GenAIの時代において、未だに優れたモデルが必要なのはなぜなのか？

前回のコラムでは、優れたモデル――つまり、舞台裏で実際に何が起きているのかという理解を深め、根底にある現象に対する確かな直感を養うのに役立つモデル――の必要性を訴えました。その目的は、単に現実を模倣することではなく、現実を理解しやすくすることにあります。

しかし、生成型人工知能（GenAI）の支持者たちは、この見解に異議を唱えています。モデルは——少なくともそうあるべきですが——経験的観察に基づいているのですから、モデル化そのものを完全に省いてしまってもよいのではないか、というのが彼らの主張です。機械が実例から学習し、一般化することを許せばよいのではないか——実際、テキストや画像の分野では、機械が見事なまでにそれを実現しています。私たちは皆、実例を用いて学習させた後に生成された、驚くほどリアルでありながら偽物の有名人の画像を目にしたことがあるでしょう。

では、同じ技術を用いて、架空でありながら現実的な価格の時系列データの膨大なコレクションを作成し、それをクオンツが本来行うべき業務――リスクシナリオの生成、ポートフォリオのストレステスト、エキゾチック・オプションの価格算出、あるいはシステマティック・トレーディング戦略の訓練――に活用し、従来のモデリングに伴う困難な苦労をすべて回避してはどうでしょうか？

とはいえ、良い部分まで捨ててしまうべきではない、という理由がいくつかあります。

何よりもまず、金融データは扱いにくいものです。超高速（VHF）データを除けば、データは乏しいのです。 非定常的です――50年前のデータを盲目的に使って、今日の市場を理解できるでしょうか？ また、銘柄、セクター、国、経済体制によって、データは著しく異質です。これは、トレーニングに利用できるデータセットが、実際には非常に小さいことを意味します。そして、そのような状況下では、生成モデルはしばしば単なる「オウム」に過ぎません。データを記憶することはできても、一般化することができないのです。言い換えれば、過学習してしまうのです。

ブラックボックスからブラック・スワン（予期せぬ事態）を引き出す危険性があります。アルゴリズムが何を行っているかを深く理解していなければ、破綻のリスクは増大するばかりです

その結果、合成された将来のシナリオは、過去の再現に過ぎない可能性が高く、それは特に有用とは言えません。一般化を行うためには、生成モデルは十分に複雑であり、システムの根底にある構造を捉えるのに十分なデータにさらされなければなりません。そうして初めて、機械は学習した内容をただ吐き出すのをやめ、革新を始められるのです。

だからこそ、正しい問いは「GenAIがモデルに取って代わることができるか」ではなく、「モデルがどのようにGenAIを導くことができるか」なのです。この難局を打開する一つの方法は、まさに私が好む意味での「モデリング」、すなわち根本的な構造やメカニズムを理解しようと試みることにあります。

言い換えれば、モデルはジェネレータのライバルではありません。モデルこそが、ジェネレータに「何が本当に重要なのか」を伝える存在なのです。

市場行動において捉えるべき重要な要素――過去のリターンと将来のボラティリティとの間のスケール不変のフィードバックループ、自己増幅、経路依存性――を確立し、その情報を用いてジェネレーティブAIモデルを導くのです。

これは新しいアイデアではありません。これは、一連の制約を満たしつつ、可能な限りランダムなランダムな経路を生成することに他なりません。いわゆる最大エントロピー法は、ボラティリティ相関のマルチスケールな性質を捉えるウェーブレットと、アンサンブルの新たな要素を生成しつつ、しばしば肉眼では見えない詳細を捉える確率的補間関数という、2つの強力なツールを組み合わせることで、最近再び注目を集めています。 このハイブリッド生成モデル――モーメント誘導拡散――は、新設されたCFM ML Labの2名のメンバーが、コレージュ・ド・フランスおよびエコール・ノルマル・シュペリウールのステファン・マラ教授のグループと共同で、最近提案したものです。これに対応する合成金融時系列データは、まもなくクオンツ研究者の皆様にオープンアクセスで公開される予定です。ご期待ください。

モデリングを諦めてはいけない第二の理由は、同様に重要です。

過去のデータから学ぶだけでは、レジームシフトや介入についてはほとんど何も語れません。システムが外生的に、偶然にせよ意図的にせよ、撹乱された場合、何が起こるのでしょうか？ブラックボックスからブラック・スワンを引き出す危険性があります。アルゴリズムが何を行っているかを深く理解していなければ、破綻のリスクは増すばかりです。 1987年10月の市場暴落を思い出してください。これは、ブラック・ショールズ・モデルのデルタ・ヘッジが、それ自体へのフィードバックループによって暴走した結果でした。市場への影響を明確に理解していなければ、いかなる履歴ベースの学習モデルも、このようなシステミック・リスクを予見することはできません。

GenAIは、クオンツのツールボックスにおける素晴らしい新ツールであることは間違いありません。しかし、それはモデルを拡張・充実させるためのツールとして捉えるべきであり、モデルの代替として見るべきではありません。手っ取り早い解決策やプラグイン型のソリューションへの誘惑によって、モデリングの本質的な目的を忘れてはなりません。それは単に現実的な出力を生成することではなく、私たちが生きる世界についての直感を構築することなのです。

優れた科学とは、仮定を正しく設定することにあります。結局のところ、機械にはリスクを負う立場がありません。事態が悪化した際、何が起きたのかを説明するのはモデラーの責任となります。GenAIは可能性を生み出すかもしれませんが、どれが信じるに値するかを教えてくれるのはモデルだけです。

そして、私はさらに踏み込んで言いたいと思います。

最良のモデルとは、正確な答えよりも多くの未解決の疑問を生み出し、既成概念に疑問を投げかけ、私たちにさらに深く掘り下げるよう促すものです。

編集：ルイーズ・マーシャル