اليوم الذي تبخر فيه تريليون دولار — ولماذا زادت الخوارزميات "الذكية" الطين بلة

كنت في مكالمة مع فريقي عندما شارك أحدهم لقطة شاشة لمؤشر نيكي. كان منخفضاً بنسبة 8%. ثم 10%. ثم 12.4%.

كان ذلك في 5 أغسطس 2024. كان السوق الياباني يمر بأسوأ يوم له منذ الإثنين الأسود في عام 1987. قفز مؤشر VIX — المؤشر الذي يقيس مدى خوف وول ستريت — إلى 65.73، وهو مستوى لم نشهده خارج الأزمة المالية لعام 2008 والأسابيع الأولى من جائحة كوفيد. كان تريليون دولار من القيمة السوقية يتبخر من أسهم الذكاء الاصطناعي والتكنولوجيا وحدها.

أتذكر أحد المهندسين لدي وهو يقول، شبه مازح: "إذن فالخوارزميات تتداول ضد بعضها البعض مرة أخرى."

لم يكن مخطئاً. وتلك الجملة — تتداول ضد بعضها البعض — هي الجزء الهادئ الذي لا يريد أحد في صناعة الذكاء الاصطناعي قوله بصوت عالٍ. يتم الآن تنفيذ ما بين 60% و 70% من التداولات العالمية بواسطة الخوارزميات. معظم هذه الخوارزميات عبارة عن أنظمة احتمالية — فهي تتوقع الحركة المحتملة التالية بناءً على الأنماط في البيانات التاريخية. إنها لا تفهم ما يحدث. إنها لا تعرف لماذا يرتفع الين أو ماذا يعني تفكيك تجارة الفائدة المحمولة للسيولة. إنها ترى فقط إشارات الأسعار وتتفاعل.

في 5 أغسطس، تفاعلت جميعها في نفس الاتجاه، في نفس الوقت، مع إشارة كانت جزئياً عبارة عن قطعة فنية تقنية. وكانت النتيجة سلسلة لم يكن بإمكان أي متداول بشري بمفرده أن يسببها.

غيّر ذلك اليوم طريقة تفكيري حول ما نبنيه في Veriprajna. لقد أكد شيئاً كنت أجادل فيه لسنوات: الذكاء الاصطناعي الاحتمالي بدون حواجز حماية حتمية ليس فقط غير موثوق — بل هو خطير.

ما الذي حدث بالفعل في 5 أغسطس؟

القصة السطحية هي قصة اقتصاد كلي. فاجأ بنك اليابان الأسواق بزيادة في سعر الفائدة بنسبة 0.25%. في نفس الأسبوع، أثار تقرير وظائف أمريكي ضعيف "قاعدة سهم" — وهو مؤشر ركود يعتمد على ارتفاع البطالة. نقطتا بيانات. ولا واحدة منهما، بمفردها، كارثية.

ولكن تحت تلك العناوين الرئيسية كانت هناك رهان ضخم مدعوم بالرافعة المالية كان يتراكم لأكثر من عقد: تجارة الفائدة المحمولة بالين.

إليك النسخة المختصرة. أبقت اليابان أسعار الفائدة قريبة من الصفر لسنوات. دفع الاحتياطي الفيدرالي الأمريكي أسعار الفائدة إلى 5.5%. لذلك، اقترضت صناديق التحوط والمستثمرون المؤسسيون وحتى متداولو التجزئة بثمن بخس بالين وصبوا تلك الأموال في أصول ذات عائد أعلى — أسهم التكنولوجيا الأمريكية، والأسواق الناشئة، والعملات المشفرة. كان فرق سعر الفائدة عبارة عن أموال مجانية، طالما ظل الين ضعيفاً.

تقول النظرية الاقتصادية أن هذا لا ينبغي أن ينجح. يتوقع تعادل سعر الفائدة أن حركات سعر الصرف يجب أن تعوض مكاسب سعر الفائدة. ولكن في الممارسة العملية، هناك شذوذ موثق جيداً يسمى لغز العلاوة الآجلة: تميل العملات ذات الفائدة المرتفعة إلى الارتفاع على المدى القصير، مما يجعل تجارة الفائدة المحمولة أكثر ربحية. لذلك نما المركز. ونما.

عندما رفع بنك اليابان أسعار الفائدة وارتفع الين بنسبة 7.7% في أسبوع واحد، أصبحت "التجارة المحمولة" خسارة. ضربت نداءات الهامش. كان تقليص المديونية عنيفاً.

لكن هذا ما يزعجني: قد تشرح المحفزات الكلية نصف القصة. الحجم — السرعة، العدوى، التريليون دولار الممحوة — كان ذلك خوارزمياً.

مقياس الخوف كان يكذب

هذا هو الجزء الذي لا يزال يبقيني مستيقظاً في الليل.

مؤشر VIX، الذي يعامله الجميع كمقياس نهائي لخوف السوق، لا يتم حسابه من أسعار التداول الفعلية. إنه مستمد من عروض الأسعار المتوسطة لخيارات S&P 500 — نقطة المنتصف بين ما يعرضه المشترون وما يطلبه البائعون.

خلال ساعات ما قبل السوق في 5 أغسطس، جفت السيولة. وسع صانعو السوق فروق أسعار العرض والطلب لحماية أنفسهم. نظراً لأن أسعار الخيارات لا يمكن أن تنخفض إلى ما دون الصفر والحد الأدنى للعطاءات غالباً ما يكون ثابتاً عند حوالي 5 سنتات، فإن توسيع الفروق هذا دفع عرض السعر المتوسط إلى الأعلى ميكانيكياً. ارتفع مؤشر VIX بنسبة 180% قبل حتى أن يفتح السوق.

لم يرتفع مؤشر VIX لأن الخوف كان أعلى بنسبة 180%. لقد ارتفع لأن السيولة كانت أرق بنسبة 180%. ولم تستطع آلاف الخوارزميات التمييز بينهما.

الصناديق التي تستهدف التقلبات، ومستشارو تداول السلع (CTAs) — تمت برمجة هذه الأنظمة للتخلص من الأسهم عندما يرتفع التقلب الضمني. لقد رأوا رقم VIX. فباعوا. أدى بيعهم إلى انخفاض الأسعار بشكل أكبر، مما أدى إلى تشغيل المزيد من الخوارزميات للبيع، مما أدى إلى دفع VIX إلى مستويات أعلى.

لقد كانت حلقة تغذية مرتدة مبنية على قطعة فنية للقياس. كان "مقياس الخوف" يقيس جزئياً انعكاسه الخاص.

لقد طرحت هذا الأمر خلال اجتماع الفريق في الأسبوع التالي، وسحب أحد علماء البيانات لدينا تحليل بنك التسويات الدولية الذي أكد هذه الآلية بالضبط. أتذكر أن الغرفة أصبحت هادئة. كنا نبني أنظمة عصبية رمزية لعملاء الشركات — الامتثال الضريبي، لوجستيات البناء — ولكن هذه كانت اللحظة التي أدركت فيها أن نفس الفشل المعماري كان يجلس في قلب التمويل العالمي.

لماذا لم تكتشف أنظمة الذكاء الاصطناعي "الذكية" هذا؟

يسألني الناس هذا دائماً. إذا كان الذكاء الاصطناعي قوياً جداً، فلماذا لم يمنع الانهيار؟ لماذا لم تتعرف خوارزميات التداول على شذوذ VIX؟

لأنها لم تكن مصممة لذلك. تم تصميمها لتتتفاعل مع الإشارات، وليس لتتفكر فيها.

معظم أنظمة التداول المدفوعة بالذكاء الاصطناعي اليوم هي ما أسميه أغلفة احتمالية. إنها واجهات رفيعة مبنية فوق نماذج لغوية كبيرة أو محركات تنبؤ إحصائي. إنها جيدة جداً في مطابقة الأنماط — إيجاد ارتباطات في البيانات التاريخية، والتنبؤ بحركات الأسعار قصيرة الأجل. لكن ليس لديها نموذج داخلي لـ لماذا تحدث الأشياء.

النظام الاحتمالي المدرب على بيانات VIX التاريخية سيتعلم: "عندما يتجاوز VIX الـ 40، بع الأسهم." هذا استدلال مفيد في الأسواق العادية. في 5 أغسطس، كان الأمر بمثابة صب البنزين على النار. لم يستطع النظام أن يسأل: "انتظر — هل هذا الارتفاع في VIX مدفوع بالتقلب المحقق، أم بقطعة فنية لقياس مبني على الاقتباس في بيئة منخفضة السيولة؟" هذا السؤال يتطلب استدلالاً سببياً. إنه يتطلب فهم البنية الدقيقة للسوق. إنه يتطلب ما نسميه المنطق الحتمي — والنماذج الاحتمالية لا تملكه.

أخبرني أحد المستثمرين ذات مرة، بصراحة: "فقط استخدم GPT. قم بضبطه بدقة على بيانات السوق." حاولت أن أشرح أن النموذج اللغوي الذي يتوقع الرمز المحتمل التالي يختلف اختلافاً جوهرياً عن نظام يمكنه فرض قيد "لا تنفذ أمر بيع ناتج عن قراءة VIX تنحرف بأكثر من 3 انحرافات معيارية عن التقلب المحقق." نظر إلي وكأنني أعقد الأمور.

كان يوم 5 أغسطس هو الرد البالغ تريليون دولار.

ماذا يعني "الذكاء الاصطناعي العميق" فعلياً للأسواق؟

في Veriprajna، نستخدم مصطلح "الذكاء الاصطناعي العميق" لتمييز ما نبنيه عن موجة أغلفة الذكاء الاصطناعي التي تغرق السوق. إنه ليس مصطلحاً تسويقياً — إنه التزام معماري. لقد كتبت عن هذه الفلسفة بتعمق في النسخة التفاعلية من بحثنا، لكن الفكرة الأساسية هي هذه:

الشبكات العصبية للإدراك. والمنطق الرمزي للحقيقة.

نحن نسميه "الساندويتش العصبي الرمزي". تستوعب الشبكة العصبية البيانات — خلاصات الأسعار، الأخبار، ديناميكيات دفتر الأوامر. إنها ممتازة في هذا. التعرف على الأنماط هو ما ولدت الشبكات العصبية للقيام به. ولكن قبل أن يصل هذا الإخراج العصبي إلى أي طبقة لصنع القرار، فإنه يمر عبر محرك قيود رمزي — طبقة حتمية تفرض قواعد غير قابلة للتغيير.

تلك القواعد لا يتم تعلمها من البيانات. إنها مشفرة بشكل صريح. متطلبات الهامش. عتبات السيولة. القيود التنظيمية. المنطق الزمني — فهم أن قرار سعر الفائدة من بنك اليابان في يوليو يسبق سببياً نداء الهامش في أغسطس، حتى لو ظهرت في أجزاء مختلفة من البيانات.

في نظام عصبي رمزي، الحقيقة ليست احتمالاً إحصائياً. إنها يقين تم التحقق منه ومدعوم بالمنطق. تقول الشبكة العصبية "يبدو هذا النمط كإشارة بيع". تسأل الطبقة الرمزية "هل تنتهك إشارة البيع هذه أي قيد نعرف أنه صحيح؟" إذا كان الجواب نعم، يتم حظر الإشارة. لا مجال للتفاوض.

هذا ليس نظرياً. لقد قمنا ببناء محركات القيود هذه للامتثال الضريبي، حيث لا يمكن لوكيل الذكاء الاصطناعي حرفياً أن يوصي بموقف إيداع ينتهك القانون الأساسي، بغض النظر عن مدى إقناع الموجه. ينطبق نفس المعمارية على التداول: وكيل لا يمكنه تنفيذ صفقة نتجت عن قراءة VIX يمكنه تحديدها على أنها شاذة.

لماذا تفشل أنظمة الذكاء الاصطناعي الحالية في هذا؟

هناك وضع فشل تقني محدد يفسر الكثير مما حدث بشكل خاطئ في 5 أغسطس، وهو نفس وضع الفشل الذي أراه في كل منتج مالي "مدعوم بالذكاء الاصطناعي" في السوق تقريباً.

يطلق عليه RAG الساذج — التوليد المعزز بالاسترجاع. الفكرة بسيطة: خذ نموذجاً لغوياً كبيراً، واربطه بقاعدة بيانات من المستندات (تقارير السوق، الأخبار، الإيداعات)، ودعه يسترجع السياق ذي الصلة قبل إنشاء إجابة.

المشكلة هي كيف يتم اختيار "السياق ذي الصلة". تقوم معظم أنظمة RAG بتقطيع المستندات إلى أجزاء ذات حجم ثابت، وتحويلها إلى متجهات رقمية، واسترجاع أي الأجزاء الأكثر تشابهاً رياضياً مع الاستعلام. هذا يخلق ثلاث نقاط عمياء كارثية:

العمى الزمني. يبدو جزء حول "انهيار السوق" من عام 2010 وجزء حول "انهيار السوق" من عام 2024 متطابقين تقريباً كمتجهات. لا يستطيع النموذج التمييز بين حدث تاريخي وحدث قيد التطوير. في 5 أغسطس، كانت أدوات تحليل أخبار الذكاء الاصطناعي تخلط بين استجابات السياسة التي تعود إلى عقد من الزمان والظروف في الوقت الفعلي.

تجزئة السرد. يؤدي التقطيع إلى تدمير خيط القصة النامية. قرار سعر الفائدة لبنك اليابان، وارتفاع قيمة الين، ونداء هامش صندوق التحوط هي ثلاثة أجزاء منفصلة في ثلاث مقالات منفصلة. لا يستطيع الذكاء الاصطناعي ربطها.

فشل الاستدلال متعدد القفزات. تطلب انهيار تجارة الفائدة المحمولة منطقاً متعدياً: رفع بنك اليابان أسعار الفائدة ← ارتفع الين ← أصبحت مراكز تجارة الفائدة المحمولة غير مربحة ← ضرب البيع القسري أسهم التكنولوجيا الأمريكية ← ارتفع مؤشر VIX ← باعت الصناديق التي تستهدف التقلبات المزيد. هذه سلسلة سببية من ست خطوات. لا يمكن لـ RAG الساذج القيام بذلك.

نحن نستبدل هذا بـ الرسوم البيانية المعرفية — خرائط صريحة للعلاقات بين الفاعلين الاقتصاديين، والعملات، والأدوات، والهيئات التنظيمية. عندما يدخل قرار سعر الفائدة من بنك اليابان إلى النظام، يعرف الرسم البياني المعرفي مسبقاً أنه مرتبط بمراكز تجارة الفائدة المحمولة بالين، والتي ترتبط بالتعرض للأسهم الأمريكية، والتي ترتبط بالصناديق الحساسة لـ VIX. الاستدلال هيكلي، وليس إحصائياً.

كيف يمكنك تصميم نماذج للعدوى قبل حدوثها؟

هذا هو المكان الذي غيرت فيه الشبكات العصبية للرسم البياني — GNNs — طريقة تفكيري حول المخاطر المالية.

تعالج نماذج المخاطر التقليدية الأصول كنقاط بيانات مستقلة أو تستخدم مصفوفات ارتباط ثابتة. تتم معايرة هذه المصفوفات خلال الأسواق الهادئة. أثناء الانهيار السريع، ترتفع الارتباطات إلى 1 — يباع كل شيء معاً — وينهار النموذج.

تتعامل GNN مع السوق على حقيقته: شبكة. العقد هي الأصول. الحواف هي شدة تدفق المعلومات بينها. يرتبط مؤشر نيكاي 225 بـ USD/JPY والمرتبط بـ Nvidia والمرتبط بـ VIX. لا تتعلم GNN حالة كل عقدة فحسب، بل تتعلم أيضاً كيف تنتشر الصدمات عبر الحواف.

تُظهر أبحاثنا أن GNNs تحقق متوسط خطأ تربيعي قدره 0.0025 وجذر متوسط خطأ تربيعي قدره 0.050 في التنبؤ بالتقلبات — وتتفوق بشكل كبير على الشبكات العصبية المتكررة التقليدية وحتى المحولات. السبب بنيوي: تلتقط GNNs التفاعلات متعددة القفزات. يمكنها تحديد أن الصدمة على الين ستنتشر من خلال مراكز تجارة الفائدة المحمولة إلى أسهم التكنولوجيا الأمريكية قبل أن تظهر حركة السعر في السلاسل الزمنية.

لكن — وهذا هو الجزء المهم — نحن لا نترك GNN تتصرف بمفردها. يغذي ناتجها طبقة القيود الرمزية. تقول GNN "احتمال العدوى من JPY إلى Nasdaq مرتفع". يتحقق المحرك الرمزي: "هل مراكز تجارة الفائدة المحمولة الحالية أعلى من العتبة المشفرة في قواعد المخاطر لدينا؟ هل سلوك VIX متوافق مع التقلب المحقق، أم أنه شذوذ مبني على الاقتباس؟" فقط بعد اجتياز كلا الفحصين يقوم النظام بتوليد توصية.

إن GNN بدون قيود رمزية هي زر ذعر دقيق للغاية. إن GNN مع قيود رمزية هي نظام لإدارة المخاطر.

للحصول على تفصيل فني كامل لهذه البنية — بما في ذلك أطر التعلم المعزز التي نستخدمها لوكلاء التداول المدركين للهامش — انظر ورقتنا البحثية.

مشكلة الصندوق الأسود ليست تقنية فقط — إنها قانونية

إليك شيئاً لا يحظى باهتمام كافٍ: المنظمون قادمون لاستهداف الذكاء الاصطناعي المبهم.

يركز كل من CFTC و SEC بشكل متزايد على شفافية التداول الخوارزمي. إن الصندوق الأسود الذي ينفذ أمر بيع بقيمة 100 مليون دولار ولا يستطيع تفسير السبب ليس مجرد خطر تقني — بل هو التزام امتثال. نشر بنك التسويات الدولية إرشادات صريحة حول كيفية تعامل المنظمين مع قابلية تفسير الذكاء الاصطناعي في الأسواق المالية.

نحن نبني قابلية التفسير في البنية منذ البداية. طبقة القيود الرمزية لدينا قابلة للتفسير بطبيعتها — يمكنك تتبع كل قرار إلى القاعدة المحددة التي سمحت به أو حظرته. بالنسبة للمكونات العصبية (GNNs، ووكلاء التعلم المعزز)، نقوم بتطبيق تقنيات لاحقة: قيم SHAP التي تظهر المتغيرات التي قادت التنبؤ، وتفسيرات واقعية مضادة تظهر كيف كان الإدخال المختلف سيغير الناتج.

أجريت محادثة مع ضابط امتثال في صندوق متوسط الحجم أخبرتني أن نظام تداول الذكاء الاصطناعي الحالي لديهم يولد توصيات لا يمكنهم تدقيقها. قالت: "نحن فقط نثق به. إلى أن يخطئ، وحينها علينا أن نشرح لمجلس الإدارة لماذا وثقنا به."

تلك هي أزمة الامتثال في جملة واحدة. وهذا هو السبب في أننا نوائم كل عملية نشر مع إطار عمل إدارة مخاطر الذكاء الاصطناعي الخاص بـ NIST — ليس كتدريب على وضع علامة في المربع، ولكن كبنية تشغيلية. تتوافق الركائز الأربع للإطار (الحوكمة، التخطيط، القياس، الإدارة) بشكل مباشر مع كيفية بنائنا: سياسات الرقابة المدمجة في النظام، وتخطيط المخاطر لكل تبعية للبيانات، والقياس المستمر لانحراف النموذج، ومفاتيح الإيقاف الحتمية عندما يكتشف النظام أنه يعمل خارج نطاقه الموثوق.

ماذا عن حجة "فقط أضف المزيد من البيانات"؟

يقاوم الناس النهج العصبي الرمزي. يقولون: "إذا فشلت النماذج الاحتمالية في 5 أغسطس، فالإجابة هي نماذج احتمالية أفضل. المزيد من بيانات التدريب. نوافذ سياق أكبر. الضبط الدقيق في سيناريوهات الأزمات."

أنا أفهم الجاذبية. إنه أبسط. إنه يناسب سلسلة الأدوات الحالية. وهو خاطئ.

كان تفكيك تجارة الفائدة المحمولة في أغسطس 2024 حدثاً جديداً. المزيج المحدد من رفع سعر الفائدة من بنك اليابان، ومحفز قاعدة سهم، وشذوذ اقتباس VIX، وتفكيك مركز رافعة مالية متعدد التريليونات من الدولارات في وقت واحد — هذا التكوين الدقيق لم يحدث من قبل. لا يوجد مقدار من بيانات التدريب التاريخية يحتوي عليه.

النماذج الاحتمالية تستنبط من الماضي. محركات القيود الحتمية تشفر القواعد التي تحكم الحاضر. قواعد متطلبات الهامش لا تتغير أثناء الأزمة. ميكانيكا حساب VIX لا تتغير أثناء الأزمة. العلاقة السببية بين فروق أسعار الفائدة وربحية تجارة الفائدة المحمولة لا تتغير أثناء الأزمة. هذه هي الأشياء التي يمكن للطبقة الرمزية أن تفرضها، بغض النظر عما إذا كان السيناريو المحدد قد تمت رؤيته من قبل أم لا.

لا يمكنك تدريب طريقك للخروج من أزمة جديدة. يمكنك فقط التفكير في طريقك للخروج منها — والتفكير يتطلب بنية لا تمتلكها النماذج الاحتمالية.

عصر الأغلفة قد انتهى

لقد أمضيت السنوات القليلة الماضية أشاهد صناعة الذكاء الاصطناعي تبني واجهات متقنة بشكل متزايد على رأس نفس الأسس الاحتمالية. واجهات رفيعة على GPT-4. لوحات معلومات "مدعومة بالذكاء الاصطناعي" وهي في الحقيقة مجرد قوالب توجيه تضرب واجهة برمجة تطبيقات. يسمي عالم الاستشارات هذه "حلول الذكاء الاصطناعي". أنا أسميها أغلفة على رمال متحركة.

كان يوم 5 أغسطس 2024 هو اليوم الذي تحركت فيه الرمال المتحركة. اختفى تريليون دولار ليس لأن الأساسيات انهارت، ولكن لأن الخوارزميات لم تستطع التفكير في العالم الذي كانت تتداول فيه. لم يتمكنوا من التمييز بين قطعة فنية للسيولة وبين الخوف الحقيقي. لم يتمكنوا من تتبع سلسلة سببية من ست خطوات من طوكيو إلى وول ستريت. لم يتمكنوا من التحقق من مخرجاتهم مقابل الميكانيكا الأساسية لكيفية حساب VIX.

نحن نبني أنظمة قادرة على ذلك. ليس لأننا أذكى — بل لأننا اتخذنا خياراً معمارياً مختلفاً. اخترنا التعامل مع الذكاء الاصطناعي ليس كمحرك تنبؤ يحالفه الحظ في بعض الأحيان، ولكن كنظام هندسي حيث يتم التحقق من كل مخرج مقابل منطق صريح وقابل للتدقيق.

كافأ اندفاع الذهب نحو الذكاء الاصطناعي السرعة. العصر القادم سيكافئ الحقيقة. والحقيقة، في أي مجال يهم — التمويل، القانون، الطب، البنية التحتية — تتطلب أكثر من الاحتمال. إنها تتطلب دليلاً.

هذا ليس تحوطاً. إنه أساس.