# Numerai: Как Ричард Крейб создал «AI-версию Millennium» на базе краудсорсинга и криптографии Источник: https://www.youtube.com/watch?v=Ha-2oJegVfw Канал: Capital Allocators Опубликовано: 11.05.2023 --- Ричард Крейб (Richard Craib) — основатель Numerai, хедж-фонда нового типа, который использует краудсорсинг и машинное обучение для предсказания движений фондового рынка. В беседе с Тедом Сайдсом (Ted Seides) он объясняет, как объединить анонимных дата-сайентистов со всего мира, криптоэкономические стимулы и теорию количественных финансов для создания «метамодели», способной стабильно генерировать альфу в любых рыночных условиях. ## 📈 Путь от библиотеки в Кейптауне до хедж-фонда на машинном обучении [[JUMP:02:17]] Ричард Крейб начал интересоваться фондовым рынком в восемь лет, когда отец подарил ему первые акции [02:29]. Будучи подростком в Кейптауне, он бегал в школьную библиотеку сразу после уроков, чтобы успеть к открытию торгов в США и совершать сделки с библиотечных компьютеров [03:21]. Однако настоящий профессиональный прорыв произошел в 18 лет, когда Крейб осознал, что популярная финансовая литература и телеканалы вроде CNBC — это «информационный фастфуд» [04:16]. По его мнению, глубокое понимание рынка дает только изучение чистой математики, чем он и занялся в университете. После выпуска в 2012 году Ричард Крейб попал в индустрию на пике прорывов в области ИИ (беспилотные авто, покупка DeepMind компанией Google) [04:57]. Его первым местом работы стал квантовый фонд, где он получил карт-бланш на создание модели глобального рынка акций с нуля. Важные принципы первого опыта Ричарда [07:24]: * **Высокая емкость стратегии:** Вместо того чтобы фокусироваться на краткосрочном трейдинге (как Renaissance Technologies), он строил модель на фундаментальных данных с длинным горизонтом удержания позиций, чтобы управлять миллиардами, а не миллионами долларов. * **Отказ от гипотез:** В отличие от классических квантов, которые находят «аномалию» и проверяют её, Крейб применил подход *theory-free model* — когда алгоритм сам ищет закономерности в огромном массиве данных без предвзятости исследователя [08:43]. ## 🧠 Концепция Numerai: краудсорсинг интеллекта [[JUMP:10:19]] Идея Numerai родилась из наблюдений за платформой Kaggle, где дата-сайентисты со всего мира соревновались в решении сложных задач. Крейб заметил, что внешние специалисты часто «громили» внутренние бенчмарки таких гигантов, как Netflix [11:12]. Он решил перенести эту модель в финансы, создав закрытый хедж-фонд с открытым доступом к данным для моделирования. Основные характеристики системы: 1. **Обфускация данных:** Чтобы защитить интеллектуальную собственность и предотвратить копирование сделок, Numerai скрывает названия компаний и значения признаков (features) [12:45]. Дата-сайентисты видят только столбцы цифр от 0 до 1, но для машинного обучения этого достаточно, чтобы выявить паттерны. 2. **Анонимность и глобальность:** Участникам не нужно иметь финансовое образование. Ричард Крейб приводит пример: разработчики Google Translate могут не знать языков, но отлично моделируют данные [15:08]. Точно так же специалист из NASA может строить лучшие модели для рынка акций в свободное время [16:53]. 3. **Крипто-стимулы:** Numerai выплачивает вознаграждения в собственной криптовалюте NMR. С момента запуска фонд выплатил участникам более 30 миллионов долларов [17:19]. ## ⛓️ Механика стекинга и решение проблемы «плохих данных» [[JUMP:18:26]] Ключевым нововведением Numerai стал механизм «стекинга» (staking). В первые годы существования проекта Крейб столкнулся с проблемой: модели участников хорошо работали на исторических данных, но «ломались» в реальности (overfitting) [34:15]. Чтобы заставить участников отвечать за результат, Numerai ввел правило: * Дата-сайентист отправляет прогноз и «ставит» на него свои токены NMR [18:38]. * Если прогноз совпадает с рыночными данными, стек растет. * Если модель ошибается, часть токенов безвозвратно уничтожается («сжигается») [18:52]. По словам Ричарда Крейба, это создает систему *skin in the game* (шкура на кону), аналогичную подходу Millennium Management, где каждый управляющий предельно мотивирован не терять деньги [19:19]. Стекинг отфильтровал случайных людей, оставив только тех, кто уверен в надежности своих алгоритмов. ## 🤖 Построение портфеля и «Метамодель» [[JUMP:21:19]] Numerai не использует присланные данные как готовые торговые советы. Вместо этого компания собирает все прогнозы в единую «Метамодель» [27:34]. Процесс выглядит так: 1. **Сбор сигналов:** Модели 5500 дата-сайентистов превращаются в длинный вектор прогнозов по 5000 акциям в глобальной вселенной фонда. 2. **Взвешивание по стеку:** Чем больше денег участник поставил на свою модель, тем больший вес его прогноз имеет в общем результате [27:22]. 3. **Оптимизация и риск-менеджмент:** Полученный сигнал прогоняется через оптимизатор. Фонд придерживается политики «нейтральности» (factor neutral), убирая риски стран, секторов и классических факторов, таких как моментум или стоимость [28:01]. Крейб утверждает, что фонд остается рыночно-нейтральным, стараясь генерировать чистую, идиосинкразическую альфу [32:39]. 4. **Удержание позиций:** Несмотря на использование ИИ, фонд торгует медленно. Средний срок владения акциями составляет 3–4 месяца [26:06]. ## 🛡️ Устойчивость и будущее AI-фондов [[JUMP:38:18]] Ричард Крейб считает, что в периоды рыночного стресса Numerai имеет преимущество. Когда факторы (например, моментум) рушатся, нейтральный фонд этого просто не замечает [32:26]. В случае низкой доходности «наказываются» в первую очередь не инвесторы, а дата-сайентисты, чьи токены сгорают [39:11]. Это заставляет сообщество мгновенно адаптироваться и искать новые архитектуры моделей. Заглядывая вперед, Крейб видит потенциал в использовании больших языковых моделей (LLM) для создания новых факторов (features) на основе новостей и аналитики [43:20]. Он уверен, что наступает эра «третьего поколения» хедж-фондов, где ИИ является не просто инструментом, а фундаментом всей структуры. ## 👤 Личные уроки и вызовы [[JUMP:46:52]] Самым сложным периодом для Крейба стал 2018 год, когда упал крипторынок, фонда не показывал доходности, а внутри команды начались конфликты [47:05]. Один из инвесторов даже предложил ему закрыть дело и заняться чем-то другим. Крейб признается, что эта попытка «дать разрешение на уход» его невероятно разозлила и заставила работать еще упорнее [47:43]. Главный жизненный урок, который Крейб усвоил как лидер: управление людьми — это самостоятельный навык, который нельзя свести только к математическим формулам [48:37].