EquiLibre Technologies, डीपमाइंडच्या माजी संशोधकांनी स्थापन केलेल्या AI लॅबला $500 दशलक्षचे मूल्यांकन मिळाले आहे. ही कंपनी फायनान्शिअल मार्केटमध्ये ट्रेडिंगसाठी 'रीइन्फोर्समेंट लर्निंग' वापरते, जी पोकर खेळातही वापरली गेली आहे. कंपनीचा दावा आहे की 2025 पासून एकही महिना तोट्याचा नव्हता, पण मार्केटमधील अस्थिरतेत AI-आधारित ट्रेडिंगचे धोके समजून घेणे महत्त्वाचे आहे.
काय घडले?
EquiLibre Technologies, जी आर्टिफिशियल इंटेलिजन्स (AI) मध्ये विशेष प्राविण्य मिळवलेली लॅब आहे, आपल्या ताज्या फंडिंग राऊंडनंतर $500 दशलक्ष मूल्यांकनावर पोहोचली आहे. या राऊंडचे नेतृत्व व्हेंचर कॅपिटल फर्म Creandum ने केले, ज्यांनी याला त्यांची सर्वात मोठी गुंतवणूक असल्याचे म्हटले आहे.
या कंपनीची स्थापना डीपमाइंड (DeepMind) चे माजी संशोधक, जसे की CEO मार्टिन श्मिड, CTO रुडॉल्फ काडलेक आणि CSO माटेज मोराव्हिक यांनी केली आहे. हे तिघे DeepStack या AI प्रोग्रामसाठी ओळखले जातात, ज्याने पोकरमध्ये मानवी व्यावसायिकांना हरवले होते.
ट्रेडिंगसाठी AI दृष्टिकोन
EquiLibre स्वतःला पारंपरिक फायनान्स फर्मऐवजी AI लॅब म्हणून ओळख देते. त्यांची मुख्य टेक्नॉलॉजी 'रीइन्फोर्समेंट लर्निंग' (Reinforcement Learning) आहे. ही एक अशी पद्धत आहे जिथे अल्गोरिदम टास्क पूर्ण करण्याचा प्रयत्न करून शिकतात – या प्रकरणात, ट्रेडिंग – आणि यशस्वी परिणामांसाठी 'रिवॉर्ड' (reward) मिळवतात.
कंपनीने Tower Research Capital सोबत भागीदारी केली आहे, जेणेकरून S&P 500 आणि NASDAQ मधील मोठ्या व्हॉल्यूमच्या मालमत्तेवर (assets) त्यांचे अल्गोरिदम तैनात करता येतील. कंपनीचा दावा आहे की 2025 मध्ये क्रिप्टो मार्केटमध्ये लॉन्च झाल्यापासून, त्यांचा एकही महिना तोट्याचा गेला नाही. मात्र, क्वांटिटेटिव्ह ट्रेडिंगच्या जगात, इतक्या कमी कालावधीचा ट्रॅक रेकॉर्ड काळजीपूर्वक तपासला पाहिजे, कारण आर्थिक बाजारपेठा अचानक आणि अप्रत्याशित बदलांना सामोऱ्या जाऊ शकतात.
टेक्नॉलॉजीचे महत्त्व
रीइन्फोर्समेंट लर्निंग जुन्या, नियम-आधारित अल्गोरिदमिक ट्रेडिंगपेक्षा वेगळे आहे. जिथे पारंपरिक 'क्वांट' फंड ऐतिहासिक डेटावर आधारित सांख्यिकीय मॉडेल्सवर अवलंबून असतात, तिथे रीइन्फोर्समेंट लर्निंग मॉडेल्स येणाऱ्या मार्केट डेटानुसार डायनॅमिकली (dynamically) स्वतःला जुळवून घेतात. यामुळे सॉफ्टवेअर अशा पॅटर्न शोधू शकते जे मानव किंवा स्टॅटिक प्रोग्राम्स चुकवू शकतात.
कंपनी आता आपली कंप्युटिंग पॉवर (computing power) वाढवण्यावर लक्ष केंद्रित करत आहे, आणि मध्य युरोपमध्ये एक मोठा कंप्युट क्लस्टर (compute cluster) तयार करण्याची त्यांची योजना आहे. पायाभूत सुविधांमधील ही गुंतवणूक प्रतिस्पर्धकांपेक्षा मोठ्या प्रमाणात मार्केट डेटा अधिक प्रभावीपणे प्रक्रिया करण्यासाठी आहे.
व्यावसायिक धोके आणि बाजाराची वास्तविकता
जरी टेक्नॉलॉजी प्रगत असली तरी, AI-आधारित ट्रेडिंगमध्ये विशिष्ट धोके आहेत ज्यांवर या क्षेत्रातील गुंतवणूकदार लक्ष ठेवतात. एक प्रमुख धोका म्हणजे 'मॉडेल फेल्युअर' (model failure) – बाजारातील असामान्य परिस्थितीत AI अपयशी ठरू शकते. विशिष्ट मार्केट परिस्थितीत प्रशिक्षित केलेले AI 'ब्लॅक स्वान' इव्हेंट (black swan event) – जसे की दुर्मिळ, अप्रत्याशित मार्केट क्रॅश किंवा स्पाइक – ज्याचा प्रशिक्षणाच्या डेटामध्ये समावेश नव्हता, अशा वेळी खराब कामगिरी करू शकते.
याशिवाय, क्वांट ट्रेडिंग स्पेस अत्यंत स्पर्धात्मक आहे. Jane Street सारख्या मोठ्या कंपन्या अनेक दशकांचा ऐतिहासिक डेटा आणि सखोल अनुभव घेऊन या क्षेत्रात वर्चस्व गाजवत आहेत. नवीन कंपनी या प्रस्थापित कंपन्यांना दीर्घकाळ चालणाऱ्या मार्केटच्या घसरणीत सातत्याने मागे टाकू शकेल का, हा उद्योगासाठी एक महत्त्वाचा प्रश्न आहे.
पुढे काय पाहावे?
EquiLibre ही एक खाजगी तंत्रज्ञान लॅब असल्याने आणि सार्वजनिकरित्या सूचीबद्ध कंपनी नसल्यामुळे, व्यापक बाजारासाठी त्यांचे मुख्य निरीक्षण बिंदू हे अस्थिरतेच्या काळात त्यांच्या AI मॉडेल्सची प्रभावीता असेल. मार्केट विश्लेषक यावर लक्ष ठेवतील की रीइन्फोर्समेंट लर्निंग दृष्टिकोन 'ओव्हरफिटिंग' (overfitting) शिवाय कार्यप्रदर्शन टिकवून ठेवू शकतो का – ही एक सामान्य समस्या आहे जिथे AI भूतकाळातील डेटावर उत्तम काम करते पण भविष्यातील निकालांचा अंदाज लावण्यात अयशस्वी ठरते. कंपनीची पायाभूत सुविधा वाढवण्याची क्षमता आणि अशा उच्च-स्तरीय संगणकीय खर्चाचे व्यवस्थापन करणे, हे देखील तिच्या दीर्घकालीन व्यवहार्यतेसाठी एक घटक ठरेल.