Вирощування раків і торгівля акціями — це «наука» чи «містика»?

【Глибоке дослідження】Вирощування раків для торгівлі акціями — «наука» чи «містика»?

Останнім часом «вирощування раків» (розгортання, налаштування, використання відкритих AI-агентів OpenClaw) стрімко набуло популярності в мережі, і багато інвесторів активно приєднуються до цієї хвилі.

Згідно з даними Interface News, нещодавно в соцмережах зростає кількість обговорень «торгівлі акціями за допомогою раків», деякі захоплюються високою ефективністю та зручністю роботи «раків», які цілодобово слідкують за ринком, інші ж скаржаться, що «витрати на токени для раків у рази перевищують комісії», хтось шукає інформацію про OpenClaw, а інші ставлять під сумнів безпеку та надійність «торгівлі раками».

З моменту популяризації DeepSeek минулого року все більше інвесторів на китайському ринку починають експериментувати з AI у різних форматах, але їхній досвід дуже різний.

Інвестор Чень Сюе (ім’я змінено) шукає «ключ до багатства» на різних платформах великих моделей AI, але у період буму ринку зазнав збитків майже 20%. За її словами: «Щира віра — даремна».

К秦 Пень (ім’я змінено), керівник кількох квантових команд у Південному Китаї, вважає, що AI «партнер» — це «чудовий інструмент для інвестицій та досліджень», що значно підвищує продуктивність роботи.

Як зараз працює AI у торгівлі акціями?

Висока ефективність, але не завжди надійність

Зустрівши проблему, багато хто, наприклад, Хе Фенг (ім’я змінено), автоматично спершу «запитує у AI» — «Ділюся своїм досвідом: 1-2 хвилини — і вже маю попередню відповідь. Якщо потрібно глибше — змінюю ключові слова та питання, і через кілька хвилин отримую більш точну відповідь».

До появи великих моделей AI, щоб відповісти на те саме питання, потрібно було витратити багато часу на пошук у новинних сайтах, форумах, соцмережах, а потім самостійно аналізувати зібрані дані.

К秦 Пень поєднує свої квантові моделі відбору акцій з AI-моделями, що автоматично відбирають акції за потоками капіталу, популярністю та технічними показниками, а потім — за фундаментальними даними та тематикою — визначає цільові акції. Завдяки допомозі AI час ручного відбору зменшився з 3-5 годин до 30-50 хвилин, що в кілька разів підвищує продуктивність.

Крім того, під час створення або коригування моделей відбору акцій, він іноді делегує прості завдання AI.

«Ефективність» — ключове слово для багатьох інвесторів, коли вони говорять про AI у торгівлі. Всього у Китаї понад 5000 публічних компаній, а фінансова інформація оновлюється цілодобово. Витягти потрібну частину з такої маси даних — вже за межами можливостей будь-якої однієї людини, але для AI це — «пустячок».

Однак багато опитаних одностайно зазначають, що часто відповіді AI бувають недостовірними.

Наприклад, запитати AI про зв’язок конкретної акції з певною тематикою — швидко отримати логічну відповідь, але багато з них — без фактичного підтвердження. Інвестори наводять приклади, коли AI шукає 10 акцій з найнижчим P/E, але бере дані лише з кількох десятків компаній, причому частина — за минулі роки або навіть помилкові.

AI «партнер» також іноді демонструє «підлабузливу особистість».

Наприклад, запит: «Чи краще A ніж B?» — і AI наводить багато аргументів. Але коли питаєш: «Чи краще B ніж A?» — відповідь знову ж буде з аргументами. Якщо спершу проаналізувати галузь, потім запитати, які галузі зараз варто враховувати, — AI знову згадає ті самі.

Практично всі опитані стикалися з «ілюзіями AI»: відповіді здаються логічними та обґрунтованими, але насправді містять багато вигаданих фактів, даних, подій, і навіть суперечать базовим знанням — це «серйозне» хибне твердження.

У сфері інвестицій будь-яка помилка може коштувати реальних грошей. Це породжує додаткові проблеми: хоча інвестор отримує відповідь за кілька хвилин, потім доводиться витрачати у кілька разів більше часу на «перевірку» AI або постійно змінювати питання, щоб отримати більш надійну відповідь.

Де ж проблема?

Чень Сюе вперше вирішила спробувати AI, коли дізналася, що DeepSeek базується на потужній квантовій платформі幻方.

Більшість провідних квантових фондів відкрито заявляють про свої інвестиції в AI, але мало хто розуміє, яку роль він відіграє у прийнятті рішень і наскільки він впливає на прибутковість компаній, а також — скільки частки у цьому мають високочастотні торги.

За словами фахівця з одного із провідних приватних фондів у Шанхаї, просте запитання AI під час торгівлі — це зовсім не те саме, що застосування AI у квантовому інвестуванні.

Загалом, квантове інвестування — це використання математичних моделей, статистичних методів і комп’ютерних програм для заміни суб’єктивних рішень, що має сильну дисциплінованість, орієнтацію на дані, диверсифікацію портфеля та жорсткий ризик-менеджмент.

Для більшості звичайних інвесторів, що використовують AI-моделі, все ж основне рішення приймає людина, і це залишається суб’єктивним інвестуванням. Їхній портфель зазвичай невеликий, і вони не можуть повністю диверсифікувати ризики через AI-помилки.

З іншого боку, багато звичайних інвесторів використовують загальні моделі, такі як Doubao, Qianwen, DeepSeek, які суттєво відрізняються від внутрішніх моделей приватних квантових фондів.

За даними Interface News, приватні фонди у сфері AI зосереджуються на трьох ключових елементах: даних, обчислювальній потужності та алгоритмах.

Фахівець аналізує, що дані — основа навчання AI. У фінансовій сфері високоякісні дані — це реальні, своєчасні та цілісні дані. Загальні моделі навчаються на текстах, що не завжди мають достатню кількість фінансових даних.

Щодо обчислювальної потужності, то хоча загальні моделі мають більші витрати на апаратне забезпечення, їхній обсяг і спектр застосувань ширший.

Що стосується алгоритмів, то провідні приватні фонди зазвичай розробляють власні, унікальні алгоритми, які тримають у секреті, і вони відрізняються від стандартних моделей.

Фахівець також зазначає, що деякі брокери та фінансові установи активно працюють над створенням спеціалізованих AI-моделей для фінансової сфери. Але через високі витрати на обчислювальні ресурси та регуляторні обмеження їхні дослідження залишаються обмеженими і не задовольняють усіх потреб інвесторів.

«Навіть якщо їхні моделі суттєво відрізняються, загальні моделі все ж збирають багато інвестиційних знань. Чому б їм не давати більш обґрунтовані рекомендації, як у провідних інвесторів?» — запитують багато інвесторів, зокрема і Чень Сюе.

На це у відповідь, Рен Ю з Ченду, що працює з ринком, зазначає: «Потрібно враховувати, що суб’єктивні інвестори не так суворо ставляться до точності даних, але їх рішення все одно базуються на актуальних і точних даних. Загальні моделі часто отримують застарілі або забруднені дані, тому їхні аналітичні висновки не завжди надійні».

«Головна проблема — відсутність у AI системи повноцінної інвестиційної системи. Кожна стратегія має свої особливості та підходить до різних ринкових умов. Наприклад, акція, яка здається хорошою для середньострокових інвесторів, може бути поганою для короткострокових. AI навчився багато стратегій, але через відсутність практичних даних важко зрозуміти їхню логіку та відмінності», — пояснює Юнь Юй.

Якщо «загодувати» AI інвестиційні концепції та ідеї провідних інвесторів, чи буде результат кращим?

К秦 Пень висловлює заперечення: «AI отримує лише публічно доступні думки та логіку, але навіть провідні інвестори не завжди можуть повністю та беззастережно поділитися своїми стратегіями. Крім того, їхні системи постійно еволюціонують залежно від ринкових умов».

Навіть якщо AI зможе давати більш обґрунтовані рекомендації, чи будуть інвестори строго слідувати цим порадам? Можливо, ні.

Співпраця людини і машини — це майбутнє

Якщо AI-партнер працює швидко, але не завжди надійно, як його використовувати найкраще?

«Повністю покладатися на AI у прийнятті інвестиційних рішень — не вихід. Спершу потрібно створити власну інвестиційну систему», — підсумовує Чень Сюе, яка за рік досвіду роботи з AI вирішила тимчасово припинити реальні торги і зосередитися на вивченні інвестицій.

Вона відзначає, що AI має сильні сторони у текстовому аналізі — пошуку та підсумовуванні інформації, що дуже корисно для здобуття знань.

К秦 Пень, який задоволений роботою AI у зборі інформації, додає: «На початкових етапах AI швидше за людину збирає дані, тому цю частину роботи можна делегувати машині. Аналіз — теж швидкий, але іноді помилковий, тому потрібно змінювати питання та підказки, щоб отримати більш точні результати. В ухваленні рішень роль людини залишається ключовою — вона має робити остаточний вибір».

Опитані вважають, що у майбутньому AI стане ще кращим, з’являться спеціалізовані моделі для фінансового сектору. Але AI не повністю замінить людину у прийнятті рішень — він залишиться допоміжним інструментом, і співпраця людини з машиною стане нормою.

З одного боку, AI створюється людьми, і все — від обчислювальної потужності до алгоритмів — визначається людьми. Ще довго AI не зможе повністю вийти з-під контролю.

З іншого боку, хоча у теорії AI може з часом перевершити людину у торгівлі, існує багато ризиків: однакові стратегії, що використовуються багатьма, можуть спричинити системні коливання і ризики.

Крім того, AI має «чорний ящик», і його рішення важко відстежити. У разі помилок відповідальність несе модель, а людські фактори важко визначити. Якщо повністю довірити AI, зловмисники можуть маніпулювати системою, що ускладнить регулювання.

Загалом, регулятори й надалі обмежуватимуть застосування AI у фінансах, щоб уникнути ризиків і зберегти стабільність.