ЧетГПТ не е новиот Ворен Бафет – ВИ моделите паднаа на тестот на берзанско тргување

Вештачката интелигенција (ВИ) сè уште не е подготвена да го замени вашиот портфолио менаџер - а јавните експерименти што ја тестираат покажуваат и зошто.

Во серија нови натпревари во тргување помеѓу водечките модели на вештачка интелигенција во светот, досегашниот резултат е неповолен. Повеќето системи губат пари. Тие тргуваат премногу. Донесуваат драстично различни одлуки кога им се даваат идентични инструкции. И никој сè уште не знае дали тие недостатоци ќе исчезнат преку помоќните итерации - или пак откриваат нешто фундаментално за јазот помеѓу големите јазични модели и како всушност функционираат пазарите.

Да ја земеме за пример Алфа Арена (Alpha Arena), водена од технолошкиот стартап „Ноф1“ (Nof1). Тие соочија осум големи напредни ВИ системи  - вклучувајќи го Клод на „Антропик“, Џемини на „Гугл“, ЧетГПТ на „Опен еј-ај“ и Грок на Илон Маск - еден против друг во четири одделни натпревари. Секому беа доделени по 10 илјади долари по натпревар пред да бидат пуштени да тргуваат со американските технолошки акции во период од две недели. Предизвиците вклучуваа тргување врз основа на различни сигнали, дефанзивно дејствување, реакција на конкуренцијата и користење висок левериџ.

Портфолиото како целина изгуби околу една третина од својот капитал. Во сите 32 сета на резултати, моделот на крајот победи само шест пати. Грок 4.20 најдобро се покажа за време на предизвикот во кој беше свесен за резултатите на своите конкуренти. Изврши само 158 тргувања; според истите инструкции, Квен од „Алибаба“ направи 1.418 тргувања.

Алфа Арена е еден од растечкиот број на експерименти што тестираат дали големите јазични модели (LLM) можат да ја извршат најтешката работа во финансиите: да го победат пазарот. Иако овие натпревари не се академски ригорозни, тие се досега најјавна демонстрација за тоа што се случува кога системите се обидуваат да преземат некои од најпрофитабилните бизниси со висок влог на Волстрит.

Раните резултати се важни бидејќи тргувањето е една од задачите за кои финансиската индустрија се плашеше да ѝ ја предаде на вештачката интелигенција. Во текот на изминатите неколку години, гигантите од „ЏП Морган“ до „Блекрок“ ја користеа технологијата речиси насекаде за други задачи. Големите јазични модели сега анализираат вести во квантитативни фирми, пишуваат дописи во хеџ - фондовите и откриваат измами во големите банки, меѓу другите задачи. Но, „човек во циклусот“ (human in the loop) останува слоган кога станува збор за тргување со вистински пари. Можеби со добра причина.

„Големите јазични модели всушност не можат сами да заработуваат пари“, рече Џеј Ажанг, основач на „Ноф1“. „Во основа, потребен ви е многу софистициран систем за управување, структура за поддршка и платформа за податоци за да им се даде шанса воопшто.“

Големите јазични модели  се добри во истражувањето и пронаоѓањето и примената на вистинските алатки за дадена задача, рече тој. Но, тие сè уште не знаат колку се важни секоја од многуте варијабли што влијаат на акциите - вклучувајќи работи како што се рејтинзите на аналитичарите, тргувањето на инсајдерите и промените во расположението на пазарот . Тие се склони погрешно да го проценуваат времето на тргувањето, да ги погрешат позициите и премногу често да купуваат и продаваат.

Depositphotos

 

Блогот за вештачка интелигенција „Флет Сркл“ (Flat Circle) следеше 11 пазарни арени, и во сите нив имаше барем еден модел што заработуваше пари. Но, медијанскиот модел беше профитабилен само во две арени, покажувајќи дека повеќето од нив се мачеа да го победат пазарот.

Тој исход ги отсликува човечките перформанси, бидејќи повеќето активно управувани фондови се познати по тоа што, исто така,  заостануваат зад  поширокиот пазар. И исто како луѓето, моделите можат да бидат склони кон очигледни субјективности. Арените покажуваат дека ВИ системите донесуваат многу различни одлуки со дадени идентични инструкции, со големи импликации за секоја фирма што ги користи. На пример, Ажанг рече дека во последната рунда од Алфа Арената, Клод најмногу сакал да оди на долги позиции, Џемини немал проблем со кратки позиции, додека Квен бил подготвен да преземе ризици со висок левериџ.

„Тие имаат особености со коишто мора да управувате речиси како со човечки аналитичари“, рече Даг Клинтон, раководител на компанијата „Интелиџент Алфа“ (Intelligent Alpha), која управува со фонд предводен од LLM и објавува свој репер за перформансите на вештачката интелигенција во предвидувањето на корпоративните приходи. Резултатите можат да се подобрат со тоа што ќе му се даде до знаење на моделот дека покажува одредена пристрасност, додаде тој.

Мерачот „Интелиџент Алфа“ им овозможува на десет АИ модели пристап до финансиски извештаи, прогнози на аналитичарите, транскрипти на приходи, макроекономски податоци и до 10 веб пребарувања. Со тој потесен фокус, резултатите се попозитивни за големите јазични модлеи. Во четвртиот квартал од 2025 година, ЧетГПТ на „Опен еј-ај“  правилно го предвиде правецот на проценките на приходите во 68 проценти од случаите - најдобриот резултат досега. И моделите, вели Клинтон, стануваат подобри со секое ново издание.