Benjamin Ogden, Oprichter & CEO van DataGenn AI – Interviewreeks

Benjamin Ogden is de oprichter en CEO van DataGenn AI, dat autonome beleggings- en handelsagenten bouwt die zijn geoptimaliseerd om winstgevende handelsvoorspellingen te genereren en markttransacties uit te voeren. Met behulp van Reinforcement Learning from Human Feedback (RLHF) wordt de nauwkeurigheid van de handelsvoorspellingen van de agenten voortdurend verbeterd. Op dit moment is DataGenn AI bezig met het werven van fondsen om de voortdurende groei en innovatie in de financiële dienstensector te ondersteunen.

Benjamin heeft een bacheloropleiding in Financiën aan de University of Central Florida. Hij heeft persoonlijk miljarden in aandelen en crypto gehandeld en heeft marktdynamiek gemasterd met duizenden uren real-time prijsactievolging. Als internettechnologieontwikkelaar sinds 2001 is Benjamin ook een SEO-expert die meer dan 20 miljoen dollar aan winst heeft verdiend door Google-zoekalgoritme-updates omgekeerd te ontwerpen.

U bent een seriële ondernemer, kunt u ons enkele hoogtepunten uit uw carrière vertellen?

Er zijn veel hoogtepunten, aangezien ik sinds mijn jeugd (6 of 7 jaar) bedrijven run als ondernemer. Ik hou absoluut van leren. Het pad en het proces van leren drijven mijn dorst naar meer kennis en wijsheid. Het ontwikkelen van een sociale bloggemeenschap en het runnen van een bedrijf als CEO van thoughts.com van 2007-2012 was een geweldige leerervaring en carrièrerechtvaardiger voor mij. Evenzo was het zwaar handelen op de aandelenmarkt daarna een andere belangrijke leerervaring die me uiteindelijk op het pad bracht om te werken aan GenAI-handelsagenten bij DataGenn AI. Ten slotte was de recente overgang van het werken aan iGaming SEO naar het fine-tunen van LLM’s en het leren van de basisbeginselen van machine learning verfrissend, omdat het me de kans geeft om generatieve AI-gepowered handelsagenten voor financiële markten te ontwikkelen, waarmee ik een visie realiseer van het versnellen van compound interest-effecten, een doorbraak in financiële markten die ik al meer dan een decennium heb.

Wanneer bent u voor het eerst geïnteresseerd geraakt in AI en machine learning?

Ik begon me halverwege 2022 te interesseren voor AI. Zodra ik zag wat Jasper.ai op dat moment deed, verplaatste ik mijn dagelijkse focus van iGaming SEO Marketing naar het beoordelen van state-of-the-art kunstmatige intelligentie software en -platforms van dat moment, zoals Jasper AI en ChatGPT. Naarmate mijn kennis groeide in 2023 en LLM’s snel vooruitgingen, groeide ook mijn passie voor het bouwen van waardevolle financiële markttechnologieën die de kracht van LLM’s en kunstmatige intelligentie benutten.

Kunt u ons het verhaal achter DataGenn AI vertellen?

Ik studeerde Financiën aan de universiteit van UCF. Tijdens mijn studie had ik een bijzonder interesse in de financiële markten. In 2012 had ik een specifiek en gedetailleerd visioen van een nieuwe technologie die ik van plan was uit te vinden, circa 2012, die ik “Digital Capital Mining” noem. Het idee achter DCM is eenvoudig: versnel de effecten van compound interest door dagelijks te compounding, en compounding dus digitaal kapitaal over 252 handelsdagen per jaar.

Kunt u ons uitleggen hoe DataGenn INVEST Google’s Gemini-model en MoE-modellen gebruikt om intraday-handelsbewegingen te voorspellen?

Ik kan een hoogoverzicht geven van de tools die we bij DataGenn AI gebruiken, maar ik zal niet commentaren geven op belangrijke details op dit moment. Kort samengevat: met DataGenn INVEST gebruiken we meerdere frontier language modellen en entiteitsspecifieke agenten gebouwd op MoE-architectuur.

Wat zijn de specifieke voordelen van het gebruik van RLHF (Reinforcement Learning with Human Feedback) bij het trainen van uw handelsagenten?

RLHF is essentieel bij het trainen van het model om de juiste antwoorden te leren en/of specifieke soorten antwoorden te geven op basis van de gebruikersprompt. Door RLHF te gebruiken met de handelsvoorspellingen en uitgevoerde markttransacties van onze agenten, kunnen we de nauwkeurigheid van elke agent verbeteren, zowel in handelsvoorspellingen als in markttransacties, na verloop van tijd en frequent herhaling. RLHF helpt ook bij efficiëntie en het trainen van de agenten om nuances te begrijpen en complexe taken uit te voeren.

Hoe integreert DataGenn real-time data van meerdere bronnen in zijn handelsstrategie?

Op dit moment, in onze testfase waarin we meerdere modellen testen en de prestaties van onze handelsagenten backtesten, hebben we een agent op Alpha-niveau die real-time data van AlphaAdvantage gebruikt. We hebben ook een Beta-niveau agent in testen die Pinescript op TradingView gebruikt voor backtesting. We voeren kritisch onderzoek uit en testen onze agenten voorspellingen en handelstransacties. In productie zullen we een Bloomberg-terminal gebruiken voor handel, marktdata en kritieke nieuws, enz.

Hoe waarborgt DataGenn INVEST de nauwkeurigheid en betrouwbaarheid van zijn handelsvoorspellingen in volatiele financiële markten?

We bouwen, testen en backtesten de DataGenn INVEST-handelsstrategie-algoritmen en veiligheidsmaatregelen door gebruik te maken van financiële marktindustriestandaarden zoals Stop Loss-orders om drawdown-risico te verminderen en Trailing Stop Loss-orders om winsten effectief te verzamelen en handelswinsten vast te leggen. We nemen Verantwoordelijke AI serieus en we zijn toegewijd aan het bouwen van AI-systemen op een veilige manier, of het nu gaat om financiële markten of biopharmaceutisch onderzoek.

Hoe ziet u autonome handelsagenten zoals DataGenn INVEST de landschap van financiële markten veranderen?

DataGenn INVEST-agenten zijn een game-changer. De omvang van de portefeuille-rendementen die DataGenn INVEST-handelsagenten zullen realiseren, is onvoorstelbaar voor de huidige beleggingswereld, typische en professionele beleggers. Dit komt doordat, bijvoorbeeld, $100.000 met 1% dagelijks rendement $14.377.277 wordt in slechts twee jaar tijd.

Zijn er nieuwe functies of mogelijkheden waar u bijzonder enthousiast over bent om te introduceren?

Ik kijk ernaar uit om de onderzoeksresultaten van ons team te presenteren, die aantonen dat we de DataGenn INVEST-handelsagentensystemen correct hebben gebouwd en dat ze regelmatig winst maken bij het handelen in financiële markten met als focus het versnellen van compound interest door dagelijks compounding. Dit is een belangrijke prestatie die we hebben behaald door hard en met passie te werken om de leider te worden in GenAI Financial Markets Trading.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen DataGenn AI bezoeken op DataGenn AI.