Quant использует технологии из будущего, чтобы отвечать на вопросы из прошлого.
Звучит странно, учитывая, что quantitative trading - одна из самых технологичных индустрий в мире.
Наносекунды.
FPGA.
Microwave networks.
Альтернативные данные.
ML-модели, которые пытаются достать сигнал из шума, где signal-to-noise практически равен нулю.
Jane Street, Citadel, Renaissance годами строят инфраструктуру, которой позавидуют многие технологические компании.
Но при всём этом фундаментальный вопрос практически не изменился:
что произойдёт с ценой дальше?
Берём историю.
Цены, объёмы, факторы, volatility, positioning, correlations.
И пытаемся найти функцию:
past → future.
Проблема в том, что рынок - не физический объект, который просто существует независимо от наблюдателя.
Рынок состоит из участников.
А участники думают.
Адаптируются.
Копируют друг друга.
Меняют поведение.
И самое главное - реагируют на действия других участников.
Нашёл alpha?
Начал его торговать.
На него пришёл капитал.
Рынок адаптировался.
Alpha исчез.
Это и есть один из фундаментальных потолков quantitative trading.
Можно построить модель быстрее.
Добавить больше данных.
Нанять ещё 50 PhD.
Обучить neural network в десять раз больше.
Но ты всё ещё пытаешься предсказать траекторию системы, которая меняется из-за самого факта твоего участия в ней.
Поэтому следующий шаг в quant, возможно, вообще не будет связан с поиском лучшего alpha.
Вместо вопроса:
«куда завтра пойдёт NVDA?»
можно задать совершенно другой:
«какой рынок возникнет, если скорость распространения информации увеличится в 100 раз?»
Что произойдёт, если каждый участник получит собственного AI-агента?
Как изменится price discovery?
Какие стратегии исчезнут?
Какие новые equilibria появятся?
А что произойдёт, если изменить сами правила торгов?
Это уже не time-series forecasting.
Это попытка построить цифрового двойника рынка.
Внутри которого существуют разные участники:
фонды,
market makers,
retail,
банки,
алгоритмы,
центральные банки,
AI-агенты.
У каждого свои incentives, ограничения, информация и модель мира.
Дальше ты не предсказываешь следующую свечу.
Ты запускаешь систему и смотришь, какие рынки она сама создаёт.
Разница примерно как между прогнозом погоды и климатической моделью.
Или между анализом миллионов сыгранных партий в шахматы и AlphaZero, который может сыграть миллионы новых партий сам.
Тогда появляется интересная эволюция:
prediction → simulation → planning → intervention.
Сначала мы пытались предсказывать рынок.
Потом научились симулировать отдельные его элементы.
Следующий шаг - искать внутри симуляции возможные будущие состояния.
А затем - действия, которые способны привести систему к одному из них.
И вот здесь quant превращается уже во что-то другое.
Не quantitative trading.
А скорее Computational Market Intelligence.
Game Theory.
Agent-Based Modeling.
Causal Inference.
Complex Systems.
Reinforcement Learning.
Multi-Agent Systems.
World Models.
Всё соединяется вокруг одного вопроса:
можем ли мы не просто предсказывать рынок, а вычислительно воспроизвести механизм, который его создаёт?
Конечно, здесь появляется красивый парадокс.
Если цифровая модель рынка станет достаточно хорошей и люди начнут использовать найденные внутри неё закономерности…
реальный рынок изменится.
И модель снова станет неправильной.
Goodhart.
Lucas Critique.
Reflexivity.
Рынок постоянно убегает от собственной модели.
Возможно, именно поэтому следующий большой прорыв в quant будет не в модели, которая лучше всех предсказывает цену.
А в модели, которая понимает, почему эта цена вообще появилась.
67
22
6August 19, 2026 5.2K 55
