Nuôi tôm hùm và chơi chứng khoán, là "khoa học" hay "tâm linh"?

Phóng viên của Ji Mian News | Liu Litong

Biên tập viên của Ji Mian News | Song Yejun

Gần đây, việc “Nuôi tôm hùm” (triển khai, huấn luyện, sử dụng các AI mã nguồn mở OpenClaw) đã bùng nổ trên toàn mạng, nhiều nhà đầu tư đã đổ xô theo xu hướng này.

Ji Mian News nhận thấy, gần đây trên mạng xã hội xuất hiện ngày càng nhiều các cuộc thảo luận về “dùng tôm hùm để đầu tư chứng khoán”, có người khen ngợi “tôm hùm” có thể theo dõi thị trường 24/7 một cách thông minh, hiệu quả và tiện lợi, có người than thở “dùng tôm hùm để đầu tư, phí token còn đắt hơn phí giao dịch gấp hơn 10 lần”, có người đi khắp nơi hỏi về tình hình của OpenClaw, cũng có người đặt câu hỏi về độ an toàn và độ tin cậy của “dùng tôm hùm để đầu tư chứng khoán”…

Kể từ sau khi DeepSeek bùng nổ vào năm ngoái, ngày càng nhiều nhà đầu tư cổ phiếu A bắt đầu thử nghiệm các phương thức khác nhau để đón đầu AI, tuy nhiên, trải nghiệm thực tế của họ lại rất khác nhau.

Nhà đầu tư tên là Chen Xue (giả danh) từng lặn lội qua nhiều nền tảng mô hình AI lớn để tìm kiếm “bí quyết làm giàu”, nhưng trong bối cảnh thị trường tăng trưởng mạnh, tổng lỗ gần 20%, theo lời cô ấy: “Một lòng thành thật cuối cùng cũng là gửi nhầm”.

Theo quan điểm của Qin Peng (giả danh), trưởng nhóm định lượng tại miền Nam Trung Quốc, AI “bạn đồng hành” được xem như “vũ khí thần kỳ trong nghiên cứu và đầu tư”, giúp nâng cao năng suất làm việc lên gấp nhiều lần.

AI hiện tại thể hiện như thế nào trong lĩnh vực đầu tư chứng khoán?

Hiệu quả cao, nhưng chưa chắc đáng tin cậy

Gặp vấn đề, trước tiên “tra hỏi Doubao” đã trở thành phản ứng tự nhiên của He Feng (giả danh), nhà đầu tư nổi tiếng ở Quảng Đông.

Dù là tin đột xuất hay các ý tưởng mới, thường chỉ cần 1-2 phút là có thể nhận được câu trả lời sơ bộ, nếu cảm thấy cần nghiên cứu sâu hơn, chỉ cần chỉnh sửa từ khóa và cách đặt câu hỏi, sau vài phút, câu trả lời phù hợp hơn cũng dễ dàng có được.

Trước khi các mô hình AI lớn xuất hiện, để giải quyết cùng một vấn đề, He Feng thường phải dành nhiều thời gian lướt các trang tin tức, diễn đàn chứng khoán, mạng xã hội, thu thập đủ thông tin rồi tự mình tổng hợp, phân tích, mới có thể đưa ra câu trả lời chưa chắc đã tốt.

Qin Peng thích kết hợp mô hình chọn cổ phiếu định lượng của mình với các mô hình AI lớn.

Mỗi ngày, mô hình chọn cổ phiếu của anh tự động lọc ra một nhóm cổ phiếu dựa trên dòng tiền, độ nóng của thị trường, xu hướng giá lượng và các yếu tố khác, sau đó dựa trên các yếu tố cơ bản, các chủ đề nóng của các cổ phiếu này để lọc lần hai, xác định mục tiêu cuối cùng. Nhờ có sự hỗ trợ của AI lớn, thời gian dành cho việc lọc cổ phiếu thủ công từ 3-5 giờ giảm xuống còn 30-50 phút mỗi ngày, hiệu suất tăng gấp nhiều lần.

Ngoài ra, khi viết hoặc chỉnh sửa mô hình chọn cổ phiếu, Qin Peng thỉnh thoảng cũng giao một số nhiệm vụ đơn giản cho AI lớn xử lý.

“Hiệu quả cao” là từ khóa mà nhiều nhà đầu tư nghĩ đến đầu tiên khi nói về đầu tư chứng khoán bằng AI, chỉ riêng các công ty niêm yết trên A-share đã có hơn 5.000, các loại thông tin tài chính liên tục cập nhật 24/7, việc trích xuất phần dữ liệu cần thiết từ khối lượng lớn thông tin này đã vượt quá khả năng của bất kỳ nhà đầu tư cá nhân nào, và công việc phức tạp này đối với AI chỉ là “món ăn nhỏ”.

Tuy nhiên, nhiều người phỏng vấn đều đồng tình rằng, nhiều lần các câu trả lời của mô hình AI lớn không đáng tin cậy.

Ví dụ, khi hỏi AI về mối quan hệ giữa một cổ phiếu cụ thể và một chủ đề nóng nào đó, thường có thể nhận được câu trả lời rất hợp lý, có lý có tình, nhưng thực tế nhiều nội dung lại thiếu căn cứ thực tế.

Một số nhà đầu tư còn lấy ví dụ, yêu cầu AI tìm 10 cổ phiếu có tỷ lệ PE thấp nhất trên thị trường, thực ra AI chỉ cần lấy dữ liệu của vài chục cổ phiếu là đã đưa ra câu trả lời, trong đó một số dữ liệu có thể là của năm trước hoặc thậm chí là sai lệch.

AI “bạn đồng hành” còn thể hiện tính cách “hài lòng”.

Ví dụ, bạn hỏi “A có tốt hơn B không?”, nó sẽ liệt kê nhiều thông tin để hỗ trợ đánh giá này. Nhưng khi bạn hỏi ngược lại “B có tốt hơn A không?”, nó cũng sẽ đưa ra nhiều lý lẽ tương tự. Nếu bạn để nó phân tích một ngành nào đó rồi hỏi “Hiện tại có ngành nào đáng chú ý không?”, các ngành đã hỏi trước đó thường sẽ xuất hiện trong danh sách.

Gần như tất cả các người phỏng vấn đều gặp phải hiện tượng “ảo giác AI” khi dùng mô hình AI lớn để đầu tư, tức là câu trả lời của AI trông có vẻ hợp lý, toàn diện, nhưng thực ra lại bịa đặt ra rất nhiều sự kiện, dữ liệu, thông tin không có thật, thậm chí còn vi phạm các nguyên tắc cơ bản của kiến thức, như thể đang nói chuyện “bậy bạ” một cách nghiêm túc.

Trong lĩnh vực đầu tư, mỗi sai lầm đều có thể gây thiệt hại “tiền thật”, các hiện tượng trên dẫn đến các vấn đề phát sinh khác, dù nhà đầu tư chỉ mất vài phút để có câu trả lời từ AI, nhưng sau đó lại phải dành nhiều gấp bội thời gian để “chỉnh sửa bài tập” cho AI hoặc liên tục điều chỉnh cách đặt câu hỏi, cố gắng khiến AI đưa ra câu trả lời đáng tin cậy hơn.

Vấn đề nằm ở đâu?

Chen Xue ban đầu quyết định thử dùng AI lớn để đầu tư chứng khoán sau khi biết rằng DeepSeek của Quảng Phổ Quang Phù rất mạnh.

Nhiều quỹ đầu tư định lượng hàng đầu đã công khai tuyên bố có đầu tư vào lĩnh vực AI, nhưng hầu như không ai thực sự hiểu rõ AI đóng vai trò như thế nào trong quá trình ra quyết định đầu tư của các công ty này, ảnh hưởng cụ thể đến lợi nhuận ra sao, trong đó có bao nhiêu phần là do giao dịch tần suất cao đóng góp.

Theo một nhân vật của một quỹ đầu tư định lượng hàng đầu tại Thượng Hải, việc hỏi AI đơn thuần trong quá trình đầu tư khác hoàn toàn với việc thực sự ứng dụng AI trong đầu tư định lượng.

Thông thường, đầu tư định lượng là phương pháp dựa vào mô hình toán học, phương pháp thống kê và chương trình máy tính để thay thế quyết định chủ quan, có tính kỷ luật cao, dựa trên dữ liệu, phân bổ danh mục đa dạng, kiểm soát rủi ro chặt chẽ.

Đối với phần lớn nhà đầu tư bình thường sử dụng AI trong quá trình đầu tư, về bản chất vẫn là do con người đưa ra quyết định cuối cùng, vẫn thuộc phạm trù đầu tư chủ quan, đồng thời số lượng cổ phiếu nắm giữ thường rất hạn chế, khó có thể phân tán để giảm thiểu rủi ro do quyết định sai của AI.

Ngược lại, nhiều nhà đầu tư quen dùng các mô hình chung như Doubao, Qianwen, DeepSeek trong quá trình đầu tư, khác biệt rõ ràng so với các mô hình AI tự phát triển của các quỹ định lượng.

Theo hiểu biết của Ji Mian News, các quỹ định lượng trong lĩnh vực trí tuệ nhân tạo chủ yếu tập trung đầu tư vào ba yếu tố của AI: dữ liệu, năng lực tính toán và thuật toán.

Một số chuyên gia trong ngành phân tích với Ji Mian News rằng, dữ liệu là nền tảng để huấn luyện mô hình AI, trong lĩnh vực đầu tư tài chính, dữ liệu chất lượng cao, chính xác, kịp thời và đầy đủ là đặc biệt quan trọng. Trong khi đó, các mô hình chung khi huấn luyện chủ yếu dựa trên dữ liệu văn bản, thiếu dữ liệu tài chính chất lượng cao đủ lớn.

Về năng lực tính toán, mặc dù tổng đầu tư phần cứng cho các mô hình chung có thể vượt xa các quỹ định lượng riêng lẻ, nhưng do phạm vi ứng dụng rộng hơn, lượng dữ liệu huấn luyện cũng lớn hơn.

Về thuật toán, hiện tại các quỹ định lượng hàng đầu thường theo mô hình “tự nghiên cứu”, các thuật toán nền tảng thường giống với các mô hình chung, nhưng hướng tinh chỉnh hoàn toàn khác nhau, các thuật toán cốt lõi thường là “bí mật tối cao” của các quỹ này, gần như không thể công khai ra bên ngoài.

Chuyên gia này cũng nói thêm rằng, một số công ty chứng khoán và tổ chức khác cũng đang tích cực thúc đẩy việc triển khai các mô hình AI chuyên biệt trong lĩnh vực tài chính. Tuy nhiên, mặc dù các tổ chức này tập trung hơn vào lĩnh vực tài chính, sở hữu nhiều dữ liệu tài chính mới nhất, nhưng nghiên cứu về mô hình AI của họ phần lớn bị hạn chế bởi chi phí năng lực tính toán và các quy định pháp lý, thực tế vẫn rất khó đáp ứng kỳ vọng của nhà đầu tư.

“Dù có cách biệt rất lớn so với các mô hình AI định lượng, nhưng các mô hình chung tập hợp kiến thức đầu tư phong phú, tại sao không thể đưa ra các đề xuất đầu tư hợp lý hơn như các đại gia đầu tư chủ quan?” Nhiều nhà đầu tư, giống như Chen Xue, từng có những thắc mắc tương tự.

Về vấn đề này, Nghiêm Vũ, nhà đầu tư nổi tiếng tại Thành Đô, khi phỏng vấn Ji Mian News, nói: “Yêu cầu về độ chính xác dữ liệu của nhà đầu tư chủ quan có thể không khắt khe như các quỹ định lượng, nhưng quyết định của họ cũng cần dựa trên dữ liệu mới nhất, tương đối chính xác. Các dữ liệu mà mô hình chung thu thập thường không kịp thời, còn có thể bị nhiễu, dựa trên những dữ liệu này để phân tích, đưa ra câu trả lời không đáng tin cậy.”

“Vấn đề then chốt là mô hình AI lớn thiếu một hệ thống đầu tư hoàn chỉnh. Mỗi chiến lược đầu tư đều có đặc điểm và phù hợp với từng môi trường thị trường khác nhau. Từ góc độ các chiến lược khác nhau, kết luận về điểm mua bán cổ phiếu có thể hoàn toàn khác nhau. Ví dụ, một cổ phiếu có thể là cơ hội mua vào từ góc độ dài hạn trung hạn, nhưng lại là điểm bán từ góc độ ngắn hạn siêu ngắn. Mô hình AI lớn đã học rất nhiều chiến lược đầu tư, nhưng trong quá trình huấn luyện, nó thiếu dữ liệu thực chiến của các chiến lược này, nên rất khó phân biệt rõ ràng các logic và sự khác biệt đằng sau các chiến lược đó.” Nghiêm Vũ nói.

Liệu có thể “cho” AI các khung đầu tư và triết lý đầu tư của các đại gia để nó phản hồi theo logic của họ có hiệu quả hơn không?

Từng thử làm như vậy, Qin Peng phản đối, theo anh, những gì “cho” AI là các quan điểm, logic đã được công khai của các đại gia trong quá khứ. Chính các đại gia khi chia sẻ công khai thường không thể hoặc không muốn hoàn toàn thể hiện rõ ràng triết lý và logic đầu tư của mình, hơn nữa hệ thống đầu tư của họ cũng luôn tiến hóa theo biến đổi của thị trường.

Hơn nữa, ngay cả khi mô hình AI lớn có thể đưa ra các đề xuất đầu tư hợp lý hơn, liệu nhà đầu tư có thực sự làm theo chiến lược của AI không? Câu trả lời có thể là không chắc chắn.

Hợp tác người-máy là xu thế

Đối mặt với các “bạn đồng hành” AI hiệu quả nhưng có thể không đáng tin cậy, nhà đầu tư bình thường nên sử dụng như thế nào là tối ưu?

“Hoàn toàn dựa vào AI để ra quyết định đầu tư chắc chắn là không thể, vẫn cần xây dựng hệ thống đầu tư của riêng mình.” Sau hơn một năm trải nghiệm, Chen Xue rút ra kết luận này.

Gần đây, cô đã tạm dừng giao dịch thực, quyết định tập trung học hỏi thêm kiến thức đầu tư, chờ đến khi đủ tự tin sẽ bắt đầu lại hoạt động đầu tư của mình. Trong quá trình này, cô cũng phát hiện ra điểm mới của AI lớn: “Khả năng phân tích văn bản của nó thật sự rất mạnh, dùng để tìm kiếm và tổng hợp các kiến thức đầu tư thì tuyệt vời!”

Qin Peng, người đánh giá cao “bạn đồng hành” AI, dựa trên trải nghiệm của mình, giới thiệu với Ji Mian News rằng, trong giai đoạn thu thập thông tin, hiệu quả của AI vượt xa con người, điều này rõ ràng, nên phần này có thể để AI xử lý nhiều hơn; còn trong phân tích thông tin, AI cũng hiệu quả hơn, nhưng dễ mắc lỗi, nên có thể thay đổi cách đặt câu hỏi, thêm các gợi ý để giúp AI phân tích hợp lý hơn; còn trong giai đoạn ra quyết định đầu tư, độ khó cao hơn, quan trọng hơn, cần con người chủ động đưa ra nhiều đánh giá hơn.

Các người phỏng vấn đều cho rằng, trong tương lai, các mô hình AI lớn sẽ ngày càng trở nên hữu dụng hơn, sẽ xuất hiện nhiều mô hình AI chuyên biệt trong lĩnh vực tài chính đầu tư. Tuy nhiên, AI cũng không hoàn toàn thay thế con người trong việc ra quyết định đầu tư, mà sẽ chủ yếu đóng vai trò hỗ trợ, hợp tác người-máy vẫn sẽ là xu thế chính.

Một mặt, các mô hình AI do con người huấn luyện, số lượng năng lực tính toán đầu tư để huấn luyện AI, dữ liệu “cho” AI, và các thuật toán sử dụng đều do con người quyết định. Ít nhất trong một thời gian dài tới, AI vẫn chưa thể hoàn toàn thoát khỏi sự kiểm soát của con người để tồn tại độc lập.

Các mô hình AI thường tìm ra quy luật từ dữ liệu quá khứ, nhưng trong thị trường chứng khoán, quá khứ chưa bao giờ lặp lại một cách đơn giản, “thiên nga đen” có thể xảy ra bất cứ lúc nào. Do đó, AI vốn dĩ thiếu khả năng xử lý các tình huống tương tự, rất khó để xuất hiện một “Agent” toàn năng trong lĩnh vực đầu tư.

Ngược lại, từ góc độ kỹ thuật, có thể trong tương lai, AI đầu tư chứng khoán thực sự sẽ làm tốt hơn con người, nhưng một loạt rủi ro tiềm tàng khiến chúng ta gần như không thể giao toàn bộ quyền quyết định cho AI.

Ví dụ, vấn đề đồng thuận chiến lược luôn là mối quan tâm trong lĩnh vực đầu tư. Khi ngày càng nhiều tổ chức và nhà đầu tư sử dụng dữ liệu và phương pháp tương tự để huấn luyện AI, khả năng xuất hiện các chiến lược đồng nhất sẽ tăng lên, dẫn đến các giao dịch đồng thuận, làm gia tăng biến động theo chiều hướng của các cổ phiếu và thị trường, dễ gây ra rủi ro hệ thống.

Thứ nữa, AI có đặc tính “hộp đen”, quá trình ra quyết định thường khó truy vết. Khi xảy ra hậu quả bất thường, mô hình không thể chịu trách nhiệm, và rất khó làm rõ liệu yếu tố con người có ảnh hưởng trong các sự kiện đó hay không. Nếu có thể hoàn toàn giao quyền cho AI, thì các nhóm lợi ích có thể thao túng thị trường bằng cách ảnh hưởng và kiểm soát AI, điều này sẽ ngày càng khó phát hiện và kiểm soát. Vì vậy, từ góc độ quản lý, để phòng ngừa rủi ro, khả năng cao là sẽ giới hạn phạm vi ứng dụng AI trong lĩnh vực tài chính.