Особисто перевірено стратегію вибору акцій «Лобстер»: думав, що зможу «лежачи виграти», але реальність виявилася не такою простою

Запит AI: чому відбір акцій за допомогою “Лобстера” часто стикається з помилками даних у тестуванні?

“Чи можу я доручити ‘Лобстеру’ торгувати акціями?” З цим питанням журналіст китайської фондової газети відкрив програмне забезпечення “Лобстер”. Згодом журналіст зрозумів: ідеали дуже красиві, але реальність виявилася не такою простою.

Без модульного професійного інструментального пакета (Skills, що містить каталог файлів SKILL.md, який може надати LLM інструкції та визначення інструментів) запитання дають лише скупчення даних, а коли переглядаєш посібники Skills і формулюєш різні спеціалізовані вимоги до побудови стратегій, отримуєш “незручність” у вигляді “перевищення часу виконання”. Можливо, для звичайних інвесторів витрати людських, матеріальних та фінансових ресурсів на використання “Лобстера” не відповідають точності та практичності отриманих результатів.

Один з керуючих фондами повідомив журналісту, що їхня команда досі не підключила застосунки типу “Лобстер”, по-перше, з точки зору відповідності, такі програми мають значні ризики, по-друге, існуючі кількісні моделі вже можуть швидко вирішити інвестиційні запити на відбори акцій та тестування стратегій.

Від відкриття “Лобстера” до закриття комп’ютера

Локальна установка є важливим способом установки “Лобстера”. Але під час тестування журналіст виявив, що цей спосіб має надто високі права – він вимагає отримання найвищих адміністративних прав комп’ютера, що може призвести до розкриття особистих паролів та іншої інформації. Якщо зловмисник зламає систему або “зведе з розуму” програму, це може піддати ризику власні кошти.

Потім журналіст спробував різні застосунки “Лобстера” в хмарі, послідовно увійшовши в Kimi Claw, Art Claw, JVS Claw та інші продукти великих інтернет-компаній та компаній AI, і купив початкову версію підписки для подальшої спроби.

Журналіст дізнався, що якщо хочеш отримати більш реальні та надійні дані, потрібно встановити модульний професійний інструментальний пакет (Skills). Наприклад, у випадку з Art Claw, журналіст надіслав команду на установку “stock-market-pro”, але так і не зміг її встановити.

Скріншот платформи Art Claw

Потім журналісту довелося спробувати побудувати стратегію за допомогою підходу “PB-ROE”, щоб Art Claw рекомендував акції.

Скріншот платформи Art Claw

Хоча Art Claw сформулював стратегію побудови і надав відповідні рекомендації щодо акцій (як показано на малюнку нижче), журналіст виявив, що під час розрахунків виникло багато помилок даних. Наприклад, акції Guizhou Moutai мали неправильні ціни та чистий прибуток для материнської компанії.

Скріншот платформи Art Claw

Через кілька годин, після кількох спроб установки skill, “Лобстер” нарешті встановив цей skill і заявив, що може отримувати останні реальні ціни акцій з API торгового програмного забезпечення. Але журналіст виявив, що багато даних все ще значно відрізнялися від реальних даних.

Журналіст також зіткнувся з труднощами на платформі Kimi Claw – команди, які були трохи складнішими, призводили до зупинки відповіді. Під час першої спроби віддати команду Kimi Claw, вимагаючи пошук і установку навичок для аналізу даних ринку A-акцій, система повідомила: “IM runtime dispatch timed out after 300000ms”, тобто ресурси обчислювальної потужності були перевищені, завдання не вдалося.

Скріншот платформи Kimi Claw

Потім журналіст спробував ще раз, слідуючи прикладам з “Посібника користувача Kimi Claw”, і Kimi Claw повідомив, що створив чотири спеціалізовані навички аналізу A-акцій та провів аналіз трьох акцій на фінансовий звіт за третій квартал 2025 року. Результати показали, що надані фінансові дані збігалися з річним звітом компанії, і було надано попередження та пояснення щодо ризику грошових потоків, з наданим комплексним рейтингом та інвестиційними рекомендаціями.

Скріншот платформи Kimi Claw

Журналіст також спробував встановити навички пошуку новин в реальному часі, операція успішно завершилася, і він отримав інформацію про громадську думку, пов’язану з акціонерними компаніями. Однак, коли журналіст захотів, щоб Kimi Claw підключив функцію моніторингу та виконав його рекомендації, система знову видала таке ж повідомлення про перевищення часу. Журналіст звернувся за допомогою до платного K2.5 Agent кластерної моделі, але результати також не були задовільними.

Скріншот платформи Kimi Claw

Для багатьох звичайних інвесторів виховання розумного, здібного та швидкого “Лобстера” вимагає не лише постійних зусиль з боку користувача, а й відносно багатих професійних навичок користувача. Крім того, деякі інвестори зазначили, що складний відбір акцій вимагає витратити значну кількість токенів, що виявляється дорогим.

“Зараз я можу змусити ‘Лобстера’ щодня надсилати мені звіт про ринок акцій, але потрібно підтримувати Skills у постійному оновленому стані, щоб він міг відстежувати останні зміни. Найкраще використовувати деяке програмне забезпечення для інтелектуального програмування, щоб підвищити ефективність”, – сказав інвестор, який використовує “Лобстера” для інвестицій. “Процес виховання пройшов через багато ‘перешкод’, і якщо в подальшому хочеться додати деякі фактори стратегії, можливо, потрібно буде провести додаткову налаштування.”

Шлях до інтелектуальних інвестицій – складний і довгий

Один з керуючих фондами розповів журналісту, що їхня команда наразі не впровадила застосунки типу “Лобстер”. Це пов’язано з двома основними причинами: по-перше, з точки зору відповідності, такі програми мають високий ризик; по-друге, існуюча кількісна модель команди вже може досить ефективно задовольнити потреби в відборі акцій та тестуванні стратегій.

“Я спробував ‘Лобстера’ на своєму комп’ютері, і він дійсно може допомогти мені обробляти деякі кодові інструкції, але загалом досвід не призвів до значного підвищення продуктивності”, – зазначив один з керуючих кількісними фондами. “Зараз у команди немає планів щодо впровадження ‘Лобстера’.”

Обговорюючи впровадження “Лобстера”, керуючий фондами з China Europe Fund, Сун Вейвей, зазначив, що уніфікована пам’ять є кращими апаратними засобами для впровадження OpenClaw. OpenClaw, як “приватний AI-мозок”, має три основні вимоги: велика пам’ять, ефективні обчислення та постійна робота. У традиційних ПК ЦП використовує пам’ять, а ГП використовує відеопам’ять, що є незалежними один від одного. Переміщення даних вимагає копіювання між ними, що є неефективним і витрачає ресурси.

Сун Вейвей зазначив, що уніфікована архітектура пам’яті, тобто ЦП, ГП та NPU (двигун нейронних мереж) ділять один фізичний пул пам’яті, можуть безперешкодно отримувати доступ до одних і тих же даних без необхідності копіювання. Запуск великих мовних моделей обмежується переважно відеопам’яттю. Параметри моделі повинні бути повністю завантажені у відеопам’ять для роботи. Щоб запустити модель з 70 мільярдами параметрів на ПК, потрібна відеокарта з пам’яттю понад 32 ГБ, що зазвичай означає витрати понад десятки тисяч юанів і велике споживання енергії.

Крім того, ризик використання “Лобстера” також є темою, яка викликає занепокоєння у багатьох фахівців. Сун Вейвей зазначив, що покладатися лише на підказки з природної мови як засіб безпеки є надзвичайно крихким. Коли AI отримує повний доступ до диска, будь-яка уразливість у безпеці може призвести до систематичного витоку даних. Третя сторона плагінів екосистеми OpenClaw (ClawHub) також може мати ризики безпеки. Крім того, коли AI перетворюється з інструменту на самостійного виконавця, традиційна логіка відповідальності повністю втрачає свою силу.

Якщо OpenClaw випадково розкриває комерційну таємницю, надсилає наклепницькі електронні листи або навіть бере участь у кібератаках під час виконання команд, хто нестиме відповідальність? Користувач, який надіслав команду, розробник, який написав код, постачальник базової моделі чи сам AI з “автономними рішеннями”? Наразі у світі існує практично правовий вакуум з цього питання.

(Джерело: Китайська фондова газета)