Op 10 oktober 2025 vond de cryptocurrency-markten ervoeren een seismische ontwrichting. Binnen enkele minuten heeft een liquidatiecascade miljarden aan openstaande rente weggevaagd, waardoor de standaard handelsalgoritmen verlamd raakten. Het was niet alleen een prijsdaling; het was een structureel falen van voorspellende modellen. Strategieën die maandenlang geld hadden gedrukt, werden plotseling geconfronteerd met een marktsituatie die niet bestond in hun trainingsgegevens.
Deze gebeurtenis diende als een brute herinnering: in de wereld van kwantitatieve financiën waar veel op het spel staat, is de afhankelijkheid van Machine Learning (ML) absoluut geworden, maar de blinde vlekken ervan blijven fataal. Van High-Frequency Trading (HFT)-algoritmen die in nanoseconden worden uitgevoerd tot complexe DeFi-orakels: de industrie bevindt zich in een wapenwedloop van data-suprematie. Maar als er een ‘Zwarte Zwaan’ toeslaat, presteren modellen die op historische gegevens zijn getraind niet alleen ondermaats – ze breken ook.
Dit creëert een paradox voor moderne handelsfirma’s: hoe bouw je veerkrachtige systemen als je primaire tools blind zijn voor de grootste risico’s?
Om dit te beantwoorden gingen we om de tafel zitten Grigory Chikisheveen teamleider en kwantitatieve handelaar bij Kwantumhersenen. Met meer dan negen jaar ervaring in het bouwen van infrastructuuroplossingen voor markten – variërend van HFT-algoritmen en ML-modellen tot op grafieken gebaseerde stroomevaluatiesystemen – heeft Grigory zijn carrière doorgebracht op het snijvlak van uitvoeringssnelheid en systemische veerkracht. Bij Quantum Brains heeft hij marktprocessen getransformeerd in schaalbare architecturen die zijn ontworpen om de volatiliteit te weerstaan die standaardmodellen doorbreekt.
Hier is zijn visie op waarom de industrie verder moet gaan dan de ‘black box’ en hoe echte antifragiliteit kan worden gerealiseerd.
De zen van het onvoorspelbare
Wanneer de discussie zich richt op het falen van risicomodellen tijdens gebeurtenissen als de recente crash van oktober, de COVID-19-pandemie of de financiële crisis van 2008, is de standaardkritiek dat de modellen de gebeurtenis ‘er niet in slaagden’ te voorspellen. Grigory betwist dit uitgangspunt volledig. Hij stelt dat de verwachting dat een ML-model een singulariteit zal voorspellen wiskundig gebrekkig is, en dat de oplossing niet ligt in een betere voorspelling, maar in een betere acceptatie.
“Ik wil er meteen op wijzen dat ik geen probleem zie met het bestaan van zwarte zwanen. Het zijn per definitie gebeurtenissen die onmogelijk te voorspellen zijn. En we kunnen er niets aan doen. Een komeet die bijvoorbeeld in botsing komt met de aarde: we kunnen vrijwel zeker zeggen dat dit de komende weken of zelfs jaren niet zal gebeuren, maar niemand weet wat er aan de hand is in het onzichtbare deel van de Melkweg…
Het woord ‘mislukken’ is misschien overdreven. Als we van tevoren weten dat we niet in staat zijn gebeurtenis A te voorspellen, dan moeten we de gebeurtenis ervan met boeddhistische kalmte accepteren.”
Het accepteren van onvoorspelbaarheid betekent echter niet dat je de gevolgen negeert. Grigory wijst erop dat, hoewel een model de situatie niet kan voorspellen timing van een crisis moeten experts op het gebied van het menselijk domein systemen ontwerpen die de crisis begrijpen gevolgen van het worstcasescenario – iets dat puur datagestuurde modellen vaak missen omdat de datapunten er simpelweg niet zijn.
“Ergens tussen deze twee getallen ligt het kritieke punt dat een voorspelbare gebeurtenis scheidt van een onvoorspelbare gebeurtenis (een zwarte zwaan). En de fundamentele fout van elk model is dat het dit punt niet kan berekenen… We kunnen ons alleen voorbereiden op het worstcasescenario, waar het model geen rekening mee houdt.”
De mythe van de transparantie-afweging
Een belangrijk debat in kwantitatieve financiën is de spanning tussen uitlegbare AI (XAI) en winst. De heersende wijsheid suggereert dat ‘Black Box’-modellen (onbewaakte deep learning-modellen die moeilijk te interpreteren zijn) winstgevender zijn omdat ze complexer zijn, en dat het dwingen ervan om verklaarbaar te zijn (voor naleving van de regelgeving) de uitvoering vertraagt en hun voorsprong afzwakt.
Grigory is het absoluut niet eens met deze tweedeling. Voor hem is transparantie geen regeldruk; het is een debug-tool.
“Ik betwijfel ten zeerste dat een benadering zonder toezicht of een black box-aanpak uiteindelijk succesvoller zal zijn dan een white box-aanpak wanneer deze rechtstreeks wordt vergeleken… Daarom zijn alle inspanningen in de richting van interpretatie op regelgevingsniveau alleen maar ten goede. Als uw pasgeboren kind zou kunnen uitleggen wat pijn doet, zou dat erg handig zijn en duidelijk helpen bij de opvoeding.”
Hij suggereert dat ondoorzichtigheid in handelsstrategieën vaak eerder een masker is van geluk dan van genialiteit, met name van overlevingsvooroordelen.
“Als je een succesvolle ML-strategie ziet waarvan ‘onduidelijk is hoe deze werkt’, dan is een van de volgende twee dingen waarschijnlijk waar:
- Ofwel begrijpen de makers ervan eigenlijk alles, maar houden ze hun kaarten liever dicht bij hun borst.
- Of we hebben te maken met overlevingsvooroordelen… Als 1.024 mensen een reeks van tien binaire voorspellingen doen, zal precies één daarvan in elke voorspelling absoluut correct zijn.
Helaas zijn soms beide redenen juist. Vraag dus altijd om uitleg van je AI-agent!”
Technische antifragiliteit
Als voorspellen onmogelijk is, is antifragiliteit de enige haalbare strategie: het vermogen van een systeem om te profiteren van wanorde, een concept dat door Nassim Taleb is gepopulariseerd. Het implementeren hiervan in hardware en infrastructuur is echter notoir moeilijk. Het bouwen van een systeem dat tijdens een crash 100x de normale marktbelasting aankan, is vaak onbetaalbaar.
Grigory’s benadering van infrastructuur bij Quantum Brains geeft prioriteit aan flexibiliteit boven brute force-capaciteit.
“Je kunt je infrastructuur niet voorbereiden op een zwarte zwaan-gebeurtenis. Als je bijvoorbeeld de piekbelasting van je server berekent en rekening houdt met een 100x toename, dan verbrand je bijna 100% van de tijd geld aan ongebruikte bronnen… Maar je kunt wel een flexibel systeem voorbereiden om de kosten van de bronnen te verlagen. Je kunt bijvoorbeeld simpelweg de ene na de andere handelsconfiguratie afsluiten. Wat heeft het überhaupt voor zin als alles naar de hel gaat?”
Dankzij deze flexibiliteit kan een bedrijf de eerste schok overleven. Maar om eigenlijk winst Om echt antifragiel te zijn, is er een mentaliteitsverandering nodig. Het vereist de erkenning dat wanneer de algoritmen van anderen falen, de markt niet langer efficiënt is.
“Ik herhaal, we hebben het over een situatie die onze modellen niet hadden voorspeld… Deze formulering bevat ook goed nieuws: we kunnen ervan uitgaan dat andere marktdeelnemers hetzelfde ‘moeilijke’ scenario ervaren. Op 10 oktober ondergingen cryptocurrencies een aanzienlijke schok, waardoor veel posities moesten worden geliquideerd. Sommige deelnemers verlieten letterlijk de markt: ze kozen voor de tweede optie (shutdown) of hadden daar simpelweg geen tijd voor (RIP).
Dit was een goed moment om inefficiënties te exploiteren of kansen te realiseren die normaal gesproken gesloten zouden blijven… In zekere zin is dit ook de manier van Taleb: om te voorkomen dat je een kalkoen bent, hoef je er gewoon geen kalkoen te zijn.’
Het menselijke element in een nulsomspel
Terwijl AI de uitvoering van transacties blijft domineren, twijfelen velen aan de toekomstige rol van de menselijke kwantitatieve handelaar. Als machines de stroom, het risico en de uitvoering afhandelen, is de mens dan overbodig?
Grigory gelooft dat de aard van de markt het menselijke element beschermt: het is een nulsomspel, gedreven door de wens om te winnen, een emotie die algoritmen niet bezitten. Hoewel AI zijn werk kan doen, mist het de drang om de markt te ‘verslaan’ die echte innovatie stimuleert.
“Handel verschilt van veel andere gebieden waar AI zich actief ontwikkelt, omdat het een nulsomspel is… Laten we ons een extreem voorstellen: er zijn geen levende deelnemers meer op de markt… Is er hier een plaats voor mensen? Naar mijn mening is dat niet het geval.
Maar gelukkig… in de echte wereld zullen er altijd levende deelnemers zijn… Een andere menselijke factor is overmoed. Het idee: ‘Ik ben een mens, ik zal inventiever en origineler zijn dan AI’, zal nooit uit onze gedachten verdwijnen.”
Uiteindelijk gaat de toekomst van kwantitatieve handel niet over het vervangen van mensen door AI, maar over mensen die AI gebruiken om te concurreren met andere mensen. Het algoritme is het wapen, niet de soldaat.
“Zoals ik al zei, het is een nulsomspel. Maar een algoritme heeft er geen belang bij om onder dergelijke omstandigheden geld te verdienen. Alleen de homo sapiens zal altijd de wens hebben om anderen te ‘verslaan’.”
