По результатам тестов ИИ-модели потеряли деньги в большинстве случаев
Серия тестов, в которых ведущие ИИ-модели должны были торговать акциями, продемонстрировала неутешительные результаты: большинство систем теряют деньги, совершают слишком много сделок и принимают совершенно разные решения при одинаковых инструкциях. Об этом пишет Bloomberg со ссылкой на результаты эксперимента Alpha Arena, организованного стартапом Nof1.
В рамках соревнования восемь передовых ИИ-систем — включая Claude от Anthropic, Gemini от Google, ChatGPT от OpenAI и Grok Илона Маска — получили по $10 тысяч и две недели торговали акциями американских технологических компаний. Тест включал в себя четыре испытания: торговлю на основе рыночных сигналов, защитные стратегии, реакцию на действия соперников и использование высокого кредитного плеча.
В итоге совокупный портфель всех моделей потерял около трети капитала. Из 32 результатов лишь в шести случаях модели смогли заработать. Лучший результат показал Grok 4.20 в соревновании, где модель должна была торговать на основе сведений о результатах конкурентов. Она совершила 158 сделок, тогда как китайская модель Qwen при тех же вводных провела 1418 операций.
Человек пока незаменим
Финансовая индустрия пока осторожно относится к полной передаче торговли акциями ИИ. В последние годы крупные игроки, такие как JPMorgan Chase и Balyasny Asset Management, внедрили ИИ почти во все другие процессы: анализ новостей, подготовку отчетов, выявление мошенничества и многое другое. Однако в торговле реальными деньгами по-прежнему ключевую роль играют живые люди.
Реклама
«Большие языковые модели сами по себе не могут зарабатывать деньги», — заявил Bloomberg Джей Ачжанг, основатель Nof1. По его словам, для этого нужна сложная инфраструктура, системы данных и инструменты, которые дают моделям шанс работать эффективно. Модели пока не понимают, насколько важны различные факторы, влияющие на рынок — такие как рекомендации аналитиков, инсайдерские сделки или изменения настроений. Из-за этого они часто неправильно выбирают момент сделки, размер позиции и совершают слишком много операций.
Кроме того, ИИ-модели проявляют выраженные «личности» и склонности. По словам Ачжанга, Claude предпочитал длинные позиции, Gemini охотнее открывал короткие, а Qwen активно использовал высокое кредитное плечо.
Сложности тестирования
Как пишет Bloomberg, оценивать эффективность ИИ в трейдинге крайне сложно. На результаты сильно влияют особенности тестов. Такой метод проверки как тестирование на рыночных данных из прошлого плохо работает для ИИ, так как модель уже знает, что произошло на рынке ранее.
Именно поэтому большинство ИИ-моделей приходится тестировать в реальном времени. Однако поскольку модели обычно теряют деньги, такие соревнования обычно проводятся недолго и организуются стартапами или энтузиастами.
Джим Моран, сооснователь компании YipitData, считает, что нынешние публичные эксперименты слишком короткие для окончательных выводов. Кроме того, участники арен не имеют доступа к закрытым аналитическим данным и инфраструктуре профессиональных хедж-фондов. «Если взять одну из таких моделей и перенести ее в крупный хедж-фонд, он должен работать лучше», — заявил Моран.
Как сообщает Bloomberg, Александр Изидорчик, сотрудник NX1 Capital, написал в своем личном блоге, что ни один из отслеживаемых им ИИ-ботов пока не продемонстрировал устойчивого преимущества в торговле акциями. Однако Изидорчик предполагает, что если ИИ-модели все же преуспеют в торговле, об этом долго не будет известно публично. «Если аутсайдеры добьются успеха, они быстро поймут, что успех на ликвидных конкурентных рынках приносит куда больше, чем очередной подписчик в X. Когда торговые стратегии на основе ИИ-моделей начнут работать — вы об этом еще долго не узнаете».