Baru-baru ini, daya komputasi telah melonjak, dan model inferensi mulai menembus ke berbagai industri, dan banyak pekerjaan berada di bawah tekanan. Lingkaran perdagangan kuantitatif juga mencium peluang, tetapi juga menghadapi tantangan - saham, berjangka, mata uang digital, dan pasar lainnya tidak memiliki standar perdagangan terpadu, tidak peduli seberapa kuat algoritme dan seberapa kuat daya komputasinya, sulit untuk mengatasi masalah mendasar ini. Ini secara langsung meningkatkan ambang batas bagi AI untuk memasuki permainan kuantitatif.

Ada masalah inti yang terlibat: esensi dari model besar yang memasuki tahap pembelajaran penguatan sebenarnya adalah peniruan perilaku. Tetapi imitasi perlu memiliki referensi – baik standar yang jelas atau sampel yang dapat ditiru. Tanpa jangkar ini, pembelajaran penguatan seperti orang buta yang menyentuh gajah, dan tidak ada arah sama sekali. Untungnya, ada standar dan sampel yang tersedia di sebagian besar daerah. Mengambil model bahasa sebagai contoh, kita dapat mendefinisikan berbagai aturan dan kemungkinan ekspresi bahasa Mandarin, sehingga model dapat belajar memahami logika kontekstual dan bahkan mempelajari kebiasaan ekspresi yang unik. Itu sebabnya model besar memiliki begitu banyak potensi di berbagai industri.

Tetapi perdagangan kuantitatif berbeda. Masalah di bidang ini justru tidak ada sampel atau standar universal. Pada saat ini, kita harus mengajukan pertanyaan yang menyayat hati: Haruskah model besar meniru pasar atau pedagang? Jelas, tidak ada standar untuk tren pasar itu sendiri. Sejarah tidak akan sepenuhnya terulang, apalagi dimainkan seperti di masa depan. Ini berarti bahwa mencoba mereplikasi tren pasar melalui pembelajaran penguatan pada dasarnya adalah jalan buntu. Ini juga menjelaskan mengapa seseorang secara naif melemparkan grafik candlestick dari beberapa saham bullish ke dalam model besar, mengharapkannya untuk mempelajari grafik ini, dan kemudian secara otomatis mengenali dan mereplikasi tren serupa di pasar - ide ini pasti gagal sejak awal.