Pola AI ini 100 kali lebih penting daripada Selat Hormuz

A-AA+A++

Catatan Editor:Kemarin, kita melihat bagaimana AI mulai mengungkap pola dalam data pasar yang tidak bisa dilihat oleh kebanyakan investor.

Hari ini, Keith Kaplan mengambil ide tersebut lebih jauh.

Ia menunjuk ke inisiatif baru yang disebut Project Glasswing, di mana sistem AI canggih digunakan untuk menemukan kelemahan tersembunyi dalam sistem kompleks, masalah yang tidak terlihat selama bertahun-tahun.

Itu penting karena menunjukkan apa yang bisa dilakukan AI secara nyata. AI dapat memproses jumlah data yang sangat besar dan mengungkap pola-pola yang tidak terlihat oleh manusia. Pendekatan yang sama dapat diterapkan pada pasar saham.

Dalam backtest lima tahun, tim Keith menerapkan pendekatan ini pada ribuan saham dan membangun portofolio model yang menemukan 30.000 sinyal tersembunyi. Ini menghasilkan sebuah12X pengembalian, dengan73% tingkat kemenangan, dan pada tahun 2022, itu mendapatkan16,6%sementara S&P 500 turun hampir20%.

Hasil seperti itu sulit untuk diabaikan.

Di bawah ini, Keith menjelaskan bagaimana pendekatan ini bekerja dan bagaimana hal itu bisa membantu investor menemukan peluang lebih awal. Ia juga menjelaskannya secara lebih rinci selama waktunya di siniAcara Perdagangan Sinyal AI.

Jika Anda belum melihatnya, Anda dapat menonton ulangnya di sini.

Sekarang, ini Keith…

*******************

Cerita yang paling penting di dunia saat ini bukanlah Selat Hormuz…

…atau harga minyak…

…atau berkas Epstein.

Ini 100x lebih penting daripada semuanya itu.

Ini adalah program darurat yang disebut Proyek Glasswing yang mengumpulkan pejabat keuangan terkemuka dari pemerintah federal dan para CEO perusahaan-perusahaan besar Amerika.

Yang memicu ini adalah model frontier baru yang disebut Mythos dari Anthropic, perusahaan swasta di balik Claude AI. Dari segala sudut pandang, Mythos adalah model AI paling canggih yang pernah dibuat – dan apa yang bisa dilakukannya benar-benar menakutkan.

Ini dapat membaca kode sumber perangkat lunak yang menjalankan bank Anda, rumah sakit Anda, bahkan jaringan listrik Anda … dan menemukan kelemahan keamanan yang telah dilewatkan oleh ahli manusia selama bertahun-tahun.

Sebagai contoh satu saja, Mythos menemukan kelemahan dalam OpenBSD – sistem yang menjalankan firewall sensitif, jaringan pemerintah, dan infrastruktur kritis – yang telah dilewatkan oleh pengembang manusianya selama 27 tahun audit keamanan yang mendetail.

Kemudian menulis kode untuk memanfaatkan itu… secara otomatis… pada percobaan pertama.

Seperti yang dikatakan Anthropic dalam pernyataan pers pada 7 April, Mythos mengungkap fakta yang jelas tentang kondisi AI pada tahun 2026…

Model AI telah mencapai tingkat kemampuan pemrograman di mana mereka dapat melebihi sebagian besar manusia yang terampil dalam menemukan dan memanfaatkan kerentanan perangkat lunak.

Ketika pemimpin Washington mengetahui hal ini, mereka tahu mereka harus segera bertindak.

Menteri Keuangan Scott Bessent dan Ketua Fed Jerome Powell memanggil para CEO Citigroup, Morgan Stanley, Bank of America, Wells Fargo, dan Goldman Sachs ke Gedung Keuangan di 1500 Pennsylvania Avenue — langkah kaki dari East Wing Gedung Putih.

Anthropic mengumumkan Proyek Glasswing pada hari yang sama. Sebelas mitra peluncuran — Amazon, Apple, Google, Microsoft, JPMorgan Chase, Cisco, NVIDIA, Broadcom, CrowdStrike, Palo Alto Networks, dan Linux Foundation — akan mendapatkan akses awal ke Mythos.

Anthropic berkomitmen hingga $100 juta dalam kredit penggunaan. Misi: menemukan kelemahan sebelum seseorang lain memanfaatkan model seperti ini.

Ini mungkin terdengar seperti alur cerita film Hollywood. Tapi Glasswing sangat nyata. Dan apa yang diberitahukan olehnya tentang kemampuan kecerdasan buatan memiliki implikasi yang jauh melampaui keamanan siber — hingga ke setiap portofolio di Amerika.

Menguraikan Struktur Tersembunyi Pasar

Mythos menemukan pola dalam program komputer yang tidak bisa dilihat oleh manusia.

Membaca jutaan baris kode, mengidentifikasi kombinasi kondisi tertentu yang menunjukkan kerentanan. Kemudian ia bertindak terhadapnya.

Lihatlah cukup dalam, dan kamu akan menemukan bahwa pasar saham mengandung struktur tersembunyi yang serupa. Terkubur di dalam data puluhan tahun untuk setiap saham adalah “sinyal” — kombinasi kondisi tertentu yang secara konsisten telah mendahului pergerakan besar.

Hanya untuk sebagian besar sejarah pasar, mereka tidak terlihat. Data ada… hanya saja tidak ada yang memiliki alat untuk membacanya.

Tetapi hari ini, berkat AI, mungkin untuk menemukan sinyal dengan tingkat akurasi sejarah 90% atau lebih baik.

Saya tahu karena tim saya dan saya di TradeSmith telah menciptakan alat perdagangan berbasis AI yang baru, yang telah menemukan 30.000 sinyal ini di hampir 2.500 saham.

Seperti yang saya tunjukkan kepada hampir 9.000 orang yang bergabung dengan sayaAcara Perdagangan Sinyal AIpada hari Rabu, dalam backtest lima tahun, portofolio model dari sinyal-sinyal ini menghasilkan keuntungan 12x.

Dan pada 2022 — tahun terburuk bagi saham dalam lima puluh tahun — mereka menghasilkan keuntungan rata-rata yang diuji kembali sebesar 16,6% sementara S&P 500jatuhhampir 20%.

Jika Anda melewatkan, rekaman siarannya masih tersedia secara online. Ini penuh dengan contoh perdagangan, detail strategi, dan demo di layar.Klik di sini untuk menontonnya sekarang.

Hari ini, saya ingin berbagi sesuatu yang tidak sempat saya bahas pada hari Rabu — seberapa banyak pekerjaan dan kreativitas yang diperlukan untuk membangun sistem baru kita.

Jawabannya: lebih dari yang saya duga.

Apakah Cuaca di Paris Dapat Mempengaruhi Pasar Saham?

Pengembang utama kami, Mike Carr, telah menulis kode selama 40 tahun.

Ia menghabiskan 20 tahun di Angkatan Udara AS – menulis kode jalur rudal nuklir, bekerja pada kriptografi untuk Badan Keamanan Nasional, dan membantu memasang versi awal internet di Pentagon.

Saat ia meninggalkan militer, ia kemudian mengelola lebih dari 200 juta dolar dalam dana klien. Ia juga menjadi Chartered Market Technician — suatu sertifikasi yang hanya sekitar 4.500 orang di dunia yang memilikinya.

Dua tahun lalu, dia bergabung dengan TradeSmith untuk membantu kami mengembangkan analitik dan strategi baru. Dan dia membawa inti dari sebuah ide yang telah ia kembangkan selama lebih dari 20 tahun.

Pada tahun 2003, Mike mulai melakukan studi sinyal dasar. Setiap kali dia menemukan pola yang berulang dalam data yang cenderung mendahului pergerakan saham — dia mencatatnya. Dia berdagang dengan cara ini selama bertahun-tahun, terus-menerus menguji apa yang berhasil dan apa yang tidak.

Kemudian pada tahun 2016, dia membaca profil Bloomberg tentang dana hedge yang terkenal milik Jim Simons, Renaissance Technologies. Satu detail menarik perhatiannya: Simons pernah menemukan sinyal yang dapat dimanfaatkan terkait cuaca di Paris.

Jika dia bisa menemukan sinyal dalam cuaca Paris, Mike menyadari, maka sinyal-sinyal yang tersembunyi dalam data pasar biasa harus hampir tak terbatas. Itulah saatnya dia memutuskan untuk berhenti mencari sinyal secara manual dan mulai membangun sistem yang dapat mencari sinyal-sinyal tersebut secara skala besar — satu sistem yang benar-benar bisa digunakan oleh investor biasa.

Tahun lalu, kami mulai memberi makan sekitar 150 sinyal yang telah dikumpulkannya ke dalam sistem AI dan memintanya menghasilkan lebih banyak yang serupa. Kami memproses lebih dari 1 triliun baris basis data, menjalankan setiap saham melalui 847 perhitungan individual. Kami menguji setiap kombinasi pola harga, indikator teknikal, dan kondisi kalender yang bisa kami temukan.

Kemudian kami menghadapi masalah yang tidak pernah kami duga sebelumnya.

Pada hari apa pun, penghasil sinyal berbasis AI kami mengirimkan banjir 30.000 kesempatan perdagangan – semuanya dengan tingkat akurasi sejarah 75% atau lebih baik. Ini terlalu banyak untuk dikelola oleh setiap pedagang, terlepas dari tingkat pengalamannya.

Jadi kami menghabiskan enam bulan berikutnya untuk menyelesaikan masalah yang berbeda: Bagaimana Anda mengambil sebanyak itu sinyal berkualitas tinggi dan menghasilkan sesuatu yang dapat digunakan oleh seorang investor?

Jawaban yang ditemukan Mike adalah Skor Kualitas. Ini adalah peringkat dari 0 hingga 100 yang mempertimbangkan tingkat kemenangan setiap sinyal dan pengembalian rata-rata, serta menggunakan pembelajaran mesin untuk menentukan seberapa efektifnya itu selama kondisi pasar serupa di masa lalu.

Pasangkan dengan portofolio model yang fokus, dan banjir menjadi daftar pendek yang dapat diambil tindakan.

Perkenalan Strategi Tiga Saham Kami

Pada setiap momen tertentu, portofolio ini menyimpan tiga saham S&P 500 — masing-masing dipilih oleh algoritma berdasarkan Skor Kualitasnya dan faktor penting lainnya. Ketika sinyal keluar aktif pada salah satu dari tiga saham tersebut, rekomendasi perdagangan baru menggantikannya.

Itu seluruh strateginya. Tiga posisi, selalu hidup. Masing-masing dipilih bukan karena seseorang menyukai grafik atau cerita… tetapi karena algoritma memilih perdagangan yang paling optimal secara matematis.

Kami melakukan backtesting dari 1 Januari 2020 hingga 30 Januari 2026 – periode yang mencakup crash COVID, pasar bear 2022, dua tahun inflasi sejarah, kenaikan suku bunga, dan dua perang.

Ini bukanlah periode yang ramah untuk menguji sistem perdagangan. Tapi ini yang dihasilkan oleh Portofolio Signals Master:

A54% tingkat pengembalian tahunan yang dihitung secara tahunan— dibandingkan sekitar 15% untuk S&P 500 selama enam tahun yang sama
A73,4% tingkat kemenangandi sepanjang ratusan perdagangan
Adrawdown maksimum sebesar 18,1%— kurang dari penurunan maksimum S&P 500 sebesar 25,4%

Drawdown maksimum dari portofolio model pantas untuk diperhatikan.

Banyak sistem perdagangan dapat menghasilkan pengembalian yang tinggi secara majemuk dalam backtest. Sedikit yang dapat menghasilkan pengembalian yang juga bertahan lebih baik daripada benchmark seperti S&P 500 selama masa terburuknya. Itulah uji coba sejati untuk mengetahui apakah suatu sistem mengelola risiko secara efektif atau hanya sedang beruntung.

Itulah intinya dari apa yang telah kita habiskan 12 tahun terakhir (dan dalam kasus Mike, lebih dari 20 tahun) untuk mengembangkan. Dana hedge telah melakukan jenis pekerjaan ini selama beberapa dekade — pengenalan pola, pembelajaran mesin, rotasi yang disiplin masuk dan keluar dari perdagangan jangka pendek. Tapi sampai sekarang, tidak pernah ada sesuatu seperti ini bagi investor biasa.

Saya telah menjelaskan semua detail selama acara peluncuran hari Rabu. Jadi jika Anda belum, pastikan untuklihatlah itusambil masih tersedia secara online.