Увидел, что многие не признают AI Trading, и даже сводят его к узкой концепции «использование машинного обучения для оптимизации стратегий скользящих средних», я хочу поговорить о своем понимании этого термина.

Прежде всего, мы не можем использовать прошлое или настоящее для определения будущего. AI Trading — это процесс, настоящее и будущее одновременно. Как только появился концепт агента, люди не предполагали, что он так быстро эволюционирует. От популярности ChatGPT по всему миру до распространения архитектуры Transformer и нынешних LLM — пределы AI Trading давно перестали быть ограничением человека, это ограничения модели, технической архитектуры, data-флюда и вычислительной мощности (энергии).
AI Trading — это не просто обновление инструментария, а парадигматическая революция, переход от «человек + инструмент» к «системной автономии».
1. Не «оптимизация через бэктестинг», а «изобретение новых рыночных механизмов»
Как изобретение электричества, AI Trading действительно нуждается в изобретениях и творчестве, а не в индукции или стратегическом бэктестинге на основе текущих исторических данных. В прошлом большинство количественных стратегий — это по сути статистический арбитраж, и если постоянно повторять прошлое, это не будет прогрессом на уровне парадигмы.
Истинный потенциал AI Trading заключается в его генеративных и исследовательских способностях: он способен изобретать новые торговые модели, способы получения ликвидности и даже новые финансовые языки, которых человек еще не видел. В будущем агент перестанет быть просто инструментом для выполнения команд, а станет самостоятельным субъектом поиска альфы. Он сможет через мультимодальные данные (новости, спутниковые снимки, on-chain поведение, социальные настроения) в реальном времени строить модель мира, а затем генерировать и проверять новые гипотезы.
Это похоже на ранний интернет: сначала все думали, что «электронная почта + веб-страницы» — этого достаточно, а потом появились платформенная экономика, алгоритмическая рекомендация, Web3 и новые виды существ.
Крупные компании вкладывают огромные средства в AI Trading, хотя эти инвестиции редко раскрываются публично. Настоящая ценность — не опубликованные статьи, а закрытые системы в реальном времени. DeepSeek в ранних этапах был прототипом квантового бота от Liang Wenfeng в фонде幻方, многие топовые команды (включая幻方, 九坤, 明汐 и др.) изначально использовали идеи, похожие на LLM для извлечения сигналов, просто не называли это «AI Trading».
2. Капитал, терпимость к ошибкам и накопленный опыт — настоящие конкурентные преимущества
Говоря все это, я считаю, что важно сохранять позитивное отношение к «будущему будущего», потому что многие перемены могут произойти именно с нами.
Те, у кого есть капитал, деньги и власть, и кто обладает значительным запасом терпимости к ошибкам, идут в AI — и это не случайно. Когда AI делает знания без границ и информацию прозрачной, решающее значение имеют деньги и власть. Ведь замена знаний и талантов становится все более значимой. Если я сегодня нанимаю человека на рынке труда, то, возможно, лучше обучить агента, полностью слушающего команды. Стоимость агента с ростом вычислительной мощности будет снижаться, а человеческие издержки определяются социально-экономическими и жизненными затратами.
Многие говорят: «Те, у кого есть деньги, снова занимаются AI», — это неправильно. Именно потому, что они заработали деньги в других сферах, у них есть свободные ресурсы и терпимость к ошибкам, они используют время, чтобы получить пространство для будущего. Google инвестирует 40 миллиардов долларов в Anthropic, Microsoft — в OpenAI, Amazon — в инфраструктуру AI — по сути, они покупают опционы на будущее за избыточный денежный поток. Для гигантов сотни миллиардов инвестиций — это просто «эксперименты на уровне подразделений», а при успехе это может полностью изменить рынок капитала (высокочастотная торговля, маркет-мейкинг, управление активами и даже инструменты центральных банков).
Возвращаясь к AI Trading, для обычных или малых предприятий в условиях глобальной конкуренции и постоянного притока ликвидности бороться — утомительно и малоэффективно. Барьеры в данных, вычислительной мощности, талантах и регуляторной терпимости растут. Частные или небольшие команды могут сосредоточиться на узких нишах (например, агенты для конкретных цепочек), но трудно конкурировать с глобальной ликвидностью. Для абсолютных монополий или технологических гигантов это — лишь один из тысяч проектов, которые они могут реализовать, имея деньги, власть и исторический опыт. У них есть терпимость к ошибкам, и они могут позволить себе не получать немедленный результат, а просто занять позицию и сделать ставку на возможное развитие.
Это также означает, что AI может усилить классовое противоречие и сделать разрыв между слоями еще более очевидным:
• Верхний слой: капитал и AI создают «флюид», знания частично заменяются.
• Средний слой: традиционные трейдеры и аналитики борются с агентами, навыки быстро обесцениваются.
• Нижний слой: информационная асимметрия может снизиться за счет открытых AI, что уменьшит барьеры входа, но концентрация богатства, скорее всего, усилится.
3. Образ будущего: агент против агента
Я остаюсь оптимистом, но и сохраняю ясность. Возможно, будущее — это агент против агента, AI-трейдер против AI-трейдера. В условиях нулевой или близкой к нулю прибыли конкуренции победит архитектура, обучающие парадигмы и обратная связь, а не просто параметры модели. В будущем может доминировать «роевое поведение» агентов.
Наиболее вероятные сценарии развития:
• 2026–2028: усиленное обучение в сочетании с LLM-агентами, возможно, в узких нишах (криптовалюты, опционы, кросс-арбитраж) — сверхчеловеческая эффективность, человек лишь контролирует и вмешивается при необходимости.
• 2028–2032: системы с несколькими агентами, сотрудничающими и соревнующимися, станут мейнстримом, появятся настоящие «AI-фонды», а розничные инвесторы будут покупать портфели агентов.
• В более долгосрочной перспективе: торговля может быть полностью переосмыслена. Когда большая часть ликвидности будет предоставляться агентами, структура рынка изменится — снизится задержка, появятся более сложные Order Flow и динамические пулы ликвидности, а традиционные бэктесты станут неактуальны.
Конечно, риски тоже очевидны: галлюцинации AI, сбои моделей, регуляторные ограничения и системные риски (например, одновременное обучение нескольких супер-агентов с одинаковыми предубеждениями, вызывающее рыночные крахи). Поэтому «терпимость к ошибкам» — ключ к успеху.
В целом, расширение воображения и ужесточение исполнения.
Несмотря на то, что предел AI Trading — архитектура, data-флюд и вычислительная мощность, — главное преимущество человека — способность создавать новые игры, разрабатывать новые парадигмы обучения агентов, новые рыночные правила и механизмы мотивации. Эта часть остается за человеком (или узкой командой топ-экспертов).
«Используйте избыточную терпимость и время, чтобы расширить пространство возможностей», — многие волнуются, что «AI заберет работу», но те, кто действительно получит преимущество, — это те, кто сначала расширит рынок, а потом поделится пирогом. Люди вынуждены подчиняться реальности, но мы все равно можем найти свое место.
Относительно AI Trading — правильный подход — «расширять воображение, ужесточать исполнение». Обычные люди и небольшие команды не должны бороться с гигантами в полномасштабной войне, но вполне могут на периферии, в узких нишах, в открытом сотрудничестве находить свои альфы.