ้นแล้ว Code Agent จะแปลงแนวคิดนั้นเป็นโค้ด Python ที่สามารถรันได้ จากนั้นโค้ดนี้จะถูกทดสอบย้อนหลังโดย Evaluation Agent ซึ่งคำนวณตัวชี้วัดอย่าง Information Coefficient (IC) เพื่อวัดพลังการทำนายของสัญญาณ สัญญาณที่ไม่ผ่านเกณฑ์ที่กำหนดไว้ล่วงหน้าจะได้รับการปรับปรุงในกระบวนการวนซ้ำ สร้างลูปป้อนกลับที่ดีขึ้นในแต่ละรอบ
เหตุใดสิ่งนี้จึงสำคัญสำหรับนักเทรด
การเงินเชิงปริมาณพึ่งพาเวิร์กโฟลว์ที่ต้องใช้แรงงานมากในการค้นหาสัญญาณมาอย่างยาวนาน วิธีการแบบดั้งเดิมกำหนดให้นักวิจัยต้องตั้งสมมติฐาน เขียนโค้ด ทดสอบย้อนหลัง และปรับปรุงสัญญาณทีละตัว ซึ่งมักเกี่ยวข้องกับการส่งต่องานที่ไม่ต่อเนื่องระหว่างทีมนักวิเคราะห์และนักพัฒนา ระบบของ NVIDIA มุ่งหมายที่จะทำให้กระบวนการนี้คล่องตัวขึ้น ช่วยให้ quant สามารถทดสอบแนวคิดได้มากขึ้นในเวลาที่น้อยลง
เพื่อให้เข้าใจบริบท สัญญาณการซื้อขายที่แข็งแกร่งโดยทั่วไปจะแสดง mean Rank IC ระหว่าง 0.02 ถึง 0.05 ในการสาธิตของ NVIDIA สัญญาณที่สร้างขึ้นหนึ่งรายการได้รับ Rank IC ที่ -0.0134 โดยมีนัยสำคัญทางสถิติในช่วง 3,504 วันทำการ ซึ่งแสดงให้เห็นถึงความสามารถของระบบในการสร้างข้อมูลเชิงลึกเชิงคาดการณ์ที่นำไปใช้ได้จริง แม้จะอยู่ในระดับปานกลาง แม้จะไม่ใช่ความก้าวหน้าครั้งใหญ่ แต่ประสิทธิภาพนี้สอดคล้องกับสัญญาณที่ใช้ในกลยุทธ์ระยะสั้นระดับสถาบัน เช่น โมเมนตัมหรือ mean reversion
บริบทตลาดในภาพรวม
ระบบมัลติเอเจนต์กำลังได้รับความนิยมในการเงินเชิงปริมาณในฐานะกรอบการทำงานสำหรับการสร้างแบบจำลองพลวัตตลาดที่ซับซ้อน ความก้าวหน้าล่าสุด เช่น การเรียนรู้แบบเสริมแรงแบบลำดับชั้นและสถาปัตยกรรมแบบกราฟ ได้เพิ่มขีดความสามารถของ MAS ในด้านต่างๆ เช่น การปรับพอร์ตโฟลิโอให้เหมาะสมและการเฝ้าระวังตลาด ตัวอย่างเช่น ในปี 2025 นักวิจัยได้แนะนำกรอบ graph-attention เพื่อสร้างแบบจำลองการพึ่งพาระหว่างสินทรัพย์ข้ามประเภท ขณะที่สตาร์ทอัพอย่าง Fere AI เริ่มทำการค้าเอเจนต์การซื้อขายที่พัฒนาตนเองได้
การมุ่งเน้นของ NVIDIA ในด้านโมดูลาริตี้และการสังเกตการณ์ยิ่งทำให้ข้อเสนอของบริษัทแตกต่างออกไป ด้วยการรวมศูนย์เวิร์กโฟลว์ในการกำหนดค่า YAML และการผสานรวมเครื่องมือติดตามแบบเรียลไทม์อย่าง Arize Phoenix แพลตฟอร์มนี้ช่วยให้ผู้ใช้สามารถดีบักปัญหาและขยายขนาดการทดลองได้ด้วยความยุ่งยากน้อยที่สุด ทีม quant สามารถปรับระบบให้เข้ากับคลาสสินทรัพย์ กลยุทธ์การซื้อขาย หรือชุดข้อมูลที่เป็นกรรมสิทธิ์ที่แตกต่างกันได้อย่างง่ายดาย ทำให้เป็นเครื่องมืออเนกประสงค์สำหรับทั้งนักเทรดสถาบันและนักเทรดรายย่อยขั้นสูง
มองไปข้างหน้า
NeMo Agent Toolkit ของ NVIDIA ให้มุมมองเกี่ยวกับอนาคตของการวิจัยเชิงปริมาณแบบอัตโนมัติ เมื่อกรอบงาน MAS เติบโตขึ้น พวกมันพร้อมที่จะนิยามใหม่ว่านักเทรดเข้าถึงการสร้าง alpha การบริหารความเสี่ยง และกลยุทธ์การดำเนินการอย่างไร สำหรับผู้ที่สนใจ NVIDIA เสนอสภาพแวดล้อมการปรับใช้ที่เร่งด้วย GPU และการนำไปใช้งานแบบโอเพนซอร์สบน GitHub ทำให้เข้าถึงได้สำหรับ quant ที่ต้องการทดลองกับเครื่องมือล้ำสมัยเหล่านี้
แหล่งที่มาของภาพ: Shutterstock
Source: https://blockchain.news/news/nvidia-ai-automates-signal-discovery
