访谈
本杰明·奥格登,DataGenn AI 的创始人和CEO – 采访系列

本杰明·奥格登 是 DataGenn AI 的创始人和CEO,该公司正在开发自主投资者和交易代理人,这些代理人经过精细调优,可以生成有利可图的交易预测并执行市场交易。利用 强化学习从人类反馈(RLHF),代理人的交易预测准确性不断提高。目前,DataGenn AI 正在筹集资金以支持其在金融服务行业的持续增长和创新。
本杰明拥有中央佛罗里达大学的金融学士学位。他曾亲自交易了数十亿美元的股票和加密货币,通过数千小时的实时价格跟踪掌握了市场动态。自2001年以来,本杰明是一位经验丰富的互联网技术开发人员,他也是 SEO 专家,通过反向工程谷歌搜索算法更新,他曾赚取了超过2000万美元的利润。
您是一位连续创业者,可以与我们分享您职业生涯的一些亮点吗?
有很多亮点,因为我从6或7岁开始就一直在经营企业。我绝对热爱学习。学习的过程和道路驱动着我对更多知识和智慧的渴望。从2007年到2012年,我开发了一个社交博客社区,并担任thoughts.com的CEO,这对我来说是一个很好的学习经验和职业转型。同样,在那之后大量交易股票市场也是一个重要的学习经验,最终影响了我在DataGenn AI开发GenAI交易代理人的道路。最后,从iGaming SEO转向微调LLM和学习机器学习的基础知识是一件令人振奋的事情,因为它给我提供了机会开发用于金融市场的生成式AI交易代理人,实现了我十多年来一直坚持的加速复利效应的愿景。
您什么时候最初对AI和机器学习感兴趣的?
我在2022年中期开始对AI感兴趣。一旦我看到Jasper.ai当时正在做什么,我立即将我的日常重点从iGaming SEO营销转移到审查当时的最先进的AI软件和平台,例如Jasper AI和ChatGPT。随着我在2023年学习的增长和LLM的快速进步,我对构建利用LLM和AI的有价值的金融市场交易技术的热情也越来越高。
您能与我们分享DataGenn AI的创立故事吗?
我在大学里学习了金融。在大学期间,我对金融市场特别感兴趣。2012年,我有一个具体而详细的关于我计划发明的新技术的设想,我称之为“数字资本开采”。数字资本开采的想法很简单:通过每日复利来加速复利的效果,因此每年在252个股票市场交易日内数字化开采资本。
您能解释DataGenn INVEST如何利用谷歌的Gemini模型和MoE模型来预测日内交易运动吗?
我可以提供我们在DataGenn AI使用的工具的高级概述,但目前不评论关键细节。简而言之:使用DataGenn INVEST,我们正在使用多个前沿语言模型和基于MoE架构的实体特定代理。
使用RLHF(强化学习从人类反馈)训练您的交易代理人的具体优势是什么?
RLHF对于训练模型学习正确答案或根据用户提示提供特定类型的响应至关重要。通过使用RLHF与我们的代理人的预测和执行的市场交易,我们可以随着时间和频繁迭代的推移提高每个代理人的交易预测和市场交易的准确性。RLHF还帮助我们提高效率,并训练代理人理解细微差别和执行复杂任务。
DataGenn如何将多个来源的实时数据集成到其交易策略中?
在我们当前的测试多个模型和回测交易代理人性能的阶段,我们有一个处于Alpha级别的交易代理人正在使用AlphaAdvantage的实时数据。我们还有一个处于Beta级别的代理人正在使用TradingView上的Pinescript进行回测。我们正在进行关键研究和测试我们的代理人的预测和交易执行。在生产中,我们将使用Bloomberg终端进行交易、市场数据和关键新闻等。
DataGenn INVEST如何确保其交易预测在波动的金融市场中的准确性和可靠性?
我们正在通过使用金融市场行业标准(如止损单来减少回撤风险和尾随止损单来有效地捕获增加的利润同时锁定交易收益)来构建、测试和回测DataGenn INVEST代理人的交易策略算法和安全护栏。我们认真对待 负责任的AI,并致力于安全地构建AI系统,无论是用于金融市场还是生物制药研究。
您如何看待像DataGenn INVEST这样的自主交易代理人如何改变金融市场的格局?
DataGenn INVEST代理人是一个游戏规则的改变者。DataGenn INVEST交易代理人将实现的投资组合回报的规模对于今天的投资世界来说是不可思议的,无论是典型的还是专业的投资者。这是因为,例如,100,000美元以每日1%的利率复利,仅仅两年时间就将成为14,377,277美元。
是否有您特别兴奋的新功能或功能?
我期待着展示我们的团队研究成果,这些成果表明当我们正确构建DataGenn INVEST交易代理人系统并且他们专注于通过每日复利来加速复利时,他们将在金融市场上频繁获利。通过不知疲倦和充满热情的工作,这是我们通过成为GenAI金融市场交易的领导者而获得的重大成就。
感谢这次精彩的采访,希望了解更多的读者可以访问 DataGenn AI。












