تربية الكركند وتداول الأسهم، هل هو "علم" أم "غيبية"؟

مراسل أخبار الواجهة | ليو لي لونغ

محرر أخبار الواجهة | سونغ يي جون

مؤخرًا، أصبح “تربية الكركند” (نشر، تدريب، واستخدام الوكيل الذكي مفتوح المصدر OpenClaw) حديث الجميع، حيث اجتاحت هذه الظاهرة الإنترنت، وتدفق العديد من المستثمرين للمشاركة في موجة الحماس هذه.

لاحظت أخبار الواجهة أن المناقشات على وسائل التواصل الاجتماعي حول “استخدام الكركند في التداول” أصبحت أكثر حيوية مؤخرًا، حيث يعبر البعض عن إعجابه بكفاءة وسهولة تتبع السوق على مدار 24 ساعة باستخدام “الكركند”، بينما يشتكي آخرون من أن تكاليف الرموز (tokens) تفوق الرسوم بنسبة تزيد عن 10 أضعاف، وهناك من يستفسر عن حالة OpenClaw، وآخرون يطرحون تساؤلات حول أمان وموثوقية “استخدام الكركند في التداول”…

منذ أن حققت DeepSeek نجاحًا كبيرًا العام الماضي، بدأ عدد متزايد من المستثمرين في سوق الأسهم الصينية (A股) يجربون تبني الذكاء الاصطناعي بطرق مختلفة، لكن تجاربهم العملية تختلف بشكل كبير.

المستثمر تشن شو (اسم مستعار) حاول مرارًا وتكرارًا عبر منصات نماذج الذكاء الاصطناعي الكبرى للبحث عن “رمز الثروة”، لكنه خسر حوالي 20% من رأس ماله خلال سوق صاعدة، وقال عن ذلك: “كل إخلاص لا يثمر إلا بالخطأ”.

بالنسبة لقائد فريق الكوانت (الكمية) في جنوب الصين، تشين بينغ (اسم مستعار)، يُعد الذكاء الاصطناعي “رفيقًا” مثاليًا للأبحاث الاستثمارية، حيث زادت كفاءته بشكل كبير.

كيف يظهر الذكاء الاصطناعي في سيناريوهات التداول الآن؟

فعال، لكنه ليس دائمًا موثوقًا

عندما يواجه مشكلة، فإن أول رد فعل لدى هه فنغ (اسم مستعار)، وهو من المستثمرين في قوانغدونغ، هو أن يذهب مباشرة إلى “دوباو” (موقع أو أداة للتحليل).

سواء كانت أخبار عاجلة أو مفاهيم جديدة، عادةً ما يستغرق الأمر دقيقة أو دقيقتين للحصول على إجابة مبدئية، وإذا رأى ضرورة التعمق أكثر، يغير كلمات البحث وأساليب السؤال، وبعد بضع دقائق، يحصل على إجابة أكثر توافقًا مع توقعاته، وهو أمر يسهل تحقيقه.

قبل ظهور نماذج الذكاء الاصطناعي الكبرى، كان هه فنغ يحتاج إلى وقت طويل لتصفح مواقع الأخبار، المنتديات، ووسائل التواصل الاجتماعي لجمع المعلومات، ثم يضطر إلى تحليلها ودمجها بنفسه ليصل إلى إجابة مرضية.

يحب تشين بينغ دمج نماذج اختيار الأسهم الكمية الخاصة به مع نماذج الذكاء الاصطناعي الكبرى.

يختار نموذج الاختيار الكمي الخاص به يوميًا أسهمًا بناءً على تدفقات الأموال، ودرجة حرارة السوق، واتجاهات السعر والحجم، ثم يختار من بين هذه الأسهم بناءً على أساسياتها ومواضيعها الساخنة، ليحدد الهدف النهائي. ومع وجود دعم من نماذج الذكاء الاصطناعي، قلل من وقت العمل اليدوي في تصفية الأسهم من 3-5 ساعات إلى 30-50 دقيقة، مما زاد من الكفاءة عدة مرات.

بالإضافة إلى ذلك، أثناء كتابة أو تعديل نماذج اختيار الأسهم، يختار تشين بينغ أحيانًا أن يترك بعض المهام البسيطة لنماذج الذكاء الاصطناعي لمعالجتها.

“الفعالية” هي الكلمة التي يتبادر إلى أذهان الكثير من المستثمرين عند الحديث عن التداول باستخدام الذكاء الاصطناعي، فهناك أكثر من 5000 شركة مدرجة في سوق الأسهم الصينية، وتُحدث المعلومات المالية بشكل مستمر على مدار الساعة، واستخراج الجزء المطلوب من هذا الكم الهائل من البيانات يتجاوز قدرات أي مستثمر فردي، وهذه الأعمال المعقدة تعتبر “سهلة” على الذكاء الاصطناعي.

لكن العديد من الأشخاص الذين تم مقابلتهم أكدوا أن غالبًا ما تكون إجابات نماذج الذكاء الاصطناعي غير موثوقة.

على سبيل المثال، عند سؤال النموذج عن علاقة سهم معين بموضوع معين، غالبًا ما يحصل على إجابة تبدو منطقية جدًا، لكن في الواقع، كثير من المحتوى يكون غير قائم على حقائق.

كما ذكر بعض المستثمرين أن النموذج قد يبحث عن أقل 10 أسهم من حيث نسبة السعر إلى الأرباح (PE)، لكنه في الواقع يقتصر على جمع بيانات من عشرات الأسهم، وبعضها قد يكون من سنوات سابقة أو حتى خاطئًا.

كما يظهر “رفيق” الذكاء الاصطناعي أحيانًا شخصية “محاولة لإرضاء الآخرين”.

مثلاً، إذا سألته “هل A أفضل من B؟”، فإنه يعرض لك العديد من المعلومات لدعم هذا الرأي. ولكن عندما تعاكس السؤال وتقول “هل B أفضل من A؟”، فإنه يكرر نفس الأسلوب ويقدم أدلة داعمة. وإذا طلبت منه تحليل صناعة معينة ثم سألت عن القطاعات التي تستحق الاهتمام الآن، غالبًا ما تتكرر القطاعات التي ناقشها سابقًا.

تقريبًا جميع من تم مقابلتهم واجهوا ظاهرة “هلوسة الذكاء الاصطناعي”، حيث أن الإجابات التي يقدمها تبدو منطقية وشاملة، لكنها في الواقع تتضمن الكثير من الحقائق والبيانات والأحداث التي لا وجود لها، وأحيانًا تتعارض مع أبسط قواعد المعرفة، وتبدو وكأنها “هراء” رسمي.

في مجال الاستثمار، أي خطأ في القرار قد يكلف أموالًا حقيقية، وهذه الظواهر تؤدي إلى مشاكل أخرى، فبالرغم من أن المستثمرين يمكنهم الحصول على إجابة خلال دقائق من نماذج الذكاء الاصطناعي، إلا أنهم غالبًا يحتاجون إلى وقت مضاعف لتصحيحها، أو يضطرون لتعديل أسئلتهم باستمرار لمحاولة الحصول على إجابة أكثر موثوقية.

أين تكمن المشكلة؟

بدأت تشن شو باستخدام نماذج الذكاء الاصطناعي الكبرى بعد أن علمت أن شركة DeepSeek تعتمد على تقنية “فانغ فانغ” الكمية، وأنها قوية جدًا، فقررت أن تجرب استخدام نماذج الذكاء الاصطناعي في التداول.

تُعلن العديد من صناديق التحوط الكبرى عن استثمارها في الذكاء الاصطناعي، لكن القليل من الناس يفهمون حقًا الدور الذي يلعبه الذكاء الاصطناعي في قرارات الاستثمار، ومدى تأثيره على العائدات، وكمية التداول عالي التردد التي تساهم فيها.

من وجهة نظر أحد العاملين في صندوق تحوط كبير في شنغهاي، فإن مجرد سؤال النموذج عن الأسهم بشكل عابر يختلف تمامًا عن تطبيق الذكاء الاصطناعي في استثمار كمي حقيقي.

عادةً، يُعد الاستثمار الكمي أسلوبًا يعتمد على نماذج رياضية، وطرق إحصائية، وبرامج حاسوبية، لتحل محل الحكم الشخصي في اتخاذ القرارات الاستثمارية، ويتميز بانضباطية عالية، وبيانات مُحركَة، وتوزيع أصول متنوع، وإدارة مخاطر صارمة.

بالنسبة لمعظم المستثمرين العاديين الذين يستخدمون نماذج الذكاء الاصطناعي، فإن الأمر في جوهره لا يختلف عن أن الإنسان هو من يتخذ القرار النهائي، وهو يظل استثمارًا ذاتيًا، وغالبًا ما يكون حجم الحيازات محدودًا، مما يصعب تنويعها بشكل كافٍ لمواجهة مخاطر أخطاء الذكاء الاصطناعي.

من ناحية أخرى، هناك فرق جوهري بين النماذج العامة مثل دوباو، وكيان، وDeepSeek، والنماذج التي تطورها صناديق التحوط بشكل خاص.

وفقًا لأخبار الواجهة، فإن الصناديق الكمية تركز بشكل رئيسي على ثلاثة عناصر رئيسية في الذكاء الاصطناعي: البيانات، القدرة الحاسوبية، والخوارزميات، وتزيد استثماراتها في هذه المجالات باستمرار.

ويُشير محللون إلى أن البيانات هي أساس تدريب نماذج الذكاء الاصطناعي، وفي المجال المالي، تعتبر البيانات عالية الجودة، والحديثة، والكاملة، ضرورية جدًا، لكن النماذج العامة تعتمد بشكل أكبر على البيانات النصية، وتفتقر إلى كمية كافية من البيانات المالية عالية الجودة.

أما من ناحية القدرة الحاسوبية، فبالرغم من أن استثمارات النماذج العامة في الأجهزة قد تتجاوز بكثير استثمارات صناديق التحوط، إلا أن نطاق عملها أوسع، مما يتطلب تدريبًا أكبر.

وفيما يخص الخوارزميات، فإن معظم صناديق التحوط الرائدة تتبع نمط “الابتكار الذاتي”، حيث تكون الخوارزميات الأساسية متطابقة مع النماذج العامة، لكن عمليات التخصيص والتعديل تختلف تمامًا، وغالبًا ما تكون الخوارزميات الأساسية سرًا من أسرارها، ويصعب الكشف عنها.

كما أشار أحد المحللين إلى أن بعض شركات الوساطة والبنوك تتجه أيضًا نحو تطوير نماذج ذكاء اصطناعي مخصصة للمالية، لكن محدودية القدرة الحاسوبية والتكاليف التنظيمية تعيق بشكل كبير تحقيق نتائج مرضية للمستثمرين.

“حتى لو كانت النماذج الكمية العامة تختلف كثيرًا عن نماذج الذكاء الاصطناعي الخاصة، فإن النماذج العامة تجمع بين الكثير من المعرفة الاستثمارية، فلماذا لا تقدم نصائح استثمارية أكثر منطقية مثل تلك التي يقدمها كبار المستثمرين؟” يتساءل العديد من المستثمرين، بمن فيهم تشن شو.

وفي رد على ذلك، قال نين يو، المستثمر في تشنغدو، في مقابلة مع أخبار الواجهة: “قد لا يطلب المستثمرون الذاتيّون دقة البيانات بنفس درجة طلبات الاستثمار الكمي، لكن قراراتهم تحتاج أيضًا إلى بيانات حديثة وموثوقة، وغالبًا ما تكون البيانات التي تجمعها النماذج العامة غير محدثة، وقد تحتوي على بيانات ملوثة، مما يجعل تحليلاتها غير موثوقة.”

وأضاف: “الأهم من ذلك، أن نماذج الذكاء الاصطناعي الكبرى تفتقر إلى نظام استثمار متكامل. فكل استراتيجية استثمار لها خصائصها وظروف السوق التي تناسبها، ومن منظور استراتيجي مختلف، قد تكون نتائج شراء أو بيع سهم معين مختلفة تمامًا. فمثلاً، من وجهة نظر المستثمرين على المدى المتوسط والطويل، قد يكون السهم فرصة جيدة للشراء، بينما يراه المستثمرون على المدى القصير جدًا أنه يجب بيعه. على الرغم من أن النماذج تعلمت العديد من استراتيجيات الاستثمار، إلا أنها تفتقر إلى البيانات العملية التي تدعم تطبيقها، مما يصعب عليها التمييز بين الاستراتيجيات وفهم منطقها الحقيقي.”

هل من الأفضل أن نُعطي النماذج الذكية إطارًا أو فلسفة استثمارية لكبار المستثمرين، بحيث تتبع منطقهم في الإجابة؟ يعتقد تشنغدو أن ذلك لن يكون فعالًا، حيث أن المعلومات التي يمكن “تغذية” النماذج بها غالبًا ما تكون آراءً ووجهات نظر عامة، والكبار أنفسهم قد لا يعبرون عن استراتيجياتهم بشكل كامل أو صريح، كما أن استراتيجياتهم تتطور باستمرار مع تغير السوق.

حتى لو استطاع النموذج أن يقدم نصائح استثمارية أكثر منطقية، فهل يلتزم المستثمرون فعلاً بتنفيذها بدقة؟ ربما لا.

التعاون بين الإنسان والآلة هو الاتجاه الأكيد

بالنسبة للمستثمر العادي، فإن الاعتماد الكامل على الذكاء الاصطناعي في اتخاذ القرارات غير ممكن، ويجب أن يبني نظامه الاستثماري الخاص أولاً. بعد أكثر من عام من التجربة، خلصت تشن شو إلى أن:

“لقد أوقفت التداول الحقيقي مؤقتًا، وقررت أن أركز على تعلم المزيد عن الاستثمار، وعندما أكون مستعدة، سأعاود التداول. خلال هذه الفترة، اكتشفت أن للذكاء الاصطناعي نقاط قوة، خاصة في تحليل النصوص، حيث يمكنه البحث عن المعلومات وتلخيصها بشكل رائع.”

أما تشين بينغ، الذي يقيّم أداء الذكاء الاصطناعي بشكل إيجابي، فيقول إن كفاءة جمع المعلومات من خلاله تفوق الإنسان بشكل واضح، ويمكن الاعتماد عليه في هذه المرحلة؛ لكن في تحليل البيانات، لا تزال هناك أخطاء، لذا يمكن تحسين النتائج عبر تعديل أسئلة الاستفسار وإضافة تلميحات.

أما في مرحلة اتخاذ القرارات الاستثمارية، فهي أكثر تعقيدًا وأهمية، وتتطلب تدخلًا بشريًا أكبر، حيث يجب على المستثمر أن يستخدم حكمه الشخصي بشكل أكبر.

ويعتقد المشاركون أن المستقبل سيشهد تطورًا مستمرًا لنماذج الذكاء الاصطناعي، مع ظهور نماذج متخصصة أكثر في المجال المالي، لكن الذكاء الاصطناعي لن يحل محل الإنسان تمامًا، بل سيظل أداة مساعدة، وسيظل التعاون بين الإنسان والآلة هو الاتجاه السائد.

فالذكاء الاصطناعي يُدرب بواسطة البشر، وتحديد مدى استثمار القدرة الحاسوبية، ونوعية البيانات التي تُغذى، والخوارزميات المستخدمة، كلها قرارات بشرية، وعلى مدى فترة قادمة، لن يكون الذكاء الاصطناعي مستقلًا تمامًا عن البشر.

كما أن النماذج تعتمد على استكشاف الأنماط من البيانات التاريخية، لكن السوق المالي لا يتكرر بشكل بسيط، و"الطائر الأسود" يمكن أن يحدث في أي وقت، مما يضعف قدرة النماذج على التعامل مع سيناريوهات غير متوقعة، وبالتالي، من الصعب أن يكون هناك “وكيل” شامل وذكي بشكل كامل.

من ناحية أخرى، من الناحية التقنية، قد يكون مستقبلًا ممكنًا أن يتفوق الذكاء الاصطناعي على الإنسان في التداول، لكن هناك مخاطر كثيرة، تجعل من غير المحتمل أن نمنح الذكاء الاصطناعي كامل السيطرة على القرارات.

على سبيل المثال، التماثل في الاستراتيجيات هو مشكلة معروفة، فكلما زاد استخدام المؤسسات والمستثمرين لنفس البيانات والأساليب لتدريب النماذج، زادت احتمالية تكرار الاستراتيجيات، مما يؤدي إلى تداخل في التداول، وزيادة تقلبات السوق، وتهديد استقراره.

أيضًا، يتميز نماذج الذكاء الاصطناعي بخصائص “الصندوق الأسود”، حيث يصعب تتبع عمليات اتخاذ القرار، وإذا حدث خطأ، فإن المسؤولية غير واضحة، ويصعب تحديد ما إذا كانت عوامل بشرية قد أثرت على النتائج. وإذا تم تفويض كامل للذكاء الاصطناعي، فإن بعض الجهات قد تستغل ذلك للتلاعب بالسوق بشكل خفي، مما يفرض قيودًا تنظيمية على استخدامه في المجال المالي.