Benjamin Ogden, Fondateur & PDG de DataGenn AI – Série d’entretiens

Benjamin Ogden est le fondateur et PDG de DataGenn AI, qui crée des agents autonomes d’investissement et de trading qui ont été affinés pour générer des prévisions de trading rentables et exécuter des transactions sur le marché. En utilisant Reinforcement Learning from Human Feedback (RLHF), la précision des prévisions de trading des agents s’améliore continuellement. Actuellement, DataGenn AI est en train de lever des fonds pour soutenir sa croissance continue et son innovation dans l’industrie des services financiers.

Benjamin détient un diplôme de bachelor en finance de l’Université de Floride centrale. Il a personnellement négocié des milliards en actions et en crypto, maîtrisant la dynamique du marché avec des milliers d’heures de suivi de l’action des prix en temps réel. Développeur de technologie Internet expérimenté depuis 2001, Benjamin est également un expert SEO qui a gagné plus de 20 millions de dollars en profits en rétro-ingénierie les mises à jour de l’algorithme de recherche de Google.

Vous êtes un entrepreneur en série, pouvez-vous partager avec nous quelques points forts de votre carrière ?

Il y a de nombreux points forts car j’ai dirigé des entreprises en tant qu’entrepreneur depuis que j’avais 6 ou 7 ans. J’adore apprendre. Le chemin et le processus d’apprentissage alimentent ma soif de connaissances et de sagesse supplémentaires. Développer une communauté de blogging social et diriger une entreprise en tant que PDG de thoughts.com de 2007 à 2012 a été une grande expérience d’apprentissage et de transformation de carrière pour moi. De même, négocier sur le marché boursier après cela a été une autre expérience d’apprentissage importante qui m’a finalement influencé sur le chemin de travail sur les agents de trading GenAI chez DataGenn AI. Enfin, la transition récente du travail sur l’SEO de iGaming à l’affinement des LLM et à l’apprentissage des fondamentaux de l’apprentissage automatique a été revigorante car cela me donne l’opportunité de développer des agents de trading alimentés par l’IA générative pour les marchés financiers, en réalisant une vision d’accélération des effets d’intérêt composé, une croyance de marché financier que j’ai détenue pendant plus d’une décennie.

Quand avez-vous initialement commencé à vous intéresser à l’IA et à l’apprentissage automatique ?

J’ai commencé à m’intéresser à l’IA en milieu 2022. Une fois que j’ai vu ce que Jasper.ai faisait à ce moment-là, j’ai immédiatement déplacé mon focus quotidien de l’SEO Marketing de iGaming à la révision des logiciels et plateformes d’intelligence artificielle de pointe de l’époque, tels que Jasper AI et ChatGPT. À mesure que mes connaissances ont augmenté tout au long de 2023, et que les LLM ont progressé rapidement, ma passion pour la construction de technologies de trading de marchés financiers de valeur qui exploitent le pouvoir des LLM et de l’intelligence artificielle a également augmenté.

Pouvez-vous partager l’histoire de la genèse derrière DataGenn AI ?

J’ai étudié la finance à l’université à UCF. Alors que j’étais à l’université, j’avais un intérêt particulier pour les marchés financiers. En 2012, j’avais une vision spécifique et détaillée d’une nouvelle technologie que je prévoyais d’inventer vers 2012, que j’appelle « Digital Capital Mining ». L’idée avec DCM est simple : accélérer les effets des intérêts composés en les composant quotidiennement, donc en extrayant numériquement du capital sur 252 jours de trading de marché boursier par an.

Pouvez-vous expliquer comment DataGenn INVEST utilise le modèle Gemini de Google et les modèles MoE pour prédire les mouvements de trading intrajournaliers ?

Je peux fournir une vue d’ensemble de haut niveau des outils que nous utilisons chez DataGenn AI, mais ne commenterai pas les détails clés pour le moment. En bref : avec DataGenn INVEST, nous utilisons plusieurs modèles de langage de pointe et des agents spécifiques à l’entité construits sur l’architecture MoE.

Quels sont les avantages spécifiques de l’utilisation de RLHF (Reinforcement Learning with Human Feedback) pour former vos agents de trading ?

RLHF est essentiel pour former le modèle à apprendre la bonne réponse et/ou fournir des types de réponses spécifiques en fonction de la invite de l’utilisateur. En utilisant RLHF avec les prévisions et les transactions de marché exécutées par nos agents, nous pouvons améliorer la précision de chaque agent pour les prévisions de trading et les transactions de marché avec le temps et les itérations fréquentes. RLHF aide également à l’efficacité et à la formation des agents pour comprendre les nuances et exécuter des tâches complexes.

Comment DataGenn intègre-t-elle des données en temps réel de multiples sources dans sa stratégie de trading ?

À notre phase actuelle de test de plusieurs modèles et de backtesting de la performance des agents de trading, nous avons un agent de trading de niveau alpha en test qui utilise des données en temps réel d’AlphaAdvantage. Nous avons également un agent de niveau bêta en test qui utilise Pinescript sur TradingView pour le backtesting. Nous menons des recherches critiques et testons les prévisions et les exécutions de transactions de nos agents. En production, nous utiliserons un terminal Bloomberg pour le trading, les données de marché et les actualités critiques, etc.

Comment DataGenn INVEST assure-t-elle l’exactitude et la fiabilité de ses prévisions de trading sur les marchés financiers volatils ?

Nous construisons, testons et backtestons les algorithmes de stratégie de trading et les garde-fous de sécurité des agents DataGenn INVEST en utilisant les normes de l’industrie des marchés financiers, telles que les ordres de perte stop pour réduire le risque de drawdown et les ordres de perte stop traînante pour capturer efficacement les profits accrus tout en verrouillant les gains de transaction. Nous prenons Responsible AI au sérieux et nous nous engageons à construire des systèmes d’IA en toute sécurité, qu’ils soient pour les marchés financiers ou la recherche biopharmaceutique.

Comment voyez-vous les agents de trading autonomes comme DataGenn INVEST changer le paysage des marchés financiers ?

Les agents de trading DataGenn INVEST sont un changement de jeu. Les tailles des rendements de portefeuille que les agents de trading DataGenn INVEST réaliseront sont impensables pour le monde de l’investissement d’aujourd’hui, typique et professionnel. C’est parce que, par exemple, 100 000 $ composés à 1 % par jour deviennent 14 377 277 $ en seulement deux ans.

Y a-t-il de nouvelles fonctionnalités ou capacités que vous êtes particulièrement enthousiaste à introduire ?

Je me réjouis de présenter les résultats de recherche de mon équipe qui démontrent que, lorsque nous avons construit les systèmes d’agents de trading DataGenn INVEST correctement et qu’ils gagnent des profits fréquents en négociant les marchés financiers avec un focus sur l’accélération des intérêts composés par composition quotidienne, c’est un exploit majeur que nous avons gagné grâce à un travail acharné et passionné pour devenir le leader des marchés financiers de trading GenAI.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter DataGenn AI.