Вирощування раків-лангуста та торгівля акціями: це «наука» чи «містика»?

Журналіст інтерфейсних новин | Лю Лі Лонг

Редактор інтерфейсних новин | Сон Юйцзюнь

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

Інтерфейсні новини зауважили, що останнім часом у соцмережах все більше обговорюють «торгівлю акціями за допомогою лангустів». Деякі захоплюються високою ефективністю та зручністю, яку забезпечує «л langуст», що може цілодобово слідкувати за ринком за допомогою штучного інтелекту, інші ж скаржаться, що «торгівля акціями за допомогою лангустів, вартість токенів у рази перевищує комісії», є й ті, хто шукає інформацію про OpenClaw, а також ті, хто ставить під сумнів безпеку та надійність «торгівлі акціями за допомогою лангустів»…

З моменту популяризації DeepSeek минулого року все більше інвесторів на ринку А-акцій намагаються по-іншому використовувати AI, але їхній досвід дуже різний.

Інвестор Чень Сюе (псевдонім) шукав «ключ до багатства» на різних платформах великих моделей AI, але у контексті бурхливого ринку зазнав збитків майже 20%. За його словами: «Щира віра — це все одно помилка».

На думку Квін Пена (псевдонім), керівника кількох команд у Південному Китаї, AI «партнер» — це справжній «інструмент для інвестицій та досліджень», що значно підвищує ефективність роботи.

Як зараз проявляється AI у сценаріях торгівлі акціями?

Висока ефективність, але не завжди надійність

Зустрівши проблему, перша реакція у Гуандуні — «зробити пошук у «Дубао»», що стало автоматичною реакцією Хе Фенга (псевдонім), місцевого гравця на ринку.

Будь то несподівані новини чи нові тематичні концепції, зазвичай достатньо 1-2 хвилин, щоб отримати попередню відповідь. Якщо потрібно глибше дослідження, можна змінити ключові слова або спосіб запитання, і через кілька хвилин відповідь буде більш відповідною.

До появи великих моделей AI, щоб відповісти на те саме питання, Хе Фенг витрачав багато часу на перегляд новинних сайтів, форумів та соцмереж, збирав інформацію, а потім сам її аналізував і узагальнював, щоб отримати задовільну відповідь.

Квін Пен любить поєднувати свою модель відбору акцій із великими моделями AI.

Щодня його модель автоматично відбирає акції за допомогою аналізу потоків капіталу, популярності на ринку, цінових та обсягних трендів, а потім — за фундаментальними показниками та тематичними інтересами — проводить повторний відбір, щоб визначити цільові акції. Завдяки допомозі AI час ручного відбору зменшився з 3-5 годин до 30-50 хвилин, ефективність зросла в кілька разів.

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

«Ефективність» — це перше слово, яке приходить на думку багатьом інвесторам, говорячи про AI у торгівлі акціями. Всього у Китаї понад 5000 публічних компаній, а фінансова інформація оновлюється цілодобово. Витягти потрібну частину з такої маси даних — вже за межами можливостей будь-якого одного інвестора, але для AI це «пустяк».

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

Наприклад, запитати AI про зв’язок конкретної акції з певною тематикою, і швидко отримати логічну відповідь — легко, але багато з цих відповідей базуються на відсутніх або неправдивих фактах.

Ще один приклад — пошук AI десяти акцій із найнижчим PE. Насправді він бере дані лише з кількох десятків акцій і видає відповідь, частина з яких може бути за минулі роки або навіть помилковими.

AI «партнер» також часто демонструє «підлабузливу» поведінку.

Наприклад, запит «Чи краще A ніж B?» — і він наводить багато аргументів на підтримку. Але коли питаєш «Чи краще B ніж A?», відповідь знову ж буде з аргументами. Якщо спочатку він аналізував якусь галузь, потім запитати, які галузі зараз варто стежити, — ці галузі часто повторюються.

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

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 «редагування» відповіді AI або постійно змінювати спосіб формулювання запитань, щоб отримати більш надійну відповідь.

Де ж проблема?

Чень Сюе вперше вирішив спробувати AI, коли дізнався, що DeepSeek базується на потужній системі «幻方» (фантазійна система), яка дуже добре працює.

Багато провідних приватних фондів у галузі AI відкрито заявляють про свої інвестиції у цю сферу, але майже ніхто не може точно сказати, яку роль відіграє AI у процесі прийняття інвестиційних рішень і наскільки він впливає на прибутковість компаній, а також скільки з цього — результат високочастотної торгівлі.

За словами представника одного з провідних приватних фондів у Шанхаї, просте запитання AI під час торгівлі — це зовсім не те саме, що застосування AI у повноцінних алгоритмічних стратегіях.

Загалом, алгоритмічні інвестиції — це використання математичних моделей, статистичних методів і комп’ютерних програм для заміни суб’єктивних рішень, що мають високий рівень дисципліни, орієнтовані на дані, диверсифікацію портфеля та строгий ризик-менеджмент.

Для більшості звичайних інвесторів, що використовують AI-моделі, все ж основне рішення приймає людина, і це залишається суб’єктивним підходом. Їхній портфель зазвичай невеликий, і важко диверсифікувати ризики через AI-ошибки.

З іншого боку, багато інвесторів звикли користуватися загальними моделями, такими як «Дубао», «Qianwen», «DeepSeek», які суттєво відрізняються від внутрішніх моделей приватних фондів.

За інформацією інтерфейсних новин, приватні фонди у галузі AI зосереджуються на трьох ключових елементах: даних, обчислювальній потужності та алгоритмах.

Фахівець у галузі зазначає, що дані — основа тренування AI-моделей. У фінансовій сфері високоякісні, актуальні та повні дані особливо важливі. Загальні моделі тренуються на текстових даних, і їм бракує достатньої кількості високоякісних фінансових даних.

Щодо обчислювальної потужності, то хоча загальні моделі вимагають значних інвестицій у апаратуру, їхній обсяг і охоплення ширше, тому тренування займає більше часу.

Що стосується алгоритмів, то провідні приватні фонди зазвичай розробляють власні рішення, їхні базові алгоритми схожі на загальні моделі, але тонке налаштування та ключові алгоритми — це «найбільша таємниця», і вони майже ніколи не публікуються.

Фахівець також додає, що деякі брокери та інші фінансові установи активно просувають створення спеціалізованих AI-моделей для фінансової сфери. Але, незважаючи на доступ до нових даних і технологій, їхні дослідження обмежені обчислювальними ресурсами та нормативними вимогами, тому вони не здатні повністю задовольнити очікування інвесторів.

«Навіть якщо їхні моделі суттєво відрізняються від AI для кількісних стратегій, загальні моделі все одно об’єднують багато інвестиційних знань. Чому б їм не давати більш обґрунтовані рекомендації, як у провідних інвесторів?» — запитують багато інвесторів, і серед них — і Чень Сюе.

На це у відповідь, Рень Ю з Ченду, що працює на ринку, зазначає: «Вимоги до точності даних у суб’єктивних інвестиціях не такі високі, як у кількісних, але рішення все одно мають базуватися на актуальних і досить точних даних. Загальні моделі часто отримують застарілі або забруднені дані, тому їхні аналітичні відповіді не дуже надійні».

«Головна проблема — відсутність у AI системи повноцінної інвестиційної моделі. Кожна стратегія має свої особливості та підходить до ринку по-різному. Наприклад, для середньо- та довгострокових інвесторів певна акція може бути хорошим придбанням, тоді як для короткострокових — навпаки. AI навчився багато стратегій, але через відсутність практичних даних про їх застосування важко зрозуміти, яка логіка за кожною з них», — пояснює Рень Ю.

Якщо «накормити» AI інвестиційними рамками та ідеями провідних інвесторів, чи буде результат кращим?

Квін Пен висловлює заперечення: «AI отримує лише публічно доступні думки та логіку, але навіть провідні інвестори не завжди можуть повністю відкрито поділитися своїми стратегіями. Їхні системи постійно еволюціонують, і повністю відтворити їхню логіку — дуже складно».

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

Спільна робота людини і машини — це консенсус

Якщо врахувати, що AI «партнер» може бути швидким, але не завжди надійним, як найкраще його використовувати?

«Повністю покладатися на AI у прийнятті інвестиційних рішень — не вихід. Спершу потрібно створити власну інвестиційну систему», — підсумовує Чень Сюе, після досвіду понад року роботи з AI.

Зараз вона призупинила реальні торги і планує спочатку поглиблено вивчати інвестиційну теорію, а потім знову повернутися до практики. В процесі вона помітила нову перевагу AI: «Його здатність аналізувати текст і підсумовувати інвестиційні знання — просто чудова!»

Квін Пен, який задоволений роботою AI, ділиться своїм досвідом: на етапі збору інформації AI працює значно швидше за людину, тому цю частину можна делегувати машині; під час аналізу інформації AI теж ефективний, але іноді помиляється, тому потрібно змінювати спосіб формулювання запитань і додавати підказки; а для прийняття інвестиційних рішень — це вже завдання для людини, яка має застосовувати власний досвід і інтуїцію.

Опитані вважають, що у майбутньому AI стане ще кращим і з’являться багато спеціалізованих моделей для фінансових інвестицій. Однак AI не повністю замінить людину у прийнятті рішень, а швидше — стане допоміжним інструментом. Співпраця людини і машини залишатиметься основним напрямком.

З одного боку, AI — це результат людської праці: кількість обчислювальних ресурсів, які використовуються для тренування, дані, алгоритми — все це визначає людина. Щонайбільше, на початковому етапі, AI не зможе повністю вийти з-під контролю.

З іншого боку, AI зазвичай шукає закономірності у минулих даних, але ринок — це динамічна система, і історія не повторюється дослівно. «Чорні лебеді» можуть з’явитися будь-коли, і AI, через свою природу, не здатен повністю передбачити такі сценарії. Тому створити універсального «агента» у сфері інвестицій — дуже складно.

Ще один аспект — потенційні ризики. У майбутньому AI може стати кращим у торгівлі, але існує багато ризиків, і довіряти йому всі рішення — небезпечно.

Наприклад, проблема конвергенції стратегій: якщо багато інституцій і інвесторів використовують однакові або схожі дані й алгоритми, це може призвести до масової синхронної поведінки, що посилить коливання цін і ризик системних збоїв.

Крім того, AI має «чорний ящик», і його рішення важко пояснити. У разі помилок відповідальність несе система, а людські фактори важко визначити. Якщо повністю делегувати рішення AI, зловживання або маніпуляції з його боку стануть ще більш прихованими. Тому регулятори, ймовірно, обмежать застосування AI у фінансовій сфері, щоб запобігти ризикам.