A Balyasny Asset Management Gemini modelleket vet be pénzügyi kutatásra
A Balyasny Asset Management több mint 200 globális befektetési csapatánál vezeti be a Google Gemini modelljeit saját mesterségesintelligencia-alapú kutatási platformjain. A cél a nagy mennyiségű dokumentum gyors feldolgozása és az összetett, többféle adatot használó pénzügyi elemzés támogatása.
- A BAM több mint 200 globális befektetési csapatánál telepíti a Gemini modelleket.
- A saját kutatási platformok több mint 80 belső pénzügyi adatbázishoz és vállalati eszközhöz kapcsolódnak.
- A Gemini nagy adathalmazok, dokumentumok, grafikonok és táblázatos adatok elemzését támogatja.
- A telepítés Google Cloud-infrastruktúrán, VPC Service Controls használatával működik.
- A BAM a jövőbeli Gemini modelleket korai hozzáférési programokban teszteli.
Több mint 200 befektetési csapat használhatja
A Balyasny Asset Management és a Google Cloud 2026. október 8-án jelentette be az együttműködést. A befektetési vállalat több mint 200 globális csapatánál az elemzők hetente több ezer gyorsjelentési átiratot, jegybanki közleményt, szabályozói beadványt és piaci adatfolyamot vizsgálnak.
A kutatási folyamatok felgyorsítására a BAM saját belső alkalmazásokat fejlesztett. Ezek közé tartozik a BAMAgent, amely különböző mesterségesintelligencia-modellek és ügynökök munkáját hangolja össze több mint 80 belső pénzügyi adatbázison és vállalati eszközön keresztül.
A közlemény szerint a BAM többmodellű architektúrát használ, amelyben a Gemini modellek a nagy pénzügyi adathalmazok gyors elemzését, a pontos dokumentum-visszakeresést és a költséghatékony működést igénylő kvantitatív feladatokat támogatják.
Dokumentumok, grafikonok és piaci adatok elemzése
A Gemini modellek a BAM saját kutatási platformjain a pénzügyi kutatások, a gyorsjelentési átiratok és az élő piaci adatok összekapcsolását segítik. A Google Cloud szerint a több mint 80 belső pénzügyi adatbázishoz és piaci adatfolyamhoz kapcsolt kutatási ügynökök ezekből az információkból készítenek összesített eredményeket az elemzők számára.
A rendszerek multimodális elemzésre is képesek. Ez azt jelenti, hogy az elemzők a munkafolyamattól függően vizuális és táblázatos információkat is vizsgálhatnak, például grafikonokat, mérlegeket és szabályozói beadványokat.
Charlie Flanagan, a Balyasny Asset Management mesterséges intelligenciáért felelős vezetője szerint a különböző kutatási feladatok eltérő modellképességeket igényelnek. Úgy fogalmazott, hogy amikor a kutatási ügynökök egyszerre több ezer piaci adatfolyamot értékelnek, a sebesség, a visszakeresés pontossága és a költséghatékonyság kritikus, a Gemini pedig biztosítja a nagy volumenű dokumentumkereséshez szükséges áteresztőképességet és az összetett pénzügyi grafikonok elemzéséhez szükséges multimodális érvelést.
A BAM privát felhőkörnyezetében fut a telepítés
A Gemini beépítése a Google Cloud biztonságos infrastruktúráján, VPC Service Controls használatával történik. A vállalatok közleménye szerint a telepítés szigorú adatelkülönítést biztosít, így a BAM saját kereskedési adatai és stratégiái a privát felhőkörnyezetén belül maradnak.
Rohit Bhat, a Google Cloud pénzügyi szolgáltatásokért felelős vezérigazgatója és ügyvezető igazgatója szerint a tőkepiacok gyorsaságot, pontosságot és szigorú adatkezelést igényelnek. A Google Cloud állítása szerint a Gemini egyedi kutatási platformokba integrálása azt mutatja, hogyan telepíthetnek globális befektetési vállalatok biztonságosan specializált modelleket összetett piaci jelek elemzésére.
A következő modelleket is tesztelik
A BAM alkalmazott mesterséges intelligenciával foglalkozó csapata a jövőben korai hozzáférési programokon keresztül folytatja az együttműködést a Google Clouddal. A közlemény szerint a csapat a közelgő Gemini modelleket is tesztelni fogja annak érdekében, hogy továbbfejlessze a mesterséges intelligencia teljesítményét az intézményi pénzügyi kutatásban.
A bejelentés alapján a Gemini elsősorban a BAM belső kutatási infrastruktúrájának részeként jelenik meg. A felhasználók számára ennek jelentősége az lehet, hogy a vállalat elemzői gyorsabban férhetnek hozzá a nagy mennyiségű pénzügyi dokumentumból, adatbázisból és piaci adatfolyamból származó információkhoz, miközben a BAM saját adatai és stratégiái a vállalat privát felhőkörnyezetében maradnak.
