時間の計算を見れば結論は明らかです。言語モデルは、レイテンシー・アービトラージに不可欠な唯一の仕事をこなすには数百倍も遅すぎます。
レイテンシー・アービトラージは、高速フィードが価格変動を示してから、低速なブローカーのレートが更新されるまでの短い時間差を利用します。その時間枠は極めて短く、戦略全体がその間に行動する競争です。
| 段階 | 時間枠 |
|---|---|
| レイテンシー・アービトラージの機会 | およそ1桁台のミリ秒、多くの場合はそれ未満 |
| 決定論的執行エンジンの反応 | 1ミリ秒未満から数ミリ秒 |
| 大規模言語モデルの応答 | 数百ミリ秒から数秒 |
簡単に言えば、言語モデルがプロンプトを読み終えて応答を生成する頃には、取引機会はすでに何百回も現れては消えています。これは調整で解決できる問題ではありません。言語をトークン単位で生成する処理は、価格ティックに反応するコンパイル済みエンジンより本質的に遅く、その差は莫大です。
仮に推論が瞬時に完了しても、さらに2つの特性によってLLMは執行を担当できません。
同じプロンプトでも異なる出力が生成される可能性があります。同じ市場状況に対して毎回同じ動作を求められる取引エンジンにとって、これは致命的です。執行には再現性が必要であり、確率的なテキスト生成器はその正反対です。
言語モデルには標準でリアルタイム価格フィードがなく、計算機でもないため、正確なポジションサイズやリスク計算にずれが生じる可能性があります。執行には、リアルタイム接続上で毎回決定論的に算出される正確な数値が必要です。
LLMを執行から外しても、この分野で役に立たないわけではありません。低速かつ確率的でも問題のないワークフロー部分に配置すればよいのです。
| タスク | LLMに適している理由 |
|---|---|
| ブローカー調査 | どの取引場所がこの注文フローを許容し、執行面でどのような評判を持つかを要約する |
| エンジンコードの生成とレビュー | 決定論的エンジンのコードを手作業より速く記述、説明、デバッグする |
| 執行ログ分析 | 約定結果を読み、アナリストのように非対称なスリッページや追加レイテンシーを特定する |
| 戦略の説明 | 複雑な執行アイデアを、人が行動に移せる明確な概要に変換する |
これらはすべて取引の前後に行われ、取引中には行われません。これが正しい役割分担です。言語モデルが情報提供とレビューを担当し、決定論的エンジンが執行します。これは、AIがFX取引を行えるかについての基幹記事で説明している、調査と執行の分離と同じです。
プロフェッショナルな構成は「AIかソフトウェアか」ではなく、両方を適切な領域で使うことです。決定論的エンジンがミリ秒単位の執行を処理し、言語モデルはオフラインで調査、コード、分析を支援します。完璧な約定を仮定したバックテストで維持された優位性が、本番環境では執行レイテンシーによって失われるのはこのためです。この点は執行時間のギャップで数値化しています。また、ブローカー執行の透明性で説明しているように、実際の約定を測定することは、どのモデルの見解よりも重要です。
いいえ。推論が高速化しても、非決定性と、正確でリアルタイムかつ再現可能な執行の必要性によって、言語モデルは取引そのものから除外されます。速度は3つの障害のうちの1つにすぎません。
レイテンシー・アービトラージではできません。判断自体も1桁台のミリ秒以内に行う必要があるためです。より遅い戦略ではLLM駆動のエージェントが上位レベルの判断を行えますが、高速な執行は引き続き決定論的コードで実行されます。
まったく違います。調査、エンジンコード、執行ログ分析に役立ちます。ただし、執行ループの内部ではなく、戦略の横で活用すべきです。
新しい記事、調査レポート、製品リリースを、公開時にお届けします。
AIが取引でできることとできないこと、そして決定論的な執行が約定を左右する仕組みをご覧ください。