Jane Street Quant: Von Mathematik-Wettbewerben zum KI-gesteuerten Trading

In Young Cho, eine quantitative Traderin bei Jane Street, teilt ihren ungewöhnlichen Karriereweg vom Medizinstudium zum quantitativen Trading. Sie berichtet über ihre Erfahrungen als Praktikantin und Angestellte bei Jane Street, einschließlich der Verwendung von Programmiersprachen wie OCaml und VBA für den Handel und die Entwicklung, sowie humorvolle Anekdoten über die Interaktion mit Brokern. Die Folge geht tief in die Handelsforschung von Jane Street ein, von einfachen linearen Modellen bis hin zu komplexen Deep-Neural-Networks, und wie sie Machine Learning in Umgebungen mit wenig Daten, viel Rauschen und häufigen Regimewechseln einsetzen. In Young Cho beschreibt detailliert die vier Phasen ihres Forschungsprozesses: Exploration, Datensammlung, Modellierung und Produktion, und diskutiert die Spannung zwischen flexiblen Forschungstools und robusten Produktionssystemen. Schließlich gibt sie einen Ausblick auf die zukünftigen Richtungen der Machine-Learning-Forschung bei Jane Street, einschließlich der Erweiterung auf mehr Anlageklassen und Datenmodalitäten, und den Einsatz von KI zur Steigerung der Effizienz von Tradern.