Benjamin Ogden, zakladatel a CEO DataGenn AI – rozhovor

Benjamin Ogden je zakladatel a CEO DataGenn AI, která vytváří autonomní investiční a obchodovací agenty, které jsou jemně naladěny na generování ziskových obchodních předpovědí a provádění obchodních transakcí. Pomocí Reinforcement Learning from Human Feedback (RLHF) se předpovědní přesnost agentů neustále zlepšuje. V současné době je DataGenn AI v procesu získávání finančních prostředků na podporu svého dalšího růstu a inovací ve finančním sektoru.

Benjamin získal bakalářský titul v oboru financí na University of Central Florida. Osobně obchodoval miliardy akcií a kryptoměn, zvládl tržní dynamiku s tisíci hodinami sledování cen v reálném čase. Jako zkušený internetový technologický vývojář od roku 2001 je Benjamin také odborníkem na SEO, který vydělal přes 20 milionů dolarů reverzním inženýrstvím aktualizací algoritmu Google Search.

Jste sériový podnikatel, můžete sdílet s námi některé výšky z vaší kariéry?

Je mnoho výšek, protože jsem podnikal jako podnikatel od dětství, asi 6 nebo 7 let. Miluji učení. Cesta a proces učení mě vedou k dalšímu знání a moudrosti. Vývoj sociální blogovací komunity a řízení společnosti jako CEO thoughts.com v letech 2007-2012 byla skvělá zkušenost a kariérní transformace pro mě. Podobně, obchodování na akciovém trhu po tomto byl další důležitý zkušeností, která mě nakonec ovlivnila na cestě k práci na GenAI obchodních agentech v DataGenn AI. Nakonec, nedávná přechod z práce na iGaming SEO na jemné ladění LLM a učení základů strojového učení byla osvěžující, protože mi dává příležitost vyvíjet generativní AI-podporované obchodovací agenty pro finanční trhy, realizaci vize urychlení efektů složeného úroku, průlomové finanční trhy víry, kterou jsem držel přes deset let.

Kdy jste se poprvé začal zajímat o AI a strojové učení?

Začal jsem se zajímat o AI v polovině roku 2022. Jakmile jsem viděl, co dělá Jasper.ai v té době, okamžitě jsem změnil svůj denní focus z iGaming SEO Marketingu na přezkum státních uměleckých inteligentních softwarů a platforem, jako je Jasper AI a ChatGPT. Jak mé znalosti rostly po celý rok 2023 a LLM se rychle vyvíjely, tak rostla i má vášeň pro budování cenných finančních tržních obchodních technologií, které využívají sílu LLM a umělé inteligence.

Můžete sdílet příběh o vzniku DataGenn AI?

Studoval jsem finance na univerzitě v Central Florida. Během studií jsem měl zvláštní zájem o finanční trhy. V roce 2012 jsem měl specifickou a podrobnou vizi o nové technologii, kterou jsem chtěl vynález, kterou nazývám “Digitální těžba kapitálu”. Nápad s DCM je jednoduchý: urychlit efekt složeného úroku tím, že se složený úrok aplikuje denně, a tedy digitálně těžit kapitál po 252 dnů obchodování na akciovém trhu ročně.

Můžete vysvětlit, jak DataGenn INVEST využívá model Gemini a MoE k předpovědi intradenních obchodních pohybů?

Mohu poskytnout přehled nástrojů, které používáme v DataGenn AI, ale nebudu komentovat klíčové specifika v tomto okamžiku. Stručně: s DataGenn INVEST používáme několik pokročilých jazykových modelů a entitní specifické agenty postavené na architektuře MoE.

Jaké jsou specifické výhody používání RLHF (Reinforcement Learning with Human Feedback) při školení vašich obchodních agentů?

RLHF je nezbytné pro školení modelu, aby se naučil správnou odpověď a/or poskytovat specifické typy odpovědí na základě uživatelského dotazu. Používáním RLHF s předpověďmi našich agentů a provedenými obchodními transakcemi můžeme zlepšit přesnost každé agentovy předpovědi a obchodních transakcí v čase a při častých iteracích. RLHF také pomáhá s efektivitou a školením agentů, aby porozuměli nuancím a provedli složité úkoly.

Jak DataGenn integruje reálná data z více zdrojů do své obchodní strategie?

V naší současné fázi testování více modelů a zpětného testování výkonu obchodních agentů máme agenta na úrovni Alfa, který používá reálná data z AlphaAdvantage. Máme také agenta na úrovni Beta, který používá Pinescript na TradingView pro zpětné testování. Provádíme kritický výzkum a testujeme předpovědi a obchodních transakcí našich agentů. V produkci budeme používat terminál Bloomberg pro obchodování, tržní data a kritické zprávy atd.

Jak DataGenn INVEST zajišťuje přesnost a spolehlivost svých obchodních předpovědí na volatilních finančních trzích?

Budujeme, testujeme a zpětně testujeme algoritmy obchodních strategií a bezpečnostní zábrany DataGenn INVEST agentů pomocí finančních tržních standardů, jako jsou Stop Loss objednávky pro snížení rizika drawdown a Trailing Stop Loss objednávky pro efektivní zachycení zvýšených zisků a同时 uzamčení obchodních zisků. Bereme Responsible AI vážně a jsme zavázáni budovat AI systémy bezpečně, ať už pro finanční trhy nebo biopharmaceutický výzkum.

Jak vidíte autonomní obchodovací agenty, jako je DataGenn INVEST, měnící krajinu finančních trhů?

Agenti DataGenn INVEST jsou game-changer. Velikost portfolia, které agenti DataGenn INVEST realizují, je nepředstavitelná pro dnešní investiční svět, typické a profesionální investory. To je proto, že například 100 000 dolarů složených o 1% denně se stane 14 377 277 dolarů za pouhé dva roky.

Jsou nějaké nové funkce nebo schopnosti, které vás zvlášť baví představit?

Těším se na prezentaci našich výzkumných výsledků, které prokážou, že jsme postavili DataGenn INVEST obchodních agentů správně a že vydělávají časté zisky obchodováním na finančních trzích se zaměřením na urychlení efektů složeného úroku prostřednictvím denního složení. To je významné úspěchy, které jsme získali díky naší neúnavné a vášnivé práci na to, abychom se stali lídry GenAI finančních tržních obchodů.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit DataGenn AI.