AI લેબ EquiLibre Technologies, જે ભૂતપૂર્વ DeepMind સંશોધકો દ્વારા સ્થાપિત છે, તેણે **$500 મિલિયન** નું Valution મેળવ્યું છે. આ કંપની ફાઇનાન્સિયલ માર્કેટમાં ટ્રેડિંગ કરવા માટે રિઇન્ફોર્સમેન્ટ લર્નિંગ (reinforcement learning) ટેકનોલોજીનો ઉપયોગ કરે છે.
શું થયું?
EquiLibre Technologies, એક ખાસ આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) લેબ, તેના તાજેતરના ફંડિંગ રાઉન્ડ પછી $500 મિલિયન ના Valution સુધી પહોંચી ગઈ છે. આ રાઉન્ડનું નેતૃત્વ વેન્ચર કેપિટલ ફર્મ Creandum દ્વારા કરવામાં આવ્યું હતું, જેણે આ રોકાણને તેનું સૌથી મોટું સિંગલ રોકાણ ગણાવ્યું છે. આ કંપનીની સ્થાપના ભૂતપૂર્વ DeepMind સંશોધકોની એક ટીમ દ્વારા કરવામાં આવી હતી, જેમાં CEO Martin Schmid, CTO Rudolf Kadlec અને CSO Matej Moravcik નો સમાવેશ થાય છે. આ ટીમ DeepStack, એક AI પ્રોગ્રામ જેણે પોકરમાં માનવ પ્રોફેશનલ્સને હરાવ્યા હતા, તેના પરના અગાઉના કામ માટે જાણીતી છે.
ટ્રેડિંગ માટે AI અભિગમ
EquiLibre પોતાને પરંપરાગત ફાઇનાન્સ ફર્મ કરતાં AI લેબ તરીકે અલગ પાડે છે. તેની મુખ્ય ટેકનોલોજી, રિઇન્ફોર્સમેન્ટ લર્નિંગ (reinforcement learning), એક એવી પદ્ધતિ છે જ્યાં અલ્ગોરિધમ્સ કાર્યો કરવાનો પ્રયાસ કરીને વ્યૂહરચના શીખે છે - આ કિસ્સામાં, ટ્રેડિંગ - અને સફળ પરિણામો માટે "પુરસ્કાર" મેળવે છે. કંપનીએ S&P 500 અને NASDAQ માં હાઇ-વોલ્યુમ એસેટ્સ પર તેના અલ્ગોરિધમ્સને ડિપ્લોય કરવા માટે Tower Research Capital સાથે ભાગીદારી કરી છે. કંપનીનો દાવો છે કે 2025 માં ક્રિપ્ટો માર્કેટ્સમાં તેના રોલઆઉટ પછી, તેણે શૂન્ય નકારાત્મક મહિનાઓનો રેકોર્ડ જાળવી રાખ્યો છે. જોકે, ક્વોન્ટિટેટિવ ટ્રેડિંગની દુનિયામાં, આવા ટૂંકા ગાળાના ટ્રેક રેકોર્ડનું કાળજીપૂર્વક અર્થઘટન કરવાની જરૂર છે, કારણ કે નાણાકીય બજારો અચાનક, અણધારી માળખાકીય ફેરફારોમાંથી પસાર થઈ શકે છે.
ટેકનોલોજી શા માટે મહત્વપૂર્ણ છે?
રિઇન્ફોર્સમેન્ટ લર્નિંગ (Reinforcement learning) જૂના, નિયમ-આધારિત અલ્ગોરિધમિક ટ્રેડિંગથી એક બદલાવ રજૂ કરે છે. જ્યારે પરંપરાગત "ક્વોન્ટ" ફંડ્સ ઘણીવાર ઐતિહાસિક ડેટા પર આધારિત આંકડાકીય મોડેલો પર આધાર રાખે છે, ત્યારે રિઇન્ફોર્સમેન્ટ લર્નિંગ મોડેલ્સ ઇનકમિંગ માર્કેટ ડેટાને ગતિશીલ રીતે અનુકૂલિત કરે છે. આનો ઉદ્દેશ્ય એવા પેટર્ન શોધવા માટે સોફ્ટવેરને મંજૂરી આપવાનો છે જે માનવો અથવા સ્થિર પ્રોગ્રામ્સ ચૂકી શકે. કંપની હવે તેની કમ્પ્યુટિંગ પાવર વિસ્તૃત કરવા પર ધ્યાન કેન્દ્રિત કરી રહી છે, અને મધ્ય યુરોપમાં એક નોંધપાત્ર કમ્પ્યુટ ક્લસ્ટર બનાવવાની યોજના ધરાવે છે. ઇન્ફ્રાસ્ટ્રક્ચરમાં આ રોકાણ સ્પર્ધકો કરતાં વધુ કાર્યક્ષમ રીતે વિશાળ બજાર ડેટા પર પ્રક્રિયા કરવા માટે છે.
વ્યવસાયિક જોખમો અને બજાર વાસ્તવિકતા
જ્યારે ટેકનોલોજી અદ્યતન છે, ત્યારે AI-ડ્રાઇવ્ડ ટ્રેડિંગમાં ચોક્કસ જોખમો શામેલ છે જે આ ક્ષેત્રના રોકાણકારો સામાન્ય રીતે મોનિટર કરે છે. એક પ્રાથમિક જોખમ માર્કેટ એનોમલી (market anomalies) દરમિયાન "મોડેલ નિષ્ફળતા" છે. ચોક્કસ બજારની પરિસ્થિતિઓ પર તાલીમ પામેલ AI "બ્લેક સ્વાન" ઇવેન્ટ - એક દુર્લભ, અણધારી બજાર ક્રેશ અથવા સ્પાઇક જે સિસ્ટમને તાલીમ આપવા માટે વપરાયેલા ડેટામાં બન્યો નથી - નો સામનો કરતી વખતે નબળું પ્રદર્શન કરી શકે છે. વધુમાં, ક્વોન્ટ ટ્રેડિંગ સ્પેસ અત્યંત સ્પર્ધાત્મક છે, જે Jane Street જેવી સ્થાપિત જાયન્ટ્સ દ્વારા પ્રભુત્વ ધરાવે છે, જેની પાસે દાયકાઓનો ઐતિહાસિક ડેટા અને ઊંડી નિપુણતા છે. લાંબા ગાળાના બજાર મંદી દરમિયાન આ સ્થાપિત કંપનીઓ સામે સતત શ્રેષ્ઠ પ્રદર્શન કરી શકે છે કે કેમ તે ઉદ્યોગ માટે એક મુખ્ય પ્રશ્ન રહે છે.
આગળ શું જોવું?
જેમ કે EquiLibre એક ખાનગી ટેકનોલોજી લેબ છે અને જાહેર રીતે સૂચિબદ્ધ કંપની નથી, તેથી વ્યાપક બજાર માટે તેનું પ્રાથમિક મોનિટરિંગ એ ઊંચી અસ્થિરતાના સમયગાળા દરમિયાન તેના AI મોડેલોની અસરકારકતા છે. બજાર નિરીક્ષકો ટ્રેક કરશે કે શું આ રિઇન્ફોર્સમેન્ટ લર્નિંગ અભિગમ "ઓવરફિટિંગ" (overfitting) વિના પ્રદર્શન જાળવી શકે છે - એક સામાન્ય સમસ્યા જ્યાં AI ભૂતકાળના ડેટા પર સંપૂર્ણ રીતે કાર્ય કરે છે પરંતુ ભવિષ્યના પરિણામોની આગાહી કરવામાં નિષ્ફળ જાય છે. આ પ્રકારના હાઇ-એન્ડ કમ્પ્યુટિંગના ખર્ચનું સંચાલન કરતી વખતે તેની ઇન્ફ્રાસ્ટ્રક્ચરને સ્કેલ કરવાની કંપનીની ક્ષમતા પણ તેની લાંબા ગાળાની શક્યતામાં એક પરિબળ બનશે.