金融 × AI は飽和レッドオーシャン。 「LLM が価格を予想する」プロダクトは星の数ほどあり、ほぼ全部が動かない。 Quant Desk の独自解はその逆 — 数値モデル (σ / Nowcast / FedWatch / Backtest) が独立に推論し、 LLM は kitchen-sink ensemble の統合器 + 自然言語化担当 として後段に置く。Bitter Lesson に従って手作りの因果ロジックは廃し、 観測・判断・執行・発信を 4 つのプロジェクトで貫通する研究実装。
数値モデルが先に確率分布を出す。LLM はそれらを kitchen-sink で吸収し、conflict を可視化、自然言語化する。Bitter Lesson 適用、手作りの因果ストーリー廃止。
Bloomberg / Refinitiv の専有端末から判断品質を切り離す。FRED / BLS / CFTC / 中銀公開資料 + LLM 統合で institutional-grade を月数万円スケールへ。
Dali (観測+判断) / Jones (戦略+執行) / Naomi (発信+対話) を Kenny (事業発掘) が束ね、AI エコシステムとして連動。各層に kill criteria を明示。
AI × クオンツ × 金融でどの業態が立つかを実装で仮説検証
マクロ観測量を LLM 統合し、ブリーフ確率を自動生成
価格時系列に対する Pine 戦略を 528 セルで edge 抽出
観測 + 判断のアウトプットを SNS 投稿用に LLM 編集して配信
観測・判断・執行・発信の各段階で AI (LLM / NLP / 自動収集) が組み込まれている。 ただし LLM は決して最終決定者ではなく、 量的モデルとの間に立つ 統合器 / 自然言語化器 の役割に限定されている。人間 (kill criteria / 監督) が外周に位置する。
NLP scoring (中銀 5 行) · 確率ensemble の最終 weight · narrative 生成 · SNS 投稿編集
empirical σ · Nowcast 数値 · FedWatch raw 値 · backtest 実 PnL (これらは数値モデル単独)
kill criteria 適用 · 戦略パラメータ承認 · 事業ポートフォリオ判断 · スポンサー応対
AI × クオンツ × 金融でどの業態が経済的に立つかを、実装プロダクト (Dali / Jones / Naomi) を走らせて仮説検証する事業層
設計 + 実行中
60+ のマクロ指標と 5 中銀 NLP を LLM Synthesizer で統合し、機関投資家グレードのブリーフを自動生成する観測・判断層
観測 8.5/10 · 判断 7.5/10 · 執行 0/10
価格時系列に対する Pine 戦略ファミリーを 528 セルで網羅 backtest、TP filter 等の edge を量的に立証する戦略・執行層
戦略検証中 (Saxo OpenAPI 接続準備中)
観測・判断のアウトプットを LLM 編集で SNS / コミュニティ向けに再構成し、エンゲージメント計測からロジックに feedback する発信層
配信インフラ実装済 · 自動投稿は未着手
金融 × LLM は飽和市場。 大半のプロダクトが「LLM に価格を予想させる」 か「LLM に売買シグナルを出させる」 のどちらかで失敗している。 Quant Desk は両方避けて、 LLM をスタックの異なる場所に置く。
観測 / 判断 / 執行 / 発信の 4 軸でセルフアセス。 institutional grade を 8/10 とした主観的目盛り。kill criteria は 各レイヤーで明示済み。
| 軸 | 担当 | 現在地 | 1 年後目標 | 到達条件 |
|---|---|---|---|---|
| 観測 · observation | DALI | 8.5 / 10 | 9.5 / 10 | SEP / ECB minutes 完全統合 · Bloomberg-light 級カバレッジ |
| 判断 · synthesis | DALI | 7.5 / 10 | 9.0 / 10 | Backtest Layer 5 接続 · event study PnL の自動付与 |
| 執行 · execution | JONES | 0 / 10 | 6.0 / 10 | Saxo OpenAPI 接続 · リスク管理ガード · 監査ログ |
| 発信 · distribution | NAOMI | 4.0 / 10 | 7.5 / 10 | PNG/OG 自動共有 (実装済) + LLM 編集 + GA 計測 + 自動投稿 |
| 事業 · business | KENNY | 5.0 / 10 | 8.0 / 10 | スポンサー獲得 · 月次 ARR · 事業ポートフォリオ確立 |
マクロ判断に必要な情報の 80% は公開データで再構成可能 です。 FRED / CFTC / 中銀公開資料 + LLM 統合で institutional-grade briefing は月数万円スケールに圧縮できる。 高コストの専有端末から出力品質を分離し、観測・判断レイヤーを 民主化する。
金融データは LLM の推論に grounding を与える 最良のドメインの一つ。 ただし LLM 自身が予言者になるのは 構造的に難しい。 量的モデル + LLM Synthesizer + backtest 客観検証の三段構えで初めて実用に乗る。 kitchen-sink ensemble + Bitter Lesson の実プロダクト検証フィールド。
スポンサーシップ・共同研究・データパートナーシップ・採用、 いずれもオープンに議論できます。 金融 / AI / 量的研究の リテラシー層との対話を歓迎します。