Вчера я писал о надеждах на повышение производительности труда благодаря ИИ, что может сильно снизить (или хотя бы замедлить рост) госдолга США. Что касается выбора акций, я думаю, что нам ещё очень далеко до того, чтобы значительно повысить доходность с помощью агентов.
Группа исследователей из Университета Цинхуа попросила ряд моделей торговать акциями на китайском фондовом рынке в период с начала 2024 г. по 10.04.2026. Они сделали это не для того, чтобы разбогатеть (хотя, возможно, и для этого), а чтобы оценить, насколько хорошо эти модели используют общедоступную информацию для выбора акций и управления инвестиционным портфелем.
Проблема с этими экспериментами заключается в том, что ИИ обучается практически на всей общедоступной информации, имеющейся в течение периода обучения, поэтому, если период вашего бэктеста совпадает с периодом обучения, ИИ косвенно "узнаёт будущее", и его результаты будут выглядеть намного лучше, чем когда его просят прогнозировать или инвестировать вне этого периода обучения. Две недели назад я уже делился с вами исследованием, которое показало, насколько плохими становятся прогнозы от моделей ИИ, как только вы выходите за пределы их периода обучения.
Чтобы избежать этой проблемы, исследователь в этот раз разработал новую методику (что и стало истинной причиной их работы), которая лишила все акции на китайском рынке идентифицирующей информации и учла эффекты обучающего окна и другие потенциальные факторы, влияющие на результаты. В результате получилась следующая диаграмма доходности портфеля, управляемого моделями ИИ, по сравнению с эталонным индексом CSI 300.
Эффективность торговых портфелей, использующих AI:
Источник: Чжу и др. (2026)
Выглядит действительно хорошо. Qwen 3.6 Plus показал общую доходность в 85,3% по сравнению с 36,9% у индекса CSI 300. Что касается Kimi, то результаты оказались катастрофическими: общая доходность составила -24,2%. Если же посмотреть на 10 протестированных моделей, то 5 превзошли бенчмарк, а пять показали результаты хуже ожидаемых.
Альфа-доходность инвестиционных портфелей, использующих искусственный интеллект, при выборе акций:
На самом деле ситуация ещё хуже. Исследователи проанализировали торговые портфели и исключили случайные факторы и стилистические особенности портфелей, управляемых ИИ, используя обычный метод анализа эффективности Барры. Полученная альфа-доходность при выборе акций показана на графике выше, и она выглядит действительно не очень хорошо.
Кумулятивная альфа-доходность за 16-месячный тест для модели Claude Opus 4.7 составила всего 0,2%. Для всех остальных моделей она была отрицательной, а иногда и катастрофически отрицательной, как в случае с Gemini, DeepSeek, GLM и Kimi. Удачи!!!
__________________________________________________________________________________________________________
📈 Торговля акциями США уже доступна на BingX | Призовой фонд 200000$!!!
Начните торговать американскими акциями на BingX и получайте награды за выполнение заданий!
ЧТО ВАС ЖДЁТ
📌 Акции Tesla на $10 за первую спотовую сделку с акциями США от 200 USDT
📌 100% выигрышных попыток в розыгрыше призов
📌 Главный приз: акции SPCX стоимостью $50 000!
📌 Среди других наград - акции Apple, NVIDIA, Google и ваучеры на позицию.
КАК ПОЛУЧИТЬ БОЛЬШЕ ПОПЫТОК
⚡️ Увеличивайте торговый объём и получайте до 19 дополнительных попыток
⚡️ Торгуйте акциями ежедневно на сумму от 3 000 USDT и получайте ещё +1 попытку в день
🗓 Акция продлится до 23 октября
Переходите по ссылке ниже и участвуйте ⤵️
Комментариев нет:
Отправить комментарий