界面新聞記者 | 劉沥泷界面新聞編集 | 宋烨珺最近、「ロブスター養殖」（オープンソースAIエージェントOpenClawの展開、調整、使用）が全ネットで爆発的に話題になり、多くの投資家がこの熱狂に飛び込んでいる。界面新聞は、最近ソーシャルメディア上で「ロブスターを使った株取引」についてのさまざまな議論がますます盛り上がっていることに注目した。中には、「ロブスター」が24時間365日スマートに株価を監視できる効率性と便利さに驚く声もあれば、「ロブスターを使った株取引では、トークン費用が手数料の10倍以上高い」と嘆く声もある。OpenClawの状況を問い合わせる人もいれば、「ロブスターを使った株取引」の安全性や信頼性に疑問を持つ人もいる。昨年DeepSeekが爆発的に話題になって以来、ますます多くのA株投資家がAIをさまざまな姿勢で取り入れ始めているが、その実際の使用体験はさまざまだ。投資家の陳雪（仮名）は、複数のAI大規模モデルプラットフォームを渡り歩きながら「富をもたらす秘密」を探し求めたが、強気相場の中で全体で約20％の損失を出した。彼女は言う。「一片の誠意も結局は無駄だった」。華南地区のある量化チームの責任者、秦鹏（仮名）は、AIの「相棒」は「投資研究の神器」と呼ばれ、作業効率が数倍向上したと考えている。AIは株取引の場面でどのようなパフォーマンスを見せているのか？### **効率的だが、必ずしも信頼できるわけではない**問題に直面したとき、まず「豆包（ドウパオ）」を使って調べる、これが广东の遊資・何峰（仮名）の無意識の反応だ。突発的なニュースや新しいテーマについても、通常1〜2分で初歩的な答えを得られる。深く調査する必要があれば、キーワードや質問の仕方を少し変えて数分後にはより期待に沿った答えも「手に入る」。AI大規模モデルが登場する前は、同じ問題に対して、何時間もニュースサイトや株式フォーラム、SNSを巡回し、情報を集めてから自分で整理・分析し、満足できる答えを導き出す必要があった。秦鹏は、自身の量化株式選定モデルとAI大規模モデルを組み合わせて使うのが好きだ。彼の量化選定モデルは、資金流、市場の熱度、価格動向などを毎日自動的に分析し、銘柄を絞り込む。その後、これらの銘柄のファンダメンタルやホットテーマを再評価し、最終的なターゲットを決定する。AI大規模モデルの支援により、手作業での選別にかかる時間は従来の3〜5時間から30〜50分に短縮され、数倍の効率化を実現している。さらに、銘柄選定モデルの作成や修正時には、簡単なタスクをAIに任せることもある。「効率性」が多くの投資家がAI株取引を語るときに最初に思い浮かべるキーワードだ。A株だけでも5000社以上あり、さまざまな経済情報は24時間絶え間なく更新されている。これら膨大な情報から必要な部分を抽出するのは、個人投資家の能力を超えている。そんな膨大な作業をAIに任せるのは「お手の物」だ。しかし、多くのインタビュー対象者は、界面新聞に対して、しばしばAI大規模モデルが出す答えは信頼できないと口を揃える。例えば、特定の銘柄とホットテーマの関係をAIに尋ねると、すぐに理にかなった答えが返ってくることが多いが、実際には多くの内容に事実の裏付けが欠けている。また、投資家は例を挙げて、AIに市場でPE（株価収益率）が最低の10銘柄を探させたところ、実際には数十銘柄のデータを取得しただけで答えを出し、その中には過去のデータや誤った情報も含まれていることがある。AIの「相棒」はしばしば「お世辞を言うタイプ」の人格を示す。例えば、「AはBより良いか？」と尋ねると、多くの情報を列挙してその判断を支持する。しかし、「BはAより良いか？」と逆に尋ねると、同じく多くの根拠を挙げて支持する。ある業界を分析した後、「今注目すべき業界は何か？」と聞くと、前に挙げた業界が再び上位に来る。ほぼすべてのインタビュー対象者は、AI大規模モデルを使った株取引の過程で「AI幻覚」に遭遇した経験がある。つまり、AIの回答は一見合理的で包括的に見えるが、実際には存在しない事実やデータ、事件を大量に捏造し、基本的な常識に反することもある。これはまるで真面目に「でたらめ」を言っているかのようだ。投資の世界では、いかなる意思決定の誤りも「実金」に直結するため、こうした現象は二次的な問題を引き起こす。投資家は数分でAIから答えを得られるが、その後は何倍もの時間をかけてAIの「宿題」を直したり、質問の仕方を調整したりして、より信頼できる答えを引き出そうと努力する。### **どこに問題があるのか？**陳雪は、DeepSeekの背後にある幻方量化が非常に優れていると知った後、AI大規模モデルを使った株取引に挑戦することにした。多くのトップクラスの量化私募ファンドは、AI分野に何らかの展開をしていると公言しているが、外部からは、AIが投資判断にどの程度関与しているのか、具体的にどれだけのリターンに寄与しているのか、また高頻度取引の役割はどれほどか、ほとんど理解されていない。上海のあるトップクラスの量化私募関係者は、株取引の過程でAI大規模モデルに簡単に質問することと、実際にAI技術を応用した量化投資はまったく異なる概念だと指摘する。一般に、量化投資は数学モデル、統計手法、コンピュータプログラムを用いて、主観判断を排除し、投資判断を行う方法だ。規律性が高く、データ駆動型で、分散投資やリスク管理も厳格だ。AI大規模モデルを使った投資を行う普通の投資家の多くは、結局のところ最終的な投資判断は人間が下している。これは本質的に主観的投資の範疇にあり、保有銘柄数も少なく、AIの判断ミスによるリスクを分散できない。一方、多くの投資家は、豆包、千問、DeepSeekなどの汎用大規模モデルを使っているが、これらは量化私募が自社開発したAIモデルとは本質的に異なる。界面新聞の取材によると、量化私募はAIの三要素、すなわち「データ」「計算能力」「アルゴリズム」に重点的に投資している。業界関係者は、データはAIモデルの訓練の基礎であり、金融投資分野では、リアルタイムで完全な高品質データが特に重要だと分析している。一方、汎用大規模モデルは主に論文や一般的なデータを基に訓練されており、金融分野の高品質データは十分に取り込まれていない。計算能力については、汎用モデルのハードウェア投資は私募よりも大きい可能性があるが、対象範囲が広いため、訓練量も多くなる。アルゴリズム面では、トップクラスの私募は「自社開発」モデルを採用し、基盤となるアルゴリズムは一般的な大規模モデルと共通だが、微調整の方向性やコアアルゴリズムは秘密にされている。また、業界関係者は、一部の証券会社なども金融分野の垂直型AIモデルの導入を進めていると述べる。ただし、これらの機関は金融分野に特化しているものの、最新の金融データを持っている一方、AIモデルの研究は計算能力やコンプライアンスの制約により、投資家の期待に十分応えられていない。「AI量化モデルと比べて遠く及ばないとしても、汎用大規模モデルは多くの投資知識を集約している。なぜ、あのような主観的投資の大御所と同じように、より合理的な投資提案を出せないのか？」と、多くの投資家は陳雪と同じ疑問を抱いている。これに対し、成都の遊資・任宇はインタビューで次のように述べた。「主観的投資家はデータの正確性に対して量化投資ほど厳しく求めていないかもしれないが、それでも最新かつ比較的正確なデータに基づく意思決定が必要だ。汎用大規模モデルが取得するデータはしばしば遅れがあり、一部は汚染されたデータも含まれるため、その分析や回答は信頼できないことが多い」。「より重要なのは、AI大規模モデルには完璧な投資体系が欠如していることだ。各投資戦略には特徴と適用市場があり、異なる戦略の観点から見れば、銘柄の買い時や売り時の結論はまったく異なることもある。例えば、中長期投資の観点からは買いの好機と見なされる銘柄も、超短期投資の観点からは売りの対象となる。AIは多くの投資戦略を学習しているが、訓練過程でさまざまな戦略の実戦データが不足しているため、それらの背後にある本当のロジックや違いを見分けるのは難しい」と任宇は述べる。もし、投資の大御所の投資フレームワークや理念をAIに「教え」、それに従って回答させるとしたら、より良い結果が得られるのか？秦鹏は、「そんなことは逆効果だ」と考えている。彼は、「教えられるのは大御所の過去の公開された見解やロジックだけだが、大御所自身も公開時にすべてを包み隠さず伝えることはほぼ不可能だし、投資体系も市場環境の変化とともに進化している」と指摘する。さらに、たとえAIがより合理的な投資提案を出せたとしても、投資家が本当にその戦略に従うかどうかは疑問だ。### **人間とAIの協働は共通認識**効率的だが信頼性に欠ける「相棒」AIをどう使うのが最適か？「完全にAIに投資判断を任せるのは絶対に無理だ。まずは自分の投資体系を築くことが必要だ」と、過去一年以上の使用経験を振り返った陳雪は結論づけた。最近、彼女は実際の取引を一時停止し、より多くの投資知識を学ぶことに集中している。学びが一定のレベルに達したら、再び投資を始めるつもりだ。その過程で、AIの新たな長所も見つけた。「AIのテキスト分析能力は本当にすごい。さまざまな投資知識を検索・要約するのに最適だ！」AI「相棒」に対する満足度が高い秦鹏は、自身の経験を踏まえ、界面新聞に次のように述べた。
ロブスターを養いながら株式投資をすることは、「科学」なのか「玄学」なのか
界面新聞記者 | 劉沥泷
界面新聞編集 | 宋烨珺
最近、「ロブスター養殖」（オープンソースAIエージェントOpenClawの展開、調整、使用）が全ネットで爆発的に話題になり、多くの投資家がこの熱狂に飛び込んでいる。
界面新聞は、最近ソーシャルメディア上で「ロブスターを使った株取引」についてのさまざまな議論がますます盛り上がっていることに注目した。中には、「ロブスター」が24時間365日スマートに株価を監視できる効率性と便利さに驚く声もあれば、「ロブスターを使った株取引では、トークン費用が手数料の10倍以上高い」と嘆く声もある。OpenClawの状況を問い合わせる人もいれば、「ロブスターを使った株取引」の安全性や信頼性に疑問を持つ人もいる。
昨年DeepSeekが爆発的に話題になって以来、ますます多くのA株投資家がAIをさまざまな姿勢で取り入れ始めているが、その実際の使用体験はさまざまだ。
投資家の陳雪（仮名）は、複数のAI大規模モデルプラットフォームを渡り歩きながら「富をもたらす秘密」を探し求めたが、強気相場の中で全体で約20％の損失を出した。彼女は言う。「一片の誠意も結局は無駄だった」。
華南地区のある量化チームの責任者、秦鹏（仮名）は、AIの「相棒」は「投資研究の神器」と呼ばれ、作業効率が数倍向上したと考えている。
AIは株取引の場面でどのようなパフォーマンスを見せているのか？
効率的だが、必ずしも信頼できるわけではない
問題に直面したとき、まず「豆包（ドウパオ）」を使って調べる、これが广东の遊資・何峰（仮名）の無意識の反応だ。
突発的なニュースや新しいテーマについても、通常1〜2分で初歩的な答えを得られる。深く調査する必要があれば、キーワードや質問の仕方を少し変えて数分後にはより期待に沿った答えも「手に入る」。
AI大規模モデルが登場する前は、同じ問題に対して、何時間もニュースサイトや株式フォーラム、SNSを巡回し、情報を集めてから自分で整理・分析し、満足できる答えを導き出す必要があった。
秦鹏は、自身の量化株式選定モデルとAI大規模モデルを組み合わせて使うのが好きだ。
彼の量化選定モデルは、資金流、市場の熱度、価格動向などを毎日自動的に分析し、銘柄を絞り込む。その後、これらの銘柄のファンダメンタルやホットテーマを再評価し、最終的なターゲットを決定する。AI大規模モデルの支援により、手作業での選別にかかる時間は従来の3〜5時間から30〜50分に短縮され、数倍の効率化を実現している。
さらに、銘柄選定モデルの作成や修正時には、簡単なタスクをAIに任せることもある。
「効率性」が多くの投資家がAI株取引を語るときに最初に思い浮かべるキーワードだ。A株だけでも5000社以上あり、さまざまな経済情報は24時間絶え間なく更新されている。これら膨大な情報から必要な部分を抽出するのは、個人投資家の能力を超えている。そんな膨大な作業をAIに任せるのは「お手の物」だ。
しかし、多くのインタビュー対象者は、界面新聞に対して、しばしばAI大規模モデルが出す答えは信頼できないと口を揃える。
例えば、特定の銘柄とホットテーマの関係をAIに尋ねると、すぐに理にかなった答えが返ってくることが多いが、実際には多くの内容に事実の裏付けが欠けている。
また、投資家は例を挙げて、AIに市場でPE（株価収益率）が最低の10銘柄を探させたところ、実際には数十銘柄のデータを取得しただけで答えを出し、その中には過去のデータや誤った情報も含まれていることがある。
AIの「相棒」はしばしば「お世辞を言うタイプ」の人格を示す。
例えば、「AはBより良いか？」と尋ねると、多くの情報を列挙してその判断を支持する。しかし、「BはAより良いか？」と逆に尋ねると、同じく多くの根拠を挙げて支持する。ある業界を分析した後、「今注目すべき業界は何か？」と聞くと、前に挙げた業界が再び上位に来る。
ほぼすべてのインタビュー対象者は、AI大規模モデルを使った株取引の過程で「AI幻覚」に遭遇した経験がある。つまり、AIの回答は一見合理的で包括的に見えるが、実際には存在しない事実やデータ、事件を大量に捏造し、基本的な常識に反することもある。これはまるで真面目に「でたらめ」を言っているかのようだ。
投資の世界では、いかなる意思決定の誤りも「実金」に直結するため、こうした現象は二次的な問題を引き起こす。投資家は数分でAIから答えを得られるが、その後は何倍もの時間をかけてAIの「宿題」を直したり、質問の仕方を調整したりして、より信頼できる答えを引き出そうと努力する。
どこに問題があるのか？
陳雪は、DeepSeekの背後にある幻方量化が非常に優れていると知った後、AI大規模モデルを使った株取引に挑戦することにした。
多くのトップクラスの量化私募ファンドは、AI分野に何らかの展開をしていると公言しているが、外部からは、AIが投資判断にどの程度関与しているのか、具体的にどれだけのリターンに寄与しているのか、また高頻度取引の役割はどれほどか、ほとんど理解されていない。
上海のあるトップクラスの量化私募関係者は、株取引の過程でAI大規模モデルに簡単に質問することと、実際にAI技術を応用した量化投資はまったく異なる概念だと指摘する。
一般に、量化投資は数学モデル、統計手法、コンピュータプログラムを用いて、主観判断を排除し、投資判断を行う方法だ。規律性が高く、データ駆動型で、分散投資やリスク管理も厳格だ。
AI大規模モデルを使った投資を行う普通の投資家の多くは、結局のところ最終的な投資判断は人間が下している。これは本質的に主観的投資の範疇にあり、保有銘柄数も少なく、AIの判断ミスによるリスクを分散できない。
一方、多くの投資家は、豆包、千問、DeepSeekなどの汎用大規模モデルを使っているが、これらは量化私募が自社開発したAIモデルとは本質的に異なる。
界面新聞の取材によると、量化私募はAIの三要素、すなわち「データ」「計算能力」「アルゴリズム」に重点的に投資している。
業界関係者は、データはAIモデルの訓練の基礎であり、金融投資分野では、リアルタイムで完全な高品質データが特に重要だと分析している。一方、汎用大規模モデルは主に論文や一般的なデータを基に訓練されており、金融分野の高品質データは十分に取り込まれていない。
計算能力については、汎用モデルのハードウェア投資は私募よりも大きい可能性があるが、対象範囲が広いため、訓練量も多くなる。
アルゴリズム面では、トップクラスの私募は「自社開発」モデルを採用し、基盤となるアルゴリズムは一般的な大規模モデルと共通だが、微調整の方向性やコアアルゴリズムは秘密にされている。
また、業界関係者は、一部の証券会社なども金融分野の垂直型AIモデルの導入を進めていると述べる。ただし、これらの機関は金融分野に特化しているものの、最新の金融データを持っている一方、AIモデルの研究は計算能力やコンプライアンスの制約により、投資家の期待に十分応えられていない。
「AI量化モデルと比べて遠く及ばないとしても、汎用大規模モデルは多くの投資知識を集約している。なぜ、あのような主観的投資の大御所と同じように、より合理的な投資提案を出せないのか？」と、多くの投資家は陳雪と同じ疑問を抱いている。
これに対し、成都の遊資・任宇はインタビューで次のように述べた。「主観的投資家はデータの正確性に対して量化投資ほど厳しく求めていないかもしれないが、それでも最新かつ比較的正確なデータに基づく意思決定が必要だ。汎用大規模モデルが取得するデータはしばしば遅れがあり、一部は汚染されたデータも含まれるため、その分析や回答は信頼できないことが多い」。
「より重要なのは、AI大規模モデルには完璧な投資体系が欠如していることだ。各投資戦略には特徴と適用市場があり、異なる戦略の観点から見れば、銘柄の買い時や売り時の結論はまったく異なることもある。例えば、中長期投資の観点からは買いの好機と見なされる銘柄も、超短期投資の観点からは売りの対象となる。AIは多くの投資戦略を学習しているが、訓練過程でさまざまな戦略の実戦データが不足しているため、それらの背後にある本当のロジックや違いを見分けるのは難しい」と任宇は述べる。
もし、投資の大御所の投資フレームワークや理念をAIに「教え」、それに従って回答させるとしたら、より良い結果が得られるのか？
秦鹏は、「そんなことは逆効果だ」と考えている。彼は、「教えられるのは大御所の過去の公開された見解やロジックだけだが、大御所自身も公開時にすべてを包み隠さず伝えることはほぼ不可能だし、投資体系も市場環境の変化とともに進化している」と指摘する。
さらに、たとえAIがより合理的な投資提案を出せたとしても、投資家が本当にその戦略に従うかどうかは疑問だ。
人間とAIの協働は共通認識
効率的だが信頼性に欠ける「相棒」AIをどう使うのが最適か？
「完全にAIに投資判断を任せるのは絶対に無理だ。まずは自分の投資体系を築くことが必要だ」と、過去一年以上の使用経験を振り返った陳雪は結論づけた。
最近、彼女は実際の取引を一時停止し、より多くの投資知識を学ぶことに集中している。学びが一定のレベルに達したら、再び投資を始めるつもりだ。その過程で、AIの新たな長所も見つけた。「AIのテキスト分析能力は本当にすごい。さまざまな投資知識を検索・要約するのに最適だ！」
AI「相棒」に対する満足度が高い秦鹏は、自身の経験を踏まえ、界面新聞に次のように述べた。