Выращивание лангустов и торговля акциями — это «наука» или «мистика»?

Интервью журналиста ### | Лю Литонг

Редактор ### | Сон Юйцзюнь

В последнее время «выращивание лобстеров» (развертывание, настройка и использование открытых AI-агентов OpenClaw) взорвало интернет, и многие инвесторы поспешили присоединиться к этой волне.

Интерфейсные новости заметили, что в последние дни обсуждения «использования лобстеров для торговли акциями» в соцсетях становятся все более горячими: кто-то восхищается эффективностью и удобством, что «лобстер» может круглосуточно следить за рынком, кто-то жалуется, что «использование лобстеров для торговли стоит в 10 раз дороже комиссий», кто-то ищет информацию о OpenClaw, а кто-то выражает сомнения в безопасности и надежности «торговли лобстерами»…

С тех пор как в прошлом году взорвалась популярность DeepSeek, все больше инвесторов на рынке A-shares начинают пробовать новые подходы к использованию ИИ, хотя их реальные впечатления и результаты сильно различаются.

Инвестор Чэнь Сюэ (псевдоним) искал «ключ к богатству» на различных платформах больших моделей ИИ, но в условиях бычьего рынка понес убытки почти в 20%. По его словам: «Искренняя вера оказалась напрасной».

Руководитель квантовой команды в южной части Китая Цин Пенг (псевдоним) считает, что AI «партнер» — это настоящее «чудо для инвестиций и исследований», эффективность работы выросла в несколько раз.

Как сейчас проявляется AI в сценариях торговли акциями?

Высокая эффективность, но не всегда надежность

Встречая проблему, сначала «заглянуть в Doubao» — это уже привычная реакция у Гуандунского инвестора Хэ Фэна (псевдоним).

Быстрый ответ на внезапные новости или новые темы обычно занимает 1-2 минуты. Если нужно более глубокое исследование, можно немного скорректировать ключевые слова и вопросы, и через несколько минут получить более точный ответ.

До появления больших моделей ИИ, чтобы решить такую же задачу, Хэ Фэн тратил много времени на просмотр новостных сайтов, форумов и соцсетей, собирая информацию, а затем самостоятельно анализировал ее, чтобы получить хоть какой-то результат.

Цин Пенг предпочитает объединять свою модель квантового отбора акций с большими моделями ИИ.

Его модель ежедневно автоматически отбирает акции по потокам капитала, рыночной популярности, ценовым и объемным трендам, а затем проводит вторичную фильтрацию по фундаментальным показателям и горячим темам, чтобы определить финальные цели. Благодаря помощи ИИ, время на ручной отбор сократилось с 3-5 часов до 30-50 минут, эффективность выросла в несколько раз.

Кроме того, при создании или корректировке моделей он иногда поручает ИИ выполнение простых задач.

«Эффективность» — это слово, которое большинство инвесторов используют при обсуждении AI-торговли. В A-shares более 5000 компаний, а финансовая информация обновляется круглосуточно. Из этого объема данных уже сложно выделить нужную часть — это выходит за рамки возможностей любого одного инвестора, а для AI это «пустяки».

Однако многие интервьюируемые отмечают, что зачастую ответы больших моделей ИИ бывают ненадежными.

Например, при вопросе о связи конкретной акции с определенной горячей темой, AI быстро дает логичный ответ, но зачастую он основан на недостоверных фактах.

Другой пример: запрашивая у AI список 10 акций с минимальным P/E, модель зачастую берет данные всего с нескольких десятков компаний, иногда использует устаревшие или ошибочные данные.

Также AI «партнер» часто проявляет «угодливое» поведение.

Например, при вопросе «Лучше ли акция A, чем B?», он перечисляет множество аргументов в пользу каждого варианта. А если спросить «B лучше, чем A?», ответ будет аналогичным. Если сначала проанализировать отрасль, а потом спросить, какие отрасли сейчас перспективны, — уже упомянутые ранее отрасли часто снова появятся в списке.

Почти все интервьюируемые сталкивались с «иллюзией AI»: ответы кажутся разумными и всесторонними, но на самом деле содержат много выдуманных фактов, данных и событий, иногда противоречащих здравому смыслу — это «на полном серьезе» бред.

В инвестиционной сфере любая ошибка может привести к реальным финансовым потерям. Эти явления вызывают дополнительные проблемы: хотя инвестор получает ответ за несколько минут, ему приходится тратить в несколько раз больше времени на «исправление ошибок» AI или менять вопросы, чтобы получить более надежный ответ.

В чем причина?

Чэнь Сюэ впервые решил попробовать AI-торговлю после того, как узнал о мощи «фантазийной» квантовой модели DeepSeek.

Многие ведущие хедж-фонды публично заявляют о своих инвестициях в AI, но мало кто действительно понимает, какую роль AI играет в их инвестиционных решениях и насколько он влияет на доходность, а также какую долю в этом занимает высокочастотная торговля.

По мнению специалиста из одного из ведущих хедж-фондов в Шанхае, простое обращение к AI — это совсем не то же самое, что полноценное использование AI в квантовых инвестициях.

Обычно квантовые инвестиции — это использование математических моделей, статистических методов и программ для автоматизации решений, что обеспечивает дисциплину, данные, диверсификацию и строгий риск-менеджмент.

Для большинства обычных инвесторов, использующих AI, в основном решения принимают люди, а не сама модель, что остается в рамках субъективных решений. Их портфели обычно небольшие, и полностью диверсифицировать их сложно, чтобы снизить риски ошибок AI.

Также стоит отметить, что многие популярные модели вроде Doubao, Qianwen, DeepSeek и т.п. — это универсальные модели, созданные для общего использования, в отличие от собственных AI-решений хедж-фондов.

Согласно информации Интерфейсных новостей, ведущие хедж-фонды вкладывают в AI три ключевых компонента: данные, вычислительные мощности и алгоритмы.

Эксперт из отрасли отметил, что данные — основа обучения AI. В финансовой сфере особенно важны качественные, своевременные и полные данные. Общие модели обучаются на текстах, а в финансовой области таких данных недостаточно.

В части вычислительных ресурсов, хотя крупные модели требуют больших затрат, их охват более широкий, и объем обучения больше.

В области алгоритмов большинство ведущих хедж-фондов используют «самостоятельную разработку», их базовые алгоритмы схожи с универсальными моделями, но тонкая настройка и ключевые алгоритмы — это «секреты» компаний, которые не публикуются.

Также отмечается, что некоторые брокеры и организации активно развивают специализированные AI-модели для финансового сектора. Но их исследования ограничены затратами на вычислительные ресурсы и нормативными требованиями, что мешает полностью удовлетворить ожидания инвесторов.

«Хотя их модели далеки от AI-решений крупных фондов, универсальные модели объединяют множество инвестиционных знаний. Почему бы им не давать более разумные советы, как крупным инвесторам?» — задаются вопросом многие.

В ответ на это, по словам рен Ю из Чэнду, «творческое использование данных» — это не так просто. Он считает, что хотя требования к точности данных у субъективных инвесторов ниже, их решения все равно должны базироваться на актуальных и точных данных. А данные, полученные из универсальных моделей, зачастую не своевременны и могут содержать загрязнения, что снижает их надежность.

«Главная проблема — отсутствие полноценной системы инвестиций у AI. Каждая стратегия имеет свои особенности и подходит к разным рыночным условиям. Взгляды на покупку или продажу акций могут кардинально отличаться в зависимости от стратегии. Например, акция, привлекательная для среднесрочного инвестора, может быть плохой для краткосрочного трейдера. AI учится множеству стратегий, но у него нет практических данных для их различения, поэтому он не всегда понимает их логику и различия», — говорит Ю.

А что если «запрограммировать» AI, чтобы он следовал инвестиционной логике известных гуру? — многие задавались этим вопросом. Например, Цзян Юй из Чэнду считает, что это не даст желаемого результата: «Большинство публичных мнений и логик — это лишь часть их реальных стратегий, и они не всегда могут полностью раскрывать свои инвестиционные идеи. Более того, их системы постоянно эволюционируют под влиянием рынка».

Даже если AI сможет давать более обоснованные советы, действительно ли инвесторы будут строго следовать им? — ответ, скорее всего, «нет».

Машина-человек — это консенсус

Как использовать AI «партнера», чтобы получить максимум, несмотря на его возможные недостатки?

«Полностью полагаться на AI при инвестициях — невозможно. Нужно сначала выстроить собственную систему», — подытожила Чэнь Сюэ, пересмотрев свой опыт за последний год.

Сейчас она приостановила реальные сделки и решила сосредоточиться на изучении инвестиций, чтобы в будущем снова начать торговать. В процессе она обнаружила новые преимущества AI: «Могу сказать, что его текстовые аналитические способности действительно впечатляют — отлично подходит для поиска и обобщения инвестиционных знаний!»

Цин Пенг, довольный работой AI на этапе сбора информации, отметил, что эффективность AI в этом этапе значительно превосходит человека, поэтому большую часть работы можно доверить ему. В анализе информации AI тоже быстрее, но иногда ошибается, поэтому важно менять вопросы и добавлять подсказки для более точных ответов. В принятии инвестиционных решений, которое является наиболее важным и сложным, роль человека остается ключевой — здесь нужно больше субъективных суждений.

Все интервьюируемые сходятся во мнении, что в будущем AI станет все лучше и появятся специализированные модели для финансовых инвестиций. Но AI не полностью заменит человека — он будет играть роль помощника, а человек и машина продолжат работать в тандеме.

Во-первых, AI — это результат человеческого обучения: сколько ресурсов и данных вложено, какие алгоритмы использованы — все это решают люди. Пока что AI не сможет полностью выйти из-под контроля.

Во-вторых, хотя в будущем AI может стать лучше человека в торговле, существует множество рисков. Например, одинаковые стратегии, используемые многими участниками рынка, могут привести к синхронным движениям и системным рискам.

Также AI — это «черный ящик», его решения трудно проследить. В случае ошибок ответственность не лежит на модели, а последствия могут быть катастрофическими. Если полностью доверить AI, есть риск манипуляций и скрытого влияния на рынок. Поэтому регуляторы, скорее всего, ограничат применение AI в финансах, чтобы снизить риски.