Setiap harian reporter: Chen Chen

Diduga gambar ini dibuat oleh AI

Saat AI “Lobster” (OpenClaw, agen AI open-source yang dikembangkan oleh programmer Austria Peter Steinbarg) dipadukan dengan trading saham, muncullah sebuah model trading bantuan AI yang benar-benar baru.

Reporter dari “Daily Economic News” (selanjutnya disebut reporter “Setiap harian”) mencatat, atas otorisasi dari para investor, “Lobster” secara bertahap masuk ke inti proses seperti memantau layar, melakukan evaluasi ulang, memilih saham, dan sebagainya; namun hasil di praktik menunjukkan perbedaan yang ekstrem: ada responden yang mengatakan, setelah menyerahkan penuh 200.000 yuan kepada “Lobster”, malah merugi 80.000 yuan; ada juga yang mengatakan, dengan trading otomatis dapat terus mengungguli indeks; ada pula yang mengklaim “pendapatan bulanan 90%”……

Mengapa trading saham “Lobster” berujung pada dua hasil yang bertolak belakang seperti api dan es? Dengan berbagai pembatasan kepatuhan dan risiko yang ketat, mampukah trading saham “Lobster” menembus keterbatasan yang ada? Dan mampukah itu membuka jalur baru yang benar-benar menguntungkan bagi investor saham biasa?

Cuplikan situs web OpenClaw

1

“Lobster” mengelola trading saham real-time atas nama pelanggan

Ada yang mengungguli indeks

Tapi bahkan uang Token pun tak berhasil diperoleh kembali

Alasan “Lobster” begitu “liar” adalah karena ia bukan hanya alat obrolan “tanya-jawab”, tetapi juga “eksekutor” yang dapat “mengambil alih” komputer dan secara otomatis memanggil data untuk menyelesaikan tugas-tugas kompleks. Selama pengguna memberi perintah, ia dapat membuka perangkat lunak sendiri, merapikan dokumen, bahkan membalas email.

Berdasarkan hasil wawancara reporter “Setiap harian”, saat ini banyak pengguna telah memakai “Lobster” untuk memantau layar, evaluasi ulang, memilih saham, sehingga ikut terlibat mendalam dalam berbagai tahap riset, pengambilan keputusan, dan pelaksanaan transaksi.

Namun, hasil praktik justru sangat berbeda. Ada rekor mengejutkan dengan laba bulanan 90%, tetapi juga ada kasus nyata yang langsung merugi 80.000 yuan.

Seorang akademisi terkenal dalam ekonomi digital, Liu Xingliang, direktur DCCI Internet Research Institute, berbagi kasus nyata di lingkungannya. Liu Xingliang mengatakan kepada reporter “Setiap harian” bahwa seorang temannya menginvestasikan sekitar 200.000 yuan, menyerahkannya sepenuhnya kepada “Lobster” untuk melakukan trading saham, dan pada akhirnya transaksi juga diselesaikan oleh “Lobster”. Namun, beberapa waktu lalu seiring kejatuhan indeks, akun tersebut sempat merugi 80.000 yuan.

Pada saat yang sama, ada investor yang menemukan celah logika alat AI dalam trading real. Dari catatan trading real yang dibagikan seorang pengguna di platform sosial, terlihat bahwa pada hari kedua setelah memakai “Lobster” untuk trading otomatis, posisi merugi 0,9% pada hari itu, tetapi secara keseluruhan mengungguli indeks; pada hari ketiga, posisi merugi 1,57%, sementara indeks SSE Composite turun 3,63% pada hari itu, namun tetap mengungguli lebih dari 2 poin; pada hari keempat, posisi menghasilkan laba 0,8%. Meski secara data terlihat mampu mengalahkan indeks, pengguna tersebut juga menyebutkan masalah yang terungkap dalam trading real:

Pertama, ia telah mengonfirmasi dengan “Lobster” agar tidak mengejar harga tinggi, tetapi pada akhirnya “Lobster” tetap mengejar; kedua, “Lobster” tampaknya beroperasi dengan pendekatan T+0.

Seorang pengguna lain yang benar-benar memakainya juga mengaku kepada reporter “Setiap harian” bahwa A-share adalah trading T+1, sehingga penggunaan OpenClaw untuk trading kuantitatif tidak terlalu berarti. Saham AS dan saham Hong Kong bisa trading T+0, mungkin lebih bermakna. Pengguna tersebut mengatakan bahwa saat ini ia masih berada pada tahap mencoba dengan dana kecil dan melakukan penyesuaian perbaikan; meski telah meraih laba kecil, ia bahkan belum kembali menutup biaya saat membeli Token (token, unit informasi terkecil dalam pemrosesan bahasa alami oleh model AI).

2

“Laba 90% per bulan” ternyata laba dari trading simulasi

“Lobster” ≠ “otak” AI

Ia hanya sebagai wadah pelaksanaan trading

Bagaimana “laba 90% per bulan” di platform sosial dicapai? Untuk itu, Jin Fengchun, partner pengelola Safi Investment Fund, memaparkan jalur teknis sebenarnya di balik imbal hasil tinggi tersebut kepada reporter “Setiap harian”: ternyata itu adalah sebuah kontes trading simulasi saham AS dengan AI, dan instrumen yang diperdagangkan adalah saham AS.

Jin Fengchun menekankan: “Perlu dicatat bahwa 90% adalah tingkat pengembalian tertinggi yang dicapai dalam satu bulan; setelah koreksi, pada akhirnya tingkat pengembalian saat penutupan adalah 36%.” Pada periode ini, indeks Nasdaq dan S&P 500 sama-sama mengalami koreksi yang jelas, situasi pasar secara keseluruhan tidak baik, tetapi laba dari simulasi perdagangan tersebut jauh mengungguli indeks saham.

Sumber data: Wind

Saat membahas alasan inti mengapa bisa menghasilkan imbal hasil berlebih, Jin Fengchun dengan tegas menunjukkan bahwa itu bukan karena “Lobster” itu sendiri memiliki kecerdasan, melainkan karena setelah peserta menetapkan kerangka dasar secara manual, Kimi, DeepSeek, atau MiniMax dan AI sejenis menulis strategi trading yang spesifik, dan memilih saham yang tepat, lalu menyerahkannya kepada “Lobster” untuk dieksekusi. Selain itu, dalam jangka pendek untuk mencapai laba 90%, sebagian besar karena dalam simulasi trading saham AS, AI menggunakan leverage.

“Dalam imbal hasil tinggi kali ini, ‘Lobster’ hanya berperan sebagai kerangka teknis dan wadah eksekusi AI, bukan secara langsung menyaring instrumen, memberi sinyal trading, atau menyelesaikan validasi backtest.” Jin Fengchun mengatakan kepada reporter “Setiap harian” bahwa pemilihan instrumen, perumusan strategi trading, dan pekerjaan inti lainnya dilakukan oleh AI lain; manusia hanya menetapkan arah dan kerangka dasar untuk AI, lalu semua tahapan eksekusi strategi selanjutnya selesai secara mandiri di “Lobster”.

Pada lapisan eksekusi trading, Jin Fengchun menjelaskan bahwa simulasi kali ini menggunakan strategi dari model kecerdasan buatan tertentu di dalam negeri, lalu diteruskan untuk dipesan otomatis oleh AI. Saat ini banyak perusahaan sekuritas di dalam negeri mendukung sistem trading QMT (QMT dan PTrade adalah terminal kuantitatif pihak ketiga yang menjadi arus utama di dalam negeri). Setelah diintegrasikan melalui API (melalui‌ application programming interface‌ untuk proses komunikasi dan pertukaran data antar sistem perangkat lunak yang berbeda), maka trading otomatis bisa dilakukan; praktik trading kuantitatif di dalam negeri juga umumnya memakai pola seperti ini.

3

“Lobster” merampas fungsi perusahaan sekuritas?

Terminal seperti Tonghuashun menolak

Guangfa Securities mulai diam-diam keamanan sandbox untuk pengembangan sendiri

Seiring “Lobster” meluas di sisi C, para investor berupaya mengintegrasikannya sepenuhnya dengan perangkat lunak trading perusahaan sekuritas.

Seorang pihak dari industri menganalisis kepada reporter “Setiap harian” bahwa OpenClaw dapat dijadikan “otak” untuk strategi, bertanggung jawab atas analisis data dan pembuatan sinyal, sedangkan QMT sebagai “eksekutor”, bertanggung jawab atas order berkecepatan tinggi dan eksekusi trading. Menurut reporter “Setiap harian”, untuk melakukan kuantitatif, pertama-tama perlu menghubungi perusahaan sekuritas untuk mengaktifkan izin trading QMT atau PTrade; perusahaan sekuritas biasanya menetapkan ambang dana 500.000–1.000.000 yuan, sementara beberapa perusahaan sekuritas meminta ambang yang lebih rendah.

“Dalam proses ini, peran OpenClaw sebenarnya adalah menulis kode, dan yang digunakan masih API resmi.” Seorang pengguna dengan trading real-time mengatakan kepada reporter “Setiap harian” bahwa pada dasarnya OpenClaw hanya menurunkan ambang untuk menulis kode Python.

Namun, untuk integrasi langsung alat AI pihak ketiga seperti ini, lembaga perusahaan sekuritas bersikap sangat hati-hati. Seorang personel TI dari sebuah perusahaan sekuritas mengatakan dengan tegas kepada reporter “Setiap harian” bahwa, berdasarkan persyaratan regulasi yang berlaku dan praktik industri saat ini, antarmuka transaksi biasanya perlu dikontrol ketat dalam kerangka sistem otorisasi untuk mencegah akses pemrograman terotomatisasi tanpa izin serta risiko manipulasi pasar potensial. Pihak tersebut menambahkan bahwa saat ini Tonghuashun dan terminal trading yang dikembangkan sendiri oleh perusahaan sekuritas belum menyediakan API kepada “Lobster”; perusahaan sekuritas akan mencegah akses ilegal pihak ketiga melalui berbagai cara teknis dan institusional, serta memantau transaksi semacam plug-in trading eksternal.

Laporan yang diterbitkan oleh Founder Securities pada 21 Februari 2026 menunjukkan bahwa pernah berhasil menguji antarmuka API Tonghuashun dengan memanfaatkan OpenClaw

Selain itu, ada pengguna yang melaporkan kepada reporter bahwa fungsi trading saham “Lobster” mirip dengan fungsi instrumen bersyarat seperti “grid trading” milik perusahaan sekuritas. Lalu apa bedanya keduanya?

Terkait hal ini, personel TI tersebut memberi tahu reporter “Setiap harian” bahwa dari sisi fungsi, sebagian alat AI Agent yang diwakili “Lobster” memiliki kemampuan bantu tertentu dalam hal pengambilan informasi, analisis sentimen, dan pembuatan strategi sederhana. Sementara itu, fitur instrumen bersyarat dan grid trading yang telah lama diakumulasi perusahaan sekuritas dalam aplikasi mereka lebih menekankan implementasi stabilitas dan kontrol eksekusi trading di bawah kerangka kepatuhan. Perbedaan mendasar di antara keduanya terletak pada: yang pertama cenderung pada “bantuan pengambilan keputusan dan pembuatan strategi”, menekankan fleksibilitas dan personalisasi; yang kedua cenderung pada “eksekusi trading dan pengendalian risiko”, menekankan kepatuhan dan keandalan. Pada tahap saat ini, kedua jenis kemampuan lebih bersifat saling melengkapi, bukan saling menggantikan secara sederhana.

Dengan prasyarat kepatuhan, perusahaan sekuritas teratas telah memulai eksplorasi internal yang aman dan terkontrol.

Seorang pejabat terkait di Guangfa Securities kepada reporter “Setiap harian” mengungkapkan bahwa perusahaan telah memulai aplikasi AI Agent dan eksplorasi teknologi untuk OpenClaw, membentuk tim penelitian teknis, dan berfokus pada skenario bisnis seperti kantor pintar, asisten pribadi, serta alat untuk layanan manajemen investasi dan riset investasi. Namun Guangfa Securities juga menegaskan prinsip “keamanan didahulukan, kepatuhan sebagai syarat masuk” dan melakukan verifikasi melalui pemberitahuan sebelumnya, sandbox keamanan jaringan terpisah, kontrol hak akses minimal, dan sebagainya.

Untuk batas kemampuan alat AI, Liu Xingliang memiliki pemahaman yang jelas. Ia mengatakan kepada reporter “Setiap harian” bahwa ia memelihara 4 “Lobster” sebagai karyawan digital, masing-masing bertugas mengumpulkan informasi, menangani konsultasi, pengingat keuangan, dan pekerjaan sekretaris, dan hasilnya bahkan melampaui perkiraan. Namun dalam hal trading saham, ia tetap bersikap terbatas: “Saat ini saya tidak merasa nyaman membiarkan Lobster mengurus operasi terkait uang seperti transfer dan pembayaran; saya hanya bersedia membiarkannya melakukan pekerjaan bantu seperti konsultasi informasi dan memantau layar, sedangkan operasi transaksi nyata harus saya selesaikan sendiri.”

Liu Xingliang berpendapat bahwa trading saham “Lobster” saat ini masih berada pada tahap belum matang, sehingga belum cocok untuk membiarkannya menyelesaikan secara independen operasi terkait trading saham.

4

Ambang batas yang tinggi menghalangi kebanyakan investor ritel

Keuntungan teknologi sulit dinikmati orang biasa

Meski “Lobster” sedang ramai, tidak semua orang bisa mengendalikannya dengan mudah. Dalam gelombang panas aplikasi teknologi yang digerakkan oleh model besar ini, investor biasa menghadapi ambang batas teknis yang sangat tinggi secara terselubung.

Seorang personel TI dari perusahaan sekuritas mengatakan kepada reporter “Setiap harian” bahwa alat kategori AI Agent yang muncul di pasar pada dasarnya menggabungkan kemampuan model besar dengan data pergerakan harga, aturan strategi, dan eksekusi otomatis, sehingga menurunkan ambang untuk menyusun strategi sederhana. Namun ia juga memperingatkan bahwa alat-alat semacam ini secara keseluruhan masih berada pada tahap eksplorasi; stabilitas strateginya, keandalan sumber datanya, dan kemampuan kontrol risikonya masih perlu verifikasi lebih lanjut.

Jin Fengchun menyetujui hal tersebut sepenuhnya. Ia mengatakan kepada reporter “Setiap harian” bahwa agar orang biasa bisa menggunakan “Lobster” untuk trading saham, mereka harus menguasai pengetahuan terkait AI dan kemampuan pengembangan pemrograman; ambang kemampuan ini sangat tinggi. Karena itu, ia tidak menyarankan investor biasa yang tidak paham AI dan pemrograman untuk membuntuti tren secara membabi buta; tindakan ini memiliki risiko investasi yang tinggi.

Jin Fengchun juga mengingatkan investor: “Imbal hasil tinggi terkait ‘Lobster’ tidak bisa dijamin dapat direplikasi, dan tidak bisa menilai efektivitas strategi hanya berdasarkan imbal hasil tinggi dalam waktu singkat; investor perlu memperhatikan kinerja komprehensif jangka panjang dan kondisi penarikan (drawdown). Investasi harus mengejar imbal hasil jangka panjang yang stabil, bukan terdorong oleh imbal hasil tinggi jangka pendek hingga timbul sikap spekulatif.”

Menanggapi kekhawatiran pasar bahwa alat AI mungkin akan menggantikan analis atau manajer investasi perusahaan sekuritas, Jin Fengchun memberikan jawaban penolakan. Ia menganalisis kepada reporter “Setiap harian” bahwa pada dasarnya alat AI hanya merupakan alat bantu untuk riset investasi dan trading; kebutuhan inti industri tetap ada. Selain itu, investor ritel biasa tidak memiliki pengetahuan profesional investasi sehingga tidak dapat secara mandiri menggunakan alat AI seperti “Lobster” untuk menyusun strategi yang efektif, apalagi membedakan informasi pasar yang valid dari kebisingan yang tidak valid.

Jin Fengchun berpandangan: “Penggunaan alat AI memiliki ambang batas yang tinggi; sebagian besar investor tidak memiliki kemampuan operasional. Ini menentukan nilai profesional dari manajer investasi dan analis tidak dapat digantikan; industri hanya akan mengganti alat dan cara untuk menjalankan bisnis.” Ia mengungkapkan bahwa karena “Lobster” masih terbilang baru, saat ini lembaga resmi secara langsung memakainya untuk trading real kemungkinan tidak banyak; namun fenomena lembaga yang menggunakan AI untuk strategi sudah ada sejak tahun lalu, dan tim mereka juga sedang merencanakan untuk melakukan beberapa percobaan trading real setelah kompetisi simulasi di A-share.

Menghadapi investor biasa yang sudah tidak sabar untuk mencoba, beberapa pakar memberikan nasihat. Liu Xingliang menyarankan bahwa “Lobster” perlu “dipelihara” selama beberapa waktu, melakukan penyesuaian perlahan dengan memanfaatkan kemampuannya, dan jangan terlalu terburu-buru untuk membiarkannya ikut penuh dalam operasi trading real. Ia mengimbau investor untuk mencoba dengan dana kecil, lakukan pengendalian risiko dengan baik, dan jangan memasukkan dana besar; serta menegaskan kembali bahwa peran inti “Lobster” adalah sebagai referensi bantu untuk keputusan investasi, tidak bisa menggantikan manusia dalam mengambil keputusan final.

Personel TI dari perusahaan sekuritas yang disebut sebelumnya juga menegaskan kepada reporter “Setiap harian” batas bawah pencegahan risiko akhir: “Bagi investor individu, alat terkait dapat dijadikan bantuan informasi dan referensi riset, tetapi sebaiknya tidak terlalu bergantung; dan tidak boleh menggantikan identifikasi risiko dasar serta penilaian investasi. Dalam penggunaan, terutama perlu memperhatikan kebenaran data, efektivitas strategi, dan potensi risiko overtrading (terlalu sering melakukan transaksi). Hal ini untuk menghindari pembesaran fluktuasi investasi akibat kepercayaan berlebihan terhadap kemampuan teknologi.”

Perencana|Xiao Yong Du Wei

Reporter|Chen Chen

Editor|Yi Qijiang

Visual|Shuai Lingxi

Tata letak|Yi Qijiang

**    **

**｜Setiap Harian Berita Ekonomi  nbdnews Artikel original｜    **

**Dilarang tanpa izin untuk disalin ulang, dipetik, dicetak ulang, maupun untuk digunakan melalui pencerminan/mirroring, dan sejenisnya    **

Setiap harian Berita Ekonomi