Краткое обсуждение недавнего изучения новой «AI+квантовая торговля» — этой убыточной профессии и полученного опыта

Когда я впервые столкнулся с ИИ, это было на каком-то узком форуме — все это происходило в период масочного режима. Тогда все обсуждали ИИ, который рисует аниме-девушек, но у ИИ был один большой баг: пальцы не получалось правильно рисовать. Однако я не ожидал, что позже случится взрыв больших языковых моделей и что ИИ-технологии будут быстро итеративно развиваться.

На данный момент, под влиянием маркетинговых аккаунтов, которые в разных сферах нагнетают тревожность, я, как сорняк, который не хочет быть отброшенным эпохой, в начале 2026 года начал пробовать использовать ИИ для инвестиций. Я исследовал одну, как я считал, успешную схему и одну относительно неудачную — поделюсь ходом событий:

Сначала расскажу про неудачную схему:

EM выпустила один «妙想 AI». У «妙想» есть преимущество: у него есть доступ к первичным данным с EM股吧 и со стороны research/investment. Поэтому я подумал: можно ли с помощью «妙想 AI» сделать план для краткосрочных инвестиций — чтобы ИИ рекомендовал инструменты, а затем выполнить количественные заявки, то есть в конце дня T он рекомендует пять ETF, обращающихся на бирже. Я заранее установил цены take-profit и stop-loss для каждого инструмента на ближайшие T+5 торговых дней: если за эти пять торговых дней не сработает ни один триггер, то по всем таким инструментам я просто выставляю встречные заявки на продажу (то есть sell order). Это стратегия для краткосрочной торговли. Но в реальной работе вероятность успеха оказалась меньше 40%, а убытки — каждый день только увеличивались. Как бы то ни было, я сказал ИИ не гнаться за ростом и не заниматься принятием решений по принципу «покупать/продавать по всплеску» (то есть избегать погонь), но на практике в момент закрытия в T я получал сигналы по наиболее горячим секторам. После этого я просто перестал тестировать. Я обнаружил две проблемы: первая — модель сильно подвержена погоне за ростом и распродаже на пиках. Когда в день T происходит падение рынка, на рынке царит подавленное настроение, и модель советует мне обходить риски и не выполнять покупки. Но когда какой-то сектор становится хитом или появляется позитивная новость, модель советует мне покупать. Однако в текущей рыночной ситуации ротация секторов происходит слишком быстро — и в итоге от неё достается и тем, и другим. Это очень соответствует тому, как обучают и продвигают продукты в research-индустрии: все держится на эмоциях, как у розничных трейдеров. Модель тоже была обучена именно так. Когда на рынке нет основной линии, то модель каждый раз выдает какие-то «кашу» и несвязный набор; открываешь интерфейс размышлений — и видишь, что модель просто случайно подбирает набор новостных сводок. А дальше весь анализ строится именно на этих новостях, которые она вытащила в этот момент. Это очень легко приводит к тому, что делается вывод на основе части информации.

Теперь про один относительно успешный вариант:

В тот период я запросил у GJ Securities разрешение на QMT. Чтобы на всякий случай, я также взял симуляционный аккаунт. В программировании я сталкивался еще на уровне бакалавриата; в магистратуре в качестве увлечения я выбрал матмоделирование и математические алгоритмы в виде элективов. Это было пятнадцать лет назад — сейчас я уже в основном все почти забыл. Но обучение программированию и образ мышления через алгоритмы действительно постоянно влияет на меня. Когда я учился QMT, у меня даже появилось сожаление: почему я не открыл petrade? На рынке видео и материалы по QMT намного меньше, чем по petrade; возможно, потому что petrade проще в освоении и там есть готовые торговые программы. Но по-настоящему зарабатывающие схемы люди не будут бесплатно или за низкую цену предоставлять — иначе эта ниша станет слишком переполненной. С помощью ИИ в программировании я потратил больше месяца, постепенно написав схему стратегии, подходящую именно мне. И я запускал стратегию на симуляционном аккаунте тоже. Это был первый шаг к количественному трейдингу. В первый раз, когда я смог запустить стратегию, я испытывал большое чувство удовлетворения. Сначала я даже думал, что у меня не получится, и собирался пойти на Taobao и заказать написание «под ключ». Но эти деньги удалось сэкономить.

После двух раз использования ИИ я задумался: как мне адаптироваться к эпохе, где развитие ИИ происходит так быстро? Во-первых, нужно самому освоить производственные инструменты, иначе лишь силой трудоспособности ты легко окажешься заменяем. Как и у меня: если бы у меня не было инструментов ИИ, я бы просто пошел на Taobao за заказным написанием. А дальше, когда ИИ распространится, простые «кодеры», которые пишут код, очень легко окажутся под ударом. Во-вторых, сам ИИ не обладает способностью к первичным оригинальным инновациям: он по сути «сшивальщик» (clayton), который при первом взгляде кажется чем-то новым, а при более глубоком изучении быстро надоедает. Его обучают тому, что ты ему скармливаешь — и он сшивает это в единый материал. Он может повышать эффективность и давать вдохновение, но сам по себе — по крайней мере на данный момент — не способен на первичные оригинальные инновации. Если не подкармливать его новыми материалами, он будет приходить к однотипности или хаосу — и человек с первого взгляда видит «вкус ИИ». В-третьих, все количественные инструменты учат тебя тому, как торговать на высокой частоте, используя технические индикаторы. Это почти не отличается от того, как больше десяти лет назад было модно придумывать формулы для Tongdaxin. Но, возможно, истинный путь к заработку не изменится из-за технологических новшеств: количественный трейдинг — это лишь ремесло. Если разобраться, то независимо от того, сколько ни учиться количественным методам, все, что ты делаешь, — просто ускоряешь степень твоих прибыли и убытков.