Baru saja membaca beberapa pendapat menarik tentang mengapa bot perdagangan AI terus tertangkap basah dalam kondisi pasar yang gila. Ternyata sistem ini jauh lebih terbatas daripada yang orang kira.

Masalah inti cukup sederhana: sebagian besar model perdagangan AI saat ini dilatih berdasarkan data historis, yang berarti mereka hampir tidak pernah melihat apa yang terjadi selama peristiwa ekstrem seperti likuidasi yang kita lihat di Oktober atau penjualan brutal minggu lalu. Ketika pasar melakukan sesuatu yang benar-benar di luar set pelatihan mereka, bot ini langsung membeku.

Seorang pendiri dari startup perdagangan agenik mengatakannya secara blak-blakan di sebuah konferensi baru-baru ini - manusia terlalu emosional untuk berdagang harian secara efektif, tetapi solusi perdagangan AI saat ini memiliki titik buta sendiri. Perbandingan yang dia gunakan sangat tepat: bot perdagangan AI saat ini seperti magang. Mereka lebih cepat, lebih murah, dan tidak lelah, tetapi mereka benar-benar membutuhkan seseorang yang mengawasi mereka. Dalam 3-5 tahun ke depan mungkin akan berubah, tetapi kita belum sampai di sana.

Yang menarik perhatian saya adalah statistik bahwa 90% trader ritel harian kehilangan uang. Itu sangat kejam. Penawaran utamanya adalah bahwa perdagangan AI menghilangkan emosi dari persamaan, yang secara teori benar. Tetapi jika model AI belum pernah menghadapi skenario pasar sebelumnya, emosi menjadi tidak relevan - bot langsung gagal.

Intisari sebenarnya: teknologi perdagangan AI berkembang dengan cepat, tetapi kita masih di babak awal. Volatilitas yang baru-baru ini dilihat di crypto telah menunjukkan tepat di mana sistem ini gagal. Siapa pun yang mempertaruhkan portofolio mereka pada perdagangan AI sepenuhnya otomatis saat ini mungkin mengambil risiko lebih besar dari yang mereka sadari. Pengawasan manusia tidak akan hilang dalam waktu dekat, terutama ketika pasar memutuskan untuk melakukan sesuatu yang belum pernah terjadi sebelumnya.

Patut diperhatikan bagaimana ruang ini berkembang dalam beberapa tahun ke depan.