BlackRock опубликовала исследование, посвящённое новой системе под названием AlphaAgents — многоагентной архитектуре, основанной на больших языковых моделях (LLM), разработанной для поддержки инвестиционных решений.
В отличие от привычных алгоритмов, AlphaAgents имитирует коллективную работу команды аналитиков, разделённых по ролям:
Работа агентов организована в формате коллективного обсуждения: мнения агрегируются в чате, где ИИ-агенты вступают в «дебаты». Если точки зрения различаются, запускается дополнительный цикл обсуждения, пока не будет достигнут общий вывод — по сути, цифровая версия инвестиционного комитета.
В рамках эксперимента система анализировала 15 акций из технологического сектора, формируя портфели при различных сценариях — от нейтрального к риску до риск-aversive подхода. С февраля по май 2024 года многоагентный портфель показал лучшую совокупную доходность и коэффициент Шарпа по сравнению с отдельными агентами и эталонным индексом. В более консервативных конфигурациях система демонстрировала пониженную волатильность и меньшие просадки, хотя итоговая прибыль оказывалась ниже из-за роста акций более рискованных компаний.
По оценке разработчиков, AlphaAgents может стать частью будущих инвестиционных платформ: его сигналы интегрируются с классическими моделями вроде Black-Litterman. Одним из ключевых достоинств системы является прозрачность — все «дискуссии» между агентами логируются, что позволяет инвесторам отслеживать и анализировать логику принятия решений искусственным интеллектом.
В отличие от привычных алгоритмов, AlphaAgents имитирует коллективную работу команды аналитиков, разделённых по ролям:
- Fundamental Agent занимается анализом корпоративной отчетности и финансовых показателей, используя технологии извлечения данных и RAG-модели.
- Sentiment Agent отслеживает новости и аналитические обзоры, применяя языковые модели для суммаризации и оценки рыночных настроений.
- Valuation Agent анализирует исторические данные о ценах и объемах торгов, рассчитывает доходность, волатильность и определяет справедливую стоимость акций.
Работа агентов организована в формате коллективного обсуждения: мнения агрегируются в чате, где ИИ-агенты вступают в «дебаты». Если точки зрения различаются, запускается дополнительный цикл обсуждения, пока не будет достигнут общий вывод — по сути, цифровая версия инвестиционного комитета.
В рамках эксперимента система анализировала 15 акций из технологического сектора, формируя портфели при различных сценариях — от нейтрального к риску до риск-aversive подхода. С февраля по май 2024 года многоагентный портфель показал лучшую совокупную доходность и коэффициент Шарпа по сравнению с отдельными агентами и эталонным индексом. В более консервативных конфигурациях система демонстрировала пониженную волатильность и меньшие просадки, хотя итоговая прибыль оказывалась ниже из-за роста акций более рискованных компаний.
По оценке разработчиков, AlphaAgents может стать частью будущих инвестиционных платформ: его сигналы интегрируются с классическими моделями вроде Black-Litterman. Одним из ключевых достоинств системы является прозрачность — все «дискуссии» между агентами логируются, что позволяет инвесторам отслеживать и анализировать логику принятия решений искусственным интеллектом.
