مفاجأة كبيرة! المتداولون الآليون يواجهون خسائر جماعية، وخسروا ثلثي الأموال خلال أسبوعين، هل لا يزال المستثمرون الأفراد يثقون في إعطاء أموالهم للآلات؟

الذكاء الاصطناعي يطرق أبواب وول ستريت، لكن أول تقرير أداء يُظهر نتائج سيئة كأنها مسرح حادثة.

تُظهر سلسلة من مسابقات التداول العامة المبكرة أن النماذج اللغوية الكبيرة السائدة غالبًا ما تؤدي بشكل سيء في التداول الذاتي — معظم الأنظمة تخسر، وتكرار التداول مرتفع لدرجة لا تصدق، وعند إعطائها نفس التعليمات، تتخذ قرارات مختلفة تمامًا.

أشهر مثال يأتي من مسابقة Alpha Arena التي تديرها شركة التكنولوجيا الناشئة Nof1. وضعوا ثمانية أنظمة ذكاء اصطناعي متطورة مثل Claude من Anthropic، وGemini من Google، وChatGPT من OpenAI، وGrok من ماسك، في أربع جولات من المسابقة، قبل كل جولة يُعطى كل نموذج 10,000 دولار، ليقوموا بالتداول الذاتي على أسهم التكنولوجيا الأمريكية خلال أسبوعين.

وماذا كانت النتيجة؟ خسرت المحفظة الاستثمارية الإجمالية حوالي ثلثي قيمتها. من بين 32 نتيجة تداول، كانت هناك 6 فقط أرباح. قال مؤسس Nof1، Jay Azhang، بصراحة: “الآن، إعطاء المال مباشرة للنماذج الكبيرة لتتداول بنفسها، هذه الطريقة غير مجدية.”

تكشف البيانات عن عيوب متعددة للذكاء الاصطناعي في سيناريوهات التداول. بنفس التعليمات، نفذت Qwen من Alibaba 1,418 عملية تداول في جولة واحدة، بينما أنجح نموذج Grok قام بـ 158 عملية فقط. وأفضل أداء لـGrok كان عندما استطاع مراقبة أداء المنافسين في تلك الجولة.

تابع مدونة Flat Circle، التي تتعقب 11 ساحة سوق ذات صلة، ووجدت أن كل ساحة على الأقل فيها نموذج واحد يحقق أرباحًا، لكن فقط اثنين من النماذج الوسيطية في تلك الساحات كانت تحقق أرباحًا صافية — معظم النماذج لا تتفوق على السوق.

الاختلافات في قرارات النماذج بين بعضها أكثر إرباكًا. قال Azhang إن في أحدث جولة من اختبار Alpha Arena، كان Claude يميل إلى الشراء، وGemini لا يعارض البيع على المكشوف، وQwen يفضل المراهنة على الرافعة العالية.

قال داوود كلينتون، المسؤول عن إدارة صندوق الذكاء الاصطناعي في شركة Intelligent Alpha: “كل منها لديه ‘شخصيته’، وإدارته تكاد تكون كإدارة محلل بشري.” لكن، من خلال إبلاغ النموذج بوجود نوع من الانحياز، يمكن تحسين النتائج إلى حد ما.

وأشار Azhang إلى أن النماذج الكبيرة تتمتع بميزة في البحث واستدعاء الأدوات، لكن على مستوى تنفيذ التداول، هناك عيوب واضحة: فهي لا تفهم تمامًا أوزان تقييمات المحللين، والتداول الداخلي، وتقلبات المشاعر، مما يجعلها عرضة للشراء عند القمم والبيع عند القيعان، ولا تدير حجم مراكزها بشكل جيد.

اختبارات معيارية لـIntelligent Alpha قدمت مرجعًا نسبيًا إيجابيًا. حيث زودوا 10 نماذج ذكاء اصطناعي بملفات مالية، وتوقعات المحللين، وسجلات مكالمات الأرباح، وبيانات الاقتصاد الكلي، وصلاحية البحث عبر الإنترنت، مع التركيز فقط على اتجاهات التوقعات الربحية. في الربع الرابع من 2025، وصلت دقة توقعات ChatGPT إلى 68%، محققة أفضل أداء. قال Clinton إن أداء النماذج يتحسن بشكل عام مع كل إصدار جديد.

هناك عقبة منهجية أساسية في تقييم قدرات التداول للذكاء الاصطناعي: تعتمد الاستراتيجيات الكمية التقليدية على الاختبارات التاريخية، لكن هذا يفشل تقريبًا مع النماذج الكبيرة — نموذج يُسأل في 2026 عن كيفية التداول في سوق مارس 2020، سيكون قد “عرف” بالفعل مسار تلك الفترة. هذا ما يُعرف بـ"التحيز المستقبلي"، مما يضطر الباحثين إلى الاعتماد على التقييم في السوق الحقيقي، مما أدى إلى ظهور العديد من الساحات التنافسية.

يعتقد Jim Moran، مؤسس مشارك لمدونة Flat Circle السابق في شركة البيانات البديلة YipitData، أن معظم التجارب العامة الحالية قصيرة جدًا، والضوضاء فيها عالية، ولا تكفي لاستنتاجات حاسمة. كما أن هذه الساحات تعاني من عيوب فطرية، مثل عدم توفر موارد أبحاث الأسهم الحصرية، وجودة التنفيذ المنخفضة. وقال: “لو تم نقل أحد وكلاء الذكاء الاصطناعي من هذه الساحات مباشرة إلى إدارة صندوق تحوط من الطراز الأول، لكان أداؤه أفضل.”

وأشار ألكسندر إيزيدورجيك، رئيس قسم علوم البيانات في شركة Coatue Management سابقًا، والذي يعمل الآن في NX1 Capital، إلى أنه يتابع روبوتات التداول بالذكاء الاصطناعي، ولا يوجد حتى الآن واحد يظهر قدرة على تحقيق أرباح فائقة مستدامة. ويعتقد أن قيود هذه الساحات تكمن في أن بيانات التدريب تفتقر إلى التقنيات الكمية العملية التي تستخدمها المؤسسات السرية في التداول.

لكن لديه حكمًا يثير التفكير: “المبتدئون أحيانًا يرون أشياء لا يراها الخبراء.” وكتب في مدونته الشخصية: “عندما يبدأ وكلاء النماذج الكبيرة في تنفيذ استراتيجيات التداول بشكل فعال، لن تسمع عن ذلك على الفور.”

تعمل Nof1 على إعداد الموسم الثاني من Alpha Arena، وتخطط لتزويد كل نموذج ذكاء اصطناعي بقدرات بحث عبر الإنترنت، ووقت تفكير أطول، ومصادر بيانات أكثر، وإمكانيات تنفيذ متعددة الخطوات. لكن النموذج التجاري الأساسي للشركة هو تزويد المستثمرين الأفراد بأدوات نظامية لبناء وكلاء تداول بالذكاء الاصطناعي — وليس وضع الذكاء الاصطناعي مباشرة في مراكز التداول.

هذه الرؤية بحد ذاتها ربما تكون التفسير الأكثر واقعية لقدرات التداول الحالية للذكاء الاصطناعي.

تابعني: للحصول على تحليلات ورؤى فورية عن سوق العملات المشفرة! $BTC $ETH $SOL

#Gate广场五月交易分享 #تراجع BTC #مشروع قانون CLARITY يواجه عوائق